Treść wykładu
Treść wykładu Treść wykładu
Podprzestrzenie niezmiennicze Wektory i wartości własne Diagonalizacja macierzy Treść wykładu Podprzestrzenie niezmiennicze. Wektory i wartości własne. Diagonalizacja macierzy. Wektory i wartości własne
- Page 2 and 3: Podprzestrzenie niezmiennicze Wekto
- Page 4 and 5: Podprzestrzenie niezmiennicze Wekto
- Page 6 and 7: Podprzestrzenie niezmiennicze Wekto
- Page 8 and 9: Podprzestrzenie niezmiennicze Wekto
- Page 10 and 11: Podprzestrzenie niezmiennicze Wekto
- Page 12 and 13: Podprzestrzenie niezmiennicze Wekto
- Page 14 and 15: Podprzestrzenie niezmiennicze Wekto
- Page 16 and 17: Podprzestrzenie niezmiennicze Wekto
- Page 18 and 19: Podprzestrzenie niezmiennicze Wekto
- Page 20 and 21: Podprzestrzenie niezmiennicze Wekto
- Page 22 and 23: Podprzestrzenie niezmiennicze Wekto
- Page 24 and 25: Podprzestrzenie niezmiennicze Wekto
- Page 26 and 27: Podprzestrzenie niezmiennicze Wekto
- Page 28 and 29: Podprzestrzenie niezmiennicze Wekto
- Page 30 and 31: Podprzestrzenie niezmiennicze Wekto
- Page 32 and 33: Podprzestrzenie niezmiennicze Wekto
- Page 34 and 35: Podprzestrzenie niezmiennicze Wekto
- Page 36 and 37: Podprzestrzenie niezmiennicze Wekto
- Page 38 and 39: Podprzestrzenie niezmiennicze Wekto
- Page 40 and 41: Podprzestrzenie niezmiennicze Wekto
- Page 42 and 43: Podprzestrzenie niezmiennicze Wekto
- Page 44 and 45: Podprzestrzenie niezmiennicze Wekto
- Page 46 and 47: Podprzestrzenie niezmiennicze Wekto
- Page 48 and 49: Podprzestrzenie niezmiennicze Wekto
- Page 50 and 51: Podprzestrzenie niezmiennicze Wekto
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
<strong>Treść</strong> <strong>wykładu</strong><br />
Podprzestrzenie niezmiennicze.<br />
Wektory i wartości własne.<br />
Diagonalizacja macierzy.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Podprzestrzenie niezmiennicze<br />
Definicja<br />
Niech f : V → V będzie przekształceniem liniowym.<br />
Podprzestrzeń W ⊂ V nazywamy niezmienniczą względem f ,<br />
jeżeli f (w) ∈ W dla każdego w ∈ W .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Podprzestrzenie niezmiennicze: przykłady<br />
1. Dla dowolnego f : V → V istnieją co najmniej dwie<br />
podprzestrzenie niezmiennicze: podprzestrzeń zerowa {0} i cała<br />
przestrzeń V .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Podprzestrzenie niezmiennicze: przykłady<br />
1. Dla dowolnego f : V → V istnieją co najmniej dwie<br />
podprzestrzenie niezmiennicze: podprzestrzeń zerowa {0} i cała<br />
przestrzeń V .<br />
2. Jeżeli f jest obrotem przestrzeni R 3 dokoła pewnej osi<br />
przechodzącej przez 0, to podprzestrzeniami niezmienniczymi są:<br />
oś obrotu i płaszczyzna prostopadła do osi i przechodząca przez 0.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Podprzestrzenie niezmiennicze: przykłady<br />
1. Dla dowolnego f : V → V istnieją co najmniej dwie<br />
podprzestrzenie niezmiennicze: podprzestrzeń zerowa {0} i cała<br />
przestrzeń V .<br />
2. Jeżeli f jest obrotem przestrzeni R 3 dokoła pewnej osi<br />
przechodzącej przez 0, to podprzestrzeniami niezmienniczymi są:<br />
oś obrotu i płaszczyzna prostopadła do osi i przechodząca przez 0.<br />
3. Jeżeli f jest jednokładnością płaszczyzny R 2 o środku w<br />
początku układu (i dowolnej skali), to każda podprzestrzeń jest<br />
niezmiennicza.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Definicja<br />
Niech f : V → V będzie przekształceniem liniowym. Wektor<br />
v ∈ V , v ≠ 0, spełniający związek f (v) = λv dla pewnego λ ∈ K<br />
nazywamy wektorem własnym, a odpowiadającą liczbę λ —<br />
wartością własną przekształcenia liniowego f .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Definicja<br />
Niech f : V → V będzie przekształceniem liniowym. Wektor<br />
v ∈ V , v ≠ 0, spełniający związek f (v) = λv dla pewnego λ ∈ K<br />
