Все формулы РФ

Математика / Матрицы, определители

Критерий диагонализируемости через геометрические кратности

Матрица n x n диагонализируема тогда и только тогда, когда сумма размерностей всех ее собственных пространств равна n. Это означает, что собственных векторов хватает на базис.

Опубликовано: Обновлено:

Линейная алгебраГеометрическая кратностьСобственное пространство

Формула

$$A\text{ диагонализируема}\Longleftrightarrow \sum_{\lambda\in\sigma(A)}\dim E_\lambda=n$$
geometric-multiplicity-sum Сумма собственных направлений

Схема складывает размерности E_lambda и сравнивает их с общей размерностью n.

Диагонализация возможна ровно тогда, когда собственных направлений хватает на весь базис.

Обозначения

$\sigma(A)$
спектр матрицы A, множество собственных значений, множество
$E_\lambda$
собственное пространство для lambda, подпространство
$\dim E_\lambda$
геометрическая кратность lambda, число
$n$
размер матрицы и размерность пространства, число

Условия применения

  • Матрица A должна быть квадратной размера n x n.
  • Нужно рассматривать все собственные значения в выбранном поле.
  • Размерности собственных пространств нужно вычислять через ядра A-lambda I.

Ограничения

  • Если характеристический многочлен не раскладывается над выбранным полем, диагонализация над этим полем может быть невозможна.
  • Критерий требует решения систем для каждого собственного значения.
  • Сумма алгебраических кратностей равна n, но сумма геометрических кратностей может быть меньше.

Подробное объяснение

Диагонализация требует базиса из собственных векторов. Собственные векторы одного lambda живут в E_lambda, а размерность E_lambda показывает, сколько независимых направлений можно взять из этого собственного пространства. Собственные пространства для разных собственных значений пересекаются только по нулю, поэтому их независимые базисы можно объединять.

Если суммарная размерность всех E_lambda равна n, объединение базисов собственных пространств дает n линейно независимых собственных векторов. Они образуют собственный базис, и матрица диагонализируема. Если сумма меньше n, собственных направлений не хватает, и никакая перестановка или другой выбор внутри собственных пространств не даст полного базиса.

Этот критерий особенно важен при повторных собственных значениях. Простое собственное значение всегда дает геометрическую кратность 1. Проблемы возникают тогда, когда алгебраическая кратность больше 1. Нужно проверить, совпадает ли dim E_lambda с этой кратностью. Если для каждого lambda совпадает, матрица диагонализируема.

Практический алгоритм таков: найти характеристический многочлен, выписать собственные значения, для каждого решить систему (A-lambda I)v=0, посчитать число свободных параметров и сложить эти числа. Полученная сумма сразу отвечает на вопрос о диагонализации.

Как пользоваться формулой

  1. Найдите все собственные значения A.
  2. Для каждого lambda составьте A-lambda I.
  3. Найдите dim ker(A-lambda I).
  4. Сложите полученные геометрические кратности.
  5. Если сумма равна n, матрица диагонализируема; если меньше n, не диагонализируема.

Историческая справка

Критерий через геометрические кратности отражает развитие линейной алгебры от поиска характеристических корней к классификации операторов. Ранние задачи часто заканчивались нахождением корней характеристического уравнения, но повторные корни показали, что этого недостаточно. Требовалось понять, сколько независимых направлений стоит за каждым корнем. Нормальная форма Жордана дала общую картину таких случаев: если собственных векторов не хватает, появляются жордановы блоки. Поэтому современный критерий диагонализируемости является компактным выражением более глубокой исторической проблемы о каноническом виде линейного оператора.

В XIX веке диагонализация выросла из задач о приведении линейных преобразований и квадратичных форм к более простому виду. Смысл был не в красивой записи ради записи, а в том, чтобы заменить связанную систему координат независимыми направлениями. Позже тот же язык стал базовым для дифференциальных уравнений, механики, статистики и численных методов. Поэтому страница "Критерий диагонализируемости через геометрические кратности" находится на границе между абстрактной алгеброй и вычислительной практикой: она объясняет, когда сложный оператор можно читать как набор независимых масштабирований.

