Выбери формат для чтения
Загружаем конспект в формате pdf
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Лекции по линейной алгебре 1 курс БПМИ 2017/2018
Левина Александра
Содержание
1 Лекция 7.09.2017
1.1 Системы линейных уравнений. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Элементарные преобразования СЛУ и ее расширенная матрица. . . . . . . . . . . . . .
4
4
5
2 Лекция 21.09.2017
2.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Метод Гаусса решения СЛУ (метод исключения неизвестных). . . . . . . . . . . . . . .
6
6
7
3 Лекция 28.09.2017
3.1 Матрицы . . . . . . . . . . . . . . .
3.2 Операции над матрицами . . . . . .
3.3 Декартово произведение множеств
3.4 Транспонирование . . . . . . . . . .
3.5 Умножение матриц . . . . . . . . .
3.6 Отступление . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
9
9
9
10
11
12
12
4 Лекция 30.09.2017
13
4.1 Свойства умножения матриц . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.2 Приложение к СЛУ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5 Лекция 5.10.2017
17
5.1 След матрицы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.2 Перестановки и подстановки . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
6 Лекция 12.10.2017
20
6.1 Продолжение про подстановки . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6.2 Определители . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
7 Лекция 19.10.2017
23
7.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
7.2 Вычисление определителей при помощи элементарных преобразований . . . . . . . . . 25
8 Лекция 2.11.2017
26
8.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
8.2 Обратная матрица . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
9 Лекция 9.11.2017
29
9.1 Поля . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
9.2 Формальная конструкция поля C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
10 Лекция 16.11.2017
31
10.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
10.2 Отступление про многочлены . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
11 Лекция 23.11.2017
33
11.1 Векторное пространство . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1
12 Лекция 30.11.2017
36
12.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
13 Лекция 7.12.2017
38
13.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
14 Лекция 14.12.2017
41
15 Лекция 11.01.2018
43
16 Лекция 18.01.2018
45
16.1 Линейные отображения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
17 Лекция 25.01.2017
48
18 Лекция 1.02.2018
51
19 Лекция 8.02.2018
53
20 Лекция 15.02.2018
56
21 Лекция 16.02.2018
59
22 Лекция 22.02.2017
61
22.1 Евклидовы пространства . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
23 Лекция 1.03.2018
64
24 Лекция 15.03.2018
67
24.1 Метод наименьших квадратов . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
25 Лекция 22.03.2018
69
25.1 Элементы аналитической геометрии в R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
26 Лекция 5.04.2017
26.1 Взаимное расположение двух линейных многообразий в R𝑛
26.2 Линейные многообразия в R2 . . . . . . . . . . . . . . . . . .
26.3 Линейные многообразия в R3 . . . . . . . . . . . . . . . . . .
26.4 Взаимное расположение двух линейных многообразий в R3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
71
72
72
73
73
27 Лекция 12.04.2018
74
27.1 Метрические задачи в R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
27.2 Линейные операторы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
27.3 Наблюдения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
28 Лекция 19.04.2018
76
28.1 Наблюдения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
29 Лекция 26.04.2018
79
29.1 Линейные отображения и линейные операторы в евклидовых пространствах . . . . . . 81
30 Лекция 10.05.2018
82
31 ЛЕКЦИЯ 17.05.2018
84
31.1 Сингулярное разложение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
2
32 Лекция 24.05.2018
87
33 Лекция 31.05.2018
90
𝑛
33.1 Метрическая классификация гиперповерхностей второго порядка в R . . . . . . . . . 91
33.2 Канонические виды кривых второго порядка в R2 . . . . . . . . . . . . . . . . . . . . . 92
33.3 Канонические виды поверхностей второго порядка в R3 . . . . . . . . . . . . . . . . . . 92
34 Лекция 7.06.2018
34.1 Эллипс . . . . . . . . .
34.2 Гипербола . . . . . . . .
34.3 Парабола . . . . . . . .
34.4 Жорданова нормальная
. . . . .
. . . . .
. . . . .
форма
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
93
93
94
95
95
35 Лекция 14.06.2018
97
35.1 Метод построения жорданова базиса . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
35.2 Полуторалинейные формы и эрмитовы пространства . . . . . . . . . . . . . . . . . . . . 99
3
1
Лекция 7.09.2017
1.1
Системы линейных уравнений.
