Вычислительная математика лекции
.pdfТеория матриц определяет основные классы математических моделей линейных непрерывных и дискретных систем управления.
Излагаемый материал предполагает знакомство с курсом линейной алгебры, с арифметическими операциями над матрицами и понятием определителя матрицы.
9.1.Собственные числа и векторы.
Преобразование y=Ax (x Rn, A Rn×n) приводит к тому, что образ y испытывает вращение и изменение длины относительно прообраза x. Однако существуют особые ненулевые вектора e,
называемые собственными, которые сохраняют направление и изменяют только длину, т. е. выполняется соотношение Ae = λe.
Здесь λ скаляр, называемый собственным числом матрицы A.
Собственные векторы являются решением системы линейных однородных уравнений (A-λE)e = 0. Известно, что эта система будет иметь ненулевые решения, если rank (A-λE) < n. В этом случае должно быть det (A-λE) = 0. Решив алгебраическое уравнение n-ой степени det (A-λE) = 0, найдем n значений собственных чисел λ (с
учетом их кратности). Совокупность собственных значений называют спектром матрицы. Решая систему однородных линейных уравнений (A-λE)e = 0, для попарно различных λi, вычисляют набор собственных векторов. Одному значению λi может соответствовать один или несколько собственных векторов. Число собственных векторов для каждого λi называют геометрической кратностью λi в
отличие от его алгебраической кратности. Доказано, что геометрическая кратность λi не превышает его алгебраическую кратность.
Таким образом, мы имеем набор собственных чисел (спектр матрицы) и соответствующий набор собственных векторов.
71
Доказано, что собственные векторы из этого набора линейно независимы.
Обозначим α(λ) и γ(λ) алгебраическую и геометрическую кратности λ. Если для каждого λ α(λ) = γ(λ), то имеем дело с матрицей простой структуры. В противном случае матрица называется дефектной. Количество собственных векторов в наборе для матрицы простой структуры равно размеру матрицы. Иными словами для матрицы простой структуры количество собственных векторов равно количеству собственных значений с учетом их кратности.
9.2.Решение системы линейных однородных уравнений с
вырожденной матрицей.
Ранг матрицы.
Пусть A Rm×n. Произвольным образом выбираем "к" строк и
"к" столбцов, где к min(m,n). Элементы, стоящие на пересечении этих строк и столбцов, образуют квадратную матрицу размером "к".
Определитель этой матрицы называют минором к-ого порядка матрицы A.
Определение. Рангом r матрицы называют максимальный порядок минора матрицы, отличного от нуля.
Ранг нулевой матрицы равен нулю. Разность (min(m,n) – r) –
дефект матрицы. Если дефект равен нулю, Am×n есть матрица полного ранга. Квадратную матрицу в этом случае называют невырожденной.
Теорема. Если n число неизвестных однородной системы уравнений и r ранг её матрицы, то размерность пространства решений равна k = n –r (число ненулевых линейно независимых решений ). Если матрица полного ранга, то решение тривиально.
72
Далее полагаем, что A Rn×n матрица квадратная.
Алгоритм решения.
Убеждаемся, что матрица А вырождена.
Определяем ранг А, т. е. находим минор наибольшего размера,
отличный от нуля.
Из матрицы А выделяем подматрицу Вr×n, состоящую из строк,
выбранных при определении минора.
Пусть при определении минора мы выбрали строки с номерами i1, i2,…, ir и столбцы с номерами j1, j2,…, jr. Будем решать систему Вх
=0 следующим образом. Компоненты х с номерами, отличными от j1, j2,…, jr (n –r элементов), будем считать произвольно заданными постоянными с1, с2,…, сn-r. Тогда оставшиеся r неизвестных однозначно определятся из решения системы с квадратной невырожденной матрицей размера r.
Число линейно независимых решений определяется количеством линейно независимых (n –r) мерных векторов
(с1, с2,…, сn-r)T и равно n – r. Набор таких векторов удобно
сформировать следующим образом: с(i) ={ k }kn 1r |
(i=1,…,n-r), |
k
.
Другой вариант.
Воспользуемся методом исключения Гаусса. Метод включает два этапа. Сначала, используя последовательность эквивалентных преобразований, приводят матрицу системы к верхнему треугольному виду (прямой ход). На втором этапе решают полученную систему снизу вверх, начиная с последнего уравнения
(обратный ход). На этапе прямого хода последовательно обнуляют элементы столбцов, расположенные ниже главной диагонали,
73
начиная с первого столбца и кончая (n-1) - ым. Для этого при обработке очередного i-ого столбца выделяют ненулевой элемент aii,
стоящий на главной диагонали матрицы, называемый ведущим элементом. Для обнуления каждого из элементов aki, где k = i+1,…,n,
из уравнения с номером k вычитают уравнение с номером i,
умноженное на коэффициент aki/aii .
