- •ТЕМАТИЧЕСКИЙ ПЛАН
- •Тема 2. Определители.
- •Тема 3. Обратная матрица.
- •Тема 4. Ранг матрицы.
- •Раздел 2. Системы линейных уравнений.
- •Тема 5. Системы линейных уравнений. Нахождение единственного решения системы n линейных уравнений c n неизвестными.
- •Тема 6. Решение систем линейных уравнений в общем случае.
- •Раздел 3. Элементы аналитической геометрии.
- •Тема 7. Метод координат.
- •Тема 8. Векторы на плоскости и в пространстве.
- •Тема 9. Прямая на плоскости.
- •Тема 10. Плоскость и прямая в пространстве.
- •Тема 11. Кривые второго порядка.
- •Раздел 4. Матричный анализ.
- •Тема 12. Векторные пространства.
- •Тема 13. Евклидовы пространства.
- •Тема 14. Линейные преобразования.
- •Тема 15. Квадратичные формы.
- •ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ
- •КОНТРОЛЬНЫЕ ВОПРОСЫ
- •ЛИТЕРАТУРА
- •Интернет-ресурсы
Тема 13. Евклидовы пространства.
Определение. Линейное векторное пространство V называется евклидовым, если любым двум векторам x и y из V ставится в соответствие число, называемое скалярным произведением и обозначаемое как (x,y) , причем выполняются следующие условия:
1)(x,y) = (y,x) ;
2)(x + y,z) = (x,z) + (y,z) ;
3)(λ x,y) = λ (x,y), где λ-действительное число;
4)(x,x) > 0 , если x - ненулевой вектор; (x,x) = 0 , если x - нулевой вектор.
Определим скалярное произведение векторов x = (x1, x2 ,..., xn ) и y = (y1, y2 ,..., yn ) формулой: |
|
(x,y) = x1 y1 + x2 y2 +... + xn yn . |
(12.9) |
Заметим, что рассмотренное ранее скалярное произведение геометрических векторов совпадает с (12.9) при |
n = 2 и |
n =3 .
Пример 13.1. Найти скалярное произведение векторов x = (−3;1;0;2) и y = (2;−1;3;4) .
◄(x,y) = −3 2 +1 (−1) + 0 3 + 2 4 =1.►
Определение. Длиной (нормой) вектора x = (x1, x2 ,..., xn ) в евклидовом пространстве называется величина
x |
|
= |
|
= |
x2 |
+ x2 |
+... + x2 |
|
(x, x) |
||||||
|
|
1 |
2 |
n |
Заметим, что в двухили трехмерном евклидовом пространстве длина вектора имеет вполне определенный геометрический смысл.
Свойства длин векторов: |
|
|||||||||||||||
1) |
|
|
x |
|
= 0 тогда и только тогда, когда x = 0; |
|
||||||||||
|
|
|
||||||||||||||
2) |
|
|
λx |
|
= |
|
λ |
|
|
|
x |
|
, где λ - действительное число; |
(12.10) |
||
|
|
|
|
|
|
|
3)(x, y) ≤ x y ;
4)x + y ≤ x + y .
Определение. Углом между ненулевыми векторами x и y евклидова пространства называется число ϕ , определяемое из равенства:
117
cosϕ = |
|
(x,y) |
|
, где 0 ≤ϕ ≤π . |
(12.11) |
||||||||||||
|
|
x |
|
|
|
y |
|
||||||||||
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Согласно третьему свойству длин векторов −1≤ |
( |
|
x,y) |
≤1, т.е. действительно −1≤ cosϕ ≤1. |
|
||||||||||||
|
|
x |
|
y |
|
|
|||||||||||
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Определение. Два вектора называются ортогональными, если их скалярное произведение равно нулю. Определение. Вектор называется нормированным, если его длина равна единице.
Заметим, что для нормирования ненулевого вектора x достаточно умножить его на коэффициент 1/ x , где x - норма
исходного вектора. Пусть задан вектор x = (1;−2;2) . Его длина равна x = 12 + (−2)2 + 22 =3 . Нормированный вектор имеет вид x′= (1/3;−2/3;2/3).
Определение. Система векторов называется ортонормированной, если вектора системы нормированы и попарно ортогональны.
Теорема. Ортонормированная система векторов линейно независима.
Теорема. Во всяком n -мерном евклидовом пространстве существует ортонормированный базис.