Линейное уравнение: 𝑎1 𝑥1 + · · · + 𝑎𝑛 𝑥𝑛 = 𝑏.
𝑎1 , 𝑎2 , · · · , 𝑎𝑛 , 𝑏 ∈ R – заданные числа.
𝑥1 , 𝑥2 , · · · , 𝑥𝑛 – неизвестные.
Система линейных уравнений (СЛУ):
⎧
𝑎11 𝑥1 + 𝑎12 𝑥2 + · · · + 𝑎1𝑛 𝑥 = 𝑏1
⎪
⎪
⎪
⎨ 𝑎 𝑥 + 𝑎 𝑥 + ··· + 𝑎 𝑥 = 𝑏
21 1
22 2
2𝑛
2
⎪
..............................
⎪
⎪
⎩
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + · · · + 𝑎𝑚𝑛 𝑥 = 𝑏𝑚
m уравнений, n неизвестных
Определение. 1) Решение одного уравнения – это такой набор значений неизвестных 𝑥1 , 𝑥2 , · · · , 𝑥𝑛 ,
при подстановке которого в уравнение получаем тождество.
2) Решение СЛУ – такой набор значений неизвестных, который является решением каждого
уравнения СЛУ.
Основная задача: решить СЛУ, т.е. найти все решения.
Пример. 𝑛 = 𝑚 = 1
𝑎𝑥 = 𝑏, 𝑎, 𝑏 ∈ R, x - неизвестная
1) 𝑎 ̸= 0 ⇒ 𝑥 = 𝑎𝑏 – единственное
2) 𝑎 = 0 ⇒ 0𝑥 = 𝑏
𝑏 ̸= 0 ⇒ решений нет.
𝑏 = 0 ⇒ x - любое ⇒ бесконечно много решений.
Определение. СЛУ называется совместной, если у нее есть решение. СЛУ называется несовместной, если у нее решений нет.
Определение. Две СЛУ от одних и тех же неизвестных называются эквивалетными, когда у
них совпадают множества решений.
Примеры.
1) Любые две несовместные СЛУ эквивалентны, т.к. множество решений пусто.
2)
{︃
𝑥1 + 𝑥2 = 1
𝑥1 − 𝑥2 = 0
{︃
2𝑥1 = 1
2𝑥2 = 1
{︀(︀ 1 1 )︀}︀
Эквивалентные множества решений: 2 ; 2 .
Как решить СЛУ?
Идея: выполнить преобразования СЛУ, не меняющие множество решениq, и привести ее в итоге
к виду, в котором она легко решается.
4
⎛
···
···
..
.
𝑎1𝑛
𝑎2𝑛
..
.
𝑎𝑚1 𝑎𝑚2 · · ·
⎞
𝑏1
𝑏2 ⎟
⎟ (︀
.. ⎟ = 𝐴
. ⎠
𝑎𝑚𝑛
𝑏𝑚
𝑎11
⎜ 𝑎21
⎜
⎜ ..
⎝ .
𝑎12
𝑎22
..
.
𝑏
)︀
– расширенная матрица СЛУ (*), она содержит в себе всю информацию о СЛУ(*), где
⎛
⎞
𝑎11 𝑎12 · · · 𝑎1𝑛
⎜ 𝑎21 𝑎22 · · · 𝑎2𝑛 ⎟
⎜
⎟
⎜ ..
..
..
.. ⎟ = 𝐴
⎝ .
.
.
. ⎠
𝑎𝑚1 𝑎𝑚2 · · · 𝑎𝑚𝑛
– матрица коэффициентов,
⎛
⎞
𝑏1
⎜ 𝑏2 ⎟
⎜ ⎟
⎜ .. ⎟ = 𝑏
⎝ . ⎠
𝑏𝑚
– столбец правых частей.
В примерах выше:
1)
(︂
1
1
(︂
2
1
−1
2
)︂
1
)︂
1
1
2) Пример простого вида:
⎛
1
⎜ 0
⎜
⎜ 0
⎜
⎝· · ·
1
···
1
···
···
···
···
···
···
···
1
⎞
𝑏1
𝑏2 ⎟
⎟
𝑏3 ⎟
⎟
· · ·⎠
𝑏𝑚
соответсвующая СЛУ:
⎧
𝑥 1 = 𝑏1
⎪
⎪
⎪
⎪
⎨ 𝑥 2 = 𝑏2
..
