Практические задания, тест и пошаговый урок по теме Eigenvalues & Eigenspaces - улучшайте математические навыки с помощью точных вопросов и понятных объяснений.
Собственные значения и собственные подпространства
Практический тест по собственным значениям и собственным подпространствам с пошаговым интерактивным уроком
Используйте тест в верхней части страницы, чтобы практиковать собственные значения и собственные подпространства: распознавать уравнения вида \(Av=\lambda v\), помнить, что собственные векторы ненулевые, вычислять собственные подпространства как \(\ker(A-\lambda I)\), решать \(\det(A-\lambda I)=0\), читать диагональные и треугольные матрицы, использовать след и определитель, понимать, когда \(0\) является собственным значением, и отслеживать, как степени, сдвиги, умножение на скаляр и обратные матрицы влияют на собственные значения. Если вам нужно освежить материал, откройте урок с примерами и проверками, за которыми удобно следить в уме.
Как работает эта практика по собственным значениям
1. Пройдите тест: ответьте на вопросы о собственных значениях, собственных векторах, собственных подпространствах, следе, определителе и матричных приемах в верхней части страницы.
2. Откройте урок: повторите определения, характеристические уравнения, вычисление собственных подпространств и правила операций на разобранных примерах.
3. Повторите: вернитесь к тесту и переводите каждый вопрос в \(Av=\lambda v\) или \((A-\lambda I)v=0\).
Что вы изучите в уроке о собственных значениях и собственных подпространствах
Уравнение собственного значения
Собственная пара: \(Av=\lambda v\) при \(v≠0\)
Собственное подпространство: \(E_\lambda=\ker(A-\lambda I)\), включая нулевой вектор
Нулевой вектор принадлежит каждому собственному подпространству, но никогда не является собственным вектором
У диагональных и треугольных матриц собственные значения стоят на диагонали
След равен сумме, а определитель произведению собственных значений с учетом алгебраической кратности
Нахождение собственных подпространств
Для каждого собственного значения решайте \((A-\lambda I)v=0\)
Одномерное собственное подпространство - это прямая из собственных векторов плюс \(0\)
Для повторяющихся собственных значений нужно проверять размерность собственного подпространства, а не только кратность
Структура и ловушки
\(0\) является собственным значением ровно тогда, когда \(A\) вырождена
Если \(Av=\lambda v\), то \(A^kv=\lambda^k v\) и \((A-cI)v=(\lambda-c)v\)
У некоторых вещественных матриц, например у поворота на четверть оборота, нет вещественных собственных значений
Назад к тесту
Когда будете готовы, вернитесь к тесту в верхней части страницы и продолжайте практиковать собственные значения и собственные подпространства.
Загрузка...
Продвинутая линейная алгебра
Урок о собственных значениях и собственных подпространствах
1 / 8
Обзор урока
Цель: Научиться видеть вопросы о собственных значениях как одно уравнение, \(Av=\lambda v\), а вопросы о собственных подпространствах как вычисление ядра, \((A-\lambda I)v=0\). Урок связывает определения, характеристические уравнения, быстрые приемы со следом и определителем, треугольные матрицы, преобразования собственных значений и типичные ловушки.
Критерии успеха
Распознавать собственные пары по \(Av=\lambda v\) при \(v≠0\).
Объяснять, почему нулевой вектор не является собственным вектором.
Вычислять \(E_\lambda=\ker(A-\lambda I)\) для небольших матриц.
Использовать \(\det(A-\lambda I)=0\) для нахождения собственных значений.
Читать собственные значения диагональных и треугольных матриц с диагонали.
Использовать след и определитель как проверки суммы и произведения.
Отслеживать, как степени, сдвиги, умножение на скаляр и обратные матрицы меняют собственные значения.
Избегать ложных обратных утверждений, например что из \(A^2v=9v\) обязательно следует \(Av=3v\).
Ключевая лексика
Собственное значение: скаляр \(\lambda\), такой что \(Av=\lambda v\) для некоторого ненулевого \(v\).
Собственный вектор: ненулевой вектор, направление которого сохраняется при действии \(A\).