Заметим, что ортонормированным базисом в n -мерном векторном пространстве является, например, система n единичных векторов, у которых i -я компонента равна единице, а остальные компоненты равны нулю:
e1 = (1;0;...;0), e2 = (0;1;...;0), … en = (0;0;...;1) .
НАЧАЛО ТЕМЫ |
СОДЕРЖАНИЕ |
118
Тема 14. Линейные преобразования.
Пусть даны два линейных пространства: V n размерности n и V m размерности m .
Определение. Если задан закон (правило), по которому каждому вектору x пространства V n ставится в соответствие
единственный вектор y |
пространства V |
m |
, то говорят, что задан |
оператор |
~ |
|
n |
в V |
m |
, и записывают |
|
|
A , действующий из V |
|
|
||||||||
~ |
|
|
|
|
|
|
|
|
|
|
|
y = A(x) . |
|
|
|
|
|
|
|
|
|
|
|
Определение. Оператор называется линейным, если для |
любых векторов x |
и y пространства |
V n и любого |
||||||||
действительного числа λ выполняются соотношения: |
|
|
|
|
|
|
|
||||
~ |
~ |
~ |
|
|
|
|
|
|
|
|
|
1) A(x + y) = A(x) |
+ A(y) |
|
|
|
|
|
|
|
|
|
2) A(λx) = λA~(x)
Вектор y = A~(x) называется образом вектора x , а сам вектор x - прообразом вектора y .
Определение. Линейный оператор, действующий из линейного пространства V n в линейное пространство V n , т.е.
отображающие n -мерное линейное пространство в себя, называют линейным преобразованием пространства V n . Далее будем рассматривать только линейные преобразования.
Пусть в линейном пространстве V n с базисом e1,e2 ,...,en задано линейное преобразование A~ . Тогда А~(e1) , А~(e2 ),…, А~(en ) – тоже векторы пространства V n . Поэтому их можно единственным способом разложить по векторам базиса:
|
~ |
|
) = а e |
+ а |
e |
|
|
+... + а |
|
e |
|
|
|
||||
A(e |
|
2 |
|
n |
|
||||||||||||
|
~ 1 |
11 |
1 |
21 |
|
|
|
n1 |
|
|
|||||||
A(e |
|
) = а |
e |
+ а |
|
e |
|
+... + а |
n2 |
e |
n |
(14.1) |
|||||
|
|
2 |
12 |
1 |
|
22 |
|
|
|
2 |
|
|
|
|
|||
|
|
|
|
|
|||||||||||||
|
~ |
|
) = а |
e |
+ а |
|
|
e |
|
+... + а |
|
e |
|
|
|||
A(e |
n |
2n |
2 |
nn |
n |
|
|||||||||||
|
|
1n |
1 |
|
|
|
|
|
|
|
|
||||||
Или в матричном виде |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
~ |
~ |
~ |
e2 |
... en )A, |
(14.2) |
(A(e1) |
A(e2 ) ... |
A(en )) = (e1 |
где
119
|
а |
а |
|
а |
|
|
|
|
11 |
12 |
|
1n |
|
|
|
|
а21 |
a22 |
|
a2n |
(14.3) |
||
A = |
|
|
|
|
|
||
|
|
|
|
||||
|
|
|
|
|
|
||
|
|
an2 |
|
|
|
|
|
an1 |
ann |
|
~ |
||||
Матрица A называется матрицей преобразования |
~ |
|
- рангом преобразования |
||||
A в базисе e1 ,e2 ,...,en , а ее rang(A) |
A . |
Таким образом, каждому линейному преобразованию соответствует матрица в данном базисе. Верно и обратное: всякой матрице n -го порядка соответствует линейное преобразование n -мерного пространства с заданным базисом.