nazywamy wektorem własnym, a odpowiadającą liczbę λ —<br />
wartością własną przekształcenia liniowego f .<br />
Jeżeli v jest wektorem własnym, to wektory postaci αv tworzą<br />
jednowymiarową podprzestrzeń niezmienniczą.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Definicja<br />
Niech f : V → V będzie przekształceniem liniowym. Wektor<br />
v ∈ V , v ≠ 0, spełniający związek f (v) = λv dla pewnego λ ∈ K<br />
nazywamy wektorem własnym, a odpowiadającą liczbę λ —<br />
wartością własną przekształcenia liniowego f .<br />
Jeżeli v jest wektorem własnym, to wektory postaci αv tworzą<br />
jednowymiarową podprzestrzeń niezmienniczą.<br />
Odwrotnie, jeśli W jest jednowymiarową podprzestrzenią<br />
niezmienniczą, to każdy wektor tej podprzestrzeni jest wektorem<br />
własnym.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Twierdzenie (o istnieniu)<br />
Jeżeli V jest skończenie wymiarową przestrzenią zespoloną, to<br />
każde przekształcenie liniowe f : V → V ma przynajmniej jeden<br />
wektor własny.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Twierdzenie (o istnieniu)<br />
Jeżeli V jest skończenie wymiarową przestrzenią zespoloną, to<br />
każde przekształcenie liniowe f : V → V ma przynajmniej jeden<br />
wektor własny.<br />
D o w ó d. Niech A = [a ij ] będzie macierzą przekształcenia f w<br />
pewnej bazie przestrzeni liniowej V . Jeżeli v = (x 1 , x 2 , . . . , x n ) jest<br />
wektorem własnym, tj. f (v) = λv dla pewnego λ ∈ K, to:<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Twierdzenie (o istnieniu)<br />
Jeżeli V jest skończenie wymiarową przestrzenią zespoloną, to<br />
każde przekształcenie liniowe f : V → V ma przynajmniej jeden<br />
wektor własny.<br />
D o w ó d. Niech A = [a ij ] będzie macierzą przekształcenia f w<br />
pewnej bazie przestrzeni liniowej V . Jeżeli v = (x 1 , x 2 , . . . , x n ) jest<br />
wektorem własnym, tj. f (v) = λv dla pewnego λ ∈ K, to:<br />
Av T = λv T<br />
(v T oznacza macierz jednokolumnową — transpozycję wektora v).<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Ta równość wektorowa jest równoważna układowi równań:<br />
a 11 x 1 + a 12 x 2 + · · · + a 1n x n = λx 1<br />
a 21 x 1 + a 22 x 2 + · · · + a 2n x n = λx 2<br />
, (1)<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
a n1 x 1 + a n2 x 2 + · · · + a nn x n = λx n<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Ta równość wektorowa jest równoważna układowi równań:<br />
czyli<br />
a 11 x 1 + a 12 x 2 + · · · + a 1n x n = λx 1<br />
a 21 x 1 + a 22 x 2 + · · · + a 2n x n = λx 2<br />
, (1)<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
a n1 x 1 + a n2 x 2 + · · · + a nn x n = λx n<br />
(a 11 −λ)x 1 + a 12 x 2 + · · · + a 1n x n = 0<br />
a 21 x 1 + (a 22 −λ)x 2 + · · · + a 2n x n = 0<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
a n1 x 1 + a n2 x 2 + · · · + (a nn −λ)x n = 0<br />
. (2)<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Układ taki ma rozwiązanie niezerowe wtedy i tylko wtedy, gdy<br />
liczba λ spełnia warunek:<br />
a 11 −λ a 12 · · · a 1n<br />
a 12 a 22 −λ · · · a 2n<br />
= 0. (3)<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
∣ a n1 a n2 · · · a nn −λ ∣<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Układ taki ma rozwiązanie niezerowe wtedy i tylko wtedy, gdy<br />
liczba λ spełnia warunek:<br />
a 11 −λ a 12 · · · a 1n<br />
a 12 a 22 −λ · · · a 2n<br />
= 0. (3)<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
∣ a n1 a n2 · · · a nn −λ ∣<br />
Lewa strona tej równości jest wielomianem zmiennej λ stopnia n.<br />
Na mocy zasadniczego twierdzenia algebry równanie (3) ma co<br />
najmniej jeden pierwiastek λ 0 .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Układ taki ma rozwiązanie niezerowe wtedy i tylko wtedy, gdy<br />
