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



Podobné dokumenty
Vlastní číslo, vektor

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

Vlastní čísla a vlastní vektory

1 Linearní prostory nad komplexními čísly

Soustavy linea rnı ch rovnic

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.

Lineární algebra : Vlastní čísla, vektory a diagonalizace

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

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

1. Jordanův kanonický tvar

Vlastní čísla a vlastní vektory

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]

Vlastní čísla a vlastní vektory

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

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

Vlastní čísla a vlastní vektory

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

Afinní transformace Stručnější verze

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.

Kapitola 11: Vektory a matice:

(ne)závislost. α 1 x 1 + α 2 x α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.

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

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...

Základy maticového počtu Matice, determinant, definitnost

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

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

CHARAKTERISTICKÉ VEKTORY

Matematika B101MA1, B101MA2

Kapitola 11: Vektory a matice 1/19

15 Maticový a vektorový počet II

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

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

EUKLIDOVSKÉ PROSTORY

[1] x (y z) = (x y) z... (asociativní zákon), x y = y x... (komutativní zákon).

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a

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,

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

DEFINICE Z LINEÁRNÍ ALGEBRY

Operace s maticemi

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

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

1 Determinanty a inverzní matice

Lineární algebra : Skalární součin a ortogonalita

Úlohy nejmenších čtverců

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

Operace s maticemi. 19. února 2018

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

18. První rozklad lineární transformace

Ortogonální projekce a ortogonální zobrazení

Obecná úloha lineárního programování

Program SMP pro kombinované studium

[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici

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

Lineární algebra : Skalární součin a ortogonalita

Kapitola 11: Lineární diferenciální rovnice 1/15

x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.

19. Druhý rozklad lineární transformace

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

Základy matematiky pro FEK

1 Vektorové prostory a podprostory

Soustavy lineárních rovnic

1 Řešení soustav lineárních rovnic

grupa těleso podgrupa konečné těleso polynomy komutativní generovaná prvkem, cyklická, řád prvku charakteristika tělesa

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

Symetrické a kvadratické formy

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

1 Báze a dimenze vektorového prostoru 1

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

Euklidovský prostor Stručnější verze

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

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

Kapitola 5. Symetrické matice

Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. y + y = 4 sin t.

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0

VÝSLEDKY Písemný test z předmětu BI-LIN( ), varianta R. + c)det A= 3det B, d)det A= 6det B, e)det A=6detB.

GEOMETRICKÁ ZOBRAZENÍ. Josef Janyška

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

Zdrojem většiny příkladů je sbírka úloh 1. cvičení ( ) 2. cvičení ( )

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

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

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

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

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

8 Matice a determinanty

Cvičení z Lineární algebry 1

[1] Definice 1: Polynom je komplexní funkce p : C C, pro kterou. pro všechna x C. Čísla a 0, a 1,..., a n nazýváme koeficienty polynomu.

Lineární algebra. Matice, operace s maticemi

P 1 = P 1 1 = P 1, P 1 2 =

Matematika 3. Úloha 1. Úloha 2. Úloha 3

Michal Zamboj. December 23, 2016

1 Mnohočleny a algebraické rovnice

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

1 Lineární prostory a podprostory

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Podobnostní transformace

Michal Zamboj. January 4, 2018

Soustavy lineárních rovnic

[1] LU rozklad A = L U

Transkript:

Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost s diagonální maticí [1] Motivace BI-LIN, vlcisla, 14, P. Olšák [2] Je dána transformace A : R 2 R 2. Najdeme takovou přímku p procházející počátkem, aby A(p) = p. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R} Musí tedy existovat λ R tak, aby A( u ) = λ u. Přitom u musí být nenulový vektor. Zvolme v R 2 nějakou bázi (např. standardní). Necht x jsou souřadnice u vzhledem k této bázi a A je matice transforamce A vzhledem k této bázi. Pak musí Ax = λx, x o, tj. (A λe) x = o, x o Takže matice A λe musí být singulární, neboli det(a λe) = 0. Číslu λ budeme říkat vlastní číslo a vektoru u říkáme vlastní vektor transformace A příslušející vlastnímu číslu λ. a) vlcisla, 14, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)ä. Viz p. d. 4/2010 Vlastní čísla jsou i komplexní BI-LIN, vlcisla, 14, P. Olšák [3] Invariantní podprostor BI-LIN, vlcisla, 14, P. Olšák [4] Kvadratická rovnice det(a λe) = 0 (viz předchozí motivační příklad) může ale nemusí mít reálné kořeny. Pokud má dva různé reálné kořeny, pak existují dva směry, které transformace A nemění. Tj. existují dvě přímky, pro které je A(p) = p. Například zkosení, které (1, 0) nechá beze změny a (0, 1) zobrazí na (1, 1/2). Pokud jsou kořeny rovnice det(a λe) = 0 komplexní, pak neexistují přímky, pro které je A(p) = p (například rotace). Pokud bychom chtěli najít vlastní vektory příslušející komplexním vlastním číslům, budou mít komplexní souřadnice. Je tedy potřeba pracovat s lineárním prostorem nad komplexními čísly. Budeme potřebovat záruku existence vlastních čísel. Budeme tedy muset připustit komplexní vlastní čísla a pracovat s lineární prostorem L nad C. Necht A : L L je lineární transformace. Podprostor P L, pro který platí A(P) = P nazýváme invariantní podprostor vzhledem k A. Předběžná úvaha: Je-li L lineární prostor nad C, pak zaručeně existují vlastní čísla λ C, pro která je A( x ) = λ x, x o. Společně s nulovým vektorem tvoří všechny vlastní vektory příslušející pevně vybranému vlastnímu číslu λ invariantní podprostor. Je-li L lineární prostor nad R, pak kromě { o } a L další invariantní podprostory vzhledem k A nemusejí existovat: vlastní čísla mohou být jen komplexní. Například A je rotace.

Vlastní číslo, vlastní vektor matice BI-LIN, vlcisla, 14, P. Olšák [5] Definice: Necht A je čtvercová matice typu (n, n) reálných nebo komplexních čísel. Číslo λ C se nazývá vlastním číslem matice A, pokud existuje vektor x C n,1, x o, takový, že A x = λ x. Vektor x, který splňuje uvedenou rovnost, se nazývá vlastní vektor matice A příslušný vlastnímu číslu λ. Pozorování: Z rovnosti A x = λ x plyne (A λe) x = o. Protože z definice musí x o, je třeba, aby soustava měla nenulové řešení, tedy musí det(a λe) = 0. Definice: Polynom v proměnné λ tvaru det(a λe) se nazývá charakteristický polynom matice A. Pozorování: Charakteristický polynom je stupně n a jeho kořeny jsou vlastní čísla matice A. Matice A má tedy (včetně násobností) n vlastních čísel. BI-LIN, vlcisla, 14, P. Olšák [6] Vlastní číslo, vlastní vektor transformace Definice: Necht L je lineární prostor konečné dimenze nad C a necht A : L L je lineární transformace. Číslo λ C se nazývá vlastním číslem transformace A, pokud existuje vektor x L, x o takový, že A( x ) = λ x. Vektor x, který splňuje uvedenou rovnost, se nazývá vlastní vektor transformace A příslušný vlastnímu číslu λ. Pozorování: Vlastní číslo transformace A je stejné jako vlastní číslo její matice A vzhledem k jakékoli bázi (B). Vlastní vektor matice A pak obsahuje souřadnice vlastního vektoru transformace A vzhledem k bázi (B). Důsledek: Všechny matice stejné lineární transformace (vzhledem k různým bázím) mají shodná vlastní čísla (mají shodné spektrum). Příklad BI-LIN, vlcisla, 14, P. Olšák [7] Příklad, pokračování BI-LIN, vlcisla, 14, P. Olšák [8] Je dána matice 5 2 2 A = 1 4 1. 4 4 1 Najdeme její vlastní čísla a k nim příslušející vlastní vektory. 5 λ 2 2 det 1 4 λ 1 = λ 3 8λ 2 +21λ 18 = (λ 3) 2 (λ 2) 4 4 1 λ Toto je charakteristický polynom matice A. Má dvojnásobný kořen λ = 3 a jednonásobný kořen λ = 2. Tyto kořeny jsou vlastní čísla matice A. Najdeme ještě vlastní vektory příslušející vlastním číslům 3 a 2... λ = 3 : 5 3 2 2 1 4 3 1 ( 1 1 1 ), 4 4 1 3 takže k λ = 3 přísluší vlastní vektory z (1, 1, 0), ( 1, 0, 1). 5 2 2 2 ( ) λ = 2 : 1 4 2 1 1 2 1. 0 4 1 4 4 1 2 takže k λ = 2 přísluší vlastní vektory z ( 2, 1, 4). Pro vlastní čísla a vlastní vektory platí např. následující vztahy: 5 2 2 1 1 5 2 2 2 2 1 4 1 1 = 3 1, 1 4 1 1 = 2 1 4 4 1 0 0 4 4 1 4 4