Произвольный вектор x V n относительно базиса e1,e2 ,...,en |
имеет вид: |
|
|
|
|
|
x |
|
|
|
|
|
1 |
|
x = x1e1 + x2e2 +....xnen или x = (e1 |
e2 |
x2 |
|
|
... en ) |
|
. |
||
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
xn |
|
|
|
~ |
|
|
|
|
|
|
|
|
|
Подействуем на вектор x преобразованием A , в результате получим вектор y : |
~ |
|
|||||||||
~ |
~ |
|
|
~ |
|
|
|
~ |
|
|
|
y = A(x) = A(x1e1 + x2e2 |
+....xnen ) = x1 A(e1) + x2 A(e2 ) +....xn A(en ) |
||||||||||
Или в матричном виде |
|
|
|
x |
|
|
|
x |
|
||
|
|
|
|
|
|
|
|
||||
~ |
~ |
~ |
~ |
|
1 |
|
|
|
|
1 |
|
x2 |
|
= (e1 |
e2 |
x2 |
|
||||||
y = A(x) = (A(e1) |
A(e |
2 ) ... A(en )) |
|
|
... en )A |
|
. |
||||
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xn |
|
|
|
xn |
|
Вектор y также может быть разложен по заданному базису e1,e2 ,...,en :
(14.4)
(14.5)
120
|
y |
|
|
|
|
1 |
|
y = y1e1 + y2e2 +....ynen или y = (e1 e2 |
y2 |
|
|
... en ) |
|
. |
|
|
|
|
|
|
|
||
|
|
|
|
|
yn |
|
Разложение вектора y по базису единственно, поэтому из (14.5),(14.6) получаем:
y |
|
|
а |
||
|
1 |
|
|
11 |
|
y2 |
|
|
а21 |
||
|
|
|
= |
|
|
|
|
|
|||
|
|
||||
|
|
|
|
|
|
yn |
|
an1 |
а |
а |
x |
|
||
12 |
1n |
|
1 |
|
|
a22 |
a2n x2 |
|
|||
|
|
|
|
|
|
|
|
||||
|
|
|
|||
an2 |
|
|
|
|
|
ann xn |
|
(14.6)
(14.7)
Таким образом, результатом действия линейного преобразования с матрицей An×n на некоторый n -мерный вектор
является n - мерный вектор, столбец координат которого можно получить умножением матрицы преобразования на столбец координат исходного вектора.
|
|
|
|
|
|
|
|
|
|
|
|
|
~ |
|
|
|
|
|
3 |
2 |
1 |
|
|
|
Пример 14.1. Пусть в пространстве V |
3 |
линейный оператор |
задан матрицей |
A |
|
−1 |
2 |
1 |
|
в базисе e1 ,e2 ,e3 . |
||||||||||||||
|
A |
= |
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
4 |
− 2 |
|
|
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
+ e3 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Найти образ y = A(x) вектора x = 3e1 − 2e2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
◄ По формуле (14.7) имеем |
|
y |
|
|
3 |
2 1 |
|
3 |
|
6 |
|
|
|
|
|
|
|
|
||||||
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
−1 |
2 1 |
|
− 2 |
|
|
− 6 |
|
|
|
|
|
|
|
|
||||
|
|
y |
2 |
|
= |
|
|
= |
. |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
0 |
4 |
− 2 |
|
|
1 |
|
|
−10 |
|
|
|
|
|
|
|
|
|
|
|
y3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Поэтому, y = 6e1 − 6e2 −10e3 .► |
|
|
|
|
|
|
|
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Теорема. Матрицы A и A′ линейного оператора |
|
|
|
|
|
|
|
|
|
и новом базисе e1′,e′2 ,...,e′n связаны |
||||||||||||||
A в старом базисе e1 ,e2 ,...,en |
||||||||||||||||||||||||
соотношением |
|
|
|
|
|
|
|
|
−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
′ |
=T |
AT , |
|
|
|
|
|
|
|
|
|
|
|
|
(14.8) |
||
|
|
|
|
|
|
|
A |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
121 |
где T -матрица перехода от старого базиса к новому. Студентам предлагается доказать эту теорему самостоятельно.
