7.2

Диагонализация преобразованиями подобия

[27/100%]
Показать
LaTeX
Задача 7.2.1

Приведите A=(−8−61210)\mathbf{A} = \begin{pmatrix} -8 & -6 \\ 12 & 10 \end{pmatrix} к диагональному виду с помощью преобразования подобия, либо объясните, почему A\mathbf{A} нельзя диагонализовать.

?
Задача 7.2.2
?
(a)

Проверьте, что alg mult⁡A(λ)=geo mult⁡A(λ)\operatorname {alg\, mult}_{\mathbf{A}}(\lambda ) = \operatorname {geo\, mult}_{\mathbf{A}}(\lambda ) для каждого собственного значения матрицы

A=(−4−3−30−10665). \mathbf{A} = \begin{pmatrix} -4 & -3 & -3 \\ 0 & -1 & 0 \\ 6 & 6 & 5 \end{pmatrix}.
(b)

Найдите невырожденную матрицу P\mathbf{P} такую, что P−1AP\mathbf{P}^{-1}\mathbf{A}\mathbf{P} — диагональная матрица.

Задача 7.2.3

Покажите, что подобные матрицы не обязаны иметь одни и те же собственные векторы, приведя пример двух матриц, которые подобны, но имеют разные собственные подпространства.

?
Задача 7.2.4

λ=2\lambda =2 — собственное значение для A=(321020−2−30)\mathbf{A} = \begin{pmatrix} 3 & 2 & 1 \\ 0 & 2 & 0 \\ -2 & -3 & 0 \end{pmatrix}. Найдите alg mult⁡A(λ)\operatorname {alg\, mult}_{\mathbf{A}}(\lambda ), а также geo mult⁡A(λ)\operatorname {geo\, mult}_{\mathbf{A}}(\lambda ). Можно ли на основании этих результатов сделать какой-либо вывод о диагонализуемости A\mathbf{A}?

?
Задача 7.2.5

Если B=P−1AP\mathbf{B} = \mathbf{P}^{-1}\mathbf{A}\mathbf{P}, объясните, почему Bk=P−1AkP\mathbf{B}^k = \mathbf{P}^{-1}\mathbf{A}^k\mathbf{P}.

?
Задача 7.2.6

Вычислите lim⁡n→∞An\lim_{n\to \infty } \mathbf{A}^n для A=(7/51/5−11/2)\mathbf{A} = \begin{pmatrix} 7/5 & 1/5 \\ -1 & 1/2 \end{pmatrix}.

?
Задача 7.2.7

Пусть {x→1,x→2,…,x→t}\left\{ \overrightarrow {x}_1, \overrightarrow {x}_2, \ldots , \overrightarrow {x}_t\right\} — набор линейно независимых собственных векторов для An×n\mathbf{A}_{n\times n}, отвечающих соответственно собственным значениям {λ1,λ2,…,λt}\left\{ \lambda_1, \lambda_2, \ldots , \lambda_t\right\}, и пусть X\mathbf{X} — произвольная матрица размера n×(n−t)n \times (n-t) такая, что Pn×n=(x→1∣⋯∣x→t∣X)\mathbf{P}_{n\times n} = (\overrightarrow {x}_1 \mid \cdots \mid \overrightarrow {x}_t \mid \mathbf{X}) невырождена. Докажите, что если P−1=(y→1∗⋮y→t∗Y∗)\mathbf{P}^{-1} = \begin{pmatrix} \overrightarrow {y}_1^{*} \\ \vdots \\ \overrightarrow {y}_t^{*} \\ \mathbf{Y}^{*} \end{pmatrix}, где y→i∗\overrightarrow {y}_i^{*} — строки, а Y∗\mathbf{Y}^{*} имеет размер (n−t)×n(n-t) \times n, то {y→1∗,y→2∗,…,y→t∗}\left\{ \overrightarrow {y}_1^{*}, \overrightarrow {y}_2^{*}, \ldots , \overrightarrow {y}_t^{*}\right\} — набор линейно независимых левых собственных векторов, отвечающих соответственно {λ1,λ2,…,λt}\left\{ \lambda_1, \lambda_2, \ldots , \lambda_t\right\} (т.е. y→i∗A=λiy→i∗\overrightarrow {y}_i^{*}\mathbf{A} = \lambda_i \overrightarrow {y}_i^{*}).

?
Задача 7.2.8

Пусть A\mathbf{A} — диагонализуемая матрица, и пусть ρ(⋆)\rho (\star ) обозначает спектральный радиус. Докажите, что lim⁡k→∞Ak=0\lim_{k\to \infty } \mathbf{A}^k = \mathbf{0} тогда и только тогда, когда ρ(A)<1\rho (\mathbf{A}) < 1.

