Soal latihan, kuis, dan pelajaran langkah demi langkah tentang Spectral Theorem - tingkatkan kemampuan matematika dengan soal terarah dan penjelasan yang jelas.
Kuis Latihan Teorema Spektral dengan Pelajaran Interaktif Langkah demi Langkah
Gunakan kuis di awal halaman untuk berlatih teorema spektral: mengenali matriks simetris real dan Hermitian kompleks, membuktikan nilai eigen real, menggunakan ortogonalitas ruang eigen, membangun \(A=QDQ^T\) atau \(A=UDU^*\), membaca \(\operatorname{tr}A\), \(\det A\), rank, dan pangkat dari nilai eigen, mengembangkan \(A=\sum_i\lambda_i q_iq_i^T\), mengklasifikasikan bentuk kuadratik berdasarkan tanda nilai eigen, dan mengenali matriks proyeksi dengan nilai eigen \(0\) dan \(1\). Buka pelajaran untuk contoh penyelesaian terarah dan cek cepat.
Cara kerja latihan teorema spektral ini
1. Kerjakan kuis: jawab soal tentang matriks simetris, matriks Hermitian, diagonalisasi ortogonal, dekomposisi spektral, dan kedefinitan.
2. Buka pelajaran: tinjau teorema, uji pengenalan, contoh penyelesaian, dan cek dengan satu jawaban.
3. Coba lagi: kembali ke kuis dan pertama tentukan apakah soal membahas simetri, vektor eigen, bentuk diagonal, data spektral, atau bentuk kuadratik.
Yang akan Anda pelajari dalam pelajaran teorema spektral
Matriks self-adjoint
Kasus real: \(A^T=A\) adalah sinyal untuk teorema spektral real
Kasus kompleks: \(A^*=A\) adalah Hermitian dan memiliki nilai eigen real
Ruang eigen untuk nilai eigen berbeda saling ortogonal
Diagonalisasi ortogonal
Matriks simetris real memiliki \(A=QDQ^T\) dengan \(Q^TQ=I\)
Kolom-kolom \(Q\) adalah basis eigen ortonormal
Nilai eigen berulang tetap memungkinkan basis ortonormal di dalam ruang eigennya
Dekomposisi spektral
Tulis \(A=\sum_i\lambda_i q_iq_i^T\) menggunakan proyeksi ortogonal rank-satu
Pangkat dan fungsi bekerja pada nilai eigen: \(f(A)=Qf(D)Q^T\)
Trace, determinan, rank, dan keterbalikan dibaca dari nilai eigen
Bentuk kuadratik dan proyeksi
Gunakan \(x^TAx=\sum_i\lambda_i y_i^2\) setelah perubahan koordinat ortonormal
Definit positif berarti semua nilai eigen positif
Proyeksi simetris hanya memiliki nilai eigen \(0\) dan \(1\)
Kembali ke kuis
Saat Anda siap, kembali ke kuis di awal halaman dan terus berlatih pengenalan teorema spektral serta penalaran nilai eigen.
Memuat...
Aljabar Spektral & Struktural
Pelajaran Teorema Spektral
1 / 8
Teorema spektral mengubah simetri menjadi geometri
Tujuan: Bangun alur kerja yang andal untuk soal teorema spektral: kenali matriks self-adjoint, gunakan nilai eigen real dan ruang eigen ortogonal, bentuk \(A=QDQ^T\) atau \(A=UDU^*\), tafsirkan \(A=\sum_i\lambda_i q_iq_i^T\), dan klasifikasikan bentuk kuadratik dari tanda nilai eigen.
Kriteria keberhasilan
Kenali matriks simetris real dari \(A^T=A\) dan matriks Hermitian dari \(A^*=A\).
Nyatakan bahwa matriks self-adjoint memiliki nilai eigen real.
Gunakan ortogonalitas ruang eigen untuk nilai eigen berbeda.
Bangun basis eigen ortonormal, termasuk di dalam ruang eigen berulang.
Baca \(Q^{-1}=Q^T\) dalam \(A=QDQ^T\) dan \(U^{-1}=U^*\) dalam \(A=UDU^*\).
Hitung trace, determinan, rank, pangkat, dan keterbalikan dari nilai eigen.
Klasifikasikan kedefinitan \(x^TAx\) dari tanda nilai eigen.
Kosakata kunci
Self-adjoint: sama dengan adjoint-nya; \(A^T=A\) atas \(\mathbb{R}\), \(A^*=A\) atas \(\mathbb{C}\).
Matriks ortogonal: \(Q^TQ=I\), sehingga \(Q^{-1}=Q^T\).