|
|
|
~ |
|
1 |
1 |
3 |
|
Пример 14.2. |
Пусть в пространстве V |
3 |
|
2 |
−1 |
|
в базисе e1 ,e2 ,e3 . |
|
|
линейное преобразование A задано матрицей |
A = |
3 |
|||||
|
|
|
|
|
1 |
−1 |
|
|
|
|
|
|
|
3 |
|
Найти матрицу преобразования в новом базисе e1′,e′2 ,e′3 , связанном со старым базисом матрицей перехода
|
1 |
1 |
1 |
|
|
2 |
−1 |
|
|
T = |
−1 |
|||
|
2 |
3 |
4 |
|
|
|
◄ Найдем матрицу, обратную матрице перехода |
|
1/ 3 |
1/ 3 |
0 |
|
|
|
|
|||
T −1 |
|
10 / 3 − 2 / 3 |
|
|
|
= |
−1 . |
||||
|
|
−8 / 3 |
1/ 3 |
1 |
|
|
|
|
Матрица линейного преобразования в новом базисе имеет вид
|
1/ 3 |
1/ 3 |
0 1 |
1 3 1 1 |
1 |
|
5 |
7 |
9 |
|
|
||||||
|
10/ 3 −2/ 3 |
|
|
2 |
−1 |
|
2 |
−1 |
|
|
|
21 |
11 16 |
|
.► |
||
A′ =T −1 AT = |
−1 |
3 |
−1 |
= |
|
||||||||||||
|
−8/ 3 1/ 3 |
1 |
|
1 |
−1 |
|
2 |
3 |
4 |
|
|
−17 |
−9 |
|
|
|
|
|
|
3 |
|
|
−13 |
|
Определение. Вектор x называется собственным вектором линейного преобразования |
~ |
A , если найдется такое число |
|
λ , что |
|
~ |
(14.9) |
А(x) = λx. |
|
~ |
|
Числоλ называется собственным числом линейного преобразования A (матрицы A), соответствующим вектору x . |
Из определения следует, что среди векторов линейного пространства выделяют собственные векторы, которые под действием линейного преобразования переходят в векторы, коллинеарные самим себе.
Запишем равенство (14.9) в матричной форме:
122
AX = λX |
или |
(A − λE)X = 0 , |
(14.10) |
где X = (x1 x2 ... xn )T -матрица-столбец из координат вектора x . Полученная однородная система всегда имеет тривиальное
решение x = 0. Для существования нетривиального решения необходимо и достаточно, чтобы определитель системы (14.10) равнялся нулю:
|
A − λE |
|
= 0 . |
|
а11 |
а12 |
|
(14.11) |
||
|
|
|
||||||||
~ |
|
|
|
собственными числами служат корни λ |
и λ |
|
||||
Например, для линейного преобразования A с матрицей A |
= |
|
|
2 |
||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
а21 |
а22 |
|
|
|
|
уравнения |
|
|
|
|
|
|
|
|
|
|
|
а11 −λ |
|
а12 |
|
=0. |
|
|
(14.12) |
||
|
|
|
|
|
||||||
|
а21 |
|
а22 −λ |
|
|
|
Уравнение (14.11) называется характеристическим уравнением, а его левая часть – характеристическим многочленом линейного преобразования, заданного матрицей A. Подстановка собственного числа в равенство (14.10) дает систему уравнений для нахождения координат соответствующего собственного вектора.
Пример 14.3. Найти собственные числа и собственные векторы линейного преобразования A~ , заданного матрицей
|
5 |
4 |
|
A = |
|
|
. |
|
8 |
9 |
|
|
|
◄ В данном примере характеристическое уравнение (14.12) имеет вид: |
|
|
|
|
|
|
|
|||||||||
|
5 −λ |
4 |
|
= (5 −λ)(9 −λ)−32 = 0 , т.е. λ2 −14λ +13 = 0. |
|
|
||||||||||
|
|
|
|
|||||||||||||
|
8 |
9 −λ |
|
|
|
|
|
|
|
|
|
|
|
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
и λ2 =13. |
|
Решая полученное характеристическое уравнение, определяем собственные числа преобразования A λ1 |
||||||||||||||||
Далее находим собственный вектор x1 = (x1, x2 ) , соответствующий |
λ1 =1. |
Для |
этого составляем матричное |
уравнение |
||||||||||||
(14.10): |
5 −1 |
4 |
|
x |
|
|
0 |
4x |
+ 4x |
|
= 0 |
|
|
|
||
|
|
|
|
2 |
, |
|
|
|||||||||
|
|
|
|
|
1 |
|
= , |
|
1 |
+8x |
= 0 |
|
|
|||
|
8 |
9 −1 x |
2 |
|
|
0 |
8x |
2 |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
123 |
решение которого x2 = −x1. Поэтому |
векторы |
|
x1 = (c1;−c1) |
для любого |
с1 ≠ 0 |
|
являются собственными векторами |
||||||||
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
преобразования A с собственным значением λ1 =1. |
|
|
|
|
|
|
|
|
|
|
|
|
|||
Аналогично находим собственный вектор x2 = (x1 |
, x2 ) для λ2 =13. Соответствующее матричное уравнение имеет вид: |
||||||||||||||
5 −13 |
4 x |
|
= |
|
0 |
, |
−8x + 4x |
2 |
= 0 |
. |
|||||
|
8 |
|
1 |
|
|
|
|
|
1 |
|
|
||||
|
9 −13 x |
|
|
|
|
0 |
|
8x − 4x |
2 |
= 0 |
|
||||
|
|
|
2 |
|
|
|
|
|
1 |
|
|
|
|
Отсюда векторы x2 = (c2 ;2c2 ) для любого с2 ≠ 0 являются собственными векторами преобразования A~ с собственным значением λ2 =13.►
Теорема. Характеристический многочлен преобразования в V n не зависит от выбора базиса в V n .