⎪
⎪
.
⎪
⎪
⎩
𝑥 𝑚 = 𝑏𝑚
1.2
Элементарные преобразования СЛУ и ее расширенная матрица.
тип
1. тип
2. тип
3. тип
СЛУ
расширенная матрица
К i-му уравнению прибавить j-ое, умноженное на 𝜆 ∈ R(𝑖 ̸= 𝑗)
Э1 (i, j, 𝜆)
Переставить i-е и j-е уравнения (𝑖 ̸= 𝑗)
Э2 (i, j)
Умножить i-ое уравнение на 𝜆 ̸= 0
Э3 (i, 𝜆)
5
1) Э1 (i, j, 𝜆): к i-ой строке прибавить j-ую, умноженную на 𝜆 (покомпонентно),
𝑎𝑖𝑘 → 𝑎𝑖 𝑘 + 𝜆𝑎𝑗𝑘 ∀𝑘 = 1, · · · , 𝑛,
𝑏𝑖 → 𝑏𝑖 + 𝜆𝑏𝑗 .
2) Э2 (i, j): переставить i-ю и j-ю строки.
3) Э3 (i, 𝜆): умножить i-ю строку на 𝜆 (покомпоненто).
Э1 , Э2 , Э3 называются элементарными преобразованиями строк расширенной матрицы.
Лемма. Элементарные преобразования СЛУ не меняют множество решений.
Доказательство. Пусть мы получили СЛУ(**) из СЛУ(*) путем элементарных преобразований.
B 1) всякое решение СЛУ(*) является решением СЛУ(**);
2) СЛУ(*) тоже получается из СЛУ(**) путем элементарных преобразований
(*) → (**) (**) → (*)
Э1 (i, j, 𝜆) Э1 (i, j, −𝜆)
Э2 (i, j)
Э2 (i, j)
Э3 (i, 𝜆)
Э3 (i, 𝜆1 )
1) ⇒ всякое решение СЛУ(**) является решением СЛУ(*) ⇒ (*) и (**) имеют одно и то же
множество решений. C
2
Лекция 21.09.2017
2.1
M - матрица.
Определение. Строка (𝑎1 , 𝑎2 , . . . , 𝑎𝑛 ) называется нулевой, если 𝑎1 = 𝑎2 = · · · = 𝑎𝑛 = 0 , и
ненулевой иначе (т.е. ∃𝑖 : 𝑎𝑖 ̸= 0).
Определение. Ведущий элемент ненулевой строки – это первый ненулевой элемент этой строки.
Определение. Матрица М называется ступенчатой (имеет ступенчатый вид ), если:
1) номера ведущих элементов ненулевых строк строго возратают;
2) все нулевые строки в конце (= внизу).
⎛
⎞
0 ··· 0 ♦
*
*
* * * *
⎜0 · · · 0 0 · · · ♦
* * * *⎟
⎜
⎟
⎜0 · · · 0 0 · · · 0
0 ♦ * *⎟
⎜
⎟
⎜ .. .. .. ..
..
..
..
.. .. .. ⎟
⎜. . . .
.
.
.
. . .⎟
⎜
⎟
⎝0 0 0 · · · · · · · · · · · · 0 ♦ *⎠
0 0 0 ··· 0
0 0 0 0
♦ ̸= 0
* – что угодно
Определение. Матрица М имеет улучшенный ступенчатый вид, если:
1) М имеет ступенчатый вид;
6
2) все ведущие элементы = 1;
3) в одном столбце с каждым ведущим элементом стоят
⎛
0 ··· 0 1
*
*
⎜0 · · · 0 0 · · · 1
*
⎜
⎜0 · · · 0 0 · · · 0
⎜
⎜ .. .. .. ..
..
..
..
⎜. . . .
.
.
.
⎜
⎝0 0 0 · · · · · · · · · · · ·
0 0 0 ··· 0
только нули.
⎞
0 0 *
0 0 *⎟
⎟
1 0 *⎟
⎟
.. .. .. ⎟
. . .⎟
⎟
0 1 *⎠
0 0 0
Теорема 2.1. 1) Всякую матрицу элементарными преобразованиями строк можно привести к
ступенчатому виду.
2) Всякую ступенчатую матрицу элементарными преобразованиями строк можно привести к
улучшенному ступенчатому виду.