Если оказывается aii = 0, среди элементов i-ого столбца ниже главной диагонали находят ненулевой элемент и переставляют соответствующее уравнение с i-ым уравнением. После обнуления элементов i-ого столбца переходят к следующему (i+1)-ому столбцу.
В качестве очередного ведущего элемента пытаются использовать элемент ai+1 i+1 .
Если все анализируемые элементы i-ого столбца ниже главной диагонали оказались нулевыми (последнее возможно только при вырожденной матрице), говорят, что i-ый столбец не имеет ведущего элемента. Тогда в качестве нового ведущего элемента в i-ой строке пытаются использовать элемент ai i+1 в соседнем (i+1)-ом столбце и производят обнуление элементов (i+1) – ого столбца.
После обработки всех (n-1) столбцов матрица будет иметь следующий вид.
1.Ненулевые строки расположены выше нулевых ( в противном случае нужно было произвести перестановку строк) и каждый ведущий элемент является первым ненулевым элементом в своей строке.
2.В каждом столбце все элементы, расположенные ниже ведущего, равны нулю.
3.Каждый ведущий элемент лежит правее ведущих элементов предыдущих строк.
74
Пусть полученная матрица имеет r ведущих элементов, т. е.
последние (n-r) строк - нулевые. Тогда ранг матрицы равен r, r
переменных будут базисными, а (n-r) переменных свободными.
Причем они соответствуют столбцам преобразованной матрицы с ведущими элементами и без них соответственно. Компоненты вектора переменных, отнесенные к свободным переменным,
задаются набором произвольных констант с1, с2,…, сn-r. Базисные переменные вычисляются через свободные переменные с помощью обратной подстановки (обратный ход).
Число линейно независимых решений определяется количеством линейно независимых (n –r) мерных векторов
(с1, с2,…, сn-r)T и равно n – r. Набор таких векторов удобно
сформировать следующим образом: с(i) ={ k }kn 1r |
(i=1,…,n-r), |
||||||||
|
0 |
если i k |
|
|
|
|
|||
k |
1 если i=k |
|
|
|
|
||||
|
|
|
. |
|
|
||||
|
|
|
|
|
|
|
|||
|
|
|
Пример. Решить однородную систему Ax=0, |
||||||
|
1 |
1 |
5 |
1 |
|
|
|||
|
|
1 |
1 |
2 |
3 |
|
|
|
|
A |
|
|
|
|
|||||
|
3 |
1 |
8 |
2 |
|
|
|
||
|
|
1 |
3 |
9 |
7 |
|
|
|
|
|
|
|
. |
|
Осуществляем процедуру Гауссова исключения
A A1 A2 U.
|
|
1 |
1 5 |
1 |
|
|
1 |
1 5 |
1 |
|||||||
|
|
|
0 |
2 |
7 |
4 |
|
|
|
|
0 |
2 |
7 |
4 |
|
|
A1 |
|
|
|
A2 |
|
|
|
|||||||||
|
0 |
2 |
7 |
5 |
|
|
0 |
0 |
0 |
1 |
|
|||||
|
|
|
|
|||||||||||||
|
|
|
0 |
4 |
14 |
8 |
|
|
|
|
0 |
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
. |
Обработка третьего столбца не потребовалась, A2 = U. r(A) =r(U)=3, n –r = 1. Существует одно ненулевое линейно
независимое решение. Третий столбец матрицы U оказался без ведущего элемента. Переменная x3=c свободная переменная.
75
Остальные переменные находятся обратной подстановкой. Из третьего уравнения следует x4 = 0, из второго 2x2 -7c + 4x4 = 0, т. е. x2 = (7/2)c. Из первого уравнения имеем x1 – x2+ 5x3 – x4 = 0, т. е. x1= -(3/2)c.
|
|
|
3 |
|
|
|
|
3 |
|
||||
|
|
|
|
c |
|
|
|
|
|||||
|
2 |
2 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
||||
|
7 |
|
|
7 |
|
||||||||
|
|
|
|
|
|
|
|
||||||
|
x |
|
|
c |
|
c |
|
|
|
. |
|||
|
|
2 |
2 |
|
|||||||||
|
|
|
|
c |
|
|
|
1 |
|
|
|||
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
0 |
|
|
|
0 |
|
|
|||
. |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
9.3.Подобное преобразование.