Теорема. Собственные векторы x1 ,x2 ,...,xn преобразования, отвечающие различным значениям собственных чисел
λ1 , λ2 ,..., λn линейно независимы. |
|
~ |
|
|
|
|
|
|
|
|
|
|
|
|
действующее в V |
n |
, имеет n |
различных |
собственных значений |
||||||
Теорема. Пусть линейное преобразование A , |
|
|||||||||||
λ1 , λ2 ,..., λn , Матрица данного линейного |
|
оператора |
имеет диагональный вид (причем |
на ее диагонали |
расположены |
|||||||
~ |
|
|
|
|
|
|
|
|
~ |
|
|
|
собственные числа оператора A ) тогда и только тогда, когда базис образован собственными векторами A . |
|
|
|
|||||||||
|
|
|
|
|
|
|
− 4 |
7 |
13 |
|
|
|
Пример 14.4. Пусть в пространстве V |
3 |
|
~ |
|
|
|
|
− 7 |
6 |
11 |
|
в некотором |
|
линейное преобразование A задано матрицей |
A = |
|
|||||||||
|
|
|
|
|
|
|
|
3 |
−1 |
− 2 |
|
|
|
|
|
|
|
|
|
|
|
|
базисе. Найти новый базис, в котором матрица преобразования имеет диагональный вид.
◄Составим характеристическое уравнение преобразования A~ :
− 4 − λ |
7 |
13 |
|
|
|
|
− 7 |
6 − λ |
11 |
|
= −λ3 + 7λ − 6 = −(λ −1)(λ − 2)(λ + 3). |
|
|
||||
|
3 |
−1 |
|
|
|
|
− 2 − λ |
|
|||
Следовательно, собственные значения |
равны |
λ1 =1, λ2 = 2, λ3 = −3. Полученные собственные значения различны, |
поэтому в качестве базиса (в силу теоремы выше) нужно взять собственные вектора данного оператора. Решая систему
124
− 4 −1 |
|
7 |
13 |
x |
|
|
−5 7 |
13 x |
|
0 |
|
||||||||||||
|
− 7 |
6 −1 |
11 |
|
1 |
|
|
|
|
|
|
|
1 |
|
|
0 |
|
||||||
|
x2 |
|
= |
− 7 5 |
11 x2 |
= |
, |
||||||||||||||||
|
3 |
|
−1 |
|
|
|
|
|
|
3 −1 |
|
|
|
|
0 |
|
|||||||
|
|
− 2 −1 x3 |
|
|
|
−3 x3 |
|
|
|
||||||||||||||
находим собственный вектор x1 = (c1;−3c1;2c1), соответствующий λ1 =1. |
|||||||||||||||||||||||
Решая систему |
|
|
|
|
x |
|
|
|
|
|
|
13 x |
|
|
|
|
|
|
|
||||
− 4 − 2 |
|
7 |
13 |
|
− 6 7 |
|
|
0 |
|||||||||||||||
|
− 7 |
6 − 2 |
11 |
|
1 |
|
|
|
|
|
11 |
|
1 |
|
|
0 |
|
||||||
|
x2 |
= − 7 4 |
x2 |
|
= |
, |
|||||||||||||||||
|
3 |
|
−1 |
|
|
|
|
|
3 −1 |
− 4 |
|
|
|
|
|
0 |
|
||||||
|
|
− 2 − 2 x3 |
|
|
x3 |
|
|
||||||||||||||||
находим собственный вектор x2 = (c2 ;−c2 ;c2 ) , соответствующий λ2 = 2. |
|||||||||||||||||||||||
Решая систему |
|
|
|
|
x |
|
|
|
|
|
|
13 x |
|
|
|
|
|
|
|
||||
− 4 + 3 |
|
7 |
13 |
|
|
−1 7 |
|
0 |
|
||||||||||||||
|
− 7 |
6 + 3 |
11 |
|
1 |
|
|
− 7 9 |
|
1 |
|
|
0 |
|
|||||||||
|
x2 |
= |
11 x2 |
= |
, |
||||||||||||||||||
|
3 |
|
−1 |
|
|
|
|
|
|
3 −1 |
|
|
|
|
0 |
|
|||||||
|
|
− 2 + 3 x3 |
|
1 x3 |
|
|
|
||||||||||||||||
находим собственный вектор x3 = (−c3;−2c3;c3 ) , соответствующий λ3 = −3. |
|||||||||||||||||||||||
Поэтому в базисе, например, x1 = (1;−3;2) , x2 = (1;−1;1), x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
~ |
|||||||
