} называется n - мерным вектором, а числа х1, i=1,n,
составляющие эту совокупность называются координатами вектора х;
n - мерный вектор можно рассматривать как матрицу-строку или матрицу
столбец, состоящую из n элементов.
Линейным векторным пространством называется множество векторов (любой природы),
для которых определено два действия-сложение и умножение на произвольное число.
Линейные n-мерные векторные пространства будем обозначать Ln.
Если х={х1,х2,...хn} є Ln и у={у1, у2,... уп}є L, то
1. х = у , если хі = уі , i = 1, n
2. х+у = {х1 + y1,х2 + у2,. ...хп +уп „ } є Ln.
3. mх = {mx1, тх2,..., mxп} є Ln.
Приведенные определения позволяют рассматривать векторы общего вида не
обязательно геометрической природы.
Примеры линейных пространств:
а) множество геометрических векторов R3;
б) множество всех многочленов Рп(х), степени не превосходящей n;
в) множество матриц Amn, размерности mn;
г) пусть хi, i = 1,n -количество i-го сырьевого продукта,
измеренного в подходящих единицах, тогда векторы вида х={х1,х
2,...хn}могут задавать суточную потребность предприятия в
сырье, запасы сырья, хранящегося на складе и т.д.
Любая совокупность n линейно независимых векторов в n-мерном пространстве
образует базис в этом пространстве (определение линейной зависимости и
независимости векторов см. в теме 1.2).
Пример 1.5.1.Показать, что система векторов
образует базис в пространстве квадратных матриц
Представить матрицу А22 в виде линейной комбинации векторов Si, i=l,4.
Составим линейную комбинацию
Mы получили, что линейная комбинация векторов Si , i=1,n
равна нулю лишь в том случае, когда все коэффициенты этой линейной комбинации
равны нулю. Согласно определения (см. тему 1.2) векторы Si ,
i=1,n линейно независимы и могут быть использованы в качестве базисных
векторов.
Разложение матрицы А22 по базису Si , i=1,n имеет вид:
Линейное пространство называется евклидовьм, если в нем каждой паре
векторов х, y сопоставлено число, которое называется скалярным
произведением этих векторов, обозначается (х, у ) и удовлетворяет
аксиомам:
1.(х,у)=(у,х)
2. ( х1+ х2 , у ) = ( х1, у ) + (х2 , у)
3. (αх , у ) = α (х , у ) ;
4. (х, х )>0, х ≠ 0 и (x,x)=0, если х=0.
называется нормой вектора в евклидовом пространстве.
Неравенство |(х,y)|≤║x
║х║y║называется неравенством Коши-Буняковского.
Два вектора евклидового пространства называются ортогональны ми, если их
скалярное произведение равно нулю, т.е. (х, у )=0.
Линейные преобразования. Если указано правило f, по
которому каждому вектору х линейного пространства Ln
ставится в соответствие единственный вектор у этого пространства,
то говорят, что в нем задано преобразование (отображение, оператор).
Преобразование f линейного пространства L называется
линейным (линейным оператором), если для любых векторов этого пространств х
1, х2 , х и любого λєR выполняются условия
Если линейное пространство L n-мерное пространство, а f
линейное преобразование (оператор) осуществляющее отображениe y=f(x), x(x
1,x2,...xn), у(у1, y2, ..., y
n) є L, тo можно построить матрицу этого преобразования
Замечание. Если вектор геометрический, то над ним ставится стрелка.
Пример 1.5.2. Показать, что преобразование y=a x x,
где а(а1,а2, а3) -постоянный
вектор, х(х1, x2, x3), y(y1,
y2, y3 ecть линейное в линейном пространстве L3
и построить его матрицу А .
Чтобы доказать линейность преобразования y=a x x достаточно
проверить свойства (1.5.1).
Пусть x1, x2 є L3 , λєR ,
тогда у(х1+ х2) =а х (х1+ х
2) = а х х1 + а х х2
у(λх)= а х (λх)= λ (а х х), т.е. свойства
линейности (1.5.1) выполнены и преобразование y=a x x линейно.
Построим матрицу преобразования
Предположим в линейном пространстве Ln заданы базисы еi,
i=1,n и mi, i=1, а также матрица A линейного преобразования f
в базисе еi, i=1. Тогда матрица линейного преобразования в
базисе mi, i=1, будет иметь вид
B=T-1 AT,
(1.5.3)
где T -матрица перехода от старого базиса к новому.
Пример 1.5.3. В базисе e1 ,e2 преобразование f имеет матрицу
Найти матрицу преобразования f в базисе m1=е1 - е2 , т2=2ё2+3е2.
