Подготовка к экзамену: Комплексные числа и Линейные операторы

Комплексные числа: формы записи, операции и геометрическая интерпретация на плоскости

Добро пожаловать в курс подготовки к экзамену по векторному анализу и линейной алгебре. Мы начинаем с фундаментальной темы, без которой невозможно представить современную математику и физику — комплексных чисел. Если вы когда-либо сталкивались с уравнением и слышали, что «решений нет», то сегодня мы расширим границы вашего математического мира.

1. Определение и алгебраическая форма записи

Исторически комплексные числа возникли из необходимости извлекать квадратные корни из отрицательных чисел. Основой этой системы является мнимая единица.

Мнимая единица

Определим число следующим образом:

где — мнимая единица, квадрат которой равен минус единице.

Алгебраическая форма

Любое комплексное число можно записать в виде суммы действительной и мнимой частей. Это называется алгебраической формой записи:

где: * — комплексное число; — действительная часть числа , обозначается как (от лат. realis*); — мнимая часть числа , обозначается как (от лат. imaginarius*); * — мнимая единица.

Важно: и — это обычные действительные числа. Буква приписывается только к , чтобы показать, что это мнимая компонента.

Пример: Если , то , а .

Комплексно-сопряженное число

Для каждого числа существует сопряженное ему число, которое обозначается :

где — число, комплексно-сопряженное к , отличающееся только знаком перед мнимой частью.

2. Геометрическая интерпретация

Комплексные числа можно изображать точками или векторами на плоскости. Такая плоскость называется комплексной плоскостью.

* Ось абсцисс () называется действительной осью. * Ось ординат () называется мнимой осью.

Числу соответствует точка с координатами или радиус-вектор, идущий из начала координат в эту точку.

!Схематическое изображение комплексного числа на плоскости, демонстрирующее связь между декартовыми координатами и полярными (модулем и аргументом).

3. Тригонометрическая и показательная формы

Помимо алгебраической, существуют формы записи, удобные для умножения и возведения в степень. Для их введения нам понадобятся понятия модуля и аргумента.

Модуль и аргумент

Модуль комплексного числа — это длина радиус-вектора, соответствующего этому числу. Обозначается или .

где — модуль комплексного числа, — действительная часть, — мнимая часть.

Аргумент комплексного числа — это угол между положительным направлением действительной оси и радиус-вектором числа. Обозначается .

Аргумент определяется с точностью до . Обычно используют главное значение аргумента, лежащее в диапазоне или .

Для вычисления аргумента используют формулы:

где — аргумент, — координаты, — модуль.

Тригонометрическая форма

Используя связь координат с полярными координатами (, ), получаем:

где — модуль числа, а — его аргумент.

Показательная форма (Форма Эйлера)

Используя знаменитую формулу Эйлера , мы приходим к самой компактной записи:

где — основание натурального логарифма, — модуль, — аргумент в радианах.

4. Операции над комплексными числами

Выбор формы записи зависит от того, какую операцию вы хотите выполнить.

Сложение и вычитание

Удобнее всего выполнять в алгебраической форме. Мы просто складываем (или вычитаем) действительные части с действительными, а мнимые — с мнимыми.

где слева — исходные числа, а справа — результат операции, сгруппированный по действительной и мнимой частям.

Умножение

В алгебраической форме: Раскрываем скобки как в обычной алгебре, помня, что .

В показательной/тригонометрической форме: Это намного проще геометрически. Модули перемножаются, а аргументы складываются.

где — модули множителей, — их аргументы.

Деление

В алгебраической форме: Чтобы избавиться от мнимости в знаменателе, числитель и знаменатель умножают на число, сопряженное знаменателю.

В показательной форме: Модули делятся, аргументы вычитаются.

Возведение в степень (Формула Муавра)

Для возведения в степень идеально подходит тригонометрическая форма:

где — показатель степени. Модуль возводится в степень, а аргумент умножается на показатель.

5. Задание кривых и областей на комплексной плоскости

Комплексная переменная позволяет очень элегантно описывать геометрические фигуры. Понимание этих записей критически важно для решения задач.

Окружность и круг

Выражение задает окружность.

где — центр окружности (фиксированная точка), — радиус, — множество точек окружности.

* — открытый круг (внутренность без границы). * — внешность круга.

Пример: можно переписать как . Это окружность с центром в точке и радиусом .

Лучи и секторы

Уравнение задает луч, выходящий из начала координат под углом .