Следствие 2.1.1. Всякую матрицу элементарными преобразованиями строк можно привести к ступенчатому виду.
Замечание 2.1.1. Улучшенный ступенчатый вид матрицы определен однозначно.
Доказательство теоремы.
B Обозначения: m - число строк, n - число столбцов, 𝑎𝑖𝑗 - элемент, стоящий на пересечении i-ой
стhоки и j-ого столбца.
1) Алгоритм. Если М – нулевая, то конец. Иначе:
Шаг 1. Ищем первый ненулевой столбец, пусть j – его номер.
Шаг 2. Переставляя строки, если нужно, добиваемся того, что 𝑎1𝑗 ̸= 0
𝑎
𝑎2𝑗
Шаг 3. Выполняем Э1 (2,1,− 𝑎1𝑗
), . . . , Э1 (m,1,− 𝑎𝑚𝑗
). В результате 𝑎𝑖𝑗 = 0 при 𝑖 = 2,3, . . . , 𝑚.
1𝑗
Дальше все повторяем для меньшей матрицы М’.
2) Алгоритм. Пусть 𝑎1𝑗1 , 𝑎2𝑗2 , . . . , 𝑎𝑟𝑗𝑟 – ведущие элементы ступенчатой матрицы.
Шаг 1. Выполняем Э3 (1, 𝑎1𝑗1 ), . . . , Э3 (r, 𝑎𝑟𝑗1 ), в результате все ведущие элементы равны 1.
𝑟
1
Шаг 2. Выполнив Э1 (r-1, r, −𝑎𝑟−1 𝑗𝑟 ), Э1 (r-2, r, −𝑎𝑟−2 𝑗𝑟 ), . . . , Э1 (1, r, −𝑎1 𝑗𝑟 ). В результате все
элементы над 𝑎𝑟𝑗𝑟 равны 0.
Аналогично обнуляем элементы над всеми остальными ведущими.
Итог: матрица имеет улучшеный ступенчатый вид. C
2.2
Метод Гаусса решения СЛУ (метод исключения неизвестных).
Пусть есть СЛУ с расширенной матрицей (A|b): m уравнений, n неизвестных. Помним: элементарные
преобразования строк расширенной матрицы не меняют множество решений.
Алгоритм. Приводим (A|b) к ступенчатому виду (прямой ход метода Гаусса). Получаем:
⎞
⎛
0 · · · 0 𝑎1𝑗1 · · · · · · · · ·
𝑏1
⎜0 · · · 0 0 𝑎2𝑗 · · · · · ·
𝑏2 ⎟
2
⎜
⎟
⎜ .. .. ..
⎟
..
..
..
..
..
⎜. . .
⎟
.
.
.
.
.
⎟
⎜
⎜0 0 0 · · ·
0 𝑎𝑟𝑗𝑟
𝑏𝑟 ⎟
⎜
⎟
⎝0 0 0 · · ·
𝑏𝑟+1 ⎠
0 0 0 ···
Случай 1. 𝑏𝑟+1 ̸= 0. Тогда новая СЛУ содержит уравнение 0 * 𝑥1 + · · · + 0 * 𝑥𝑛 = 𝑏𝑟+1 (⇔ 0 = 𝑏𝑟+1 )
⇒ СЛУ несовместна.
7
Случай 2. Либо 𝑟 = 𝑚, либо 𝑏𝑟+1 = 0. Приводим матрицу к улучшенному ступенчатому виду
(обратный ход метода Гаусса).
0 ···
⎜0 ···
⎜.
..
⎜ ..
.
⎜
⎜0 0
⎜
⎝0 0
0 0
⎛
..
.
𝑗1
1
..
.
···
···
···
𝑗2
···
1
..
.
···
···
..
.
𝑗𝑟
···
···
..
.
1
𝑏1
𝑏2
..
.
𝑏𝑟
⎞
⎟
⎟
⎟
⎟
⎟
⎟
⎠
Неизвестные 𝑥𝑗1 , 𝑥𝑗2 , . . . , 𝑥𝑗𝑟 называются главными, а остальные – свободными.
Подслучай 2.1. 𝑟 = 𝑛, т. е. все неизвестные – главные.
