- Собственные векторы, значения и пространства
-
Синим цветом обозначен собственный вектор. Он, в отличие от красного, при деформации(преобразовании) не изменил направление и длину, поэтому является собственным вектором, соответствующим собственному значению
. Любой вектор, параллельный синему вектору, также будет собственным, соответствующим тому же собственному значению. Множество всех таких векторов (вместе с нулевым) образует собственное подпространство.
Содержание
Определения собственного числа, собственного и корневого векторов линейного оператора
Пусть
— линейное пространство над полем
,
— линейное преобразование.
Собственным вектором линейного преобразования
называется такой ненулевой вектор
, что для некоторого
Собственным значением линейного преобразования
называется такое число
, для которого существует собственный вектор, то есть уравнение
имеет ненулевое решение
.
Упрощённо говоря, собственный вектор — любой ненулевой вектор x, который отображается оператором в коллинеарный
, а соответствующий скаляр
называется собственным значением оператора.
Собственным подпространством линейного преобразования
для данного собственного числа
(или отвечающим этому числу) называется множество всех собственных векторов
, соответствующих данному собственному числу (дополненное нулевым вектором). Обозначим его
. По определению,
где
— единичный оператор.
Корневым вектором линейного преобразования
для данного собственного значения
называется такой ненулевой вектор
, что для некоторого натурального числа
Если
является наименьшим из таких натуральных чисел (то есть
), то
называется высотой корневого вектора
.
Корневым подпространством линейного преобразования
для данного собственного числа
называется множество всех корневых векторов
, соответствующих данному собственному числу (дополненное нулевым вектором). Обозначим его
. По определению,
где
Свойства собственных значений, собственных и корневых векторов и пространств
Общий случай
Подпространство
называется инвариантным подпространством линейного преобразования
(
-инвариантным подпространством), если
.
- Собственные подпространства
, корневые подпространства
и подпространства
линейного оператора
являются
-инвариантными.
- Собственные векторы являются корневыми (высоты 1):
;
- Корневые векторы могут не быть собственными: например, для преобразования двумерного пространства, заданного матрицей
, и все векторы являются корневыми, соответствующими собственному числу 1, но
имеет единственный собственный вектор (с точностью до умножения на число).
- Для разных собственных значений корневые (и, следовательно, собственные) подпространства имеют тривиальное (нулевое) пересечение:
если
.
- Метод поиска собственных значений для самосопряженных операторов, и поиска сингулярных чисел для нормального оператора дает теорема Куранта-Фишера.
Конечномерные линейные пространства
Выбрав базис в
-мерном линейном пространстве
, можно сопоставить линейному преобразованию
квадратную
матрицу и определить для неё характеристический многочлен матрицы
.
- Характеристический многочлен не зависит от базиса в
. Его коэффициенты являются инвариантами оператора
. В частности,
,
не зависят от выбора базиса.
- Собственные значения, и только они, являются корнями характеристического многочлена матрицы.
- Количество различных собственных значений не может превышать размер матрицы.
- Если выбрать в качестве базисных векторов собственные вектора оператора, то матрица
в таком базисе станет диагональной, причём на диагонали будут стоять собственные значения оператора. Отметим, однако, что далеко не любая матрица допускает базис из собственных векторов (общая структура описывается нормальной жордановой формой).
- Для положительно определённой симметричной матрицы
процедура нахождения собственных значений и собственных векторов является ни чем иным как поиском направлений и длин полуосей соответствующего эллипса.
Пусть числовое поле алгебраически замкнуто (например, является полем комплексных чисел). Тогда характеристический многочлен разлагается в произведение
линейных множителей
- где
— собственные значения; некоторые из
могут быть равны. Кратность собственного значения
— это число множителей равных
в разложении характеристического многочлена на линейные множители (называется также алгебраическая кратность собственного значения).
- Размерность корневого пространства
равна кратности собственного значения.
- Векторное пространство
разлагается в прямую сумму корневых подпространств (по теореме о жордановой форме):
- где суммирование производится по всем
— собственным числам
.
- Геометрическая кратность собственного значения
— это размерность соответствующего собственного подпространства
; геометрическая кратность собственного значения не превосходит его кратности, поскольку
Гильбертовы пространства над полем комплексных чисел и нормальные операторы
Наличие скалярного произведения позволяет выделить важные классы операторов, собственные значения и собственные векторы которых обладают рядом дополнительных полезных свойств.
Нормальным оператором называется оператор
, коммутирующий со своим сопряжённым
:
.
Частными классами нормальных операторов являются самосопряжённые (эрмитовы) операторы (
), антиэрмитовы операторы (
) и унитарные операторы (
), а также их вещественные варианты: симметричные операторы, антисимметричные операторы и ортогональные преобразования.
- Все корневые векторы нормального оператора являются собственными.
- Собственные векторы нормального оператора
, соответствующие различным собственным значениям, ортогональны. То есть если
,
и
, то
. (Для произвольного оператора это неверно.)
- Все собственные значения самосопряжённого оператора являются вещественными.
- Все собственные значения антиэрмитового оператора являются мнимыми.
- Все собственные значения унитарного оператора лежат на единичной окружности
.
- В конечномерном случае, сумма размерностей собственных подпространств нормального оператора
, соответствующих всем собственным значениям, равна размерности матрицы, а векторное пространство разлагается в ортогональную сумму собственных подпространств:
- где суммирование производится по всем
— собственным числам
, а
взаимно ортогональны для различных
.
- Последнее свойство для нормального оператора над
является характеристическим: оператор нормален тогда и только тогда, когда его матрица имеет диагональный вид в каком-нибудь ортонормированном базисе (в конечномерном случае).
Положительные матрицы
Квадратная вещественная
матрица
называется положительной, если все её элементы положительны:
.
Теорема Перрона (частный случай теоремы Перрона-Фробениуса): Положительная квадратная матрица
имеет положительное собственное значение
, которое имеет алгебраическую кратность 1 и строго превосходит абсолютную величину любого другого собственного значения этой матрицы. Собственному значению
соответствует собственный вектор
, все координаты которого строго положительны. Вектор
— единственный собственный вектор
(с точностью до умножения на число), имеющий неотрицательные координаты.
Собственный вектор
может быть вычислен посредством прямых итераций: выберем произвольный начальный вектор
с положительными координатами. Положим:
Последовательность
сходится к нормированному собственному вектору
.
Другая область применения метода прямых итераций — поиск собственных векторов положительно определённых симметричных операторов.
Литература
- Гантмахер Ф. Р. Теория матриц. — М.: Наука, 1966. — 576 с.
- Уилкинсон Д. Х. Алгебраическая проблема собственных значений. — М.: Наука, 1970. — 564 с.
- Гельфанд И. М. Лекции по линейной алгебре М.: Наука, 1971.
- Фаддеев Д. К. Лекции по алгебре. М.: Наука, 1984.
- Шафаревич И. Р., Ремизов А. О. Линейная алгебра и геометрия, — Физматлит, Москва, 2009.
Категории:- Функциональный анализ
- Линейная алгебра
- Матрицы
Wikimedia Foundation. 2010.