liczba λ spełnia warunek:<br />
a 11 −λ a 12 · · · a 1n<br />
a 12 a 22 −λ · · · a 2n<br />
= 0. (3)<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
∣ a n1 a n2 · · · a nn −λ ∣<br />
Lewa strona tej równości jest wielomianem zmiennej λ stopnia n.<br />
Na mocy zasadniczego twierdzenia algebry równanie (3) ma co<br />
najmniej jeden pierwiastek λ 0 .<br />
Jeżeli (x 1 , x 2 , . . . , x n ) jest jakimkolwiek rozwiązaniem niezerowym<br />
układu otrzymanego z układu (2) po podstawieniu λ = λ 0 , to<br />
wektor (x 1 , x 2 , . . . , x n ) jest własny. <br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Zbiór wszystkich wektorów własnych odpowiadających tej samej<br />
wartości własnej λ jest podprzestrzenią (bo jest to zbiór rozwiązań<br />
układu jednorodnego).<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Zbiór wszystkich wektorów własnych odpowiadających tej samej<br />
wartości własnej λ jest podprzestrzenią (bo jest to zbiór rozwiązań<br />
układu jednorodnego).<br />
Wymiar tej podprzestrzeni, nazywanej podprzestrzenią własną i<br />
oznaczanej E λ , nazywamy geometryczną krotnością wartości<br />
własnej (w odróżnieniu od krotności algebraicznej, tj. krotności<br />
wartości własnej jako pierwiastka równania (3)).<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Równanie<br />
∣<br />
a 11 −λ a 12 · · · a 1n<br />
a 12 a 22 −λ · · · a 2n<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
a n1 a n2 · · · a nn −λ<br />
= 0. (4)<br />
∣<br />
można zapisać krótko:<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Równanie<br />
∣<br />
a 11 −λ a 12 · · · a 1n<br />
a 12 a 22 −λ · · · a 2n<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
a n1 a n2 · · · a nn −λ<br />
= 0. (4)<br />
∣<br />
można zapisać krótko:<br />
det(A − λI) = 0<br />
lub<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Równanie<br />
∣<br />
a 11 −λ a 12 · · · a 1n<br />
a 12 a 22 −λ · · · a 2n<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
a n1 a n2 · · · a nn −λ<br />
= 0. (4)<br />
∣<br />
można zapisać krótko:<br />
lub<br />
det(A − λI) = 0<br />
|A − λI| = 0.<br />
Nazywamy je równaniem charakterystycznym przekształcenia f , a<br />
wielomian tworzący lewą stronę tego równania — wielomianem<br />
charakterystycznym przekształcenia f .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład Obliczyć wartości i wektory własne macierzy:<br />
⎡<br />
⎤<br />
1 3 0<br />
⎢<br />
⎥<br />
A = ⎣ 3 −2 −1 ⎦ .<br />
0 −1 1<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład Obliczyć wartości i wektory własne macierzy:<br />
⎡<br />
⎤<br />
1 3 0<br />
⎢<br />
⎥<br />
A = ⎣ 3 −2 −1 ⎦ .<br />
0 −1 1<br />
Piszemy równanie charakterystyczne:<br />
1−λ 3 0<br />
3 −2−λ −1<br />
= 0,<br />
∣ 0 −1 1−λ ∣<br />
czyli<br />
−λ 3 + 13λ − 12 = 0.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład Obliczyć wartości i wektory własne macierzy:<br />
⎡<br />
⎤<br />
1 3 0<br />
⎢<br />
⎥<br />
A = ⎣ 3 −2 −1 ⎦ .<br />
0 −1 1<br />
Piszemy równanie charakterystyczne:<br />
1−λ 3 0<br />
3 −2−λ −1<br />
= 0,<br />
∣ 0 −1 1−λ ∣<br />
czyli<br />
−λ 3 + 13λ − 12 = 0.<br />
Pierwiastkami tego równania są −4, 1, 3. Macierz ma więc trzy<br />
wartości własne. Obliczymy teraz wektory własne.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Dla λ = −4 układ (2) przyjmuje postać:<br />
5x + 3y = 0<br />
3x + 2y − z = 0<br />
−y + 5z = 0<br />
Rozwiązaniem układu są liczby x = −3k, y = 5k, z = k (k ∈ R).<br />
Zatem wektory własne są postaci k(−3, 5, 1) (k ∈ R).<br />
.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Analogicznie, dla λ = 1 układ (2) przyjmuje postać:<br />
3y = 0<br />
3x − 3y − z = 0<br />
−y = 0<br />
Znajdujemy: x = k, y = 0, z = 3k (k ∈ R). Zatem wektory własne<br />
są postaci k(1, 0, 3), k ∈ R.<br />
.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Dla λ = 3 mamy:<br />