⎛
⎞
1 ··· 0
𝑏1
⎜
⎟
⎜· · · . . . · · ·
· · ·⎟
⎜
⎟
⎜ 0 ··· 1
⎟
𝑏
𝑟
⎜
⎟
⎝ 0 ··· 0
0⎠
0 ··· 0
Тогда СЛУ имеет вид:
⎧
𝑥 1 = 𝑏1
⎪
⎪
⎪
⎨𝑥 =𝑏
2
2
⎪
···
⎪
⎪
⎩
𝑥 𝑛 = 𝑏𝑛
– единственное решение.
Подслучай 2.2. 𝑟 < 𝑛, т.е. хотя бы одна свободная неизвестная.
Перенося в каждом уравнении члены со свободными неизвестными в правую часть, получаем
выражения всех главных неизвестных через свободные, эти выражения называются общим решением
исходной СЛУ.
Каждое решение исходной СЛУ получается подстановкой произвольных значений в свободные
неизвестные и вычислением соответсвующих значений главных неизвестных.
Замечание 2.1.2. И тогда СЛУ имеет бесконечно много решений.
Пример. Улучшенный ступенчатый вид:
(︂
1 3 0 1
0 0 1 −2
)︂
−1
4
Главные неизвестные: 𝑥1 , 𝑥3
Свободные неизвестные: 𝑥2 , 𝑥4 .
𝑥2 = 𝑡1 , 𝑥4 = 𝑡2 – параметры.
⎛ ⎞
⎛ ⎞
⎛ ⎞ ⎛
⎞ ⎛ ⎞
−1
𝑥1
−1 − 3𝑡1 − 𝑡2
−1
−3
⎟
⎜
⎟
⎜𝑥2 ⎟ ⎜
⎟
⎜
⎟
⎜
𝑡1
⎜ ⎟=⎜
⎟ = ⎜ 0 ⎟ + 𝑡1 ⎜ 1 ⎟ + 𝑡2 ⎜ 0 ⎟
⎝0⎠
⎝2⎠
⎝𝑥3 ⎠ ⎝ 4 + 2𝑡2 ⎠ ⎝ 4 ⎠
1
𝑥4
𝑡2
Общее решение:
{︃
𝑥1 = −1 − 3𝑥2 − 𝑥4
𝑥3 = 4 + 2𝑥4
8
Следствие 2.1.2. Всякая СЛУ с коэффициентами из R либо несовместна, либо имеет ровно 1
решение, либо имеет бесконечно много решений.
Определение. СЛУ называется однородной (ОСЛУ), если все ее правые части равны 0. Расширенная: (A|0).
Очевидный факт: всякая ОСЛУ имеет нулевое решение (𝑥1 = 𝑥2 = · · · = 𝑥𝑛 = 0).
Следствие 2.1.3. Всякая ОСЛУ либо имеет ровно 1 решение (нулевое), либо бесконечно много
решений.
Следствие 2.1.4. Всякая ОСЛУ, у которой число неизвестных больше числа уравнений, имеет
ненулевое решение.
Доказательство:
B В ступенчатом виде расширенной матрице ступенек будет ≤ 𝑚 (m – количество уравнений).
Число ступенек = числу главных неизвестных ⇒ главных неизвестных ≤ 𝑚 ⇒ будет хотя бы одна
свободная неизвестная. Подставляя в свободную неизвестную ненулевое значение, получим ненулевое
решение. C
3
Лекция 28.09.2017
3.1
Матрицы
Определение. Матрица размера 𝑚 × 𝑛 (или (𝑚 × 𝑛)-матрица) – это прямоугольная таблица высоты
m и ширины n, заполненная числами (m строк, n столбцов).
⎛
⎞
𝑎11 𝑎12 · · · 𝑎1𝑛
⎜ 𝑎21 𝑎22 · · · 𝑎2𝑛 ⎟
⎜
⎟
⎜ ..
..
..
.. ⎟ = 𝐴
⎝ .
.
.
. ⎠
𝑎𝑚1 𝑎𝑚2 · · · 𝑎𝑚𝑛
𝑎𝑖𝑗 – элемент на пересечении i-ой строки и j-ого столбца.
Краткая запись: 𝐴 = (𝑎𝑖𝑗 ).
Множество всех матриц размера 𝑚 × 𝑛 (с коэффициентами из R) обозначается 𝑀 𝑎𝑡𝑚×𝑛 (R).
