Diagonalizacja macierzy i jej zastosowania

Podobne dokumenty
Diagonalizacja macierzy i jej zastosowania

Diagonalizacja macierzy i jej zastosowania

Endomorfizmy liniowe

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. wykład z algebry liniowej Warszawa, styczeń 2009

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2011

Zadania przygotowawcze, 3 kolokwium

Przekształcenia liniowe

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017

Wyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013

Zastosowania wyznaczników

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler

Układy liniowo niezależne

Działania na przekształceniach liniowych i macierzach

Iloczyn skalarny. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 10. wykład z algebry liniowej Warszawa, grudzień 2013

Zestaw zadań 14: Wektory i wartości własne. ) =

Wykład 12 i 13 Macierz w postaci kanonicznej Jordana , 0 A 2

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ

A. Strojnowski - Twierdzenie Jordana 1

Postać Jordana macierzy

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn a 1j a 2j R i = , C j =

1 Zbiory i działania na zbiorach.

1 Podobieństwo macierzy

1 Macierze i wyznaczniki

Wyk lad 11 Przekszta lcenia liniowe a macierze

Wyk lad 11 1 Wektory i wartości w lasne

Analiza matematyczna i algebra liniowa Macierze

Przestrzenie liniowe

Wektory i wartości własne

Zadania z Algebry liniowej 4 Semestr letni 2009

R n jako przestrzeń afiniczna

Imię i nazwisko... Grupa...

Wektory i wartości własne

Zadania egzaminacyjne

Wartości i wektory własne

Jak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ).

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

Wykład 5. Ker(f) = {v V ; f(v) = 0}

Algebra liniowa. 1. Macierze.

Geometria Lista 0 Zadanie 1

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska

Algebra liniowa z geometrią

DB Algebra liniowa 1 semestr letni 2018

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

Prawdopodobieństwo i statystyka

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Układy równań liniowych

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Statystyka i eksploracja danych

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009

Programowanie liniowe

1. Zbadać liniową niezależność funkcji x, 1, x, x 2 w przestrzeni liniowej funkcji ciągłych na przedziale [ 1, ).

Praca domowa - seria 6

Zaawansowane metody numeryczne

Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań

Wykład 14. Elementy algebry macierzy

Wykład 4. Informatyka Stosowana. Magdalena Alama-Bućko. 25 marca Magdalena Alama-Bućko Wykład 4 25 marca / 25

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Baza w jądrze i baza obrazu ( )

Rozwiązania zadań z listy T.Koźniewskiego

Formy kwadratowe. Rozdział 10

13 Układy równań liniowych

Przestrzenie liniowe

Zmiana baz. Jacek Jędrzejewski Macierz przejścia od bazy do bazy 2

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Wyk lad 10 Przestrzeń przekszta lceń liniowych

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej

Wyk lad z Algebry Liniowej dla studentów WNE UW. Rok akademicki 2017/2018. Przyk lady zadań na ćwiczenia. 1. Które z cia

Zadania z GAL-u. 1 Rozwia. Listopad x + 3y = 1 3x + y = x + y = 1 x + 2y 3z = 3 2x + 4y + z = 1 1.2

Własności wyznacznika

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} },

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Programowanie liniowe

2 1 3 c c1. e 1, e 2,..., e n A= e 1 e 2...e n [ ] M. Przybycień Matematyczne Metody Fizyki I

Układy równań liniowych

Macierze. Rozdział Działania na macierzach

1 Działania na zbiorach

R k v = 0}. k N. V 0 = ker R k 0

Rozwiązania, seria 5.

2. Kombinacja liniowa rozwiązań zeruje się w pewnym punkcie wtedy i tylko wtedy, gdy zeruje się w każdym punkcie.

1 Wartości własne oraz wektory własne macierzy

Egzamin z GAL-u (Informatyka) 2. termin 19/02/2019 CzÍúÊ teoretyczna I

Definicja macierzy Typy i właściwości macierzy Działania na macierzach Wyznacznik macierzy Macierz odwrotna Normy macierzy RACHUNEK MACIERZOWY

1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f.

Układy równań i równania wyższych rzędów

3 1 + i 1 i i 1 2i 2. Wyznaczyć macierze spełniające własność komutacji: [A, X] = B

1 Macierz odwrotna metoda operacji elementarnych

RACHUNEK MACIERZOWY. METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6. Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska

2 Rachunek macierzowy, metoda eliminacji Gaussa-Jordana Wprowadzenie teoretyczne Zadania... 9

Treści programowe. Matematyka. Efekty kształcenia. Literatura. Terminy wykładów i ćwiczeń. Warunki zaliczenia. tnij.org/ktrabka

Macierze. Dziaªania na macierzach. 1. Niech b d dane macierze , D = , C = , B = 4 12 A = , F = , G = , H = E = a) Obliczy A + B, 2A 3B,

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe

1 Elementy logiki i teorii mnogości

jest rozwiązaniem równania jednorodnego oraz dla pewnego to jest toŝsamościowo równe zeru.