Неравенство задает сектор (угол) между двумя лучами.

Вертикальные и горизонтальные полосы

Так как и , то: * — вертикальная прямая . * — горизонтальная прямая .

!z - z0| < R. 2. Сектор между двумя лучами, выходящими из начала координат. Подпись: alpha < arg z < beta. 3. Вертикальная полоса между двумя прямыми. Подпись: a < Re z < b. | Примеры геометрических областей: круг, угловой сектор и вертикальная полоса.

Пример комплексной области

Рассмотрим область, заданную системой:

Это часть круга радиусом 2 с центром в начале координат, ограниченная лучами (положительная часть оси ) и .

Заключение

Мы разобрали базовый аппарат комплексных чисел. Вы узнали, как переходить между формами записи, выполнять арифметические операции и видеть за формулами геометрические фигуры. В следующей статье мы перейдем к понятию линейного пространства, где комплексные числа могут выступать в роли скаляров.

Линейные пространства: базис, координаты, подпространства и линейная зависимость

В предыдущей лекции мы подробно изучили комплексные числа и увидели, как их можно интерпретировать геометрически в виде векторов на плоскости. Мы складывали их по правилу параллелограмма и умножали на действительные числа (растягивали или сжимали). Оказывается, эти операции — сложение и умножение на число — являются фундаментальными не только для геометрических векторов или комплексных чисел, но и для огромного класса математических объектов.

Сегодня мы переходим к абстракции и вводим понятие линейного пространства. Это та сцена, на которой разворачивается всё действие линейной алгебры.

1. Определение линейного пространства

Линейное (или векторное) пространство — это множество элементов (которые мы будем называть векторами), для которых определены две операции: сложение векторов и умножение вектора на число (скаляр), удовлетворяющие ряду аксиом.

Пусть — множество векторов, а — поле чисел (обычно это действительные числа или комплексные числа ). Пространство называется вещественным или комплексным в зависимости от выбранного поля.

Аксиомы линейного пространства

Для любых векторов и любых чисел должны выполняться следующие условия:

Примеры линейных пространств

2. Подпространства

Часто внутри большого пространства можно выделить меньшую часть, которая сама по себе тоже является линейным пространством. Такое множество называется подпространством.

Множество является подпространством пространства (), если оно замкнуто относительно операций сложения и умножения на число. Это проверяется с помощью критерия подпространства.

Критерий подпространства

Подмножество является подпространством тогда и только тогда, когда для любых векторов и любых чисел выполняется условие:

где — произвольные скаляры, — векторы из подмножества , а выражение — их линейная комбинация, которая обязана остаться внутри .

Важное следствие: Любое подпространство обязано содержать нулевой вектор . Если множество не содержит нуля, оно не может быть линейным подпространством.

!Иллюстрация подпространства: плоскость, проходящая через начало координат, является подпространством, а плоскость, не содержащая ноль — нет.

3. Линейная зависимость и независимость

Это, пожалуй, самые важные понятия для понимания структуры пространства.

Линейная комбинация

Вектор называется линейной комбинацией векторов , если его можно представить в виде:

где — результирующий вектор, — исходные векторы системы, а — числовые коэффициенты.

Множество всех возможных линейных комбинаций системы векторов называется линейной оболочкой этой системы.

Линейная зависимость

Система векторов называется линейно зависимой, если существуют такие коэффициенты , не все равные нулю одновременно, что:

где — нулевой вектор. Суть этого определения проста: векторы линейно зависимы, если хотя бы один из них можно выразить через остальные (он «лишний» или «избыточный»).

Линейная независимость

Система векторов называется линейно независимой, если равенство нулю их линейной комбинации возможно только при условии, что все коэффициенты равны нулю:

Это означает, что ни один вектор нельзя выразить через другие. Каждый вектор привносит уникальное «направление».

4. Базис и размерность

Как описать всё бесконечное множество векторов в пространстве с помощью конечного набора? Нам нужен базис.

Определение базиса

Базисом линейного пространства называется упорядоченная система векторов , которая удовлетворяет двум условиям:

Количество векторов в базисе называется размерностью пространства и обозначается .

Если , то любые векторов в этом пространстве будут линейно зависимы.

Координаты вектора

Если выбран базис , то любой вектор можно единственным образом разложить по этому базису:

где числа называются координатами вектора в данном базисе.

В матричной форме вектор-столбец координат записывается как .