Matriks unitary: \(U^*U=I\), sehingga \(U^{-1}=U^*\).
Basis eigen ortonormal: basis dari vektor eigen satuan yang saling ortogonal.
Proyeksi spektral: \(q_iq_i^T\), proyeksi rank-satu pada garis eigen yang direntang oleh \(q_i\).
Hasil bagi Rayleigh: \(\dfrac{x^TAx}{x^Tx}\), dibatasi oleh nilai eigen terkecil dan terbesar untuk \(A\) simetris.
Cek awal cepat
Cek awal: Teorema spektral real paling langsung berlaku untuk matriks apa?
Petunjuk: Teorema ini memerlukan matriks yang sama dengan transposenya dalam kasus real.
Matriks simetris dan Hermitian memiliki data spektral real
Tujuan pembelajaran: Ketahui kapan teorema spektral tersedia dan apa yang dijaminnya sebelum menghitung apa pun.
Ide utama
Dalam ruang hasil kali dalam real, kondisi kuncinya adalah \(A^T=A\). Dalam ruang hasil kali dalam kompleks, kondisi yang sesuai adalah \(A^*=A\), dengan \(A^*\) adalah transpose konjugat. Kondisi self-adjoint ini memaksa nilai eigen real dan membuat operator berperilaku seperti peregangan sepanjang arah yang saling tegak lurus.
Daftar cek pengenalan
Pertama periksa bahwa matriksnya persegi.
Kasus real: bandingkan entri di seberang diagonal, sehingga \(a_{ij}=a_{ji}\).
Kasus kompleks: bandingkan \(a_{ij}\) dengan \(\overline{a_{ji}}\).
Jika kondisinya terpenuhi, cari basis eigen ortonormal, bukan matriks perubahan basis umum.
Contoh dikerjakan
Contoh: Misalkan \(A=\operatorname{diag}(2,5)\). Mengapa teorema spektral langsung berlaku?
Matriksnya simetris real karena sama dengan transposenya. Vektor basis standar \(e_1,e_2\) sudah merupakan vektor eigen ortonormal, dengan nilai eigen \(2\) dan \(5\). Jadi \(A=QDQ^T\) dengan \(Q=I\) dan \(D=\operatorname{diag}(2,5)\).
Coba
Coba: Matriks mana yang simetris?
Petunjuk: Matriks simetris real memiliki entri yang cocok di atas dan di bawah diagonal.
Nilai eigen berbeda memberi ruang eigen tegak lurus
Tujuan pembelajaran: Gunakan ide bukti bahwa simetri memindahkan \(A\) melintasi hasil kali dalam.
Ide utama
Jika \(Au=\lambda u\) dan \(Av=\mu v\), maka simetri memberi \(\langle Au,v\rangle=\langle u,Av\rangle\). Karena itu \(\lambda\langle u,v\rangle=\mu\langle u,v\rangle\). Ketika \(\lambda≠\mu\), ini memaksa \(\langle u,v\rangle=0\).
Nilai eigen berulang
Ruang eigen berbeda otomatis ortogonal.
Di dalam satu ruang eigen bernilai berulang, vektor-vekturnya tidak otomatis ortogonal.
Gunakan Gram-Schmidt di dalam ruang eigen berulang untuk memilih basis ortonormal.
Menggabungkan basis-basis ini di semua ruang eigen memberi basis eigen ortonormal yang dijanjikan oleh teorema.
Contoh dikerjakan
Contoh: Matriks \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\) memiliki vektor eigen \((1,1)\) dan \((1,-1)\). Apa yang terjadi setelah dinormalisasi?
Nilai eigennya adalah \(1\) dan \(-1\). Vektor-vektor eigennya memiliki dot product \(1-1=0\), jadi keduanya ortogonal. Setelah diskalakan dengan \(1/\sqrt2\), keduanya menjadi kolom ortonormal dari sebuah matriks \(Q\).
Coba
Coba: Untuk matriks simetris real, vektor eigen yang terkait dengan nilai eigen berbeda bersifat apa?
Petunjuk: Gunakan \(\langle Au,v\rangle=\langle u,Av\rangle\) dan kurangi dua kelipatan skalarnya.
Masukkan vektor eigen ke \(Q\), masukkan nilai eigen ke \(D\)
Tujuan pembelajaran: Terjemahkan basis eigen ortonormal ke bentuk diagonal yang digunakan dalam perhitungan.