−2x + 3y = 0<br />
3x − 5y − z = 0<br />
−y − 2z = 0<br />
skąd x = 3k, y = 2k, z = −k (k ∈ R). Wektory własne:<br />
k(3, 2, −1), k ∈ R.<br />
,<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
Definicja<br />
Macierze A i B nazywamy podobnymi, gdy istnieje taka<br />
macierz nieosobliwa P, że B = P −1 AP.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
Definicja<br />
Macierze A i B nazywamy podobnymi, gdy istnieje taka<br />
macierz nieosobliwa P, że B = P −1 AP.<br />
Twierdzenie<br />
Jeżeli macierze A i B są podobne, to mają ten sam wyznacznik,<br />
ten sam rząd, ten sam wielomian charakterystyczny i te same<br />
wartości własne.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
D o w ó d (częściowy). Niech B = P −1 AP dla pewnej macierzy<br />
nieosobliwej P. Wtedy<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
D o w ó d (częściowy). Niech B = P −1 AP dla pewnej macierzy<br />
nieosobliwej P. Wtedy<br />
det B =<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
D o w ó d (częściowy). Niech B = P −1 AP dla pewnej macierzy<br />
nieosobliwej P. Wtedy<br />
det B = det(P −1 AP) =<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
D o w ó d (częściowy). Niech B = P −1 AP dla pewnej macierzy<br />
nieosobliwej P. Wtedy<br />
det B = det(P −1 AP) = det P −1 det A det P =<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
D o w ó d (częściowy). Niech B = P −1 AP dla pewnej macierzy<br />
nieosobliwej P. Wtedy<br />
det B = det(P −1 AP) = det P −1 det A det P = 1 det A det P =<br />
det P<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
D o w ó d (częściowy). Niech B = P −1 AP dla pewnej macierzy<br />
nieosobliwej P. Wtedy<br />
det B = det(P −1 AP) = det P −1 det A det P = 1 det A det P = det A<br />
det P<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
D o w ó d (częściowy). Niech B = P −1 AP dla pewnej macierzy<br />
nieosobliwej P. Wtedy<br />
det B = det(P −1 AP) = det P −1 det A det P = 1 det A det P = det A<br />
det P<br />
więc wyznacznik jest ten sam.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
Sprawdzimy jeszcze równość wielomianów charakterystycznych:<br />
det(P −1 AP − λI) = det(P −1 AP − P −1 λIP) =<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
Sprawdzimy jeszcze równość wielomianów charakterystycznych:<br />
det(P −1 AP − λI) = det(P −1 AP − P −1 λIP) =<br />
= det(P −1 (A − λI)P) =<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
Sprawdzimy jeszcze równość wielomianów charakterystycznych:<br />
det(P −1 AP − λI) = det(P −1 AP − P −1 λIP) =<br />
= det(P −1 (A − λI)P) =<br />
= det(P −1 ) det(A − λI) det P =<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze podobne<br />
Sprawdzimy jeszcze równość wielomianów charakterystycznych:<br />
det(P −1 AP − λI) = det(P −1 AP − P −1 λIP) =<br />
= det(P −1 (A − λI)P) =<br />
= det(P −1 ) det(A − λI) det P =<br />
= det(A − λI). <br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Działania na macierzach diagonalnych<br />
Potęgowanie macierzy diagonalnej:<br />
⎡<br />
⎢<br />
⎣<br />
⎤<br />
λ 1 0 0 . . . 0<br />
0 λ 2 0 . . . 0<br />
0 0 λ 3 . . . 0<br />
⎥<br />
. . . . . . . . . . . . . . . . . . . . ⎦<br />
0 0 0 . . . λ n<br />
n<br />
⎡<br />
=<br />
⎢<br />
⎣<br />
λ n 1 0 0 . . . 0<br />
0 λ n 2 0 . . . 0<br />
0 0 λ n 3 . . . 0<br />
. . . . . . . . . . . . . . . . . . . .<br />
0 0 0 . . . λ n n<br />
⎤<br />
,<br />
⎥<br />
⎦<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Działania na macierzach diagonalnych<br />
Jeśli p(t) jest wielomianem, a A jest macierzą diagonalną, to<br />
⎡<br />
(<br />
p<br />
⎢<br />
⎣<br />
⎤<br />
λ 1 0 0 . . . 0<br />
0 λ 2 0 . . . 0<br />
0 0 λ 3 . . . 0<br />
⎥<br />
. . . . . . . . . . . . . . . . . . . . ⎦<br />
0 0 0 . . . λ n<br />
⎡<br />
)<br />
=<br />