!Разложение вектора по базису: координаты (2, 3) означают, что нужно взять 2 первых базисных вектора и 3 вторых.

5. Преобразование координат (Замена базиса)

В одном и том же пространстве можно выбрать бесконечно много разных базисов. Вектор — это объективная реальность, он не меняется, но его координаты зависят от того, с какой «линейкой» (базисом) мы к нему подходим.

Пусть у нас есть «старый» базис и «новый» базис .

Каждый вектор нового базиса можно разложить по старому базису:

Из этих коэффициентов составляется матрица перехода (иногда обозначается ). В -м столбце матрицы перехода стоят координаты -го вектора нового базиса в старом базисе.

Формула связи координат

Пусть — столбец координат вектора в старом базисе, а — столбец координат того же вектора в новом базисе. Они связаны соотношением:

где — старые координаты, — матрица перехода от старого базиса к новому, — новые координаты.

Обратите внимание: чтобы найти новые координаты через старые, нужно умножить на обратную матрицу:

6. МЛНС и Ранг системы

Если у нас есть произвольный набор векторов (не обязательно базис), мы можем выделить в нем Максимальную Линейно Независимую Подсистему (МЛНС).

МЛНС — это такой набор векторов из исходной системы, который:

Количество векторов в МЛНС называется рангом системы векторов. Ранг системы векторов совпадает с рангом матрицы, составленной из координат этих векторов.

Заключение

Мы построили фундамент линейной алгебры. Понятия базиса и координат позволяют нам переводить геометрические и абстрактные задачи на язык чисел и матриц. В следующей статье мы оживим эти статические структуры и введем понятие линейного оператора, который позволяет трансформировать векторы, вращать их, растягивать и проецировать.

Линейные операторы: матричное представление и геометрические преобразования в V2 и V3

В предыдущей статье мы подготовили сцену: ввели понятие линейного пространства, базиса и координат. Теперь на эту сцену выходят главные действующие лица — линейные операторы. Если векторы — это статические объекты (данные), то операторы — это действия, которые мы совершаем над этими данными: вращаем, растягиваем, проецируем или отражаем.

Понимание линейных операторов — ключ к компьютерной графике, квантовой механике и анализу данных. Сегодня мы разберем, как описывать эти действия на языке матриц и рассмотрим классические геометрические примеры на плоскости () и в пространстве ().

1. Определение линейного оператора

Представьте, что у нас есть «черный ящик», в который мы подаем вектор , а на выходе получаем новый вектор . Если этот ящик сохраняет структуру линейного пространства (сумму переводит в сумму, а растяжение — в растяжение), то он называется линейным оператором.

Линейным оператором (или линейным преобразованием) , действующим в линейном пространстве , называется правило, которое каждому вектору ставит в соответствие вектор , причем выполнены два условия линейности:

Примеры операторов

* Нулевой оператор : переводит любой вектор в нулевой вектор (). Это аналог умножения на ноль. * Тождественный оператор (или ): оставляет вектор без изменений (). Это аналог умножения на единицу. * Оператор растяжения: увеличивает длину вектора в раз ().

2. Матрица линейного оператора

Работать с абстрактным правилом неудобно. Мы хотим превратить оператор в набор чисел, чтобы загрузить его в компьютер. Для этого нам нужен базис.

Пусть в пространстве зафиксирован базис . Чтобы полностью описать действие оператора, достаточно знать, куда он переводит базисные векторы.

Пусть образы базисных векторов разлагаются по тому же базису следующим образом:

где — результат действия оператора на -й базисный вектор, а — коэффициенты разложения (координаты) этого нового вектора.

Из этих коэффициентов мы составляем матрицу оператора .

> Золотое правило: Координаты образа -го базисного вектора записываются в -й столбец матрицы оператора.

где — матрица линейного оператора в заданном базисе, а столбцы матрицы — это образы базисных векторов .

Связь координат образа и прообраза

Если мы знаем матрицу оператора и координаты вектора (столбец), то координаты вектора , который получится после преобразования, находятся простым матричным умножением:

где — столбец координат результирующего вектора (образа), — матрица оператора, — столбец координат исходного вектора (прообраза).

!Иллюстрация действия линейного оператора как матричного умножения.

3. Геометрические операторы в V2 (на плоскости)

Рассмотрим самые популярные преобразования на плоскости. Мы будем работать в стандартном ортонормированном базисе и .