Определение. Матрицы 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 и 𝐵 ∈ 𝑀 𝑎𝑡𝑘×𝑙 называются равными, если:
1) 𝑚 = 𝑘, 𝑛 = 𝑙 (размер один и тот же)
2) 𝑎𝑖𝑗 = 𝑏𝑖𝑗 ∀𝑖, 𝑗
3.2
Операции над матрицами
Сложение. 𝐴, 𝐵 ∈ 𝑀 𝑎𝑡𝑚×𝑛 , 𝐴 = (𝑎𝑖𝑗 ), 𝐵 = (𝑏𝑖𝑗 )
⎛
𝑎11 + 𝑏11 𝑎12 + 𝑏12 · · ·
⎜ 𝑎21 + 𝑏21 𝑎22 + 𝑏22 · · ·
⎜
𝐴 + 𝐵 = (𝑎𝑖𝑗 + 𝑏𝑖𝑗 ) = ⎜
..
..
..
⎝
.
.
.
𝑎𝑚1 + 𝑏𝑚1 𝑎𝑚2 + 𝑏𝑚2 · · ·
9
𝑎1𝑛 + 𝑏1𝑛
𝑎2𝑛 + 𝑏2𝑛
..
.
𝑎𝑚𝑛 + 𝑏𝑚𝑛
⎞
⎟
⎟
⎟ ∈ 𝑀 𝑎𝑡𝑚×𝑛
⎠
Умножение на скаляр. 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 , 𝜆 ∈ R ⇒
⎛
𝜆𝑎11 𝜆𝑎12 · · ·
⎜ 𝜆𝑎21 𝜆𝑎22 · · ·
⎜
𝜆𝐴 = (𝜆𝑎𝑖𝑗 ) = ⎜ ..
..
..
⎝ .
.
.
𝜆𝑎𝑚1 𝜆𝑎𝑚2 · · ·
⎞
𝜆𝑎1𝑛
𝜆𝑎2𝑛 ⎟
⎟
.. ⎟ ∈ 𝑀 𝑎𝑡𝑚×𝑛
. ⎠
𝜆𝑎𝑚𝑛
Свойства сложения и умножения на скаляр
∀𝐴, 𝐵, 𝐶 ∈ 𝑀 𝑎𝑡𝑚×𝑛 и ∀𝜆, 𝜇 ∈ R
1) 𝐴 + 𝐵 = 𝐵 + 𝐴 (коммутативность)
2) (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶) (ассоциативность)
3)𝐴 + 0 = 0 + 𝐴 = 𝐴, где
⎛
⎞
0 ··· 0
0 = ⎝· · · · · · · · · · · · ⎠
0 ··· 0
- нулевая матрица
4)𝐴 + (−𝐴) = (−𝐴) + 𝐴 = 0, где −𝐴 = (−𝑎𝑖𝑗 ) – противоположная А матрица
5) (𝜆 + 𝜇)𝐴 = 𝜆𝐴 + 𝜇𝐴
6) 𝜆(𝐴 + 𝐵) = 𝜆𝐴 + 𝜆𝐵
7) (𝜆𝜇)𝐴 = 𝜆(𝜇𝐴)
8) 1 × 𝐴 = 𝐴
Упражнение на дом: Доказательство свойств.
Замечание 3.0.1. Свойства (1)-(8) означают, что 𝑀 𝑎𝑡𝑚×𝑛 является векторным пространством.
3.3
Декартово произведение множеств
Стандартный способ задания множества.
𝑀 = { какие элементы | условие, которому удовлетворяют элементы }.
𝑋, 𝑌 – множества ⇒ их декартово произедение есть множество 𝑋 × 𝑌 := {(𝑥, 𝑦) | 𝑥 ∈ 𝑋, 𝑦 ∈ 𝑌 }
(упорядоченные пары).
𝑋1 , 𝑋2 , . . . , 𝑋𝑛 – множества.
𝑋1 × 𝑋2 × · · · × 𝑋𝑛 := {(𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) | 𝑥𝑖 ∈ 𝑋𝑖 }
Пространство R𝑛 – это R × R × · · · × R (n штук).