Ide utama
Untuk matriks simetris real, pilih vektor eigen ortonormal \(q_1,\dots,q_n\). Jadikan vektor-vektor ini kolom-kolom \(Q\), dan biarkan \(D=\operatorname{diag}(\lambda_1,\dots,\lambda_n)\). Maka \(AQ=QD\), sehingga \(A=QDQ^T\). Dalam kasus Hermitian kompleks, bentuknya adalah \(A=UDU^*\).
Catatan rumus
Entri diagonal \(D\) adalah nilai eigen, diulang sesuai multiplisitas.
Kolom-kolom \(Q\) adalah vektor eigen satuan yang cocok.
Ortogonal berarti \(Q^TQ=I\), sehingga \(Q^{-1}=Q^T\).
Urutan vektor eigen dapat mengubah urutan entri diagonal, tetapi tidak mengubah operator.
Contoh dikerjakan
Contoh: Diagonalisasikan \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\) secara konseptual.
Gunakan \(q_1=(1,1)/\sqrt2\) dengan nilai eigen \(1\) dan \(q_2=(1,-1)/\sqrt2\) dengan nilai eigen \(-1\). Maka \(Q=[q_1\ q_2]\) ortogonal dan \(D=\operatorname{diag}(1,-1)\), sehingga \(A=QDQ^T\).
Coba
Coba: Jika \(Q\) ortogonal, apa \(Q^{-1}\)?
Petunjuk: Kolom ortogonal memenuhi \(Q^TQ=I\).
Matriks simetris adalah jumlah berbobot dari proyeksi ortogonal
Tujuan pembelajaran: Baca aksi, pangkat, rank, trace, dan determinan langsung dari nilai eigen.
Ide utama
Dari \(A=QDQ^T\), dengan kolom \(q_i\), kembangkan hasil kali untuk memperoleh \[A=\sum_i \lambda_i q_iq_i^T.\] Setiap \(q_iq_i^T\) memproyeksikan pada satu garis eigen satuan, dan \(\lambda_i\) memberi tahu seberapa kuat \(A\) meregangkan arah itu.
Data spektral
\(\operatorname{tr}A=\sum_i\lambda_i\).
\(\det A=\prod_i\lambda_i\).
\(\operatorname{rank}A\) adalah jumlah nilai eigen tak nol.
\(A^k=QD^kQ^T\), sehingga nilai eigen \(A^k\) adalah \(\lambda_i^k\).
Jika semua \(\lambda_i≠0\), maka \(A^{-1}=QD^{-1}Q^T\).
Contoh dikerjakan
Contoh: Jika matriks simetris memiliki nilai eigen \(2\) dan \(3\), apa nilai eigen dari \(A^2\)?
Vektor eigen yang sama berlaku untuk \(A^2\), dan nilai eigennya dikuadratkan. Jadi nilai eigen dari \(A^2\) adalah \(4\) dan \(9\).
Coba
Coba: Jika \(A\) simetris dengan nilai eigen \(2\) dan \(3\), apa nilai eigen dari \(A^2\)?
Petunjuk: Pangkat bekerja pada nilai eigen dengan pangkat yang sama.
Tanda nilai eigen mengklasifikasikan \(x^TAx\)
Tujuan pembelajaran: Ubah bentuk kuadratik menjadi jumlah diagonal dengan merotasi ke basis eigen ortonormal.
Ide utama
Jika \(A=QDQ^T\) dan \(y=Q^Tx\), maka \[x^TAx=y^TDy=\sum_i\lambda_i y_i^2.\] Karena \(Q\) mempertahankan panjang, tanda nilai eigen menentukan apakah bentuk kuadratiknya definit positif, definit negatif, semidefinit, atau indefinit.
Uji kedefinitan
Semua nilai eigen positif: definit positif.
Semua nilai eigen tidak negatif dan setidaknya satu nol: semidefinit positif tetapi tidak definit.
Semua nilai eigen negatif: definit negatif.
Semua nilai eigen tidak positif dan setidaknya satu nol: semidefinit negatif tetapi tidak definit.
Setidaknya satu nilai eigen positif dan setidaknya satu nilai eigen negatif: indefinit.
Contoh dikerjakan
Contoh: Matriks simetris real memiliki nilai eigen \(0,4\). Bagaimana bentuk kuadratiknya harus diklasifikasikan?
Kedua nilai eigen tidak negatif, dan satu nilai eigen bernilai nol. Karena itu \(x^TAx\ge0\) untuk setiap \(x\), tetapi tidak positif untuk setiap \(x\) tak nol. Bentuknya semidefinit positif, bukan definit positif.
Coba
Coba: Matriks simetris real memiliki nilai eigen \(-1\) dan \(3\). Bagaimana bentuk kuadratiknya diklasifikasikan?