3.1. Поворот (Rotation)

Пусть оператор поворачивает любой вектор на угол против часовой стрелки.

Чтобы найти матрицу, посмотрим, куда переходят базисные векторы:

Матрица поворота:

где — матрица оператора поворота, — угол поворота (положительное направление — против часовой стрелки).

3.2. Гомотетия (Homothety)

Гомотетия с коэффициентом растягивает (если ) или сжимает (если ) вектор. Направление сохраняется, если , и меняется на противоположное, если .

Базисный вектор переходит в , вектор переходит в .

Матрица гомотетии:

где — матрица гомотетии, — коэффициент масштабирования, — единичная матрица.

3.3. Ортогональная проекция (Orthogonal Projection)

Рассмотрим оператор проектирования на ось . Это действие «сплющивает» вектор, обнуляя его -координату.

* Вектор лежит на оси , поэтому он остается собой: . * Вектор перпендикулярен оси , поэтому он проецируется в точку .

Матрица проекции на ось :

где — матрица проекции на ось абсцисс. Обратите внимание, что определитель этой матрицы равен 0. Это значит, что преобразование необратимо (мы потеряли информацию о -координате).

3.4. Осевая симметрия (Reflection)

Рассмотрим отражение относительно оси .

* Вектор лежит на оси, он не меняется: . * Вектор отражается вниз: .

Матрица симметрии относительно оси :

где — матрица зеркального отражения относительно оси . Определитель равен , что указывает на изменение ориентации пространства (зеркальное отражение).

!Визуализация основных геометрических операторов: поворот, гомотетия, проекция и симметрия.

4. Геометрические операторы в V3 (в пространстве)

В трехмерном пространстве принцип построения матрицы тот же: мы смотрим, куда переходят три базисных вектора . Матрицы будут иметь размер .

Поворот вокруг оси OZ

Если мы вращаем пространство вокруг оси , то: * Вектор лежит на оси вращения и не меняется. * Векторы и вращаются в плоскости так же, как в двумерном случае.

Матрица поворота вокруг :

где — матрица поворота вокруг оси , — угол поворота. Единица в правом нижнем углу показывает, что координата не меняется.

Проекция на плоскость OXY

При проекции на горизонтальную плоскость -координата обнуляется, а и сохраняются.

где — матрица проекции на плоскость . Третий столбец состоит из нулей, так как вектор проецируется в ноль.

5. Изменение матрицы при замене базиса

Важно помнить: оператор — это объективная сущность, а матрица — это его «фотография» в конкретном базисе. Если мы сменим базис (ракурс), матрица изменится.

Если — матрица оператора в старом базисе, а — в новом, то они связаны формулой подобия:

где — матрица в новом базисе, — матрица перехода от старого базиса к новому, — обратная матрица перехода, — матрица в старом базисе.

Эта формула говорит нам, что матрицы одного и того же оператора в разных базисах являются подобными.

Заключение

Мы научились кодировать геометрические преобразования с помощью матриц. Теперь поворот, растяжение или отражение — это просто умножение матрицы на вектор.

Однако не все операторы одинаково «хороши». Некоторые, как поворот, сохраняют длины векторов. Другие, как проекция, «сплющивают» пространство, теряя информацию. Чтобы классифицировать операторы и понимать их внутреннюю структуру, нам понадобятся понятия ядра, образа и собственных чисел. Именно об этом мы поговорим в следующей статье, завершая подготовку к экзамену.

Алгебра операторов: ядро, образ, ранг и обратимость

В предыдущей лекции мы познакомились с матрицами линейных операторов и рассмотрели наглядные примеры: повороты, растяжения и проекции. Мы увидели, что некоторые операторы сохраняют информацию о векторе (например, поворот), а некоторые — безвозвратно её стирают (например, проекция, которая «сплющивает» пространство).

Сегодня мы перейдем к более глубокому анализу. Мы научимся измерять «мощность» оператора и понимать, какая часть пространства сохраняется, а какая исчезает. Для этого мы введем понятия ядра и образа, а также разберем арифметику операторов: как их складывать, умножать и обращать.

1. Образ и Ядро линейного оператора

Любой линейный оператор , действующий в пространстве , делит все векторы на две интересные категории: те, в которые мы можем попасть, и те, которые превращаются в ноль.

Образ оператора (Image)

Образ оператора — это множество всех векторов, которые могут получиться на выходе оператора. Это «тень», которую отбрасывает всё пространство после преобразования.