Историческая линия формулы

Критерий диагонализируемости через сумму геометрических кратностей является современной учебной формулировкой. Исторически он связан с работами по линейным подстановкам, спектральной теорией и нормальными формами, особенно с линией Камиля Жордана.

Камиль Жордан 1838-1922Фердинанд Георг Фробениус 1849-1917Артур Кэли 1821-1895

Пример

Рассмотрим A=[[3,1],[0,3]]. Единственное собственное значение lambda=3 имеет алгебраическую кратность 2. Собственное пространство E_3=ker(A-3I), где A-3I=[[0,1],[0,0]]. Система дает y=0, поэтому E_3=span{(1,0)^T} и dim E_3=1. Сумма размерностей собственных пространств равна 1, а n=2. Значит матрица не диагонализируема. Для сравнения, у диагональной матрицы diag(3,3) то же собственное значение lambda=3 имеет E_3=R^2, dim E_3=2, и сумма равна n. Поэтому она диагонализируема. Дополнительная проверка для этой страницы: после преобразования нужно перемножить матрицы обратно и убедиться, что получается исходный оператор. Для темы "Критерий диагонализируемости через геометрические кратности" это особенно полезно, потому что диагональная форма часто выглядит убедительно сама по себе, но ошибка в порядке базисных векторов или в одном собственном значении сразу ломает равенство. В учебной задаче удобно отдельно выписать матрицу перехода, диагональную матрицу и обратную матрицу перехода, а затем проверить хотя бы один столбец произведения. Такой контроль показывает не только численный ответ, но и то, какие направления пространства стали главными.

Частая ошибка

Главная ошибка - заменить геометрические кратности алгебраическими. Сумма алгебраических кратностей всегда равна n, но это не доказывает диагонализируемость. Вторая ошибка - проверять только число различных собственных значений и не смотреть собственные пространства при повторных корнях. Третья ошибка - забывать поле: матрица может диагонализироваться над C, но не над R. Еще одна ошибка - считать нулевой вектор отдельным собственным направлением; он не увеличивает размерность E_lambda.

Практика

Задачи с решением

Проверить дефектный случай

Условие. Матрица 3 x 3 имеет одно собственное значение lambda=2 с dim E_2=2. Диагонализируема ли она?

Решение. Сумма геометрических кратностей равна 2, а размерность пространства n=3. Собственных векторов не хватает.

Ответ. Нет, матрица не диагонализируема.

Проверить полный набор

Условие. Для матрицы 4 x 4 известны dim E_1=2 и dim E_5=2. Других собственных значений нет. Диагонализируема ли матрица?

Решение. Сумма размерностей собственных пространств равна 2+2=4, что совпадает с n.

Ответ. Да, матрица диагонализируема.

Дополнительные источники

  • TUDelft Interactive Linear Algebra, diagonalization criteria
  • MIT OpenCourseWare 18.06SC, Diagonalization
  • Jim Hefferon, Linear Algebra, Diagonalizability

Связанные формулы

Математика

Геометрическая кратность собственного значения

$g(\lambda)=\dim E_\lambda=\dim\ker(A-\lambda I)$

Геометрическая кратность собственного значения - это размерность его собственного пространства. Она показывает, сколько независимых собственных направлений соответствует данному lambda.

Математика

Недиагонализируемая матрица с жордановым блоком

$J=\begin{pmatrix}\lambda&1\\0&\lambda\end{pmatrix},\quad \dim E_\lambda=1<2$

Жорданов блок 2x2 с единицей над диагональю имеет одно собственное значение lambda алгебраической кратности 2, но только одно независимое собственное направление. Поэтому он не диагонализируем.

Математика

Диагонализация матрицы

$A=PDP^{-1}$

Диагонализация представляет квадратную матрицу A в виде A=PDP^{-1}, где D диагональна, а столбцы P являются собственными векторами A. Это переводит действие оператора в собственный базис.