R𝑛 = {(𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) | 𝑥𝑖 ∈ R ∀𝑖 = 1, 2, . . . , 𝑛}
Договоримся элементы из R𝑛 записывать в виде столбцов (не строк):
⎧⎛ ⎞
⎫
𝑥1
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎜
⎟
⎪
⎨⎜ 𝑥2 ⎟
⎬
𝑛
⎜
⎟
R = ⎜ 𝑥3 ⎟ | 𝑥𝑖 ∈ R ∀𝑖 = 1, 2, . . . , 𝑛 = 𝑀 𝑎𝑡𝑛×1
⎪
⎪
⎪
⎪
⎝· · · ⎠
⎪
⎪
⎪
⎪
⎩
⎭
𝑥𝑛
10
⎛
⎞
⎛ ⎞
𝑥1
𝑦1
⎜ 𝑥2 ⎟
⎜
⎟
⎟ ∈ R𝑛 , 𝑦 = ⎜ 𝑦2 ⎟ ∈ R𝑛
𝑥=⎜
⎝· · · ⎠
⎝· · · ⎠
𝑥𝑛
𝑦𝑛
⎛
⎞
𝑥1 + 𝑦 1
⎜ 𝑥2 + 𝑦 2 ⎟
⎟
𝑥 + 𝑦 := ⎜
⎝ ··· ⎠
𝑥𝑛 + 𝑦 𝑛
⎛
⎞
𝜆𝑥1
⎜ 𝜆𝑥2 ⎟
⎟
𝜆 ∈ R ⇒ 𝜆𝑥 := ⎜
⎝ ··· ⎠
𝜆𝑥𝑛
Выполняются свойства (1)–(8).
3.4
Транспонирование
𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 , 𝐴 = (𝑎𝑖𝑗 )
⎛
𝑎11
⎜ 𝑎21
⎜
𝐴 = ⎜ ..
⎝ .
𝑎12
𝑎22
..
.
···
···
..
.
𝑎𝑚1 𝑎𝑚2 · · ·
⎛
𝑎11 𝑎21 · · ·
⎜ 𝑎12 𝑎22 · · ·
⎜
𝐴𝑇 = (𝑎𝑗𝑖 ) = ⎜ ..
..
..
⎝ .
.
.
𝑎1𝑛 𝑎2𝑛 · · ·
– транспонированная к А матрица.
Примеры:
⎛
⎞
𝑥1
⎜ 𝑥2 ⎟
⎟
1) (𝑥1 𝑥2 . . . 𝑥𝑛 )𝑇 = ⎜
⎝. . . ⎠
𝑥𝑛
⎛ ⎞𝑇
𝑥1
⎜ 𝑥2 ⎟
⎟
2) ⎜
⎝. . .⎠ = (𝑥1 𝑥2 . . . 𝑥𝑛 )
𝑥𝑛
⎛
⎞𝑇
(︂
)︂
1 2
1 3 5
⎝
⎠
3) 3 4
=
2 4 6
5 6
Свойства транспонирования.
1) (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵 𝑇
2) (𝜆𝐴)𝑇 = 𝜆𝐴𝑇
3) (𝐴𝑇 )𝑇 = 𝐴
𝐴 = (𝑎𝑖𝑗 ) ∈ 𝑀 𝑎𝑡𝑚×𝑛
11
⎞
𝑎1𝑛
𝑎2𝑛 ⎟
⎟
.. ⎟
. ⎠
𝑎𝑚𝑛
⎞
𝑎𝑚1
𝑎𝑚2 ⎟
⎟
.. ⎟ ∈ 𝑀 𝑎𝑡𝑛×𝑚
. ⎠
𝑎𝑚𝑛
𝐴(𝑖) = (𝑎
𝑖2 . . . 𝑎𝑖𝑛 ) – 𝑖-ая строка матрицы A
⎛𝑖1 𝑎⎞
𝑎1𝑗
⎜ 𝑎2𝑗 ⎟
⎟
𝐴(𝑗) = ⎜
⎝ · · · ⎠ – 𝑗-ый столбец матрицы А
𝑎𝑛𝑗
3.5
Умножение матриц
1) Частный случай: умножение строки на столбец той же длины
⎛ ⎞
𝑦1
⎜ 𝑦2 ⎟
⎟
(𝑥1 𝑥2 . . . 𝑥𝑛 ) ⎜
⎝ . . . ⎠ = 𝑥1 𝑦 1 + 𝑥 2 𝑦 2 + · · · + 𝑥 𝑛 𝑦 𝑛
𝑦𝑛
2) Общий случай:
𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (размер 𝑚 × 𝑛)
𝐵 ∈ 𝑀 𝑎𝑡𝑛×𝑝 (размер 𝑛 × 𝑝) – соответствие размеров
Тогда AB – такая матрица 𝐶 ∈ 𝑀 𝑎𝑡𝑚×𝑝 , что 𝑐𝑖𝑗 := 𝐴(𝑖) 𝐵 (𝑗) =
𝑛
∑︀
𝑎𝑖𝑘 𝑏𝑘𝑗 .