⎢<br />
⎣<br />
p(λ 1 ) 0 0 . . . 0<br />
0 p(λ 2 ) 0 . . . 0<br />
0 0 p(λ 3 ) . . . 0<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .<br />
0 0 0 . . . p(λ n )<br />
⎤<br />
⎥<br />
⎦<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Działania na macierzach podobnych do diagonalnych<br />
Jeśli A = P −1 BP, gdzie det P ≠ 0, to dla dowolnego n ∈ N:<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Działania na macierzach podobnych do diagonalnych<br />
Jeśli A = P −1 BP, gdzie det P ≠ 0, to dla dowolnego n ∈ N:<br />
A n = (P −1 BP) n = P −1 BP · P −1 BP · · · P −1 BP = P −1 B n P,<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Działania na macierzach podobnych do diagonalnych<br />
Jeśli A = P −1 BP, gdzie det P ≠ 0, to dla dowolnego n ∈ N:<br />
A n = (P −1 BP) n = P −1 BP · P −1 BP · · · P −1 BP = P −1 B n P,<br />
a w konsekwencji dla dowolnego wielomianu p(t):<br />
p(A) = P −1 p(B)P.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Działania na macierzach podobnych do diagonalnych<br />
Jeśli A = P −1 BP, gdzie det P ≠ 0, to dla dowolnego n ∈ N:<br />
A n = (P −1 BP) n = P −1 BP · P −1 BP · · · P −1 BP = P −1 B n P,<br />
a w konsekwencji dla dowolnego wielomianu p(t):<br />
p(A) = P −1 p(B)P.<br />
Jeśli P jest macierzą diagonalizującą macierz A, to obliczanie<br />
potęg i wielomianów macierzy A można sprowadzić do dwóch<br />
prostych czynności:<br />
obliczenia potęgi (lub wielomianu) macierzy diagonalnej;<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Działania na macierzach podobnych do diagonalnych<br />
Jeśli A = P −1 BP, gdzie det P ≠ 0, to dla dowolnego n ∈ N:<br />
A n = (P −1 BP) n = P −1 BP · P −1 BP · · · P −1 BP = P −1 B n P,<br />
a w konsekwencji dla dowolnego wielomianu p(t):<br />
p(A) = P −1 p(B)P.<br />
Jeśli P jest macierzą diagonalizującą macierz A, to obliczanie<br />
potęg i wielomianów macierzy A można sprowadzić do dwóch<br />
prostych czynności:<br />
obliczenia potęgi (lub wielomianu) macierzy diagonalnej;<br />
przemnożenia przez P i P −1 .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład . Dla macierzy<br />
⎡<br />
A =<br />
⎢<br />
⎣<br />
0 −2 0<br />
−2 0 2<br />
0 2 −1<br />
⎤<br />
⎥<br />
⎦ , P = 1 3<br />
⎡<br />
⎢<br />
⎣<br />
2 −2 1<br />
1 2 2<br />
2 1 −2<br />
⎤<br />
⎥<br />
⎦<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład . Dla macierzy<br />
⎡<br />
A =<br />
⎢<br />
⎣<br />
0 −2 0<br />
−2 0 2<br />
0 2 −1<br />
⎤<br />
⎥<br />
⎦ , P = 1 3<br />
⎡<br />
⎢<br />
⎣<br />
2 −2 1<br />
1 2 2<br />
2 1 −2<br />
⎤<br />
⎥<br />
⎦<br />
mamy<br />
⎡<br />
⎢<br />
A = P ⎣<br />
0 0 0<br />
0 3 0<br />
0 0 −3<br />
⎤<br />
⎥<br />
⎦ P −1<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład . Dla macierzy<br />
⎡<br />
A =<br />
⎢<br />
⎣<br />
0 −2 0<br />
−2 0 2<br />
0 2 −1<br />
⎤<br />
⎥<br />
⎦ , P = 1 3<br />
⎡<br />
⎢<br />
⎣<br />
2 −2 1<br />
1 2 2<br />
2 1 −2<br />
⎤<br />
⎥<br />
⎦<br />
mamy<br />
Stąd np.<br />
⎡<br />
⎢<br />
A = P ⎣<br />
⎡<br />
A 10 ⎢<br />
= P ⎣<br />
0 0 0<br />
0 3 0<br />
0 0 −3<br />
⎤<br />
⎥<br />
⎦ P −1<br />
⎤<br />
0 0 0<br />
0 3 10 ⎥<br />
0<br />
0 0 3 10<br />
⎦ P −1<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Twierdzenie<br />
Niech A będzie macierzą mającą n liniowo niezależnych wektorów<br />
własnych v 1 , v 2 , . . . , v n . Niech λ i będzie wartością własną<br />
odpowiadającą wektorowi własnemu v i (dla i = 1, 2, . . . , n), tj.<br />
Av T i = λ i v T i .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Twierdzenie<br />
Niech A będzie macierzą mającą n liniowo niezależnych wektorów<br />
własnych v 1 , v 2 , . . . , v n . Niech λ i będzie wartością własną<br />
odpowiadającą wektorowi własnemu v i (dla i = 1, 2, . . . , n), tj.<br />
Av T i = λ i v T i .<br />
Utwórzmy macierz P, której kolumnami są wektory v T 1 , vT 2 , ..., vT n :<br />