Говорят, что квадратные матрицы A и B подобны, если существует невырожденная матрица P такая, что B = P-1AP.
Подобные матрицы имеют одинаковый набор собственных чисел.
Действительно det(P-1AP – λE) = det(P-1(A – λE)P) = =detP-1det(A – λE)detP= det(A – -λE). Преобразование подобия
возникает естественным путем как результат замены переменных
(или перехода к новому базису) в пространстве n мерных векторов.
Действительно, пусть модель процесса (устройства) имеет вид y=Ax.
Произведем замену переменных x=Px1, y=Py1. Тогда уравнение y=Ax примет вид y1= P-1APx1.Это означает, что в новых переменных то же самое преобразование осуществляется уже не матрицей A, а матрицей P-1AP, подобной A.
Подобное преобразование применяют для перехода к новой матрице более простой формы, пригодной для решения задачи.
Например, если удастся путем последовательности подобных преобразований привести исходную матрицу к треугольному виду,
будут вычислены собственные значения, стоящие на диагонали этой матрицы.
76
Теорема. Матрица простой структуры подобна диагональной.
Доказательство. Выберем в качестве столбцов матрицы преобразования P собственные векторы матрицы A. матрица P не вырождена, т. к. матрица A простой структуры имеет n линейно независимых собственных векторов. Тогда Λ= P-1AP, Требуется доказать, что AP=PΛ. Действительно, AP=A(e1, e2, …, en) = (Ae1, Ae2,
1
…, Aen)= (λ1 e1, λ2 e2, …, λn en)= P
0
0
. Т. е.
n
1
0
0 .
n
9.4.Приведение к канонической форме Жордана.
1. Произвольную матрицу А Rn n с помощью подобного преобразования S-1AS=J возможно привести к канонической форме Жордана.
Матрица J есть блочно-диагональная матрица ( J Cn n ). Её диагональные блоки называются клетками (ящиками) Жордана.
Каждому собственному числу λi может соответствовать одна или несколько клеток Жордана. Число таких клеток равно геометрической кратности γ(λi), а сумма их размеров алгебраической кратности α(λ i). Так как для дефектной матрицы γ(λi) < α(λi), число диагональных блоков матрицы J меньше размера матрицы A. Однако размер J (суммарный размер всех блоков) совпадает с размером A.
Клетка Жордана размера k для собственного числа λi
|
|
i 1 |
0 |
|
|
|
Jki Ck k имеет вид |
|
|
0 |
|
|
|
Jki |
|
|
|
. Если алгебраическая |
||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 i |
|
кратность α(λ i) ≤ 3, то по известному значению γ(λi) однозначно
77
определяется количество и размер клеток Жордана для λi . Пусть например α(λ i) = 3. Тогда при γ(λi) = 1 имеем одну клетку размера 3,
а в случае γ(λi) = 2 количество клеток равно 2, одна размера 2, а
другая 1. При α(λ i) > 3 не всегда удаётся однозначно определить размер клеток. Пусть например α(λ i) = 4, γ(λi) = 2 . Тогда количество клеток равно двум, однако недостаточно информации для выбора из двух вариантов: размер обеих клеток равен 2 или размер одной 1, а второй 3. В подобных случаях можно воспользоваться ранговым критерием: число клеток gh размером h для кратных
собственных чисел λi |
gh = rank(A -λi E)h-1 - |
-2rank(A -λi |
E)h +rank(A -λi E)h+1, |
h = 1,2,∙∙∙,α(λ i) . |
|
Для каждого λi |
следует определить количество и размер |
клеток Жордана, после чего каноническая Жорданова форма может быть записана с точностью до перестановки Жордановых клеток.
Если условится располагать клетки в порядке возрастания модулей собственных чисел, а клетки с совпадающими собственными числами в порядке возрастания их размеров, то каноническая форма Жордана будет определена единственным способом.
Заметим, что диагональная матрица является частным случаем
матрицы Жордана, все клетки которой имеют размер 1.
Пример 1.
11 |
8 |
7 |
|
|
|
9 |
16 |
10 |
|
A |
. |
|||
|
15 |
19 |
12 |
|
|
|
. Используя разработанную выше методику, рассчитываем характеристический полином P3(λ) = -( λ + 5)3 . Таким образом, λ = -5,
α(λ ) = 3. Находим систему собственных векторов.