Jiný příklad 2 4 3 Je dána matice B = 1 10 6. 1 8 4 Její charakteristický polynom je BI-LIN, vlcisla, 14, P. Olšák [9] det(b λe) = λ 3 8λ 2 + 21λ 18 = (λ 3) 2 (λ 2). Hledáme vlastní vektory příslušející vlastním číslům 3 a 2: 2 3 4 3 ( ) vlastní λ = 3 : 1 10 3 6 1 4 3 vektor: 0 1 1 1 8 4 3 (1, 1, 1) λ = 2 : 2 2 4 3 1 10 2 6 1 8 4 2 ( 1 8 6 0 4 3 ) vlastní vektor: (0, 3, 4) B má stejná vlastní čísla jako A, ale jiné invariantní prostory. Podobné matice BI-LIN, vlcisla, 14, P. Olšák [10] Idea: Jak se podobají matice A a A stejné lineární transformace A, jen vzhledem k různým bázím (B) a (B )? Platí: To nás ispiruje k následující A = (P B B ) 1 A P B B Definici: Říkáme, že dvě čtvercové matice A, B R n,n jsou podobné, pokud existuje regulární matice P R n,n taková, že B = P 1 A P. Pozorování1: podobnost je relace ekvivalence. Pozorování2: podobné matice mají stejná vlastní čísla. BI-LIN, vlcisla, 14, P. Olšák [11] Podobné matice mají stejný char. polynom Podobnost s diagonální maticí BI-LIN, vlcisla, 14, P. Olšák [12] Tvrzení: Podobné matice mají stejný charakteristický polynom. Důkaz: Necht B = P 1 AP je matice podobná s A. Je det (P 1 AP λ E) = det (P 1 AP λ P 1 EP) = = det (P 1 AP P 1 λ EP) = = det (P 1 (A λ E) P) = = det P 1 det (A λ E) det P = det (A λ E). Upozornění: Obrácené tvrzení mají-li dvě matice stejný charakteristický polynom, pak jsou podobné neplatí. Za chvíli ukážeme, že matice A a B z předchozích příkladů nejsou podobné. Úloha: Budeme se ptát, za jakých podmínek je čtvercová matice A podobná s diagonální maticí tvaru: λ 1 0 0... 0 0 λ 2 0... 0 D = 0 0 λ 3... 0.................... 0 0 0... λ n Jiný pohled na úlohu: je dána transformace A svou maticí A vzhledem k nějaké bázi. Ptáme se, zda existuje jiná báze, vzhledem ke které je matice transformace A diagonální. Ptáme se tedy, zda lze vhodnou volbou báze co nejvíce zjednodušit matici transformace až na diagonální tvar. Pokud se to povede, pak z pohledu takové báze je transformace A jen změnou měřítka ve směrech vektorů báze (resp. projekce).