3 = (−1;−2;1) , матрица оператора A примет вид |
|||||||||||||||||||||||
|
|
|
|
|
|
|
1 |
|
0 |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
2 |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A′= |
|
|
. |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
0 |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−3 |
|
|
|
|
|
|
|
|
|
|
|
|||
Действительно, матрица перехода от старого базиса к новому и обратная для нее имеют вид |
|||||||||||||||||||||||
|
|
1 |
1 −1 |
|
|
|
|
|
1 |
− 2 −3 |
|
|
|
|
|
||||||||
|
|
|
−3 |
−1 − 2 |
|
|
|
T −1 = |
|
−1 |
3 |
|
5 |
|
|
|
|
|
|
|
|||
|
T = |
, |
|
|
|
|
. |
|
|
|
|
||||||||||||
|
|
|
2 |
1 |
1 |
|
|
|
|
|
|
|
−1 |
1 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
В силу (14.8)
125
|
|
1 − 2 |
−3 − 4 |
7 |
13 1 |
1 |
−1 |
1 |
0 |
0 |
|||
′ |
−1 |
|
|
|
|
|
|
|
|
|
|
|
|
AT = |
−1 |
3 |
5 − 7 |
6 |
11 −3 |
−1 − 2 |
= 0 2 |
0 . |
|||||
A =T |
|
||||||||||||
|
|
|
−1 |
1 |
|
−1 |
|
1 |
|
|
0 |
|
|
|
|
|
2 3 |
− 2 2 |
1 |
0 |
−3 |
Как видим, получили ту же самую диагональную матрицу, на главной диагонали которой находятся собственные значения матрицы A.►
Определение. Линейное преобразование A~ в евклидовом пространстве V n называется симметрическим, если для любых векторов x и y из V n выполняется равенство
(A~(x), y) = (x, A~(y)) .
Заметим, что символ симметрического оператора при скалярном умножении можно переносить с одного множителя на другой.
Теорема. Для того, чтобы линейное преобразование было симметрическим, необходимо и достаточно, чтобы его матрица в ортонормированном базисе была симметрична.
Теорема. Собственные векторы симметрического линейного преобразования, соответствующие различным собственным числам, взаимно ортогональны.
Теорема. Характеристическое уравнение симметрического преобразования имеет только действительные корни. Теорема. В евклидовом пространстве для симметрического преобразования существует ортонормированный базис,
состоящий из собственных векторов этого преобразования, в котором матрица преобразования диагональная, а по диагонали стоят собственные числа.
Пример 14.5. Пусть в пространстве V |
3 |
симметрическое |
линейное |
преобразование |
~ |
|||||
|
A задано матрицей |
|||||||||
− 6 |
2 |
0 |
|
|
|
|
|
|
|
|
|
2 |
−3 |
0 |
|
в некотором базисе. Найти |
|
ортонормированный |
базис, в |
котором матрица |
преобразования имеет |
A = |
|
|
||||||||
|
0 |
0 |
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
диагональный вид, и соответствующую матрицу перехода.
◄ Составим характеристическое уравнение симметрического преобразования A~ :
126
− 6 − λ |
2 |
0 |
|
= (4 − λ){(6 + λ)(3 + λ) − 4} = (4 − λ)(λ2 + 9λ +14) |
|
||||
2 |
−3 − λ |
0 |
|
|
0 |
0 |
4 − λ |
|
|
Собственными числами являются λ1 = 4, λ2 = −7, λ3 = −2.
