Все формулы РФ

математика, алгебра, теория групп, матрицы, нормальные формы

Камиль Жордан

Камиль Жордан связан с алгеброй, теорией групп и нормальными формами матриц. В линейной алгебре его имя ведет к собственным пространствам, кратностям, жордановым клеткам и ситуации, когда матрицу нельзя просто диагонализовать, но ее структуру все равно можно описать.

1838-1922МатематикиXIX векXX век
Стилизованный портрет Камиля Жордана на фоне собственных пространств, кратностей, жордановых блоков и матричной диагональной сетки

Биография

Камиль Жордан родился в 1838 году во Франции и стал одним из ведущих алгебраистов своего времени. Его имя известно в разных разделах математики: теории групп, анализе, топологии и линейной алгебре. Для темы собственных значений особенно важна жорданова нормальная форма. Она описывает, как выглядит линейный оператор, когда собственных векторов недостаточно для диагонализации, но матрицу все же можно привести к каноническому блочному виду над комплексными числами. В теме собственных значений Жордан помогает объяснить различие кратностей. Алгебраическая кратность показывает повторность корня характеристического многочлена, а геометрическая - размерность собственного пространства. Если геометрическая кратность меньше алгебраической, появляются жордановы блоки. Поэтому его имя уместно не только рядом с нормальной формой, но и там, где впервые разбирается разница между алгебраической и геометрической кратностью. На странице Камиля Жордана важны именно канонические формы матриц, собственные пространства и структура линейных операторов. Это не вычислительная процедура решения системы, а способ понять, почему матрица с повторными собственными значениями может вести себя сложнее диагональной. Такой контекст помогает связать формулы кратностей с дальнейшими темами: обобщенными собственными векторами, жордановыми клетками и классификацией операторов.

Исторический контекст

Во второй половине XIX века математики активно изучали линейные подстановки, матрицы и канонические формы. Простая диагональная форма работает только тогда, когда есть достаточно независимых собственных векторов. Повторные корни характеристического многочлена заставили искать более тонкое описание операторов. Жорданова форма дала такую рамку: она показывает, как алгебраическая кратность, геометрическая кратность и цепочки обобщенных собственных векторов соединяются в структуру оператора. Поэтому различие кратностей стало не частной деталью, а частью классификации линейных операторов.

Вклад в формулы

В этой теме Камиль Жордан связан со страницами о собственном пространстве, алгебраической и геометрической кратности, спектре и будущей диагонализации. Его вклад помогает объяснить, почему повторное собственное значение само по себе не гарантирует диагонализуемость. Если собственных направлений меньше, чем кратность корня, нужна более богатая структура, которая позже приводит к жордановым блокам. Такая авторская связь помогает не сводить кратности к формальному подсчету степеней.

Связь с формулами

С этим именем связано 12 формул: Собственное пространство матрицы, Алгебраическая кратность собственного значения, Геометрическая кратность собственного значения и еще 9. Ниже можно открыть каждую формулу, посмотреть обозначения, пример и историческую справку.

Библиография

Связанные формулы

Собственное пространство матрицы

Собственное пространство E_lambda - это множество всех векторов, которые удовлетворяют Av=lambda v, вместе с нулевым вектором. Оно равно ядру матрицы A-lambda I.

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

Геометрическая кратность собственного значения

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

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

Спектр матрицы

Спектр матрицы - это множество ее собственных значений. Для конечной квадратной матрицы он состоит из корней характеристического уравнения.

$\sigma(A)=\{\lambda:\det(A-\lambda I)=0\}$

Диагонализация матрицы

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.

$A=PDP^{-1}$

Базис из собственных векторов

Базис из собственных векторов - это базис пространства, каждый вектор которого является собственным для оператора A. В таком базисе матрица оператора становится диагональной.

$B=(v_1,\ldots,v_n),\quad Av_i=\lambda_i v_i$

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.

$A\text{ диагонализируема}\Longleftrightarrow \sum_{\lambda\in\sigma(A)}\dim E_\lambda=n$

Диагонализация матрицы 2x2

Матрица 2x2 диагонализируется, если для нее можно найти два линейно независимых собственных вектора. При двух различных собственных значениях это выполняется автоматически.

$A=P\begin{pmatrix}\lambda_1&0\\0&\lambda_2\end{pmatrix}P^{-1}$

Недиагонализируемая матрица с жордановым блоком

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.

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

Собственное значение и собственный вектор

Собственный вектор матрицы A - это ненулевой вектор, который после умножения на A остается на той же прямой. Собственное значение lambda показывает, во сколько раз этот вектор растягивается, сжимается или меняет направление.

$Av=\lambda v,\quad v\ne0$