78
6 |
8 7 |
6 8 |
7 |
6 8 |
7 |
|
|||||||||
|
9 |
11 |
10 |
|
|
0 |
1 |
0.5 |
|
|
0 |
1 |
0.5 |
|
. Таким образом, |
A 5E |
|
|
|
|
|
||||||||||
|
15 |
19 |
17 |
|
|
0 |
1 |
0.5 |
|
|
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
1
решение системы (A+5E)е = 0 дает единственный вектор е = 1 , а
2
|
|
|
|
|
|
|
|
5 |
1 |
0 |
|
|
Жорданова форма состоит из одной клетки |
|
0 |
5 |
1 |
|
|||||||
J |
. |
|||||||||||
|
|
|
|
|
|
|
|
|
0 |
0 |
5 |
|
|
|
|
|
|
|
|
|
|
|
|||
Пример 2. |
|
|
|
|
|
|
|
|
|
|
||
10 |
9 |
6 |
|
|
|
|
|
|
|
|
|
|
|
1 |
16 |
5 |
|
; λ1 |
= 9, λ2 |
= 10, α(λ |
1) = 1, α(λ 2) = 2 , γ(λ1) = 1, |
||||
A |
|
|||||||||||
|
1 |
9 |
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
3 |
|
9 0 |
0 |
||||
γ(λ2) = 1, е(λ1) = |
|
1 |
|
|
|
|
|
2 |
|
|
|
0 10 |
1 |
|
||
|
, е(λ2) = |
|
. Таким образом, |
J |
. |
|||||||||||
|
|
|
|
2 |
|
|
|
|
|
3 |
|
|
|
0 0 |
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Пример 3. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
2 |
4 |
|
4 |
|
|
|
|
|
|
|
|
|
|
|||
|
1 |
2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
A |
|
. λ1 = 0, α(λ1) = 3, γ(λ1) = 2. |
|
|
|
|
|
|||||||||
|
2 |
4 |
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
2 |
|
|
|
2 |
|
|
|
0 0 0 |
|
|
||||
|
|
0 |
|
|
е(λ1)2 |
|
1 |
|
|
|
|
0 |
0 1 |
|
|
|
е(λ1)1 = |
, |
= |
|
. Таким образом, J |
|
|
||||||||||
|
|
1 |
|
|
|
|
|
0 |
|
|
|
|
0 |
0 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
9.5.Вычисление матрицы преобразования. |
|
|
|||||||||||
J = S-1AS; AS = SJ; |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
J1 |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A (S1, S2 ,..., Sn ) =S |
|
|
|
|
(SJ1, SJ2 ,..., SJ p ) . Здесь Jk |
k– ый |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
J p |
|
|
|
|
|
столбцовый блок матрицы J ( k 1, p ), Si i – ый столбец матрицы
S( i 1, n ), p n, где n – размер A.
79
Последовательно для каждой клетки Жордана вычисляем набор линейно независимых векторов, число которых должно совпадать с размером клетки. Эти векторы будут столбцами искомой матрицы S. Для матрицы простой структуры α(λ i) = γ(λi) и в качестве столбцов матрицы S берутся собственные векторы. При этом гарантируется независимость столбцов и, следовательно, не вырожденность S. Однако, если α(λ i) ≠ γ(λi) , возникает необходимость доопределить недостающее число векторов
α(λ i) - γ(λi) . Вектор – столбцы матрицы S в этом случае вычисляют в результате решения набора систем линейных уравнений,
получаемых приравниванием соответствующих столбцов справа и слева в уравнении AS=SJ.
Пример.
Пусть A R5×5, её характеристический полином (λ-λ1)3(λ-λ2)2.
Следовательно, α(λ1) = 3, α(λ2) = 2. Дополнительно рассчитаны геометрические кратности γ(λ1) = 1, γ(λ2) = 1.
Матрица Жордана содержит две клетки и имеет вид
|
1 |
1 |
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
1 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
J= |
0 |
0 |
|
0 |
0 |
. Система AS =SJ выглядит следующим |
||||||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
0 |
2 |
1 |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
0 |
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
образом |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
1 |
0 |
0 |
0 |
|
||
|
|
|
|
|
|
|
|
|
|
0 |
|
|
1 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
A(s s |
s s s ) (s |
s |
s s s ) |
0 |
0 |
0 0 |
. |
|||||||||
1 |
2 |
3 4 5 |
|
1 |
2 |
3 4 5 |
|
|
|
|
1 |
2 |
|
|
||
|
|
|
|
|
|
|
|
|
|
0 |
|
0 |
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
80