Геометрическая кратность: размерность собственного подпространства.
Быстрая предварительная проверка
Предварительная проверка 1: Если \(Av=3v\) и \(v≠0\), какое собственное значение связано с \(v\)?
Подсказка: напрямую сравните уравнение с \(Av=\lambda v\).
Предварительная проверка 2: Может ли нулевой вектор быть собственным вектором?
Подсказка: определение собственного вектора требует ненулевого вектора, хотя \(0\) принадлежит каждому собственному подпространству.
Собственные векторы - это направления, которые только масштабируются
Цель обучения: Переводить между \(Av=\lambda v\), \((A-\lambda I)v=0\) и собственным подпространством \(E_\lambda\).
Ключевая идея
Если \(Av=\lambda v\) для ненулевого вектора \(v\), то \(A\) переводит прямую, проходящую через \(v\), обратно в себя, масштабируя ее в \(\lambda\) раз. Перенос членов дает \[(A-\lambda I)v=0,\] поэтому собственные подпространства являются ядрами. Собственное подпространство содержит \(0\), но его ненулевые векторы являются собственными векторами для \(\lambda\).
Контрольный список распознавания
Сначала проверьте, что вектор ненулевой.
Вычислите \(Av\) и посмотрите, является ли он скалярным кратным \(v\).
Если скаляр равен \(0\), то \(v\) - ненулевой вектор в \(\ker A\).
Для фиксированного \(\lambda\) решите однородную систему: \((A-\lambda I)v=0\).
Разобранный пример
Пример: Для \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\) решите, является ли \((1,-1)\) собственным вектором.
Матрица меняет координаты местами, поэтому \(A(1,-1)=(-1,1)=-(1,-1)\). Вектор ненулевой и умножается на \(-1\), значит это собственный вектор с собственным значением \(-1\).
Попробуйте
Попробуйте 1: Что такое собственное подпространство, связанное с собственным значением \(\lambda\)?
Подсказка: перенесите все члены в \(Av=\lambda v\) в левую часть.
Попробуйте 2: Если \(Av=0\) при \(v≠0\), какое собственное значение есть у \(A\)?
Подсказка: это уравнение собственного значения со скаляром \(0\).
Собственные значения делают \(A-\lambda I\) вырожденной
Цель обучения: Находить собственные значения из \(\det(A-\lambda I)=0\) и распознавать быстрые случаи.
Ключевая идея
Скаляр \(\lambda\) является собственным значением ровно тогда, когда \((A-\lambda I)v=0\) имеет ненулевое решение. Это происходит ровно тогда, когда \(A-\lambda I\) вырождена: \[\det(A-\lambda I)=0.\] В некоторых книгах используют \(\det(\lambda I-A)\); выбор знака может изменить многочлен на множитель, но корни остаются теми же.
Контрольный список распознавания
Составьте \(A-\lambda I\).
Вычислите определитель.
Приравняйте определитель к \(0\).
Разложите на множители или решите относительно возможных значений \(\lambda\).
После нахождения \(\lambda\) решите \((A-\lambda I)v=0\), если требуется собственное подпространство.
Разобранный пример
Пример: Найдите собственные значения \(A=\begin{pmatrix}2&1\\0&5\end{pmatrix}\).
Матрица треугольная, поэтому определитель \(A-\lambda I\) равен \((2-\lambda)(5-\lambda)\). Характеристическое уравнение: \((2-\lambda)(5-\lambda)=0\), значит собственные значения равны \(2\) и \(5\).
Попробуйте
Попробуйте 1: Характеристическое уравнение для собственных значений:
Подсказка: собственные значения делают \(A-\lambda I\) матрицей с ненулевым ядром.
Попробуйте 2: Каковы собственные значения \(\begin{pmatrix}2&0\\0&5\end{pmatrix}\)?
Подсказка: для диагональной матрицы характеристическое уравнение раскладывается через диагональные элементы.
Используйте быстрые инварианты перед вычислениями
Цель обучения: Использовать диагональные элементы, след и определитель как быстрые способы определить или проверить собственные значения.