Примечание: этот результат справедлив и для недиагонализуемых матриц, как показано в другом месте текста.

?
Задача 7.2.9

Примените приём, используемый при доказательстве теоремы Шура о триангуляризации, чтобы построить ортогональную матрицу P\mathbf{P} такую, что PTAP\mathbf{P}^T\mathbf{A}\mathbf{P} верхнетреугольна для A=(13−916−11)\mathbf{A} = \begin{pmatrix} 13 & -9 \\ 16 & -11 \end{pmatrix}.

?
Задача 7.2.10

Проверьте теорему Кэли--Гамильтона для A=(1−4−48−11−8−885)\mathbf{A} = \begin{pmatrix} 1 & -4 & -4 \\ 8 & -11 & -8 \\ -8 & 8 & 5 \end{pmatrix}.

Указание: это матрица из примера 7.2.1 на стр. 507.

?
Задача 7.2.11

Поскольку сумма элементов каждой строки следующей симметричной матрицы A\mathbf{A} равна 44, ясно, что x→=(1,1,1,1)T\overrightarrow {x} = (1,1,1,1)^T является одновременно правым и левым собственным вектором, отвечающим λ=4∈σ(A)\lambda =4 \in \sigma (\mathbf{A}). Используя метод дефляции (перенормируйте x→\overrightarrow {x} до единичной длины y→\overrightarrow {y}, постройте ортогональную матрицу P=[y→∣X]\mathbf{P} = [\overrightarrow {y} \mid \mathbf{X}], у которой y→\overrightarrow {y} является первым столбцом, тогда оставшиеся собственные значения A\mathbf{A} в точности совпадают с собственными значениями меньшей матрицы XTAX\mathbf{X}^T\mathbf{A}\mathbf{X}), найдите оставшиеся собственные значения матрицы

A=(1021021121101102). \mathbf{A} = \begin{pmatrix} 1 & 0 & 2 & 1 \\ 0 & 2 & 1 & 1 \\ 2 & 1 & 1 & 0 \\ 1 & 1 & 0 & 2 \end{pmatrix}.
?
Задача 7.2.12

Объясните, почему AGi=GiA=λiGi\mathbf{A}\mathbf{G}_i = \mathbf{G}_i\mathbf{A} = \lambda_i \mathbf{G}_i для спектрального проектора Gi\mathbf{G}_i, отвечающего собственному значению λi\lambda_i диагонализируемой матрицы A\mathbf{A}.

?
Задача 7.2.13

Докажите, что A=c→n×1d→1×nT\mathbf{A} = \overrightarrow {c}_{n\times 1}\overrightarrow {d}_{1\times n}^T диагонализируема тогда и только тогда, когда d→Tc→≠0\overrightarrow {d}^T\overrightarrow {c} \ne 0.

?
Задача 7.2.14

Докажите, что A=(W00Z)\mathbf{A} = \begin{pmatrix} \mathbf{W} & \mathbf{0} \\ \mathbf{0} & \mathbf{Z} \end{pmatrix} диагонализируема тогда и только тогда, когда Ws×s\mathbf{W}_{s\times s} и Zt×t\mathbf{Z}_{t\times t} каждая диагонализируема.

?
Задача 7.2.15

Докажите, что если AB=BA\mathbf{A}\mathbf{B} = \mathbf{B}\mathbf{A}, то A\mathbf{A} и B\mathbf{B} можно одновременно привести к треугольному виду унитарным преобразованием подобия --- т.е. U∗AU=T1\mathbf{U}^{*}\mathbf{A}\mathbf{U} = \mathbf{T}_1 и U∗BU=T2\mathbf{U}^{*}\mathbf{B}\mathbf{U} = \mathbf{T}_2 для некоторой унитарной матрицы U\mathbf{U}.

Указание: вспомните упражнение 7.1.20 вместе с ходом доказательства теоремы Шура о триангуляризации.

?
Задача 7.2.16

Для диагонализируемых матриц докажите, что AB=BA\mathbf{A}\mathbf{B} = \mathbf{B}\mathbf{A} тогда и только тогда, когда A\mathbf{A} и B\mathbf{B} можно одновременно диагонализировать --- т.е. P−1AP=D1\mathbf{P}^{-1}\mathbf{A}\mathbf{P} = \mathbf{D}_1 и P−1BP=D2\mathbf{P}^{-1}\mathbf{B}\mathbf{P} = \mathbf{D}_2 для некоторой P\mathbf{P}.

