Категории: ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника |
Матрица линейного оператора. Связь координат вектора и его образа. Связь матриц линейного оператора в разных базисах.Пусть Ln и Lm – линейные пространства над полем Р и j: Ln ® Lm линейный оператор. Зафиксируем в Ln и Lm базисы е =(е1, е2,… , еn ) и f = (f1, f2, … , fm ) соответственно. Если j(е) = (j(е1), j(е2), … , j(еn)),то все векторы j(ек) Î Lm . Выразим их через базис f.
Формулы (31) можно записать в матричном виде: j(е) = f×А(32) Пусть а – произвольный вектор из Ln и j(а) – его образ в Lm . Пусть х – столбец координат этого вектора в базисе е и х1 – столбец координат вектора j(а) в базисе f. Тогда а = е× х , j(а) = j(е) ×х, j(а) = f×х1. Следовательно, j(е) ×х = f×х1. Используя (32), получим (f×А)×х = f×х1, или f×(А×х) = f×х1. Отсюда х1 = А×х(33). Следствие. Если в линейных пространствах Ln и Lm зафиксированы базисы, то каждому линейному оператору, действующему из Ln в Lm соответствует единственная матрица размерности m´nс элементами из поля Р. Теорема 34.Если в линейных пространствах Ln и Lm зафиксированы базисы, то каждая матрица размерности m´nс элементами из поля Р является матрицей одного и только одного линейного оператора, действующего из Ln в Lm . Доказательство. Пусть дана матрица А = с элементами из поля Р и пусть Ln и Lm – линейные пространства над полем Р. Зафиксируем в Ln и Lm базисы е =(е1, е2,… , еn ) и f = (f1, f2, … , fm ) соответственно. В пространстве Lmзададим векторыа1 = (a11, a21, … , am1), а2 = (a12, a22, … , am2), … , аn (a1n, a2n ,… , amn ). Если искомый линейный оператор существует, то должно быть j(ек)= ак для любого к = 1, 2, … , n . По теореме 31 такой оператор существует и только один. Следствие. Между множеством линейных операторов, действующих из Ln в Lm , и множеством матриц размерности m´nс элементами из поля Р устанавливается взаимно однозначное соответствие. Если в Ln и Lm зафиксированы базисы е =(е1, е2,… , еn ) и f = (f1, f2, … , fm ), то при сложении линейных операторов складываются соответствующие им матрицы. Если линейный оператор умножить на элемент поля Р, то на этот элемент умножится и соответствующая матрица. Следствие. Линейное пространство линейных операторов, действующих из Ln в Lm , изоморфно линейному пространству матриц размерности m´nс элементами из поля Р. Следствие. Размерность линейного пространства линейных операторов, действующих из Ln в Lm , равна m×n . Пусть даны два линейных пространства Ln и Lm над полем Р. Пусть в Ln зафиксированы базисы е =(е1, е2,… , еn ) и е1 =(е11, е21,… , еn1 ), а в пространстве Lm – базисы f = (f1, f2, … , fm ) и f1 = (f11, f21, … , fm1 ). Пусть j: Ln ® Lm линейный оператор, А – его матрица в паре базисов е и f и А1 – матрица этого же оператора в паре базисов е1 и f1. Пусть Т – матрица перехода от базиса е к базису е1, а Q – матрица перехода от f к f1. Тогда е1= е×Т, f1 = f×Q , j(е) = f×А, j(е1) = f1×А1. Отсюда j( е×Т) = ( f×Q )×А1, j(е)×Т = f×(Q ×А1). Так как Т – матрица перехода, то она невырожденная, следовательно, существует матрица Т–1. Из последнего равенства получаем, что j(е) = ( f×(Q ×А1))×Т–1 = f×(Q ×А1×Т–1). Но j(е) = f×А. Следовательно, А = Q ×А1×Т–1, или А1 = Q–1 ×А×Т (34) Пример. Даны два линейных пространства L3 и L5 . Пусть е = (е1, е2, е3) и f = (f1, f2, f3 , f4 , f5 ) – базисы в L3 и L5 соответственно. Пусть а1 = (1, 4, –1, 3, 0), а2 = (3, 0, 1, –3, 7), а3 = (1, 1, 2, 2, 0) – три вектора из L5 . Пусть линейный оператор j: L3 ® L5 задан по правилу j(х1е1+ х2е2+ х3е3 ) = х1а1+ х2а2+ х3а3.Составить матрицу оператора j и найти образ вектора с = (5, –1, 3). Решение.Для составления матрицы оператора достаточно найти координаты образов базисных элементов пространства L3 в базисе f пространства L5 . По данному правилу получим j(е1) = 1×а1 = (1, 4, –1, 3, 0), j(е2)= 1×а2 = (3, 0, 1, –3, 7), j(е3)= 1×а3 = (1, 1, 2, 2, 0). Составим матрицу, столбцами которой являются координаты найденных векторов.