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ.

z = x + i y := e i ϕ z. cos ϕ sin ϕ = sin ϕ cos ϕ

φ(x 1,..., x n ) = a i x 2 i +

Transkrypt:

Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, listopad 29 Mirosław Sobolewski (UW) Warszawa, wrzesień 26 1 / 12

Definicja Macierz A = [a ij M n n (R) nazywamy diagonalna jeśli dla każdej pary różnych indeksów i, j,(tzn. i j), a ij =, tzn. gdy A = a 11... a nn Przykład Macierze diagonalne 1 3 6, 1 5 1 Mirosław Sobolewski (UW) Warszawa, wrzesień 26 2 / 12

Twierdzenie Niech ϕ : V V będzie endomorfizmem przestrzeni liniowej V, zaś A = v 1,..., v n niech będzie baza V. Wówczas M(ϕ) A jest diagonalna każdy wektor bazy A jest wektorem własnym endomorfizmu ϕ. Przy tym, jeśli A jest diagonalna to a ii jest wartościa własna odpowiadajac a v i, tzn., ϕ(v i ) = a ii v i. Dowód:na tablicy Mirosław Sobolewski (UW) Warszawa, wrzesień 26 3 / 12

Przykład Niech ϕ : R 2 R 2, będzie określone przez ϕ((x 1, x 2 )) = (x 1 3x 2, x 1 + 5x 2 ). m(ϕ) st = [ 1 3 1 5 [ 1 λ 3, w ϕ = det 1 5 λ = (1 λ)(5 λ)+3 =, λ 2 6λ + 8 = (λ 2)(λ 4), skad wartości własne λ 1 = 2, λ 2 = 4. Wyznaczamy podprzestrzenie własne: V (2) : [ 1 3 1 3 [ x1 x 2 = [ czyli V (2) = {( 3x 2, x 2 ) x 2 R} = lin(( 3, 1)) V (4) : [ 3 3 1 1 [ x1 x 2 = [ czyli V (4) = {( x 2, x 2 ) x 2 R} = lin(( 1, 1)) x 1 = 3x 2, x 1 = x 2, Mirosław Sobolewski (UW) Warszawa, wrzesień 26 4 / 12

Przykład cd. Układ A = (( 3, 1), ( 1, 1)) jest baza R 2, M(ϕ) A = gdyż ϕ(( 3, 1)) = 2( 3, 1) + ( 1, 1), ϕ(( 1, 1)) = ( 3, 1) + 4( 1, 1) Twierdzenie [ 2 4 Niech α 1,..., α k oznacza k różnych wartości własnych endomorfizmu ϕ : V V przestrzeni liniowej V, zaś A 1,..., A k niech stanowia k takich liniowo niezależnych układów wektorów z V, że jeśli v należy do A i to ϕ(v) = α i v, dla i = 1,..., k. Wówczas układ A powstały z połaczenia układów A i w jeden jest liniowo niezależny., Mirosław Sobolewski (UW) Warszawa, wrzesień 26 5 / 12

Wniosek Niech V n-wymiarowa przestrzeń liniowa, ϕ : V V endomorfizm, α 1,..., α s R wszystkie (parami różne) wartości własne endomorfizmu ϕ. Wówczas: (i) Jeśli v 1..., v s V oraz dla i = 1,..., s zachodzi ϕ(v) = α i v to układ v 1,..., v s jest liniowo niezależny. (ii) dim V (α1 )+... + dim V (αs) dimv. (iii) dim V (α1 )+... + dim V (αs) =dimv istnieje baza przestrzeni V złożona z wektorów własnych endomorfizmu ϕ. Uwaga: Jako bazę w części (iii) powyższego twierdzenia wystarczy wziać układ powstały z połaczenia baz poszczególnych V (αi ). Przykład Niech endomorfizmϕ : R 3 R 3 będzie określony wzorem ϕ((x 1, x 2, x 3 )) = (2x 1 + x 2, 3x 2 + x 3, 2x 3 ). Mirosław Sobolewski (UW) Warszawa, wrzesień 26 6 / 12

