Собственные вектора, значения и пространства
Материал из Википедии — свободной энциклопедии
[править] Определение собственного числа и собственного вектора квадратной матрицы
Собственным вектором квадратной матрицы M называется вектор , который удовлетворяет соотношению , где λ — собственное значение, соответствующее данному собственному вектору. Одному собственному значению может соответствовать несколько (линейно независимых) собственных векторов, в таком случае говорят о собственном подпространстве для данного собственного значения. Собственными векторами линейного преобразования называются собственные вектора матрицы, определяющей это преобразование.
[править] Свойства собственных векторов и значений
- Линейная комбинация собственных векторов матрицы M, соответствующих одному и тому же собственному значению λ, также является собственным вектором M с собственным значением λ.
- Количество различных собственных значений не может превышать размер матрицы.
- Сумма размерностей собственных подпространств, соответствующих всем собственным значениям равна размерности матрицы (в случае рассмотрения комплексных чисел).
[править] Вычисление собственных векторов и значений методом прямых итераций
Самым простым способом численного нахождения собственных значений и собственных значений является метод прямых итераций. Он заключается в построении последовательности векторов ,, , и т. д., то есть в многократном домножении случайного ненулевого начального вектора v0 на матрицу M. Можно доказать, что если вектор имеет ненулевые проекции на все собственные вектора M (случайное взятие координат гарантирует это с почти единичной вероятностью), то такой итеративный процесс сойдётся к собственному вектору , соответствующему максимальному собственному значению λmax. Вычисление остальных собственных значений возможно с помощью вычитания проекции очередного вектора итераций на подпространство из уже полученных векторов.
Недостаток этого метода заключается в том, что он не работает на матрицах, у которых совпадает абсолютная величина каких-то двух собственных значений. Например, таким образом невозможно найти ни одного собственного вектора дискретного косинусного преобразования: так как оно является обратным по отношению к самому себе, то повторное его применение к случайному вектору приведёт к заведомо расходящейся последовательности, состоящей из двух чередующихся векторов.