EZLAMA
LA · Přednáška 9

Vlastní čísla a vlastní vektory

Charakteristický polynom, diagonalizace, Jordanův tvar.

Spočítat vlastní čísla a vektory, rozhodnout o diagonalizaci a sestavit Jordanův řetězec, když diagonalizace nejde.

Zdroj: Přednáška 9 · DCV 6

12.1Proč vlastní čísla existují a co znamenají

Maticové násobení obecně mění směr i velikost vektoru. Některé speciální vektory ale matice pouze prodlouží, zkrátí, otočí o 180° nebo vynuluje, aniž by změnila směr přímky, na které vektor leží.

Formálně hledáme nenulový vektor vv a číslo λ\lambda splňující

Av=λv,v≠0.\boxed{Av=\lambda v,\qquad v\ne0.}

  • λ\lambda je vlastní číslo.
  • vv je vlastní vektor příslušný k λ\lambda.
  • Množina všech vlastních čísel se nazývá spektrum.

Proč musí být v≠0v\ne0: nulový vektor by splnil A0=λ0A0=\lambda0 pro libovolné λ\lambda, takže by nám nic neřekl.

12.2Od rovnice Av=λvAv=\lambda v k determinantu

Na jedné straně:

Av−λv=0.Av-\lambda v=0.

Protože Iv=vIv=v:

(A−λI)v=0.(A-\lambda I)v=0.

Jde o homogenní soustavu. Aby měla nenulové řešení, matice A−λIA-\lambda I musí být singulární. Tedy

det⁡(A−λI)=0.\boxed{\det(A-\lambda I)=0.}

V dodané přednášce se charakteristický polynom definuje jako

pA(λ)=det⁡(λI−A).\boxed{p_A(\lambda)=\det(\lambda I-A).}

Obě rovnice mají stejné kořeny, protože det⁡(A−λI)=(−1)ndet⁡(λI−A)\det(A-\lambda I)=(-1)^n\det(\lambda I-A).

Tahle odlišnost znamének je důležitá u koeficientů polynomu, ne u vlastních čísel. V řešeních se držíme konvence det⁡(λI−A)\det(\lambda I-A).

12.3Univerzální algoritmus vlastních čísel a vektorůPostup

  1. Ověř, že AA je čtvercová.
  2. Napiš λI−A\lambda I-A — od diagonálních prvků odečítej prvky AA, mimo diagonálu bude −aij-a_{ij}.
  3. Vypočti pA(λ)=det⁡(λI−A)p_A(\lambda)=\det(\lambda I-A).
  4. Vyřeš rovnici pA(λ)=0p_A(\lambda)=0. Kořeny jsou vlastní čísla.
  5. Pro každé vlastní číslo λi\lambda_i sestav (A−λiI)v=0(A-\lambda_iI)v=0.
  6. Gaussovou eliminací vyřeš homogenní soustavu a vypiš bázi jejích řešení.
  7. Odstraň nulový vektor z výběru vlastních vektorů; ostatní nenulové vektory jsou vlastní.
  8. Kontroluj Av=λivAv=\lambda_i v dosazením.

Nápověda pro orientaci: vlastní čísla → determinant; vlastní vektory → Gauss.

12.4Velký řešený příklad 2×22\times2

A=(4123).A=\begin{pmatrix}4&1\\2&3\end{pmatrix}.

Krok 1: charakteristický polynom

λI−A=(λ−4−1−2λ−3).\lambda I-A= \begin{pmatrix}\lambda-4&-1\\-2&\lambda-3\end{pmatrix}.

pA(λ)=(λ−4)(λ−3)−(−1)(−2).p_A(\lambda)=(\lambda-4)(\lambda-3)-(-1)(-2).

pA(λ)=λ2−7λ+12−2=λ2−7λ+10.p_A(\lambda)=\lambda^2-7\lambda+12-2=\lambda^2-7\lambda+10.

pA(λ)=(λ−5)(λ−2).p_A(\lambda)=(\lambda-5)(\lambda-2).

λ1=5,λ2=2.\boxed{\lambda_1=5,\qquad\lambda_2=2.}

Krok 2: vlastní vektory pro λ=5\lambda=5

A−5I=(−112−2).A-5I=\begin{pmatrix}-1&1\\2&-2\end{pmatrix}.

Rovnice −x+y=0-x+y=0 říká y=xy=x. Zvol x=tx=t:

v=t(1,1)T.v=t(1,1)^T.

Každý nenulový násobek (1,1)T(1,1)^T je vlastní vektor k vlastnímu číslu 5. Báze vlastního podprostoru je {(1,1)T}\{(1,1)^T\}.

Krok 3: vlastní vektory pro λ=2\lambda=2

A−2I=(2121).A-2I=\begin{pmatrix}2&1\\2&1\end{pmatrix}.

Rovnice 2x+y=02x+y=0 říká y=−2xy=-2x, tedy v=t(1,−2)Tv=t(1,-2)^T pro t≠0t\ne0.