Указание: если A\mathbf{A} и B\mathbf{B} коммутируют, то коммутируют и P−1AP=(λ1I00D)\mathbf{P}^{-1}\mathbf{A}\mathbf{P} = \begin{pmatrix} \lambda_1\mathbf{I} & \mathbf{0} \\ \mathbf{0} & \mathbf{D} \end{pmatrix}, P−1BP=(WXYZ)\mathbf{P}^{-1}\mathbf{B}\mathbf{P} = \begin{pmatrix} \mathbf{W} & \mathbf{X} \\ \mathbf{Y} & \mathbf{Z} \end{pmatrix}.

?
Задача 7.2.17

Объясните, почему следующее <<доказательство>> теоремы Кэли--Гамильтона неверно: p(λ)=det⁡(A−λI)  ⟹  p(A)=det⁡(A−AI)=det⁡(0)=0p(\lambda ) = \operatorname {det}\left(\mathbf{A}-\lambda \mathbf{I}\right) \implies p(\mathbf{A}) = \operatorname {det}\left(\mathbf{A}-\mathbf{A}\mathbf{I}\right) = \operatorname {det}\left(\mathbf{0}\right) = 0.

?
Задача 7.2.18

Покажите, что собственные значения матрицы конечных разностей

A=(2−1−12−1⋱⋱⋱−12−1−12)n×n \mathbf{A} = \begin{pmatrix} 2 & -1 & & & \\ -1 & 2 & -1 & & \\ & \ddots & \ddots & \ddots & \\ & & -1 & 2 & -1 \\ & & & -1 & 2 \end{pmatrix}_{n\times n}

равны λj=4sin⁡2jπ2(n+1)\lambda_j = 4\sin^2\dfrac {j\pi }{2(n+1)}, 1≤j≤n1 \le j \le n.

Пример 7.2.5 устанавливает, что собственные значения этой матрицы конечных разностей равны λj=2−2cos⁡jπn+1\lambda_j = 2 - 2\cos \dfrac {j\pi }{n+1}, 1≤j≤n1 \le j \le n.

?
Задача 7.2.19

Пусть N=(01⋱⋱⋱10)n×n\mathbf{N} = \begin{pmatrix} 0 & 1 & & \\ & \ddots & \ddots & \\ & & \ddots & 1 \\ & & & 0 \end{pmatrix}_{n\times n}.

?
(a)

Покажите, что λ∈σ(N+NT)\lambda \in \sigma (\mathbf{N}+\mathbf{N}^T) тогда и только тогда, когда iλ∈σ(N−NT)\mathrm{i}\lambda \in \sigma (\mathbf{N}-\mathbf{N}^T).

Пример 7.2.5 показывает, что собственные значения N+NT\mathbf{N}+\mathbf{N}^T равны λj=2cos⁡(jπ/(n+1))\lambda_j = 2\cos (j\pi /(n+1)), 1≤j≤n1 \le j \le n.

(b)

Объясните, почему N+NT\mathbf{N}+\mathbf{N}^T невырождена тогда и только тогда, когда nn чётно.

(c)

Вычислите det⁡(N−NT)/det⁡(N+NT)\operatorname {det}\left(\mathbf{N}-\mathbf{N}^T\right)/\operatorname {det}\left(\mathbf{N}+\mathbf{N}^T\right), когда nn чётно.

Задача 7.2.20

Матрица Тёплица вида

C=(c0cn−1cn−2⋯c1c1c0cn−1⋯c2c2c1c0⋯c3⋮⋮⋮⋱⋮cn−1cn−2cn−3⋯c0)n×n \mathbf{C} = \begin{pmatrix} c_0 & c_{n-1} & c_{n-2} & \cdots & c_1 \\ c_1 & c_0 & c_{n-1} & \cdots & c_2 \\ c_2 & c_1 & c_0 & \cdots & c_3 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ c_{n-1} & c_{n-2} & c_{n-3} & \cdots & c_0 \end{pmatrix}_{n\times n}

называется циркулянтной матрицей. Если p(x)=c0+c1x+⋯+cn−1xn−1p(x) = c_0+c_1 x+\cdots +c_{n-1}x^{n-1} и {1,ξ,ξ2,…,ξn−1}\left\{ 1,\xi ,\xi^2,\ldots ,\xi^{n-1}\right\} — корни nn-й степени из единицы, то результаты упражнения 5.8.12 (с.379) гарантируют, что

FnCFn−1=(p(1)0⋯00p(ξ)⋯0⋮⋮⋱⋮00⋯p(ξn−1)) \mathbf{F}_n\mathbf{C}\mathbf{F}_n^{-1} = \begin{pmatrix} p(1) & 0 & \cdots & 0 \\ 0 & p(\xi ) & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & p(\xi ^{n-1}) \end{pmatrix}

