- •Линейная алгебра
- •З.И.Андреева линейная алгебра
- •Введение
- •I.Системы линейных уравнений. Метод гаусса
- •II. Определители
- •2.1. Определители второго и третьего порядков
- •2.2. Перестановки и подстановки
- •2.3. Определители n-го порядка
- •III. Матрицы
- •3.1. Сложение матриц. Умножение матрицы на действительное (комплексное) число
- •3.2. Простые и двойные суммы
- •3.3 Умножение матриц
- •3.4. Умножение квадратных матриц одного порядка.
- •3.5. Решение матричных уравнений
- •IV. Линейные пространства
- •4.1. Алгебраические операции
- •4.2. Определение и примеры линейных пространств
- •4.3. Линейная зависимость и независимость векторов
- •4.4. Базис векторного пространства. Координаты вектора
- •4.5. Матрица перехода. Связь координат вектора в разных базисах
- •4.6. Подпространства линейных пространств
- •4.7. Изоморфизм линейных пространств
- •V. Ранг матрицы. Системы линейных уравнений
- •5.1. Ранг матрицы
- •5.2. Решение системы линейных уравнений с помощью ранга матрицы
- •5.3. Пространство решений системы линейных однородных уравнений
- •5.4. Связь решений однородной и неоднородной систем линейных уравнений
- •5.5. Задание подпространств конечномерного линейного пространства с помощью систем линейных уравнений
- •VI. Линейные операторы
- •6.1. Определение, примеры и свойства линейных операторов
- •6.2. Область значений и ядро линейного оператора
- •6.3. Матрица линейного оператора. Связь координат вектора и его образа
- •6.4. Связь матриц линейного оператора в разных парах базисов
- •6.5. Линейные преобразования линейного пространства
- •6.6. Невырожденные линейные преобразования
- •6.7. Собственные векторы и собственные значения линейного преобразования
- •6.8. Линейные преобразования в базисе из собственных векторов. Линейные преобразования с простым спектром
- •VII. Евклидовы пространства
- •7.1. Скалярное произведение векторов, его свойства. Определение и примеры евклидовых и унитарных пространств
- •7.2. Матрица Грама в евклидовом пространстве
- •7.3. Введение метрики в евклидовом пространстве
- •7.4. Ортонормированные базисы в евклидовом пространстве
- •7.5. Изоморфизм евклидовых пространств
- •VIII. Некоторые виды линейных преобразований евклидовых пространств
- •8.1. Ортогональные линейные преобразования
- •8.2. Сопряженные линейные преобразования
- •8.3. Самосопряженные (симметрические) линейные преобразования
- •IX. Билинейные и квадратичные формы
- •9.1. Линейные формы
- •9.2. Билинейные формы
- •9.3. Квадратичные формы
- •9.4. Закон инерции квадратичных форм
- •9.5. Положительно определённые квадратичные формы
- •9.6. Распадающиеся квадратичные формы
- •Вопросы для подготовки к коллоквиуму «Определители. Матрицы. Линейные пространства»
- •Вопросы для подготовки к экзамену
- •Литература
6.6. Невырожденные линейные преобразования
Пусть Ln – линейное n-мерное пространство над полем Р и пусть : Ln Ln – линейное преобразование. Если А –матрица этого преобразования в некотором базисе е, то в любом другом базисе задаётся матрицей, подобной А, т.е. матрицей вида А1 = ТАТ–1 . Так как матрица Т невырожденная, то rang (A1) = rang (A).
Определение 38. Рангом линейного преобразования линейного пространства называется ранг его матрицы в любом базисе этого пространства.
Определение 39. Линейное преобразование линейного пространства называется невырожденным, если его ранг равен размерности пространства.
Теорема 36. Линейное преобразование линейного пространства Ln является невырожденным тогда и только тогда, когда выполняется одно из следующих условий:
1) (Ln ) = Ln ; 2) Ker() = 0; 3) – взаимнооднозначное отображение Ln на себя;
4) при преобразовании различные векторы имеют различные образы.
6.7. Собственные векторы и собственные значения линейного преобразования
Пусть Ln – линейное n-мерное пространство над полем Р, : Ln Ln – линейное преобразование и А –матрица этого преобразования в некотором базисе е.
Определение 40. Ненулевой вектор а называется собственным вектором преобразования , если (а) = а для некоторого Р. Элемент называется собственным значением преобразования .
По определению собственного вектора, а – собственный вектор преобразования Р : (а) = а. Перепишем это равенство в координатах, получим Ах = х. Отсюда Ах – (Е)х = О, или (А –Е)х = О. Итак, а – собственный вектор преобразования столбец координат этого вектора является ненулевым решением уравнения (А –Е)х = О (38). Матрица (А –Е) называется характеристической матрицей для матрицы А. Матричное уравнение (38) перепишем в виде системы уравнений. Получим, что а – собственный вектор
-
(39)
преобразования (х1, х2, … , хn ) – ненулевое решение системы (39), при этом все хк принадлежат полю Р. Так как (39) система линейных однородных уравнений и число уравнений равнее числу неизвестных, то она имеет ненулевое решение тогда и только тогда, когда её определитель равен нулю, т.е.
(40)
имеет место равенство (340). Уравнение (40) называется характеристическим уравнением матрицы А. Определитель системы, т.е. А – Е , называется характеристическим многочленом матрицы А.