Матрица
(координаты векторов m1 и т2
записываются в столбцы, соответственно в первый и второй).
Собственные числа и собственные векторы матрицы линейного преобразования
(оператора)
Всякий ненулевой вектор х(а1,а2,...,аn
называется собственным вектором линейного преобразования, если
Ах=λx,
(1.5.4) где λ -некоторое число, называемое собственным значением
(числом) линейного преобразования.
Если матрица А имеет вид (1.5.2), то равенство (1.5.4) записывается в
виде системы линейных алгебраических уравнений (Дц - Л)а^ -ь
a^a^+...+а^а^ = О
(a11- λ)a1+a12a2+...+a1nan=0
a21a1+(a22- λ)a2+...+a2nan=0
-----------------------------------
(1.5.5)
an1a1+an2a2+...+(ann- λ)an=0
Система (1.5.5), однородная СЛАУ, имеет отличные от нуля (нетривиальные)
решения только тогда, когда определитель равен нулю. Отсюда следует, что
det(A- λE)=0.
(1.5.6)
Уравнение (1.5.6) называется характеристическим уравнением матрицы данного
линейного преобразования. Каждый действительный корень λ уравнения
(1.5.6) является собственным числом. Соответствующие собственному числу
координаты собственного вектора находятся из системы (1.5.5) методом,
изложенном в теме 1.1 (см. пример 1.1.11).
Пример 1.5.4.Найти собственные числа и собственные векторы матрицы линейного
преобразования
Система однородных линейных алгебраических уравнений (1.5.5) для
нахождения собственных векторов имеет вид
(11-λ)а1+2а2-8а3=0
2а1+(2-λ)а2+10а3=0
(1.5.7)
-8а1+10а2+(5-λ)а3=0
Вычислим определитель (1.5.6) и решим соответствующее характеристическое
уравнение
Характеристическое уравнение имеет вид
λ3-18 λ2-81 λ+1458=0, а его решение λ
1=9, λ2=18, λ3=-9. Найденные
значения λі, і=1,3 подставим в (1.5.7)
Решение этой системы х1= С(2,2,1)Т, С єR, а
соответствующий единичный вектор х01 =(2/3, 2/3,
1/3) Т
При λ 2=18: х02=(-2/3, 1/3, 2/3)Т при λ3=-9 х03 =(1/3, -2/3, 2/3)
Решения систем линейных уравнений рассмотрены в теме 1.1 (см. пример 1.1.11).
Необходимо отметить следующие свойства собственных значений и собственных
векторов симметрической матрицы.
1.Корни характеристического уравнения вещественной симметрической матрицы
вещественны.
2.Собственные векторы вещественной симметрической матрицы, отвечающие
различным собственным значениям ортогональны. (Проверьте на собственных
векторах матрицы примера 1.5.4).
Вопросы для самопроверки
1.Приведите примеры n-мерных векторов.
2.Что такое линейное векторное пространство, какое пространство
называется евклидовым?
З. Что такое базис в n -мерном пространстве?
4 . Как определяется линейное преобразование?
5.Докажите неравенство Коши-Буняковского.
6. Докажите неравенство ||x+y||≤||x||+||y||
7. При каком условии матрица линейного преобразования имеет диагональный вид?
8.Сформулируйте алгоритм нахождения собственных векторов.
Тема 1. 6 . Квадратичные формы. Приведение к каноническому виду уравнений
линии и поверхности второго порядка
Учебники:[1, гл.3, §4],[10, гл.7, §2], [16, гл.11, §3].
Аудиторная работа:[2, N9.4(1, 3), 11.22(1)], [7,гл.3, §5, 6, N63(1,2)],
[20, ч.1, гл.4, §3, N4.226, 4.227, 4.233],[25, занятия 16(16.2.6(а,б)) ,
17(17.2.1, 17.2.2) ].
Самостоятельная работа: [2, N9.4(4-6), 11.22(2)], [7, гл.3, §5, 6,
N63(3-5)], [20, ч.1, гл.4, §3, N4.228, 4.289, 4.234],[25, задания
16(16.3.3(а,б, в) ) , 17(17.3.2, 17.3.3, 17.3.4(а,б,в)) ].
Квадратичной формой от трех переменных x,y,z называется однородный
многочлен второй степени относительно этих переменных.
F(x,y,z)= a11x2 + 2a12xу+ а22у
2 + 2a13xz+ 2a23yz+a22 z2
(1.6.1)
Если учесть, что а12 =a21, a13=a31, a23=a32 , то F(x,y,z) записывается
в виде
F(x, у, z) = а11х2 + а12ху + а
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
|