Собственный вектор x1 = (x1, x2 , x3 ) , соответствующий собственному числу λ1 = 4 определяется из матричного
уравнения: |
|
|
|
|
|
|
|
|
|
−10 |
2 |
0 x |
|
|
0 |
|
|||
|
2 |
− 7 |
0 |
1 |
|
|
0 |
|
, |
|
x2 |
|
= |
|
|||||
|
0 |
0 |
0 |
|
|
|
0 |
|
|
|
x3 |
|
|
|
|
||||
которое соответствует линейной системе |
|
|
|
|
|
|
|
|
|
|
−10x1 + 2x2 = 0 |
|
|
|
|||||
|
|
2x1 − 7x2 = 0 . |
|
|
|
||||
|
|
|
|
|
|||||
|
|
0 = 0 |
|
|
|
|
|
||
|
|
|
|
|
|
|
Следовательно, x1 = (0;0;c1) .
Собственный вектор x2 = (x1, x2 , x3 ) , соответствующий собственному числу λ2 = −7 определяется из матричного уравнения:
1 |
2 |
|
0 x |
|
|
|
0 |
|
||||
|
2 |
4 |
|
|
|
1 |
|
|
|
0 |
|
, |
|
|
0 x2 |
|
= |
|
|
||||||
|
0 |
0 |
|
|
|
|
|
|
|
0 |
|
|
|
11 x3 |
|
|
|
|
|
||||||
которое соответствует линейной системе |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
+ 2x |
|
= 0 |
|
|
|
|
|||
|
|
|
1 |
|
2 |
|
|
|
|
|
|
|
|
|
2x1 + 4x2 = 0. |
|
|
|
|||||||
|
|
|
11x3 = 0 |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
127
Следовательно, x2 = (−2c2 ;c2 ;0) .
Собственный вектор x3 = (x1, x2 , x3 ) , соответствующий собственному числу λ3 = −2 определяется из матричного уравнения:
− 4 |
2 |
0 x |
|
|
0 |
|
||||
|
2 |
−1 |
0 |
|
1 |
|
|
0 |
|
, |
|
x2 |
|
= |
|
||||||
|
0 |
0 |
6 |
|
|
|
|
0 |
|
|
|
x3 |
|
|
|
|
|||||
которое соответствует линейной системе |
|
|
|
|
|
|
|
|
|
|
|
− 4x |
+ |
2x |
|
= |
0 |
|
|
|
|
|
|
1 |
|
|
2 |
|
|
|
|
|
|
|
2x1 − x2 |
= 0 . |
|
|
|
||||
|
|
6x3 = 0 |
|
|
|
|
|
|||
|
|
|
|
|
|
|
Следовательно, x3 = (c3;2c3;0)T .
Пусть c1 = c2 = с3 =1. Тогда получаем попарно ортогональные собственные векторы
|
|
0 |
|
|
|
− 2 |
|
|
|
1 |
|
x1 |
|
0 |
|
x2 |
|
1 |
|
x3 |
|
2 |
|
= |
|
= |
|
= |
. |
||||||
|
|
1 |
|
|
|
0 |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
которые образуют ортогональный базис. Нормируем базисные векторы, разделив каждую координату на длину вектора. Получим ортонормированный базис
|
|
0 |
|
|
− 2/ |
|
|
|
|
|
|
1/ |
|
|
|
|
|
|
|
5 |
|
5 |
|||||||||||||
x′1 |
|
|
|
x′2 |
|
|
|
|
|
|
x′3 |
|
|
|
|
|
|
0 |
1/ |
5 |
|
2/ |
5 |
||||||||||||
= |
|
= |
|
|
= |
. |
|||||||||||
|
|
1 |
|
|
|
0 |
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
В данном базисе матрица преобразования примет диагональный вид
128
|
4 |
0 |
0 |
|
|
|
0 |
− 7 |
0 |
|
, |
A′= |
|
||||
|
0 |
0 |
− 2 |
|
|
|
|
|
а матрицей перехода является матрица, построенная на ортонормированных собственных векторах:
|
|
|
|
|
|
|
|
|
|
|
0 |
− 2/ 5 |
1/ 5 |
|
|||||||
|
|
|
||||||||
T = |
0 |
1/ |
5 |
|
2/ |
5 |
. |
|||
|
1 |
0 |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
НАЧАЛО ТЕМЫ |
СОДЕРЖАНИЕ |
129