Итак, j(с) =(5, 23, 0, 24, -7) в пространстве L5 . (Сравните с решением этого же примера в пункте 6.1.)
9. Теорема: для любых линейных Lm и Ln существует и только один линейный оператор, который данный базис e=(e1,e2...en) из Ln преобразует в данную упорядоченную систему векторов a=(a1,a2..an) из Lm Теорема 34. Если в линейных пространствах Ln и Lm зафиксированы базисы, то каждая матрица размерности m´nс элементами из поля Р является матрицей одного и только одного линейного оператора, действующего из Ln в Lm . Доказательство. Пусть дана матрица А = с элементами из поля Р и пусть Ln и Lm – линейные пространства над полем Р. Зафиксируем в Ln и Lm базисы е =(е1, е2,… , еn ) и f = (f1, f2, … , fm ) соответственно. В пространстве Lmзададим векторыа1 = (a11, a21, … , am1), а2 = (a12, a22, … , am2), … , аn (a1n, a2n ,… , amn ). Если искомый линейный оператор существует, то должно быть j(ек)= ак для любого к = 1, 2, … , n . По теореме 31 такой оператор существует и только один. Следствие. Между множеством линейных операторов, действующих из Ln в Lm , и множеством матриц размерности m´nс элементами из поля Р устанавливается взаимно однозначное соответствие. 10. Ядро и область значений линейного оператора: определение, свойства, примеры Пусть j: Ln ® Lm линейный оператор. Определение 33. Областью значений оператора j называется множество j (Ln) образов всех элементов из Ln . Теорема 32. Область значений линейного оператораj: Ln ® Lm есть линейное подпространство в Lm . Доказательство. По определению линейного оператора j (Ln) Ì Lm.Пусть в и с – любые два вектора из j (Ln). Тогда существуют такие векторы а1 и а2 из Ln , что j(а1) = в, j (а2) = с. Тогда, по определению 311, j(aа1 + bа2) = aj(а1) + bj(а2) = aв + bс. Так как aа1 + bа2 Î Ln , то j(aа1 + bа2) Î j (Ln), т.е. aв + bс Î j (Ln). Отсюда следует, что j (Ln) – линейное подпространство в Lm . Определение 34. Ядромлинейного оператора j: Ln ® Lm называется множество всех векторов из Ln , отображающихся в нулевой вектор пространства Lm . Теорема 33. Ядро линейного оператора j: Ln ® Lm является линейным подпространством в пространстве Ln . (Обозначение ядра Ker(j) ) Доказательство. По определению ядра Ker(j) Ì Ln . Если а1и а2 Î Ker(j), то j (а1) = 0, j (а2) = 0. Но тогда j(aа1 + bа2) = aj(а1) + bj(а2) = a×0 + b×0 = 0 Þ aа1 + bа2 Î Ker(j). Итак, Ker(j) – линейное подпространство в пространстве Ln . Примеры. 1. Даны два линейных пространства L3 и L5 . Пусть е = (е1, е2, е3) и f = (f1, f2, f3 , f4 , f5 ) – базисы в L3 и L5 соответственно. Пусть а1 = (1, 4, –1, 3, 0), а2 = (3, 0, 1, –3, 7), а3 = (1, 1, 2, 2, 0) – три вектора из L5 . Пусть линейный оператор j: L3 ® L5 задан по правилу j(х1е1+ х2е2+ х3е3 ) = х1а1+ х2а2+ х3а3.Найти j(L3) и Ker(j). Решение. Так как х1, х2, х3 – любые элементы поля коэффициентов Р, то х1а1+ х2а2+ х3а3– любой вектор из линейной оболочки < а1, а2, а3 >. Итак, j(L3) = < а1, а2, а3 >. j(х1е1+ х2е2+ х3е3 ) = 0 Û х1а1 + х2а2 + х3а3 = 0 Û х1(1, 4, –1, 3, 0) + х2(3, 0, 1, –3, 7)+ + х3(1, 1, 2, 2, 0) = (х1 + 3х2 + х3 , 4х1 + х3 , –х1 + х2 + 2х3 , 3х1 –3х2 + 2х3 , 7х2 ) = 0 Û