P = [ v T 1 v T 2 ... v T n ].<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Twierdzenie<br />
Niech A będzie macierzą mającą n liniowo niezależnych wektorów<br />
własnych v 1 , v 2 , . . . , v n . Niech λ i będzie wartością własną<br />
odpowiadającą wektorowi własnemu v i (dla i = 1, 2, . . . , n), tj.<br />
Av T i = λ i v T i .<br />
Utwórzmy macierz P, której kolumnami są wektory v T 1 , vT 2 , ..., vT n :<br />
Wówczas:<br />
P = [ v T 1 v T 2 ... v T n ].<br />
⎡<br />
P −1 AP =<br />
⎢<br />
⎣<br />
⎤<br />
λ 1 0 0 . . . 0<br />
0 λ 2 0 . . . 0<br />
0 0 λ 3 . . . 0<br />
⎥<br />
. . . . . . . . . . . . . . . . . . . . ⎦<br />
0 0 0 . . . λ n<br />
czyli macierz A jest podobna do macierzy diagonalnej.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład diagonalizacji<br />
Weźmy macierz z poprzedniego przykładu:<br />
⎡<br />
⎤<br />
1 3 0<br />
⎢<br />
⎥<br />
A = ⎣ 3 −2 −1 ⎦ .<br />
0 −1 1<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład diagonalizacji<br />
Weźmy macierz z poprzedniego przykładu:<br />
⎡<br />
⎤<br />
1 3 0<br />
⎢<br />
⎥<br />
A = ⎣ 3 −2 −1 ⎦ .<br />
0 −1 1<br />
Z jej wektorów własnych tworzymy macierz P:<br />
⎡<br />
⎤<br />
−3 1 3<br />
⎢<br />
⎥<br />
P = ⎣ 5 0 2 ⎦ .<br />
1 3 −1<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład diagonalizacji<br />
Weźmy macierz z poprzedniego przykładu:<br />
⎡<br />
⎤<br />
1 3 0<br />
⎢<br />
⎥<br />
A = ⎣ 3 −2 −1 ⎦ .<br />
0 −1 1<br />
Z jej wektorów własnych tworzymy macierz P:<br />
⎡<br />
⎤<br />
−3 1 3<br />
⎢<br />
⎥<br />
P = ⎣ 5 0 2 ⎦ .<br />
1 3 −1<br />
Jej macierz odwrotna to:<br />
P −1 =<br />
⎡<br />
− 3<br />
⎤<br />
1 1<br />
35 7 35<br />
⎢ 1<br />
3 ⎥<br />
⎣ 10<br />
0<br />
10 ⎦ .<br />
3 1<br />
14 7<br />
− 1<br />
14<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Mamy zatem<br />
⎡<br />
⎢<br />
⎣<br />
− 3<br />
⎤ ⎡<br />
1 1<br />
35 7 35<br />
1<br />
3 ⎥ ⎢<br />
10<br />
0<br />
10 ⎦· ⎣<br />
3 1<br />
14 7<br />
− 1<br />
14<br />
1 3 0<br />
3 −2 −1<br />
0 −1 1<br />
⎤ ⎡<br />
⎥ ⎢<br />
⎦· ⎣<br />
−3 1 3<br />
5 0 2<br />
1 3 −1<br />
⎤<br />
⎥<br />
⎦ =<br />
⎡<br />
⎢<br />
⎣<br />
−4 0 0<br />
0 1 0<br />
0 0 3<br />
⎤<br />
⎥<br />
⎦ .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Mamy zatem<br />
⎡<br />
⎢<br />
⎣<br />
− 3<br />
⎤ ⎡<br />
1 1<br />
35 7 35<br />
1<br />
3 ⎥ ⎢<br />
10<br />
0<br />
10 ⎦· ⎣<br />
3 1<br />
14 7<br />
− 1<br />
14<br />
1 3 0<br />
3 −2 −1<br />
0 −1 1<br />
⎤ ⎡<br />
⎥ ⎢<br />
⎦· ⎣<br />
−3 1 3<br />
5 0 2<br />
1 3 −1<br />
⎤<br />
⎥<br />
⎦ =<br />
⎡<br />
⎢<br />
⎣<br />
−4 0 0<br />
0 1 0<br />
0 0 3<br />
⎤<br />
⎥<br />
⎦ .<br />
A więc np.<br />
⎡<br />
⎢<br />
⎣<br />
1 3 0<br />
3 −2 −1<br />
0 −1 1<br />
⎤10<br />
⎥<br />
⎦<br />
=<br />
⎡<br />
⎢<br />
⎣<br />
−3 1 3<br />
5 0 2<br />
1 3 −1<br />
⎤ ⎡<br />
⎥ ⎢<br />
⎦· ⎣<br />
4 10 ⎤ ⎡<br />
0 0<br />
⎥ ⎢<br />
0 1 0 ⎦· ⎣<br />
0 0 3 10<br />
− 3 1 1<br />
35 7 35<br />
1<br />
3<br />
10<br />
0<br />
10<br />
3 1<br />
14 7<br />
− 1<br />
14<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład Wyznaczyć wektory własne dla A =<br />
⎡<br />
⎢<br />
⎣<br />
4 −5 2<br />
5 −7 3<br />
6 −9 4<br />
⎤<br />
⎥<br />
⎦.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład Wyznaczyć wektory własne dla A =<br />
⎡<br />
⎢<br />
⎣<br />
4 −5 2<br />
5 −7 3<br />
6 −9 4<br />
Wielomian charakterystyczny:<br />
4 − λ −5 2<br />
k1+k2+k3<br />
c(λ) =<br />
5 −7 − λ 3<br />
=<br />
∣ 6 −9 4 − λ ∣ ∣<br />
1 −5 2<br />
= (1 − λ)<br />
1 −7 − λ 3<br />
= · · · = (1 − λ)λ 2 .<br />
∣ 1 −9 4 − λ ∣<br />
Zatem wartości własne to 0 i 1.<br />
⎤<br />
⎥<br />
⎦.<br />
1 − λ −5 2<br />
1 − λ −7 − λ 3<br />
1 − λ −9 4 − λ<br />
∣<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Dla λ = 0 rozwiązujemy (metodą eliminacji) układ jednorodny o<br />
