Hay una tarea:
Transformación lineal denorte
-el espacio dimensional tienenorte + 1
vectores propios , como cadanorte
de ellos son linealmente independientes. Encuentre todas las matrices posibles que puedan representar dicha transformación.
La parte en negrita de la pregunta me hizo cuestionar todo lo que sé sobre los vectores propios. Supongamos que tenemos una transformación linealA
:
- ¿Qué significa que A tenganorte
vectores propios ?
vector propio es vectorX
, que satisfaceAx = λx _ _
. Pero cualquier vector colinealC X , C ≠ 0
también es vector propio, por lo que me parece que tenemos un número infinito de vectores.
- como puedonorte
-dimensional A tienenorte + 1
vectores?
De acuerdo, podemos hacer algunas restricciones en el vector propio, comoX
es vector propio si| x | =1
, y tiene dirección 'positiva'. No muy inteligente, porque ahora los vectores propios dependen de la selección de normas y direcciones. Ahora bien tenemosnorte
valores propios distintos ynorte
vectores propios, o algún valor propio repetido, en cuyo caso el vector propio tiene alguna constante libre. Entonces también se convierte en muchos vectores. Así que debería ser cualquieranorte
o infinitos vectores.
- Tal vez después de entender 1 y 2 pueda resolver el problema original, pero cualquier sugerencia es bienvenida.
¡Gracias a @Catalin Zara, puedo probar que esta transformación lineal es diagonizable!
Dejarv1. . .vnorte + 1
sea nuestro sistema de vectores.norte + 1
vectores ennorte
espacio dimensional son dependientes lineales:
vnorte + 1=a1v1+ . . . +anortevnorte
Aplique la transformación lineal A a ambos lados de la ecuación, suponiendo queλnorte
corresponde avnorte
yvnorte + 1
:
λnortevnorte + 1=λ1a1v1+ . . . +λnorteanortevnorte
Multiplicando la primera ecuación porλnorte
y restando de segundo:
0 =a1(λ1−λnorte)v1+ . . . +anorte - 1(λnorte - 1−λnorte)vnorte - 1
Esto debe significar una de dos cosas: todosa1. . .anorte - 1
es igual a cero, oλnorte
es igual a cero Primero no puede ser cierto, porque si lo es:vnorte + 1=anortevnorte
. Por lo tanto, tenemos un valor propio cero y significa que la matriz A es diagonalizable.
Catalina Zara