Przykład (cd) M(ϕ) st = 2 1 3 1 2 w ϕ = det 2 λ 1 3 λ 1 2 λ = (2 λ)(3 λ)(2 λ) = (2 λ) 2 (3 λ). Wartości własne: 2,3. V (2) : 1 1 1 x 1 x 2 x 3 = V (2) = {(x 1,, ) x 3 R} = lin((1,, )) V (3) : 1 1 1 1 x 1 x 2 x 3 =, x 2 =, x 3 =,, x 1 = x 2, x 3 =, V (3) = lin((1, 1, )). dimv (2) +dimv (3) = 1 + 1 = 2 3 =dim R 3. Zatem dla żadnej bazy A przestrzeni R 3 macierz M(ϕ) A nie jest diagonalna. Mirosław Sobolewski (UW) Warszawa, wrzesień 26 7 / 12

Wniosek Niech V przestrzeń liniowa, dimv = n. Jeśli endomorfizm ϕ : V V ma n różnych wartości własnych to istnieje w V baza złożona z wektorów własnych ϕ. Definicja Mówimy, że macierz A M n n (R) jest diagonalizowalna, jeśli A jest podobna do macierzy diagonalnej należacej do M n n (R), tzn. jeśli istnieje taka macierz odwracalna C M n n (R), że macierz C 1 AC jest diagonalna. Twierdzenie Macierz A M n n (R) jest diagonalizowalna dla endomorfizmu ϕ : R n R n zadanego warunkiem M(ϕ) st = A istnieje baza przestrzeni R n złożona z wektorów własnych endomorfizmu ϕ. Ponadto, jeśli A jest taka baza to dla C = M(id) st A macierz C 1 AC jest diagonalna. Mirosław Sobolewski (UW) Warszawa, wrzesień 26 8 / 12

Przykład 1. Macierz A = [ 1 3 1 5 jest diagonalizowalna. Endomorfizm ϕ((x 1, x 2 )) = (x 1 3x 2, x 1 + 5x 2 ) ma dwie wartości własne 2 oraz 4. Wyliczyliśmy V (2) = lin(( 3, 1)), V (4) = lin(( 1, 1)). Dla A = (( 3, 1), ( 1, 1)) przyjmujac C = M(id) st A mamy [ 2 D = = M(ϕ) 4 A = M(id) A stm(ϕ) st st M(id)st A = C 1 AC, zaś. C = [ 3 1 1 1 oraz C 1 = [ 1/2 1/2 1/2 3/2 Mirosław Sobolewski (UW) Warszawa, wrzesień 26 9 / 12

Przykład 2. Macierz 2 1 3 1 2 nie jest diagonalizowalna, bo dla endomorfizmu ϕ : R 3 R 3, określonego przez ϕ((x 1, x 2, x 3 )) = (2x 1 + x 2, 3x 2 + x 3, 2x 3 ) nie ma bazy R 3 złożonej z wektorów własnych ϕ. Mirosław Sobolewski (UW) Warszawa, wrzesień 26 1 / 12

Zastosowanie Niech A = [ 1 3 1 5 Podać wzór na A n. Stosujac oznaczenia przykładu 1. mamy A = CDC 1, A n = (CDC 1 ) n = CD n C 1 = [ 2 C 4 n C 1 = [ 3 1 1 1. [ 2 n 4 n [ 2 n 1 (3 2 n ) 3 2 n 1 (1 2 n ) 2 n 1 (2 n 1) 3 2 n 1 (2 n 1) [ 1/2 1/2 1/2 3/2 = Mirosław Sobolewski (UW) Warszawa, wrzesień 26 11 / 12

Uwaga: Macierze symetryczne, tzn. takie macierze A = [a ij M n n (R), że a ij = a ji czyli A = A sa diagonalizowalne. Przykład Macierz 1 2 1 jest symetryczna, więc jest diagonalizowalna 2 4 Mirosław Sobolewski (UW) Warszawa, wrzesień 26 12 / 12

Przykład [ [ 1 1 Macierze A = oraz B = nie sa podobne, gdyż 1 1 [ 1 maja różne wielomiany charakterystyczne. Macierze C = 2 [ 2 1 oraz D = sa podobne, gdyż sa diagonalizowalne i maja te 1 same[ wartości własne z[ tymi samymi krotnościami. Macierze 1 E = oraz F = maja te same wielomiany charakterystyczne, a zatem te same wartości własne (z krotnościami), ale nie sa podobne. F jest diagonalizowalna, E nie. Mirosław Sobolewski (UW) Warszawa, wrzesień 26 13 / 12