Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak,

Podobné dokumenty
[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

Vlastní číslo, vektor

Vlastní čísla a vlastní vektory

1. Jordanův kanonický tvar

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

Lineární algebra : Vlastní čísla, vektory a diagonalizace

Vlastní čísla a vlastní vektory

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

Soustavy lineárních rovnic

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

2.6. Vlastní čísla a vlastní vektory matice

(2) [B] Nechť G je konečná grupa tvořena celočíselnými maticemi roměru 2 2 s operací násobení. Nalezněte všechny takové grupy až na izomorfizmus.

Soustava m lineárních rovnic o n neznámých je systém

1 Linearní prostory nad komplexními čísly

DEFINICE Z LINEÁRNÍ ALGEBRY

Matematika B101MA1, B101MA2

Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n,

15 Maticový a vektorový počet II

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.

Vlastní čísla a vlastní vektory

1 Báze a dimenze vektorového prostoru 1

Kapitola 11: Vektory a matice:

Soustavy lineárních rovnic

1 Determinanty a inverzní matice

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

Úlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,

Učební texty k státní bakalářské zkoušce Matematika Diferenciální rovnice. študenti MFF 15. augusta 2008

Kapitola 11: Vektory a matice 1/19

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

1 Vektorové prostory.

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

CHARAKTERISTICKÉ VEKTORY

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Množinu všech matic typu m n nad tělesem T budeme označovat M m n (T ), množinu všech čtvercových matic stupně n nad T pak M n (T ).

VĚTY Z LINEÁRNÍ ALGEBRY

Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu.

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

Základy matematiky pro FEK

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

Základy maticového počtu Matice, determinant, definitnost

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

1 Vektorové prostory a podprostory

Soustavy lineárních rovnic a determinanty

Matematika 2 (Fakulta ekonomická) Cvičení z lineární algebry. TU v Liberci

K2 7 E=. 2 1 Snadno zjistíme, že všechny nenulové násobky vektoru( 2, 1) jsou vlastními vektorymatice[ϕ]

ČTVERCOVÉ MATICE. Čtvercová matice je taková matice, kde počet řádků je roven počtu jejích sloupců. det(a) značíme determinant čtvercové matice A

8 Matice a determinanty

Čtvercové matice. Čtvercová matice je taková matice, jejíž počet řádků je roven počtu jejích sloupců

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

Podobnostní transformace

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program

Operace s maticemi. 19. února 2018

vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).

Lineární algebra. Matice, operace s maticemi

7. Lineární vektorové prostory

Vlastní čísla a vlastní vektory

Vlastnosti lineárních zobrazení a velikost vektorů

2. Schurova věta. Petr Tichý. 3. října 2012

0.1 Úvod do lineární algebry

Soustavy lineárních algebraických rovnic SLAR

Soustavy linea rnı ch rovnic

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Lineární algebra. Soustavy lineárních rovnic

1 Řešení soustav lineárních rovnic

Program SMP pro kombinované studium

10 Funkce více proměnných

ftp://math.feld.cvut.cz/pub/olsak/linal/

AVDAT Vektory a matice

z textu Lineární algebra

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

12. Determinanty. 12. Determinanty p. 1/25

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

HODNOST A DETERMINANT MATICE, INVERZNÍ MATICE

a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.

Operace s maticemi

Linearní algebra příklady

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

0.1 Úvod do lineární algebry

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Ortogonální projekce a ortogonální zobrazení

Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program

Vlastní (charakteristická) čísla a vlastní (charakteristické) Pro zadanou čtvercovou matici A budeme řešit maticovou

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.

Matematika 4 FSV UK, LS Miroslav Zelený

Vlastní čísla a vlastní vektory

DMA Přednáška Rekurentní rovnice. takovou, že po dosazení odpovídajících členů do dané rovnice dostáváme pro všechna n n 0 + m pravdivý výrok.

Číselné vektory, matice, determinanty

9 Kolmost vektorových podprostorů

SOUSTAVY LINEÁRNÍCH ROVNIC

19. Druhý rozklad lineární transformace

Soustavy lineárních rovnic

Transkript:

Podobnost matic Definice 84 Dány matice A, B M n (C) Jestliže existuje regulární matice P M n (C) tak, že B = P 1 AP, pak říkáme, že matice B je podobná matici A a píšeme A B Takto zavedená binární relace je ekvivalence na M n (C) Existuje tedy rozklad M n (C) na třídy vzájemně podobných matic Věta 85 Necht A, B M n (C) jsou regulární Jestliže A B, pak 1 det(a) = det(b), 2 h(a) = h(b) Charakteristická matice Definice 85 Charakteristickou maticí matice (a ij ) M n (C) rozumíme matici A λe, tedy a 11 λ a 12 a 1n a 21 a 22 λ a 2n A λe = a n1 a n2 a nn λ Příklad 83 Charakteristická matice k matici 1 3 1 2 1 4 3 1 A λe = je matice 1 λ 3 1 2 1 λ 4 3 1 λ Charakteristický polynom matice, vlastní čísla Definice 86 Charakteristickým polynomem matice M n (C) nazýváme determinant matice A λe Píšeme ch A (λ) = det(a λe) Jeho kořeny nazýváme vlastní čísla matice A Příklad 84 Charakteristický polynom matice ( ) 1 2 1 1 je polynom ch A (λ) = 1 λ 2 1 1 λ = λ2 2λ + 3 Vlastní čísla matice A jsou tedy 1 ± i 2 5