macierzy A − 0 · I = A i otrzymujemy wektor<br />
v = (a, 2a, 3a) = a(1, 2, 3).<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Dla λ = 0 rozwiązujemy (metodą eliminacji) układ jednorodny o<br />
macierzy A − 0 · I = A i otrzymujemy wektor<br />
v = (a, 2a, 3a) = a(1, 2, 3).<br />
Dla λ = 1 rozwiązujemy (metodą eliminacji) układ jednorodny o<br />
macierzy A − 1 · I. Otrzymujemy wektor v = (b, b, b) = b(1, 1, 1).<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Dla λ = 0 rozwiązujemy (metodą eliminacji) układ jednorodny o<br />
macierzy A − 0 · I = A i otrzymujemy wektor<br />
v = (a, 2a, 3a) = a(1, 2, 3).<br />
Dla λ = 1 rozwiązujemy (metodą eliminacji) układ jednorodny o<br />
macierzy A − 1 · I. Otrzymujemy wektor v = (b, b, b) = b(1, 1, 1).<br />
Tym razem jest za mało wektorów, aby przeprowadzić<br />
diagonalizację.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Dla λ = 0 rozwiązujemy (metodą eliminacji) układ jednorodny o<br />
macierzy A − 0 · I = A i otrzymujemy wektor<br />
v = (a, 2a, 3a) = a(1, 2, 3).<br />
Dla λ = 1 rozwiązujemy (metodą eliminacji) układ jednorodny o<br />
macierzy A − 1 · I. Otrzymujemy wektor v = (b, b, b) = b(1, 1, 1).<br />
Tym razem jest za mało wektorów, aby przeprowadzić<br />
diagonalizację.<br />
Uwaga. Wartość własna λ = 0 ma krotność algebraiczną 2, ale<br />
krotność geometryczną 1.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Z poprzedniego przykładu widać, że nie wszystkie macierze mają<br />
wystarczającą liczbę wektorów własnych (mogą ich wcale nie mieć;<br />
przykładem jest np. macierz obrotu).<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Z poprzedniego przykładu widać, że nie wszystkie macierze mają<br />
wystarczającą liczbę wektorów własnych (mogą ich wcale nie mieć;<br />
przykładem jest np. macierz obrotu).<br />
Twierdzenie o istnieniu zapewnia wprawdzie, że każda macierz ma<br />
zespoloną wartość własną, ale:<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Z poprzedniego przykładu widać, że nie wszystkie macierze mają<br />
wystarczającą liczbę wektorów własnych (mogą ich wcale nie mieć;<br />
przykładem jest np. macierz obrotu).<br />
Twierdzenie o istnieniu zapewnia wprawdzie, że każda macierz ma<br />
zespoloną wartość własną, ale:<br />
1 nie wynika z tego istnienie n niezależnych liniowo wektorów<br />
własnych;<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Z poprzedniego przykładu widać, że nie wszystkie macierze mają<br />
wystarczającą liczbę wektorów własnych (mogą ich wcale nie mieć;<br />
przykładem jest np. macierz obrotu).<br />
Twierdzenie o istnieniu zapewnia wprawdzie, że każda macierz ma<br />
zespoloną wartość własną, ale:<br />
1 nie wynika z tego istnienie n niezależnych liniowo wektorów<br />
własnych;<br />
2 w praktyce, gdy macierz jest rzeczywista szukamy tylko<br />
rzeczywistych wartości własnych, których może wcale nie być.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład . Macierz<br />
A =<br />
⎡<br />
⎢<br />
⎣<br />
1 1 0<br />
−2 1 0<br />
0 0 3<br />
ma wielomian charakterystyczny c(λ) = (3 − λ)(λ 2 − 2λ + 2).<br />
⎤<br />
⎥<br />
⎦<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład . Macierz<br />
A =<br />
⎡<br />
⎢<br />
⎣<br />
1 1 0<br />
−2 1 0<br />
0 0 3<br />
ma wielomian charakterystyczny c(λ) = (3 − λ)(λ 2 − 2λ + 2).<br />
Jest tylko jedna wartość własna, i jeden wektor własny (0, 0, 1).<br />
⎤<br />
⎥<br />
⎦<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Przykład . Macierz<br />
A =<br />
⎡<br />
⎢<br />
⎣<br />
1 1 0<br />
−2 1 0<br />
0 0 3<br />
ma wielomian charakterystyczny c(λ) = (3 − λ)(λ 2 − 2λ + 2).<br />
Jest tylko jedna wartość własna, i jeden wektor własny (0, 0, 1).<br />
⎤<br />
⎥<br />
⎦<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze symetryczne<br />