Ключевая идея
У диагональных и треугольных матриц собственные значения - это диагональные элементы, с учетом кратности. Для любой квадратной матрицы над полем, где характеристический многочлен раскладывается на линейные множители, след равен сумме собственных значений, а определитель равен их произведению, в обоих случаях с учетом алгебраической кратности.
Разобранный пример
Пример: У матрицы \(2\times2\) собственные значения \(2\) и \(\lambda\), а след равен \(5\). Найдите \(\lambda\).
След равен сумме собственных значений с учетом кратности. Поэтому \(2+\lambda=5\), значит \(\lambda=3\). Это также дает быструю проверку любого вычисления характеристического многочлена.
Попробуйте
Попробуйте 1: Если у матрицы \(2\times2\) след равен \(5\), а собственные значения равны \(2\) и \(\lambda\), чему равно \(\lambda\)?
Подсказка: след равен сумме \(2+\lambda\).
Попробуйте 2: Если у \(A\) собственные значения \(-1\) и \(4\), чему равен \(\det(A)\)?
Подсказка: определитель равен произведению собственных значений.
Решайте по одному ядру для каждого собственного значения
Цель обучения: Вычислять и интерпретировать собственные подпространства как подпространства, а не просто как отдельные векторы.
Ключевая идея
Когда \(\lambda\) известно, собственное подпространство - это множество решений однородной системы: \[E_\lambda=\ker(A-\lambda I).\] Это подпространство. Каждый ненулевой вектор в нем является собственным вектором для \(\lambda\). Его размерность - геометрическая кратность, которая всегда не меньше \(1\) для собственного значения и не больше алгебраической кратности.
Разобранный пример
Пример: Для \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\) найдите собственные подпространства для \(1\) и \(-1\).
Для \(\lambda=1\) уравнение \(A(x,y)=(x,y)\) дает \((y,x)=(x,y)\), значит \(x=y\), и \(E_1=\operatorname{span}\{(1,1)\}\). Для \(\lambda=-1\), \((y,x)=(-x,-y)\), значит \(y=-x\), и \(E_{-1}=\operatorname{span}\{(1,-1)\}\).
Попробуйте
Попробуйте 1: Для \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\) какой вектор является собственным вектором для собственного значения \(1\)?
Подсказка: собственное значение \(1\) означает, что вектор не меняется при перестановке координат.
Попробуйте 2: Если собственное подпространство имеет размерность \(2\), оно содержит:
Подсказка: каждый ненулевой вектор в собственном подпространстве является собственным вектором.
Степени, сдвиги, умножение на скаляр и обратные матрицы
Цель обучения: Использовать одну собственную пару для понимания связанных матриц, таких как \(A^2\), \(A-I\), \(cA\) и \(A^{-1}\).
Ключевая идея
Если \(Av=\lambda v\), то тот же вектор \(v\) остается полезным для многих выражений через \(A\): \[A^kv=\lambda^k v,\qquad (A-cI)v=(\lambda-c)v,\qquad (cA)v=c\lambda v.\] Если \(A\) обратима, то \(\lambda≠0\) и \(A^{-1}v=\lambda^{-1}v\).
Разобранный пример
Пример: Если \(Av=2v\) и \(A\) обратима, чему равно \(A^{-1}v\)?
Применим \(A^{-1}\) к \(Av=2v\): \(v=2A^{-1}v\). Поэтому \(A^{-1}v=\frac{1}{2}v\). Собственное значение \(A^{-1}\) на том же векторе равно \(1/2\).
Попробуйте
Попробуйте 1: Если \(Av=\lambda v\), чему равно \(A^2v\)?
Подсказка: примените \(A\) к обеим частям еще один раз.
Попробуйте 2: Если у \(A\) есть собственное значение \(\lambda\), то у \(A-I\) есть собственное значение:
Подсказка: \((A-I)v=Av-v\).
Итоги
Степени отправляют \(\lambda\) в \(\lambda^k\) на том же собственном векторе.
Сдвиги \(A-cI\) отправляют \(\lambda\) в \(\lambda-c\).
Умножение на скаляр \(cA\) отправляет \(\lambda\) в \(c\lambda\).