Petunjuk: Satu nilai eigen memberi arah negatif dan yang lain memberi arah positif.
Proyeksi dan hasil bagi Rayleigh adalah contoh spektral
Tujuan pembelajaran: Hubungkan teorema ini dengan operator umum yang muncul dalam soal aljabar linear.
Ide utama
Proyeksi simetris \(P\) memenuhi \(P^2=P\) dan \(P^T=P\). Jika \(Pv=\lambda v\), maka \(P^2v=Pv\) memberi \(\lambda^2=\lambda\), sehingga \(\lambda\) adalah \(0\) atau \(1\). Teorema spektral mengatakan bahwa ruang terpecah secara ortogonal menjadi range dan kernel proyeksi.
Tampilan operator
Proyeksi simetris memiliki bentuk diagonal dengan hanya \(0\) dan \(1\) pada diagonal.
Trace dari proyeksi simetris sama dengan rank-nya.
Hasil bagi Rayleigh dari \(A\) simetris terletak di antara nilai eigen terkecil dan terbesar.
Norma operator dari \(A\) simetris adalah \(\max_i|\lambda_i|\).
Contoh dikerjakan
Contoh: Apa gambaran spektral dari proyeksi pada sebuah garis di \(\mathbb{R}^2\)?
Arah garis adalah garis eigen dengan nilai eigen \(1\), karena vektor pada garis tidak berubah. Arah tegak lurusnya adalah garis eigen dengan nilai eigen \(0\), karena dikirim ke nol. Dalam basis ortonormal yang disesuaikan dengan garis itu, matriksnya adalah \(\operatorname{diag}(1,0)\).
Coba
Coba: Matriks proyeksi simetris dapat didiagonalisasi secara ortogonal dengan entri diagonal apa saja?
Petunjuk: Terapkan \(P^2=P\) pada sebuah vektor eigen.
Sebagian besar kesalahan mengabaikan hipotesis atau basis
Tujuan pembelajaran: Akhiri dengan daftar cek ringkas untuk kesalahan umum teorema spektral.
Jebakan umum
Dapat didiagonalisasi saja tidak cukup: teorema ini memerlukan struktur self-adjoint untuk basis eigen ortonormal.
Simetris vs. skew-symmetric: \(A^T=A\), bukan \(A^T=-A\).
Nilai eigen berulang: Anda mungkin perlu mengortonormalkan di dalam satu ruang eigen.
Kecocokan urutan: setiap entri diagonal dalam \(D\) harus cocok dengan kolom \(Q\) yang bersesuaian.
Kedefinitan: nol memberi semidefinit, bukan definit.
Matriks proyeksi: \(P^2=P\) memberi proyeksi; \(P^T=P\) memberi proyeksi ortogonal di ruang Euklides.
Contoh dikerjakan
Contoh: Jika \(A=5I\) di \(\mathbb{R}^3\), berapa banyak vektor eigen yang tersedia?
Setiap vektor tak nol adalah vektor eigen dengan nilai eigen \(5\). Ruang eigen berulangnya adalah seluruh \(\mathbb{R}^3\), jadi pilih basis ortonormal apa pun. Ini mengingatkan bahwa nilai eigen berulang tidak menghalangi teorema spektral.
Coba
Coba: Matriks Hermitian memiliki nilai eigen yang bagaimana?
Petunjuk: Matriks Hermitian adalah analog self-adjoint kompleks dari matriks simetris real.
Ringkasan akhir
Simetris real berarti \(A^T=A\); Hermitian berarti \(A^*=A\).
Matriks self-adjoint memiliki nilai eigen real.
Ruang eigen berbeda saling ortogonal.
Ruang eigen berulang dapat diberi basis ortonormal.
Matriks simetris real memenuhi \(A=QDQ^T\) dengan \(Q\) ortogonal.
Dekomposisi spektral adalah \(A=\sum_i\lambda_i q_iq_i^T\).
Trace, determinan, rank, pangkat, dan keterbalikan dibaca dari nilai eigen.
Kedefinitan bentuk kuadratik dikendalikan oleh tanda nilai eigen.
Proyeksi simetris memiliki nilai eigen \(0\) dan \(1\).
Langkah berikutnya: Tutup pelajaran ini dan coba kuis lagi. Untuk setiap soal, pertama periksa jenis matriksnya, lalu tentukan apakah jawabannya tentang realitas nilai eigen, ortogonalitas, bentuk diagonal, dekomposisi spektral, atau tanda bentuk kuadratik.
Rentetan 5+
Rentetan 10+
Rentetan 15+
Rentetan 20+
Rentetan 25+