Rovnost A P = P D BI-LIN, vlcisla, 14, P. Olšák [13] BI-LIN, vlcisla, 14, P. Olšák [14] Podmínka podobnosti s diagonální maticí Věta: Necht A, P a D jsou čtvercové matice typu (n, n), necht P obsahuje nenulové sloupce a necht D je diagonální. Pak platí A P = P D právě tehdy, když D obsahuje vlastní čísla matice A a i-tý sloupec matice P obsahuje vlastní vektor příslušející i-tému vlastnímu číslu v D. Důkaz: Necht D obsahuje na diagonále čísla λ i. Roznásobením rovnosti A P = P D po sloupcích matice P = (p 1, p 2,..., p n ) dostáváme rovnosti A p i = λ i p i. Tyto rovnosti platí právě když λ i je vlastní číslo matice A a p i je k němu příslušející vlastní vektor. Pozorování: Kdyby byla P regulární, pak P 1 AP = D, takže A bude podobná s diagonální maticí. Tvrzení: Matice A typu (n, n) je podobná s diagonální maticí právě když má n lineárně nezávislých vlastních vektorů. Skutečně, stačí tyto vektory napsat do sloupců matice P, dále sestavit diagonální matici D z odpovídajících vlastních čísel a platí rovnost z předchozí strany. Věta: Různá vlastní čísla mají lineárně nezávislé vlastní vektory. Důkaz: technický, viz skriptum. Důsledek: Má-li matice A pouze jednonásobná vlastní čísla (těch je n a jsou vzájemně různá), pak je podobná s diagonální maticí. Upozornění: Obrácené tvrzení A je podobná s diagonální, pak má vzájemně různá vlastní čísla neplatí. Např. E má n-násobné vlastní číslo 1 a je přímo rovna diagonální matici. Příklad BI-LIN, vlcisla, 14, P. Olšák [15] Příklad: změna báze BI-LIN, vlcisla, 14, P. Olšák [16] Matice A z předchozího příkladu je podobná s diagonální. Má tři lineárně nezávislé vlastní vektory, např. Tudíž platí 1 1 2 1 0 1 0 1 4 1 (1, 1, 0), ( 1, 0, 1), ( 2, 1, 4). 5 2 2 1 1 2 3 0 0 1 4 1 1 0 1 = 0 3 0 4 4 1 0 1 4 0 0 2 Matice B z předchozího příkladu není podobná s diagonální, protože nemá tři lineárně nezávislé vlastní vektory. Takže: matice A a B nejsou vzájemně podobné, ačkoli mají stejný charakteristický polynom a stejná vlastní čísla. Matice A z předchozího příkladu odpovídá transformaci: x = y = 5x 2y + 2z x + 4y z z = 4x + 4y z Vzhledem k bázi (C) = ((1, 1, 0), ( 1, 0, 1), ( 2, 1, 4)) má tatáž transformace diagonální matici 3 0 0 D = 0 3 0 0 0 2 takže v této bázi se souřadnice obrazu počítají takto: x = 3x, y = 3y, z = 2z.

Nutná podmínka podobnosti s diagonální maticí BI-LIN, vlcisla, 14, P. Olšák [17] Dá se ukázat, že dimenze nulového prostoru matice A λe je vždy menší nebo rovna násobnosti vlastního čísla λ. Matice A typu (n, n) je podobná s diagonální právě když má n lineárně nezávislých vlastních vektorů. To znamená, že má-li k násobné vlastní číslo λ, musí mu příslušet k lineárně nezávislých vektorů, neboli dimenze nulového prostoru matice A λe musí být přesně rovna k. Pokud tedy pro každé vícenásobné vlastní číslo λ je dimenze nulového prostoru matice A λe přesně rovna násobnosti tohoto vlastního čísla, je matice A podobná s diagonální maticí. Jordanův kanonický tvar BI-LIN, vlcisla, 14, P. Olšák [18] Dá se ukázat, že každá matice A je podobná aspoň se skoro diagonální maticí tvaru: λ i 1 0... 0 J 1 O... O J = O J 2... O..., kde J 0 λ i 1... 0 i =... 0 0 0... 1 O O... J m 0 0 0... λ i Čísla λ i jsou vlastní čísla matice A. Matici J se říká Jordanův kanonický tvar matice A. Na diagonále matice J se objeví každé vlastní číslo tolikrát, kolik je jeho násobnost. Dimenze nulového prostoru matice A λe odpovídá počtu Jordanových bloků J i se stejným vlastním číslem λ. Takže tyto Jordanovy bloky se mohou pro stejné (vícenásobné) vlastní číslo opakovat. Cvičení BI-LIN, vlcisla, 14, P. Olšák [19] Vysvětlete, proč det A je roven součinu vlastních čísel matice A. Vysvětlete, proč det A je roven absolutnímu členu charakteristického polynomu matice A. Předpokládejte A matici podobnou s diagonální. Když do charakteristického polynomu matice A místo λ zapíšete matici A, dostáváte nulovou matici. Proč? Předchozí tvrzení patí i pro matice, které nejsou podobné s diagonální maticí.