E5=span⁡((1,1)T),E2=span⁡((1,−2)T).\boxed{E_5=\operatorname{span}((1,1)^T),\quad E_2=\operatorname{span}((1,-2)^T).}

Procvič

Krok 4: kontrola přímo násobením

A(11)=(55)=5(11).A\begin{pmatrix}1\\1\end{pmatrix}=\begin{pmatrix}5\\5\end{pmatrix}=5\begin{pmatrix}1\\1\end{pmatrix}.

A(1−2)=(2−4)=2(1−2).A\begin{pmatrix}1\\-2\end{pmatrix}=\begin{pmatrix}2\\-4\end{pmatrix}=2\begin{pmatrix}1\\-2\end{pmatrix}.

Obě rovnosti platí.

12.5Algebraická a geometrická násobnost

Vlastní číslo může být vícenásobný kořen charakteristického polynomu. Počet opakování v rozkladu je algebraická násobnost ma(λ)m_a(\lambda).

Geometrická násobnost je dimenze vlastního podprostoru

Eλ=ker⁡(A−λI),mg(λ)=dim⁡Eλ.E_\lambda=\ker(A-\lambda I),\qquad m_g(\lambda)=\dim E_\lambda.

Vždy platí

1≤mg(λ)≤ma(λ).1\le m_g(\lambda)\le m_a(\lambda).

Rozdíl: algebraická násobnost = kolikrát se číslo objeví jako kořen; geometrická = kolik nezávislých vlastních vektorů pro toto číslo existuje.

12.6Podobnost matic a diagonalizace

Matice AA a BB jsou podobné, když existuje regulární matice TT taková, že

A=TBT−1.A=TBT^{-1}.

Zachovávají charakteristický polynom a vlastní čísla. Diagonalizace hledá speciální podobnou matici DD, která je diagonální:

A=TDT−1,D=diag⁡(λ1,…,λn).\boxed{A=TDT^{-1},\qquad D=\operatorname{diag}(\lambda_1,\ldots,\lambda_n).}

Sloupce TT jsou příslušné lineárně nezávislé vlastní vektory ve stejném pořadí jako vlastní čísla na diagonále DD.

Příklad

Pokračování příkladu

Pro předchozí AA máme vlastní vektory v1=(1,1)v_1=(1,1) a v2=(1,−2)v_2=(1,-2):

T=(111−2),D=(5002).T=\begin{pmatrix}1&1\\1&-2\end{pmatrix},\qquad D=\begin{pmatrix}5&0\\0&2\end{pmatrix}.

det⁡T=−3≠0,\det T=-3\ne0,

T−1=(2/31/31/3−1/3).T^{-1}=\begin{pmatrix}2/3&1/3\\1/3&-1/3\end{pmatrix}.

A skutečně

A=TDT−1.\boxed{A=TDT^{-1}.}

Proč je diagonalizace praktická

Ak=(TDT−1)k=TDkT−1A^k=(TDT^{-1})^k=TD^kT^{-1}

protože sousedící T−1T=IT^{-1}T=I. U diagonální matice se každá diagonální položka jen umocní:

Dk=diag⁡(5k,2k).D^k=\operatorname{diag}(5^k,2^k).

Například

A3=TD3T−1=(86397847).A^3=TD^3T^{-1}=\boxed{\begin{pmatrix}86&39\\78&47\end{pmatrix}}.

Výrazně pohodlnější než násobit velkou matici stále dokola, zvlášť pro vysoké mocniny A53A^{53} apod.

12.7Kdy lze matici diagonalizovat

Matice řádu nn je diagonalizovatelná nad zvoleným tělesem, pokud má nn lineárně nezávislých vlastních vektorů v tomto tělese.

  • Má-li matice nn různých vlastních čísel v daném tělese, je diagonalizovatelná.
  • Může být diagonalizovatelná i s opakovanými vlastními čísly.
  • Pokud součet geometrických násobností (přes všechna vlastní čísla v tělese) není nn, diagonalizace v daném tělese není možná.
  • Matice může být diagonalizovatelná nad C\mathbb C, ale ne nad R\mathbb R; rozhodují i dostupná vlastní čísla a vektory.

Příklad: A=2I3A=2I_3 má jediné vlastní číslo 2 s algebraickou násobností 3 a geometrickou také 3. Je už diagonální.

12.8Nediagonalizovatelná matice — proč nestačí vlastní čísla

Uvažuj

A=(2102).A=\begin{pmatrix}2&1\\0&2\end{pmatrix}.

pA(λ)=(λ−2)2.p_A(\lambda)=(\lambda-2)^2.

Jediné vlastní číslo je λ=2\lambda=2 s algebraickou násobností 2. Hledáme vektory:

(A−2I)v=(0100)(xy)=(y0)=0.(A-2I)v=\begin{pmatrix}0&1\\0&0\end{pmatrix}\begin{pmatrix}x\\y\end{pmatrix}=\begin{pmatrix}y\\0\end{pmatrix}=0.