где Fn\mathbf{F}_n — матрица Фурье порядка nn. Проверьте эти факты для приведённого ниже циркулянта, вычислив его собственные значения и собственные векторы непосредственно:

C=(1010010110100101). \mathbf{C} = \begin{pmatrix} 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 \\ 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 \end{pmatrix}.
?
Задача 7.2.21

Предположим, что (λ,x→)(\lambda , \overrightarrow {x}) и (μ,y→∗)(\mu , \overrightarrow {y}^{*}) — правая и левая собственные пары матрицы A∈Rn×n\mathbf{A} \in \mathbb {R}^{n\times n} --- т.е. Ax→=λx→\mathbf{A}\overrightarrow {x}=\lambda \overrightarrow {x} и y→∗A=μy→∗\overrightarrow {y}^{*}\mathbf{A}=\mu \overrightarrow {y}^{*}. Объясните, почему y→∗x→=0\overrightarrow {y}^{*}\overrightarrow {x}=0 всякий раз, когда λ≠μ\lambda \ne \mu.

?
Задача 7.2.22

Рассмотрим A∈Rn×n\mathbf{A} \in \mathbb {R}^{n\times n}.

?
(a)

Покажите, что если A\mathbf{A} диагонализуема, то существуют правый и левый собственные векторы x→\overrightarrow {x} и y→∗\overrightarrow {y}^{*}, отвечающие λ∈σ(A)\lambda \in \sigma (\mathbf{A}), такие что y→∗x→≠0\overrightarrow {y}^{*}\overrightarrow {x} \ne 0, так что можно добиться y→∗x→=1\overrightarrow {y}^{*}\overrightarrow {x}=1.

(b)

Покажите, что не для всяких правого и левого собственных векторов x→\overrightarrow {x} и y→∗\overrightarrow {y}^{*}, отвечающих λ∈σ(A)\lambda \in \sigma (\mathbf{A}), выполняется y→∗x→≠0\overrightarrow {y}^{*}\overrightarrow {x} \ne 0.

(c)

Покажите, что утверждение (а) может не выполняться, если A\mathbf{A} не диагонализуема.

Задача 7.2.23

Рассмотрим A∈Rn×n\mathbf{A} \in \mathbb {R}^{n\times n} с λ∈σ(A)\lambda \in \sigma (\mathbf{A}).

?
(a)

Докажите, что если λ\lambda простое, то y→∗x→≠0\overrightarrow {y}^{*}\overrightarrow {x} \ne 0 для любой пары соответствующих правого и левого собственных векторов x→\overrightarrow {x} и y→∗\overrightarrow {y}^{*}, отвечающих λ\lambda, независимо от того, диагонализуема ли A\mathbf{A}.

Указание: Используйте разложение на ядровую и нильпотентную части (с. 397).

(b)

Покажите, что y→∗x→=0\overrightarrow {y}^{*}\overrightarrow {x}=0 возможно, когда λ\lambda не простое.

Задача 7.2.24

Для A∈Rn×n\mathbf{A} \in \mathbb {R}^{n\times n} с σ(A)={λ1,λ2,…,λk}\sigma (\mathbf{A}) = \left\{ \lambda_1,\lambda_2,\ldots ,\lambda_k\right\} покажите, что A\mathbf{A} диагонализуема тогда и только тогда, когда Rn=N(A−λ1I)⊕N(A−λ2I)⊕⋯⊕N(A−λkI)\mathbb {R}^{n} = N(\mathbf{A}-\lambda_1\mathbf{I}) \oplus N(\mathbf{A}-\lambda_2\mathbf{I}) \oplus \cdots \oplus N(\mathbf{A}-\lambda_k\mathbf{I}).

Указание: Вспомните упражнение 5.9.14.