Spektrum matice Matice A M n (C) má tedy právě n vlastních čísel v množině C a to včetně jejich algebraických násobností Množina vlastních čísel matice A M n (C) se nazývá spektrum matice A, píšeme Spec(A) Tedy Spec(A) = {λ C : det(a λe) = } Necht Spec(A) = {λ 1, λ 2,, λ k }, a přitom násobnost vlastního čísla λ i je rovna n i Pak k n a k i=1 n i = n Věta 86 Podobné matice mají stejná spektra, včetně algebraických násobností vlastních čísel Podobnost matic, charakterizace Věta 87 Dány matice A, B M n (C) se stejným charakteristickým polynomem (λ λ 1 ) n1 (λ λ 2 ) n2 (λ λ k ) n k Pak matice A a B jsou podobné právě když platí h(a λ i E) j = h(b λ i E) j i = 1,, k j = 1,, n i Podobnost matic, charakterizace Příklad 85 Pro matice 2 2 1 4 4 1 5 3 3 C = 1 2 1 2, B =, D = 3 1 3 7 2 9 2 1 4 1 2 2 vzhledem k předchozímu kritériu máme A C B D, a to proto, že matice A, C, D mají stejný charakteristický polynom, ch(λ) = (λ 1)(λ 2) 2, přitom ale jiný než matice B a navíc, 6

Podobnost matic, charakterizace Příklad 85 platí, že dále a konečně h(a E) = 2, h(c E) = 2, h(d E) = 2, h(a 2E) = 2, h(c 2E) = 2, h(d 2E) = 1, h(a 2E) 2 = 1, h(c 2E) 2 = 1, h(d 2E) 2 = 1 Vlastní vektory čtvercové matice Definice 87 Necht λ je vlastní číslo matice A M n (C) Pak vektor x C n splňující A x T = λ x T se nazývá vlastní vektor matice A příslušný k vlastnímu číslu λ Maticovou rovnici A x T = λ x T můžeme ekvivalentně psát ve tvaru (A λe) x T = o T, což je homogenní SLR s maticí (A λe) M n (C) Tato matice je pro každé vlastní číslo λ matice A singulární To ale znamená, že uvedená homogenní soustava má nekonečně mnoho řešení Tedy jednomu vlastnímu číslu λ odpovídá nekonečně mnoho vlastních vektorů, které tvoří podprostor v C n, který značíme N λ Jeho dimenze je rovna n h(a λe) Vlastní vektory čtvercové matice Příklad 86 Charakteristická matice k matici je matice A λe = 4 2 2 3 1 4 λ 2 2 λ 3 1 λ a tedy ch A (λ) = (λ 2) 2 (λ 1) Pak Spec(A) = {1, 2}, 7

Vlastní vektory čtvercové matice Příklad 86 Pro λ = 1 řešíme soustavu: 3 2 1 3 2 Pak N 1 = [{(2,, 3)}] Pro λ = 2 řešíme soustavu: 2 2 3 3 Pak N 2 = [{(1,, 1), (, 1, )}] x 1 x 2 x 3 x 1 x 2 x 3 Geometrická násobnost vlastního čísla = = Věta 88 Vlastní vektory odpovídající různým vlastním číslům matice A M n (C) jsou lineárně nezávislé Definice 88 Necht λ je vlastní číslo matice A M n (C) Dimenzi podprostoru N λ říkáme geometrická násobnost vlastního čísla λ Geometrická násobnost vlastního čísla Geometrická násobnost vlastního čísla λ matice A M n (C) nemusí být vždy stejná jako jeho algebraická násobnost Obecně pro λ Spec(A) platí, že jeho geometrická násobnost není větší než algebraická, tedy GN(λ) AN(λ) Platí, že podobné matice mají stejná spektra a AN vlastních čísel To samé se dá ukázat pro GN Obráceně neplatí! Např matice 7 1 7 7 1 7, B = 7 1 7 1 7 7 mají stejné spektrum, Spec(A) = Spec(B) = {7}, v obou případech AN(7) = 4, a dokonce pro obě matice GN(7) = 2 Přesto A B 8

Blokově diagonální matice Definice 89 Matice A M n (C) se nazývá blokově diagonální, jestliže: 1 (A ij ) i, j=1,,k, kde A ij M ni n j (C), a přitom k i=1 n i = k j=1 n j = n; 2 A ii M ni (C) pro každé i = 1, 2,, k; 3 A ij = N ni n j pro každé i, j = 1, 2,, k, pokud i j Tedy blokově diagonální matice je obecně matice ve tvaru A 11 N n1 n 2 N n1 n k N n2 n 1 A 22 N n2 n k N nk n 1 N nk n 2 A kk Definice 81 Jordanovým polem (r-tého stupně) nazýváme pro libovolné komplexní číslo ρ matici A M r (C) ve tvaru ρ 1 ρ 1 ρ 1 ρ Jordanovou maticí (nebo Jordanovým kanonickým tvarem matice) nazýváme blokově diagonální matici, jejíž všechny diagonální bloky jsou Jordanova pole Příklad 87 Matice 2 2 1 2 3 1 3 je v JKT, přičemž Jordanovy buňky na hlavní diagonále v A jsou ( ) ( ) 2 1 3 1 (2),, 2 3 9

Věta 89 Každá matice A M n (C) je podobná některé matici v Jordanově kanonickém tvaru Je-li podobná dvěma, pak se tyto liší pouze pořadím diagonálních polí Necht Spec(A) = {λ 1, λ 2,, λ k }, a přitom alg násobnost vlastního čísla λ i je rovna n i a jeho geom násobnost r i Pak číslu λ i odpovídá v matici v JKT právě r i diagonálních polí s n i hodnotami λ na hlavní diagonále Příklad 88 Najděte matice 1 1 2 1 1 3 3 4 1 2 1