2. Даны два линейных пространства L3 и L5 . Пусть е = (е1, е2, е3) и f = (f1, f2, f3 , f4 , f5) – реперы в L3 и L5 соответственно. Пусть линейный оператор j : L5 ® L3 задан правилом j( х1f1 + х2f2 + х3 f3 + х4f4 + х5f5) = х1е1+ х2е2+ х3е3. Найти j(L5) и Ker(j). Решение. Очевидно, j(L5) = < е1, е2, е3> = L3. Найдём ядро. j( х1f1 + х2f2 + х3 f3 + х4f4 + х5f5) = 0 Û х1е1+ х2е2+ х3е3 Û х1 = х2 = х3 = 0. Итак, ядро состоит из векторов вида а = (0, 0, 0, х4, х5 ), где х4, х5 – любые элементы поля Р. 11.Линеные преобразования линейных пространств: определение, примеры, свойства. Связь между множеством линейных преобразований данного пространства и множеством квадратных матриц. Определение 35. Линейным преобразованием линейного пространства называется линейный оператор данного линейного пространства самого в себя. j : L® L Всё, что было сказано о линейных операторах, очевидно, верно и для линейных преобразований, но некоторые формулы будут иметь более простой вид. Напомним формулы. 1. Если в пространстве Ln зафиксирован базис е =(е1, е2,… , еn ), то матрица А линейного преобразования j : Ln® Ln имеет вид
2. Формулы (35) в матричном виде имеют вид j(е) = е×А. 3. Связь столбцов координат вектора и его образа: х1 = А×х (36) 4. Если в пространстве Ln зафиксированы два базиса е =(е1, е2,… , еn) и е1 =(е11,е21,… , еn1) и Т – матрица перехода от е к е1, то связь матриц линейного преобразования в этих базисах задаётся формулой А1 = Т-1×А×Т (37). Определение 36. Квадратные матрицы А и В называются подобными, если существует такая квадратная невырожденная матрица С, что В = С–1×А×С. 5. Матрицы, задающие линейное преобразование в разных базисах, подобны. 6. Теорема 35. Для любых двух подобных матриц А и В одного и того же порядка n над полем Р и любого линейного пространства Ln над полем Р в Ln существуют такие базисы е и е1, что данные матрицы будут задавать в этих базисах одно и то же линейное преобразование. Доказательство. Пусть В = С–1×А×С. Зафиксируем в Ln какой-нибудь базис. Матрица А в этом базисе задаёт линейное преобразование (пусть это j). Так как матрица С невырожденная, то С–1 может быть матрицей перехода. Пусть е1= е×С–1. Тогда преобразование j в базисе е1 будет иметь матрицу С–1×А×(С–1 )–1 = С–1×А×С = В. 7. dim (j(Ln)) + dim (Kerj ) = n. 8. Множество всех линейных преобразований пространства Ln есть тоже линейное пространство над тем же полем Р, что и пространство Ln . Определение 37.Линейное пространство линейных преобразований линейного пространства Ln называется линейным пространством, сопряжённым пространству Ln . Пространство, сопряжённое Ln , обозначается Ln*. 9. Пространство Ln* изоморфно линейному пространству квадратных матриц порядка n с элементами из поля Р. Следовательно, dim (Ln* ) = n2. 12. Сумма линейных преобразований, умножение линейного преобразования на действительное(комплексное число), линейное пространство, сопряженное данному. Сложение преобразований. Пусть в n -мерном пространстве R с базисом l1, l2, ..., ln заданы два линейных преобразования Аи В, определяемые как y = Ax и z = Bx. Определение 28. Суммой линейных преобразований А и В называют преобразование С, обозначаемое С = А + В, если для каждого вектора x из пространства R справедливо Сх = (А + В)х = Ax + Вx. Тогда говорят, что преобразование С преобразует вектор х в вектор q равный сумме векторов у и z, т.