Обозначается как (от англ. Image).

где: * — образ оператора; * — вектор-результат; * — исходный вектор; * — действие оператора.

Простыми словами: если мы возьмем все возможные векторы , подействуем на них оператором, то получившаяся куча векторов и будет образом.

Свойство: Образ оператора является подпространством в . Он натянут на столбцы матрицы оператора.

Ядро оператора (Kernel)

Ядро оператора — это множество векторов, которые оператор переводит в нулевой вектор. Это «черная дыра» оператора, куда исчезает информация.

Обозначается как (от англ. Kernel).

где: * — ядро оператора; * — вектор из ядра; * — нулевой вектор пространства.

Свойство: Ядро всегда содержит как минимум нулевой вектор (так как ). Ядро также является подпространством.

!Визуализация действия оператора: ядро схлопывается в ноль, а всё пространство отображается в образ.

Пример с проекцией

Рассмотрим оператор проекции на плоскость в трехмерном пространстве (). * Образ: Любой вектор после проекции оказывается лежащим в плоскости . Значит, образ — это вся плоскость (двумерное подпространство). * Ядро: Какие векторы превращаются в ноль при проекции на пол? Те, которые перпендикулярны полу, то есть лежат на оси . Значит, ядро — это ось (одномерное подпространство).

2. Ранг и Дефект

Чтобы охарактеризовать размеры образа и ядра числами, вводят понятия ранга и дефекта.

Определения

Теорема о сумме ранга и дефекта

Это одна из фундаментальных теорем линейной алгебры. Она гласит, что сумма размерностей образа и ядра равна размерности всего пространства. Ничто не исчезает бесследно: размерность либо сохраняется в образе, либо «уходит» в ядро.

где: * — размерность исходного пространства (например, ); * — ранг оператора (размерность образа); * — дефект оператора (размерность ядра).

Пример: Вернемся к проекции на плоскость . * Размерность пространства . * Образ — плоскость, . * Ядро — ось , . * Проверка: . Теорема работает.

3. Алгебра линейных операторов

Операторы можно комбинировать, создавая новые, более сложные преобразования. Пусть и — операторы в пространстве , а — число.

Сложение операторов

Суммой операторов называется оператор , действующий по правилу:

где — результирующий оператор, — произвольный вектор. Мы просто применяем каждый оператор отдельно и складываем результаты.

Матрица суммы равна сумме матриц: .

Умножение на число

Произведением оператора на число называется оператор, действующий так:

Матрица умножается на число: .

Произведение (композиция) операторов

Это самая важная операция. Произведением называется последовательное применение операторов: сначала , потом .

где сначала к вектору применяется оператор (тот, что ближе к вектору), а к результату применяется .

Важно: Умножение операторов (и матриц) некоммутативно. В общем случае .

Пример: Поворот на и проекция на ось . Если сначала повернуть, а потом спроецировать — результат один. Если сначала спроецировать (сплющить в линию), а потом повернуть эту линию — результат будет совершенно другим.

Матрица произведения равна произведению матриц: .

4. Обратимость оператора

Иногда действие оператора можно «отменить», вернув вектор в исходное состояние. Такой оператор называется обратимым.

Определение

Оператор называется обратимым, если существует такой оператор , что:

где — обратный оператор, — тождественный оператор (единичный).

Если оператор переводит в , то обратный оператор переводит обратно в .

Критерии обратимости

Оператор обратим тогда и только тогда, когда выполняется любое из следующих эквивалентных условий:

Такие операторы называют невырожденными. Если же (или ядро содержит ненулевые векторы), оператор называется вырожденным, и обратного для него не существует.

Пример вырожденного оператора — проекция. Спроецировав трехмерный объект на плоскость, мы не можем однозначно восстановить его объемную форму (мы потеряли информацию о высоте).

Заключение

Мы разобрали внутреннюю механику линейных операторов. Понятия ядра и образа позволяют понять, насколько «хорошим» является преобразование: сохраняет ли оно размерность пространства или схлопывает его часть в ноль. Эти знания необходимы для решения систем линейных уравнений и анализа данных.

В следующей, заключительной части курса, мы коснемся самой магической темы линейной алгебры — собственных векторов и собственных чисел, которые показывают скрытые оси вращения и направления растяжения операторов.