?
Задача 7.2.25

Теорема Шура о триангуляризации гарантирует, что всякая квадратная матрица A\mathbf{A} унитарно подобна верхнетреугольной матрице — скажем, U∗AU=T\mathbf{U}^{*}\mathbf{A}\mathbf{U}=\mathbf{T}. Но даже если A\mathbf{A} вещественна, U\mathbf{U} и T\mathbf{T} могут оказаться комплексными, если A\mathbf{A} имеет комплексные собственные значения. Тем не менее, матрицы (и арифметику) можно сделать вещественными, если удовлетвориться блочно-треугольным результатом с блоками 2×22\times 2 или скалярными элементами на диагонали. Докажите, что для каждой A∈Rn×n\mathbf{A} \in \mathbb {R}^{n\times n} существует ортогональная матрица P∈Rn×n\mathbf{P} \in \mathbb {R}^{n\times n} и вещественные матрицы Bij\mathbf{B}_{ij} такие, что

PTAP=(B11B12⋯B1k0B22⋯B2k⋮⋮⋱⋮00⋯Bkk),где Bjj имеет размер 1×1 или 2×2. \mathbf{P}^T\mathbf{A}\mathbf{P} = \begin{pmatrix} \mathbf{B}_{11} & \mathbf{B}_{12} & \cdots & \mathbf{B}_{1k} \\ \mathbf{0} & \mathbf{B}_{22} & \cdots & \mathbf{B}_{2k} \\ \vdots & \vdots & \ddots & \vdots \\ \mathbf{0} & \mathbf{0} & \cdots & \mathbf{B}_{kk} \end{pmatrix}, \quad \text{где } \mathbf{B}_{jj} \text{ имеет размер } 1\times 1 \text{ или } 2\times 2.

Если Bjj=[λj]\mathbf{B}_{jj} = [\lambda_j] имеет размер 1×11\times 1, то λj∈σ(A)\lambda_j \in \sigma (\mathbf{A}), а если Bjj\mathbf{B}_{jj} имеет размер 2×22\times 2, то σ(Bjj)={λj,λj‾}⊆σ(A)\sigma (\mathbf{B}_{jj}) = \left\{ \lambda_j, \overline{\lambda_j}\right\} \subseteq \sigma (\mathbf{A}).

?
Задача 7.2.26

Когда A∈Rn×n\mathbf{A} \in \mathbb {R}^{n\times n} диагонализуема преобразованием подобия S\mathbf{S}, матрица S\mathbf{S} может оказаться комплексной, если A\mathbf{A} имеет комплексные собственные значения. По аналогии с упражнением 7.2.25, можно остаться в области вещественных чисел, удовлетворившись блочно-диагональным результатом с элементами 1×11\times 1 или 2×22\times 2 на диагонали. Докажите, что если A∈Rn×n\mathbf{A} \in \mathbb {R}^{n\times n} диагонализуема с вещественными собственными значениями {ρ1,…,ρr}\left\{ \rho_1,\ldots ,\rho_r\right\} и комплексными собственными значениями {λ1,λ1‾,λ2,λ2‾,…,λt,λt‾}\left\{ \lambda_1,\overline{\lambda_1},\lambda_2,\overline{\lambda_2},\ldots ,\lambda_t,\overline{\lambda_t}\right\} с 2t+r=n2t+r=n, то существует невырожденная P∈Rn×n\mathbf{P} \in \mathbb {R}^{n\times n} и матрицы Bj∈R2×2\mathbf{B}_j \in \mathbb {R}^{2\times 2} такие, что

P−1AP=(D0⋯00B1⋯0⋮⋮⋱⋮00⋯Bt),где D=(ρ10⋯00ρ2⋯0⋮⋮⋱⋮00⋯ρr), \mathbf{P}^{-1}\mathbf{A}\mathbf{P} = \begin{pmatrix} \mathbf{D} & \mathbf{0} & \cdots & \mathbf{0} \\ \mathbf{0} & \mathbf{B}_1 & \cdots & \mathbf{0} \\ \vdots & \vdots & \ddots & \vdots \\ \mathbf{0} & \mathbf{0} & \cdots & \mathbf{B}_t \end{pmatrix}, \quad \text{где } \mathbf{D} = \begin{pmatrix} \rho _1 & 0 & \cdots & 0 \\ 0 & \rho _2 & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & \rho _r \end{pmatrix},

а Bj\mathbf{B}_j имеет собственные значения λj\lambda_j и λj‾\overline{\lambda_j}.

?
Задача 7.2.27

Для A∈Cn×n\mathbf{A} \in \mathcal{C}^{n\times n} докажите, что x→∗Ax→=0\overrightarrow {x}^{*}\mathbf{A}\overrightarrow {x}=0 для всех x→∈Cn×1  ⟹  A=0\overrightarrow {x} \in \mathcal{C}^{n\times 1} \implies \mathbf{A}=\mathbf{0}. Покажите, что x→TAx→=0\overrightarrow {x}^T\mathbf{A}\overrightarrow {x}=0 для всех x→∈Rn×1\centernot  ⟹  A=0\overrightarrow {x} \in \mathbb {R}^{n\times 1} \centernot \implies \mathbf{A}=\mathbf{0}, даже если A\mathbf{A} вещественна.

?