е. q = y + z. Из определения 28 очевидно, что матрица С, определяющая преобразование С, должна быть равна сумме матриц преобразований А иВ: С = А + В. Умножение преобразования на число. Пусть в n -мерном пространстве R с базисом l1, l2, ..., ln задано линейное преобразование А, определяемом как y = Ax, и некоторое число . 13. Умножение линейных преобразований. Произведением линейного преобразования А и числа называют преобразование С, обозначаемое , если для каждого вектора x из пространства R справедливо . Тогда говорят, что преобразование С преобразует вектор х в вектор q, равный , где у = Ax. Произведение преобразований. Пусть в n -мерном пространстве R с базисом l1, l2, ..., ln заданы два линейных преобразованияА и В, определяемых как y = Ax и z = Bу, т.е. вектор x преобразуется преобразованием А в вектор y, который в свою очередьпреобразуется в вектор z преобразованием В. Определение 30. Произведением преобразований А и В называют преобразование С, обозначаемое С = ВА, если для каждого вектора справедливо Сх = (ВА)х = В(Ax) = Ву = z. Заметим, что в этом случае матрица преобразования С, определяющая произведение преобразований А и В, будет выражаться произведением матриц соответствующих преобразований: С = ВА. 14. Собственные векторы и собственные значения линейного преобразования: определение, свойства, способы нахождения. Пусть Ln – линейное n-мерное пространство над полем Р, j : Ln® Ln – линейное преобразование и А –матрица этого преобразования в некотором базисе е. Определение 40. Ненулевой вектор а называется собственным вектором преобразования j, если j(а) = l×а для некоторого l Î Р. Элемент l называется собственным значениемпреобразования j. По определению собственного вектора, а – собственный вектор преобразования j Û $l Î Р : j(а) = l×а. Перепишем это равенство в координатах, получим А×х = l×х. Отсюда А×х – (lЕ)×х = О, или (А –lЕ)×х = О. Итак, а – собственный вектор преобразования j Û столбец координат этого вектора является ненулевым решением уравнения (А –lЕ)×х = О (38). Матрица (А –lЕ) называется характеристической матрицей для матрицы А. Матричное уравнение (38) перепишем в виде системы уравнений. Получим, что а – собственный вектор
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, l Î Р. Пусть l0 Î Р и является характеристическим корнем матрицы А. При l0 система (39) имеет ненулевое решение, т. е. j будет иметь собственный вектор и l0 будет собственным значением преобразования j, заданного матрицей А. Теорема 37. Характеристические многочлены подобных матриц одинаковы. Доказательство. Пусть В = С–1×А×С. Так как матрица lЕ перестановочна с любой матрицей, то | В – lЕ | = | С–1×А×С – lЕ | = | С–1×А×С – С–1 ×(lЕ)×С | = | С–1×(А – lЕ)×С | = |С–1 || А – lЕ ||С| = | А – lЕ |. Так как матрицы линейного преобразования в разных базисах подобны, 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 j : 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 l0 – собственное значение, то составить систему и найти её ненулевые решения. Пример. Найти собственные значения и собственные векторы линейного преобразования j : L4® L4 (над полем R), если это преобразование в базисе е =(е1, е2, е3,е4) имеет матрицу А.