Twierdzenie<br />
Niech A będzie rzeczywistą macierzą symetryczną (tj. A = A T ).<br />
Wtedy wszystkie pierwiastki równania charakterystycznego są<br />
rzeczywiste i istnieje n wartości własnych (licząc z krotnościami)<br />
oraz n liniowo niezależnych wektorów własnych v 1 , v 2 , . . . , v n .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze symetryczne<br />
Twierdzenie<br />
Niech A będzie rzeczywistą macierzą symetryczną (tj. A = A T ).<br />
Wtedy wszystkie pierwiastki równania charakterystycznego są<br />
rzeczywiste i istnieje n wartości własnych (licząc z krotnościami)<br />
oraz n liniowo niezależnych wektorów własnych v 1 , v 2 , . . . , v n .<br />
Zweryfikujemy to twierdzenie dla macierzy stopnia 2. Macierz<br />
[ ]<br />
a b<br />
b<br />
c<br />
ma wielomian charakterystyczny c(λ) = λ 2 − (a + c)λ + (ac − b 2 ).<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze symetryczne<br />
Twierdzenie<br />
Niech A będzie rzeczywistą macierzą symetryczną (tj. A = A T ).<br />
Wtedy wszystkie pierwiastki równania charakterystycznego są<br />
rzeczywiste i istnieje n wartości własnych (licząc z krotnościami)<br />
oraz n liniowo niezależnych wektorów własnych v 1 , v 2 , . . . , v n .<br />
Zweryfikujemy to twierdzenie dla macierzy stopnia 2. Macierz<br />
[ ]<br />
a b<br />
b<br />
c<br />
ma wielomian charakterystyczny c(λ) = λ 2 − (a + c)λ + (ac − b 2 ).<br />
Zatem ∆ = (a − c) 2 + 4b 2 0. Zawsze istnieją pierwiastki<br />
rzeczywiste.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze symetryczne<br />
Wniosek<br />
Każda macierz symetryczna jest podobna do macierzy diagonalnej.<br />
Przykład Macierz<br />
A =<br />
⎡<br />
⎢<br />
⎣<br />
0 1 1<br />
1 0 1<br />
1 1 0<br />
ma wielomian charakterystyczny<br />
⎤<br />
−λ 1 1<br />
⎥<br />
c(λ) =<br />
1 −λ 1 ⎦ = (λ + 1) 2 (λ − 2).<br />
∣ 1 1 −λ<br />
⎤<br />
⎥<br />
⎦<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze symetryczne<br />
Wniosek<br />
Każda macierz symetryczna jest podobna do macierzy diagonalnej.<br />
Przykład Macierz<br />
A =<br />
⎡<br />
⎢<br />
⎣<br />
0 1 1<br />
1 0 1<br />
1 1 0<br />
ma wielomian charakterystyczny<br />
⎤<br />
−λ 1 1<br />
⎥<br />
c(λ) =<br />
1 −λ 1 ⎦ = (λ + 1) 2 (λ − 2).<br />
∣ 1 1 −λ<br />
Wektory własne:<br />
dla λ = −1: (1, −1, 0), (1, 0, −1);<br />
dla λ = 2: (1, 1, 1).<br />
⎤<br />
⎥<br />
⎦<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze symetryczne<br />
Przykład Dla wyżej zdefiniowanej macierzy A tworzymy macierz z<br />
jej wektorów własnych:<br />
⎡<br />
⎤<br />
1 1 1<br />
⎢<br />
⎥<br />
P = ⎣ −1 0 1 ⎦<br />
0 −1 1<br />
i znajdujemy jej odwrotność:<br />
⎡<br />
P −1 = 1 3<br />
⎢<br />
⎣<br />
1 −2 1<br />
1 1 −2<br />
1 1 1<br />
⎤<br />
⎥<br />
⎦ .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze symetryczne<br />
Wtedy zachodzi równość<br />
P −1 AP =<br />
⎡<br />
⎢<br />
⎣<br />
−1 0 0<br />
0 −1 0<br />
0 0 2<br />
⎤<br />
⎥<br />
⎦ .<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze symetryczne<br />
Można wykazać, że suma wszystkich wartości własnych macierzy<br />
jest równa sumie elementów przekątnej głównej tej macierzy.<br />
Definicja<br />
Śladem macierzy A = [a ij ] nazywamy sumę elementów jej<br />
przekątnej głównej.<br />
Wektory i wartości własne
Podprzestrzenie niezmiennicze<br />
Wektory i wartości własne<br />
Diagonalizacja macierzy<br />
Macierze symetryczne<br />
Można wykazać, że suma wszystkich wartości własnych macierzy<br />
jest równa sumie elementów przekątnej głównej tej macierzy.<br />
Definicja<br />
Śladem macierzy A = [a ij ] nazywamy sumę elementów jej<br />
przekątnej głównej.<br />
Oznaczenie: tr A. Zatem z definicji:<br />
tr A =<br />
n∑<br />
a ii ,<br />
i=1<br />
oraz jak można wykazać tr A = ∑ n<br />
i=1 λ i .<br />
Wektory i wartości własne