Tedy y=0y=0, xx libovolné. Vlastní podprostor je E2=span⁡((1,0)T)E_2=\operatorname{span}((1,0)^T), má dimenzi 1.

mg(2)=1<2=ma(2).m_g(2)=1<2=m_a(2).

Nelze najít dva nezávislé vlastní vektory. Matice není diagonalizovatelná.

12.9Zobecněné vlastní vektory a Jordanův řetězec

V dodané 9. přednášce se definuje řetězec h1,…,hkh_1,\ldots,h_k ke vlastnímu číslu λ\lambda podmínkami

(λI−A)h1=0,h1≠0,(\lambda I-A)h_1=0,\quad h_1\ne0,

(λI−A)h2=−h1,(\lambda I-A)h_2=-h_1,

(λI−A)h3=−h2,…,(\lambda I-A)h_3=-h_2,\qquad\ldots,

což je ekvivalentní zápisu

(A−λI)h1=0,(A−λI)h2=h1,(A−λI)h3=h2,….(A-\lambda I)h_1=0,\quad(A-\lambda I)h_2=h_1,\quad(A-\lambda I)h_3=h_2,\ldots.

  • h1h_1 je skutečný vlastní vektor.
  • h2,h3,…h_2,h_3,\ldots jsou zobecněné vlastní vektory.
  • Počet vektorů v řetězci se nazývá jeho délka.
Příklad

Příklad s Jordanovou maticí 2×22\times2

A=(2102),λ=2.A=\begin{pmatrix}2&1\\0&2\end{pmatrix},\qquad\lambda=2.

Zvolíme h1=(1,0)Th_1=(1,0)^T. Hledáme h2=(x,y)Th_2=(x,y)^T splňující

(A−2I)h2=h1.(A-2I)h_2=h_1.

(0100)(xy)=(10).\begin{pmatrix}0&1\\0&0\end{pmatrix}\begin{pmatrix}x\\y\end{pmatrix}= \begin{pmatrix}1\\0\end{pmatrix}.

Tedy y=1y=1 a xx je volné. Můžeme zvolit h2=(0,1)Th_2=(0,1)^T.

Jordanův řetězec je ((1,0)T,(0,1)T)((1,0)^T,(0,1)^T). U této matice už samotná AA je Jordanův blok

J2(2)=(2102).J_2(2)=\begin{pmatrix}2&1\\0&2\end{pmatrix}.

12.10Univerzální postup pro Jordanovy řetězcePostup

  1. Spočti vlastní čísla a jejich algebraické násobnosti.
  2. Pro každé λ\lambda vyřeš (A−λI)h1=0(A-\lambda I)h_1=0; vyber vhodné nenulové vlastní vektory.
  3. Pokud vektorů není dost pro bázi, řeš (A−λI)h2=h1(A-\lambda I)h_2=h_1.
  4. Dále případně (A−λI)h3=h2(A-\lambda I)h_3=h_2 a pokračuj.
  5. Sestav z řetězců lineárně nezávislou bázi; v ní má matice blokový Jordanův tvar.
  6. Kontroluj všechny rovnice řetězce, nikoli jen charakteristický polynom.

To je složitější metoda a nemusí být v každé písemné zkoušce požadována v plném rozsahu; v dodané 9. přednášce je však explicitně zavedena, proto ji učebnice zahrnuje.

12.11Rychlé vztahy pro kontrolu výsledku

Pro čtvercovou matici řádu nn s vlastními čísly λ1,…,λn\lambda_1,\ldots,\lambda_n v C\mathbb C, počítanými s algebraickými násobnostmi, platí

tr⁡A=λ1+⋯+λn,\boxed{\operatorname{tr}A=\lambda_1+\cdots+\lambda_n},

det⁡A=λ1⋯λn.\boxed{\det A=\lambda_1\cdots\lambda_n}.

tr⁡A\operatorname{tr}A je stopa matice, součet hlavní diagonály.

Příklad: A=(4123)A=\begin{pmatrix}4&1\\2&3\end{pmatrix} má stopu 4+3=7=5+24+3=7=5+2 a determinant 12−2=10=5⋅212-2=10=5\cdot2.

Pozor: tyto vztahy jsou kontrola, ne vždy úplná metoda na určení všech vlastních čísel.

12.12Časté chyby

  • Vypočteš jen charakteristický polynom, ale zadání chce i vlastní vektory.
  • U výpočtu λI−A\lambda I-A odečteš λ\lambda od všech položek, nejen od diagonály.
  • Najdeš pouze nulový vektor a nazveš ho vlastním vektorem.
  • Při diagonalizaci neudržíš stejné pořadí sloupců TT a čísel na diagonále DD.
  • Myslíš si, že opakované vlastní číslo automaticky znamená nemožnost diagonalizace. Rozhoduje geometrická násobnost.
  • Použiješ vlastní číslo jako „samostatnou“ informaci bez ověření Av=λvAv=\lambda v.

Zkoušková poznámka: nauč se zejména algoritmus charakteristický determinant → kořeny → homogenní soustavy → báze vlastních podprostorů → test diagonalizace.