, [(1 – l )2 – 1]×[(1– l )×(3 –l ) – 6] = 0. Возможны два случая: 1) (1 –l )2 – 1 = 0, 1 – l = ± 1. Отсюда l1 = 0, l2 = 2. 2) (1– l )×(3 –l ) – 6 = 0, l2 – 4l – 3 = 0, l3 = , l4 = . 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.
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 l = 0, являются все ненулевые векторы вида (3С, –3С, 13С, –11С ).
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 l = 2, являются все ненулевые векторы вида (7С, 7С, –15С, –11С ).
Свойства собственных векторов. 10. Если вектор а – собственный вектор преобразования j, принадлежащий собственному значению l и a ¹ 0, то a×а – тоже собственный вектор, принадлежащий тому же собственному значению. Если j (а ) = lа, то j(aа) =aj(а) = a(lа) = l(aа). 20. Множество всех собственных векторов линейного преобразования j : 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 j(а ) = lа, j(в) = lв. Тогда j(aа + bв) = aj(а) + bj(в) = a(lа) + b(lв) = l(aа + bв). 30. Собственные векторы, принадлежащие различным собственным значениям, линейно независимы. Пусть j(а ) = lа, j(в) = l1в, l ¹ l1. Если бы а и в были бы линейно зависимы, то хотя бы один из них линейно выражался через другой пусть в = aа. Так как в – собственный вектор, то a ¹ 0. Тогда j(в) = j(aа). Отсюда l1в = a(lа), l1(aа) = a(lа), a(l1 – l)а = 0. Но в левой части a ¹ 0, l1 – l ¹ 0, а¹ 0. Противоречие. Следовательно, а и в – линейно независимы. 40. Если в базисе е = (е1, е2,... , ек, … , еn ) вектор ек – собственный вектор линейного преобразования j, принадлежащий собственному значению l, то в к-ом столбце матрицы этого преобразования на всех местах, кроме к-го, стоят нули и акк = l. 15. Матрица линейного преобразования в базисе из собственных векторов Теорема 39. Линейное преобразование j линейного пространства Ln над полем Р имеет в базисе е = (е1, е2,... , еn ) диагональную матрицу тогда и только тогда, когда все векторы базиса являются собственными векторами преобразования j. Доказательство. Þ Пусть матрица А линейного преобразования j в базисе е– диагональная. Тогда j(ек) = lкек для любого к = 1, 2, … , n. Но это значит, что все базисные векторы – собственные.. Ü Пусть все базисные векторы – собственные. Тогда j(ек) = lкек. Следовательно, в к-ом столбце матрицы этого преобразования на всех местах, кроме к-го, стоят нули и акк = lк. Отсюда и следует, что матрица преобразования – диагональная. Следствие. Квадратная матрица n-го порядка подобна диагональной тогда и только тогда, когда для соответствующего этой матрице линейного преобразования существует базис из собственных векторов. Определение 42. Говорят, что линейное преобразование j линейного пространства Ln над полем Р имеет простой спектр, если все его характеристические корни различны и принадлежат полю Р. Теорема 40. Если линейное преобразование j линейного пространства Ln над полем Р имеет простой спектр, то в Lnсуществует такой базис, в котором это преобразование имеет диагональную матрицу. Теорема 41. Пусть А – квадратная матрица с элементами из поля Р . Если все характеристические корни матрицы А различны и принадлежат полю Р, то эта матрица подобна диагональной.
16. Определение скалярного произведения векторов в действительном линейном пространстве, евклидовы пространства, примеры. Пусть L –линейное пространство над полем Р. В L определены две алгебраические операции: сложение векторов и умножение векторов на элементы поля Р, Введём ещё одну внутреннюю алгебраическую операцию, являющуюся обобщением скалярного произведения геометрических векторов. В основу определения этой операции положим те свойства скалярного произведения геометрических векторов, которые были получены в аналитической геометрии. При этом определения скалярного произведения в случае, когда поле Р является полем действительных чисел, отличается от случая, когда Р = С. Определение 43
|
||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2016-06-09 lectmania.ru. Все права принадлежат авторам данных материалов. В случае нарушения авторского права напишите нам сюда... |