Корни характеристического многочлена называются характеристическими корнями матрицы А. ( Характеристический корень не всегда принадлежит полю Р). Множество всех характеристических корней матрицы А называется её спектром.
Согласно определению 40, Р. Пусть 0 Р и является характеристическим корнем матрицы А. При 0 система (39) имеет ненулевое решение, т. е. будет иметь собственный вектор и 0 будет собственным значением преобразования , заданного матрицей А.
Теорема 37. Характеристические многочлены подобных матриц одинаковы.
Доказательство. Пусть В = С–1АС. Так как матрица Е перестановочна с любой матрицей, то В – Е = С–1АС – Е = С–1АС – С–1 (Е)С = С–1(А – Е)С = С–1 А – Е С = А – Е .
Так как матрицы линейного преобразования в разных базисах подобна, то
Следствие. Матрицы линейного преобразования в разных базисах имеют один и тот же спектр.
Определение 41. Спектр матрицы линейного преобразования в каком-нибудь базисе называется спектром линейного преобразования.
Теорема 38. Собственными значениями линейного преобразования : Ln Ln , действующего в линейном пространстве над полем Р, являются характеристические корни этого преобразования, принадлежащие полю Р, и только они.
Доказательство этой теоремы вытекает из всего сказанного выше.
Можно сформулировать следующие правила нахождения собственных значений и собственных векторов линейного преобразования.
1. Записать матрицу данного преобразования в некотором базисе.
2. Составить характеристическое уравнение и найти его корни, принадлежащие полю Р (т.е. найти собственные значения).
3. Если 0 – собственное значение, то составить систему и найти её ненулевые решения.
Пример. Найти собственные значения и собственные векторы линейного преобразования : L4 L4 (над полем R), если это преобразование в базисе е = (е1, е2, е3,е4) имеет матрицу А.
-
А = .
Решение. Составим характеристическое уравнение ().
Используя теорему Лапласа, раскроем определитель, получим уравнение:
()
, (1 – )2 – 1(1– )(3 – ) – 6 = 0. Возможны два случая:
1) (1 – )2 – 1 = 0, 1 – = 1. Отсюда 1 = 0, 2 = 2.
2) (1– )(3 – ) – 6 = 0, 2 – 4 – 3 = 0, 3 = , 4 = . Итак, характеристическое уравнение имеет четыре корня, все они действительные. Поэтому данное преобразование имеет четыре собственных значения. Для каждого из них составим систему уравнений для нахождения собственных векторов.
-
1) При = 0.
Отсюда х2 = – х1. Подставим в третье и четвёртое уравнения, получим
Отсюда
Решив последнюю систему, получим х4 = , х3 = . Если х1 = 3С, то х2 = –3С, х3 = 13С, х4 = –11С, С – любое действительное число, отличное от нуля. Итак, собственными векторами, принадлежащими собственному значению = 0, являются все ненулевые векторы вида (3С, –3С, 13С, –11С ).
-
2) При = 2.
Отсюда х2 = х1. Подставим в третье и четвёртое уравнения.
Отсюда
Решив последнюю систему, получим х3 = , х4 = Если х1 = 7С, то х2 = 7С, х3 = –15С, х4 = –11С, где С – любое отличное от нуля действительное число. Итак, собственными векторами, принадлежащими собственному значению = 2, являются все ненулевые векторы вида (7С, 7С, –15С, –11С ).
-
3) При = .
Из первых двух уравнений х1 = х2 = 0.
Подставив в третье и четвёртое уравнения, получим
Из этой системы , х3 – любое отличное от нуля действительное число. Если х3 = 2С, то . Итак, собственными векторами, принадлежащими собственному значению = 2 + , являются все ненулевые векторы вида (0, 0, 2С, ).
4) При = .
Из первых двух уравнений х1 = х2 = 0 . Подставив в третье и четвёртое уравнения, получим
Из полученной системы , х3 – любое отличное от нуля действительное число. Если х3 = 2С, то . Итак, собственными векторами, принадлежащими собственному значению = 2 + , являются все ненулевые векторы вида (0, 0, 2С, (1 )С).
Свойства собственных векторов.
10. Если вектор а – собственный вектор преобразования , принадлежащий собственному значению и 0, то а – тоже собственный вектор, принадлежащий тому же собственному значению.
Если (а ) = а, то (а) =(а) = (а) = (а).
20. Множество всех собственных векторов линейного преобразования : Ln Ln , принадлежащих одному и тому же собственному значению (если к ним добавить нулевой вектор), есть линейное подпространство в Ln .
Пусть а и в два собственных вектора и (а ) = а, (в) = в. Тогда (а + в) = (а) + (в) = (а) + (в) = (а + в).
30. Собственные векторы, принадлежащие различным собственным значениям, линейно независимы.
Пусть (а ) = а, (в) = 1в, 1. Если бы а и в были бы линейно зависимы, то хотя бы один из них линейно выражался через другой пусть в = а. Так как в – собственный вектор, то 0. Тогда (в) = (а). Отсюда 1в = (а), 1(а) = (а), (1 – )а = 0. Но в левой части 0, 1 – 0, а 0. Противоречие. Следовательно, а и в – линейно независимы.
40. Если в базисе е = (е1, е2, ... , ек, … , еn ) вектор ек – собственный вектор линейного преобразования , принадлежащий собственному значению , то в к-ом столбце матрицы этого преобразования на всех местах, кроме к-го, стоят нули и акк = .