Для обратимой \(A\) собственные значения обратной матрицы являются обратными числами.
Нуль, нильпотентные отображения и вещественные повороты
Цель обучения: Распознавать типичные особые случаи без чрезмерных обобщений.
Ключевая идея
Собственное значение \(0\) означает, что \(Av=0\) для некоторого ненулевого вектора, значит у \(A\) есть нетривиальное ядро и \(A\) необратима. Если \(A\) нильпотентна, то есть \(A^k=0\), то любое собственное значение \(\lambda\) должно удовлетворять \(\lambda^k=0\), откуда \(\lambda=0\). У вещественной матрицы может не быть вещественных собственных значений: поворот \(\begin{pmatrix}0&-1\\1&0\end{pmatrix}\) имеет характеристический многочлен \(\lambda^2+1\).
Разобранный пример
Пример: Почему \(0\) является собственным значением ровно тогда, когда \(A\) необратима?
\(0\) является собственным значением, когда \(Av=0v=0\) для некоторого ненулевого \(v\). Это ровно означает, что \(\ker A\) содержит ненулевой вектор, поэтому матрица вырождена и не может быть обратимой.
Попробуйте
Попробуйте 1: Для \(A=\begin{pmatrix}0&-1\\1&0\end{pmatrix}\) есть ли вещественные собственные значения?
Подсказка: характеристический многочлен равен \(\lambda^2+1\), у него нет вещественного корня.
Попробуйте 2: Если \(A\) нильпотентна, какое единственное собственное значение у нее возможно?
Подсказка: если \(A^k=0\), то \(A^kv=\lambda^k v\) для собственного вектора.
Разделяйте собственные векторы, собственные подпространства и следствия
Цель обучения: Избегать распространенных ложных выводов и завершить короткой итоговой проверкой.
Типичные ловушки
Нулевой вектор не является собственным вектором: определение явно исключает его.
Собственное подпространство содержит \(0\): это ядро, а значит подпространство.
\(A^2v=9v\) не заставляет \(Av=3v\): \(Av=-3v\) тоже подходит.
Повторяющееся собственное значение не определяет размерность собственного подпространства: решайте \((A-\lambda I)v=0\).
След и определитель - это проверки, а не полные собственные подпространства: они не говорят вам собственные векторы.
Разница между вещественным и комплексным важна: у некоторых вещественных матриц есть комплексные собственные значения, но нет вещественных собственных векторов.
Разобранный пример
Пример: Заставляет ли \(A^2v=9v\) выполняться \(Av=3v\)?
Нет. Если \(Av=-3v\), то \(A^2v=A(-3v)=-3Av=9v\). При возведении в квадрат знак теряется, поэтому вывод \(Av=3v\) не обязателен.
Попробуйте
Попробуйте 1: Если у \(A\) есть собственное значение \(0\), что можно сказать об \(A\)?
Подсказка: \(0\) как собственное значение означает, что ненулевой вектор отображается в \(0\).
Попробуйте 2: Если \(A^2v=9v\), заставляет ли это выполняться \(Av=3v\)?
Подсказка: подумайте о векторе с собственным значением \(-3\).
Итоговое повторение
Собственные векторы - это ненулевые векторы, удовлетворяющие \(Av=\lambda v\).
Собственные подпространства являются ядрами: \(E_\lambda=\ker(A-\lambda I)\).
Собственные значения решают \(\det(A-\lambda I)=0\).
Диагональные и треугольные матрицы показывают собственные значения на диагонали.
След суммирует собственные значения, а определитель перемножает их, с учетом алгебраической кратности.
\(0\) является собственным значением ровно тогда, когда \(A\) вырождена.
Степени, сдвиги, умножение на скаляр и обратные матрицы предсказуемо преобразуют собственные значения.
Следующий шаг: Закройте этот урок и попробуйте пройти тест снова. В каждом вопросе сначала решите, спрашивают ли вас о собственном значении, собственном векторе, собственном подпространстве или структурном следствии, например обратимости.
Серия 5+
Серия 10+
Серия 15+
Серия 20+
Серия 25+