Спектральная теория: собственные векторы, собственные значения и операторы простой структуры

Поздравляю! Вы добрались до финальной и, возможно, самой красивой темы нашего курса подготовки к экзамену. В предыдущих статьях мы научились складывать векторы, умножать матрицы и искать ядра операторов. Но до сих пор мы смотрели на операторы «снаружи», как на черный ящик, преобразующий пространство.

Сегодня мы заглянем внутрь. Мы будем искать «скелет» оператора — те скрытые оси, вокруг которых происходит всё действие. Это приведет нас к понятиям собственных векторов и собственных чисел, которые являются фундаментом не только линейной алгебры, но и квантовой механики, анализа данных (PCA) и теории колебаний.

1. Собственные векторы и собственные значения

Вспомним геометрические операторы. Когда мы вращаем плоскость, все векторы меняют свое направление. Но когда мы растягиваем плоскость вдоль осей, векторы, лежащие на осях, остаются на своих прямых — они лишь меняют длину.

Определение

Ненулевой вектор называется собственным вектором линейного оператора , если действие оператора на этот вектор сводится к умножению его на некоторое число .

где: * — линейный оператор; * — собственный вектор (обязательно ); * — собственное значение (или собственное число), соответствующее вектору .

Геометрический смысл: Оператор действует на собственный вектор очень просто — он его растягивает (если ), сжимает (если ) или меняет направление на противоположное (если ). Прямая, на которой лежит собственный вектор, называется инвариантной прямой.

!Иллюстрация коллинеарности вектора и его образа при действии оператора.

Спектр оператора

Множество всех собственных значений оператора называется его спектром. Если вы слышали термин «спектральный анализ», то он растет именно отсюда.

2. Характеристическое уравнение

Как найти эти магические векторы и числа? Давайте перепишем определение, используя матричную форму записи и единичную матрицу .

где: * — матрица оператора; * — единичная матрица (с единицами на главной диагонали); * — скалярная матрица (с на главной диагонали); * — столбец координат собственного вектора; * — нулевой столбец.

Мы получили систему линейных однородных уравнений. Мы ищем ненулевое решение . Из теории систем линейных уравнений мы знаем: однородная система имеет ненулевые решения тогда и только тогда, когда её определитель равен нулю.

Алгоритм поиска

3. Пример вычисления

Пусть матрица оператора имеет вид:

где — матрица .

Шаг 1. Характеристическое уравнение

Вычитаем из главной диагонали и считаем определитель:

где мы использовали правило вычисления определителя (главная диагональ минус побочная).

Раскрываем скобки:

где — характеристический многочлен.

Шаг 2. Корни уравнения

Решаем квадратное уравнение . По теореме Виета:

Это наши собственные значения.

Шаг 3. Собственные векторы

Для : Подставляем в матрицу :

Оба уравнения сводятся к одному: , то есть . Пусть , тогда . Собственный вектор: .

Для : Подставляем :

Уравнение: , то есть . Пусть , тогда . Собственный вектор: .

4. Свойства собственных чисел

Существует красивая связь между коэффициентами матрицы и её спектром.

5. Операторы простой структуры (Диагонализация)

Зачем мы всё это делали? Дело в том, что в базисе из собственных векторов матрица оператора становится диагональной. А с диагональными матрицами работать невероятно легко (например, возводить их в 100-ю степень).

Определение

Оператор называется оператором простой структуры (или диагонализируемым), если в пространстве существует базис, состоящий из его собственных векторов.

В этом базисе матрица оператора имеет вид:

где на диагонали стоят собственные числа, а вне диагонали — нули.

Критерий простой структуры

Матрица размера диагонализируема тогда и только тогда, когда у неё существует линейно независимых собственных векторов.

Достаточное условие: Если у матрицы все собственных чисел различны, то она гарантированно приводится к диагональному виду (так как собственные векторы, соответствующие разным , всегда линейно независимы).

Матричная запись диагонализации

Если составить матрицу перехода , столбцами которой являются собственные векторы, то выполняется равенство:

где: * — исходная матрица; * — диагональная матрица из собственных чисел; * — матрица из собственных векторов; * — обратная матрица к .

Это разложение называется спектральным разложением матрицы.

Заключение курса

Мы прошли путь от мнимой единицы до спектрального разложения матриц. Теперь вы знаете:

Эти знания — необходимый минимум для сдачи экзамена и база для изучения дифференциальных уравнений, функционального анализа и машинного обучения. Удачи на экзамене!