𝑘=1
Примеры:
1)
⎛
⎞
⎛
𝑥1
]𝑥1 𝑦1 𝑥1 𝑦2
⎜ 𝑥2 ⎟
⎜ 𝑥2 𝑦 1 𝑥2 𝑦 2
⎜ ⎟ (𝑦1 𝑦2 . . . 𝑦𝑛 ) = ⎜
⎝. . . ⎠
⎝ ...
...
𝑥𝑛
𝑥𝑛 𝑦 1 𝑥𝑛 𝑦 2
⎞
. . . 𝑥 1 𝑦𝑛
. . . 𝑥 2 𝑦𝑛 ⎟
⎟ = (𝑥𝑖 𝑦𝑗 )
... ... ⎠
. . . 𝑥 𝑛 𝑦𝑛
2)
(︂
⎞
(︂
)︂ (︂
)︂
2 −1
1 0 2 ⎝
1·2+0·0+2·1
1 · (−1) + 0 · 5 + 2 · 1
4 1
⎠
0 5
=
=
0 −1 3
0 · 2 + (−1) · 0 + 3 · 1 0 · (−1) + (−1) · 5 + 3 · 1
3 −2
1 1
)︂
⎛
3) Линейное уравнение 𝑎1 𝑥1 + 𝑎2 𝑥2 + · · · + 𝑎𝑛 𝑥𝑛 = 𝑏
⎛ ⎞
𝑥1
⎜ 𝑥2 ⎟
⎟
(𝑎1 𝑎2 . . . 𝑎𝑛 ) ⎜
⎝· · · ⎠ = 𝑏
𝑥𝑛
СЛУ с расширенной матрицей (A | b), 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 ⇒ матричная форма записи:
Ax = b, где А – матрица коэфициентов, 𝑥 ∈ R𝑛 – столбец неизвестных, 𝑏 ∈ R𝑚 – столбец правых
частей.
3.6
Отступление
𝑠𝑝 , 𝑠𝑝+1 , . . . , 𝑠𝑞 – последовательность чисел
𝑞
∑︀
𝑠𝑖 := 𝑠𝑝 + 𝑠𝑝+1 + · · · + 𝑠𝑞
𝑖=𝑝
Свойства суммирования:
𝑛
𝑛
∑︀
∑︀
1) 𝜆 𝑠𝑖 =
𝜆𝑠𝑖
𝑖=1
𝑖=1
12
2)
𝑛
∑︀
𝑠𝑖 +
𝑖=1
3)
𝑛
∑︀
𝑖=1
𝑡𝑖 =
𝑛
∑︀
(𝑠𝑖 + 𝑡𝑖 )
𝑖=1
𝑚 ∑︀
𝑛
𝑛 ∑︀
𝑚
∑︀
∑︀
( 𝑠𝑖𝑗 ) =
( 𝑠𝑖𝑗 )
𝑖=1 𝑗=1
𝑗=1 𝑖=1
Обе части равенства
представляют
⎛
⎞ собой сумму всех элементов матрицы
𝑠11 𝑠12 . . . 𝑠1𝑛
⎜ 𝑠21 𝑠22 . . . 𝑠2𝑛 ⎟
⎟
𝑆 = (𝑠𝑖𝑗 ) = ⎜
⎝. . . . . . . . . . . . ⎠
𝑠𝑛1 𝑠𝑛2 . . . 𝑠𝑛𝑛
В левой части мы сначала суммируем элементы в каждой строке, а потом складываем полученные
суммы в столбце. В правой части мы сначала суммируем элементы в каждом столбце, а после –
полученные суммы в строке.
4
Лекция 30.09.2017
4.1
Свойства умножения матриц
1) 𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶 (левая дистрибутивность)
Доказательство.
B размеры: 𝑚 × 𝑛 (𝑛 × 𝑝 + 𝑛 × 𝑝) = 𝑚 × 𝑛 𝑛 × 𝑝 + 𝑚 × 𝑛 𝑛 × 𝑝 = 𝑚 × 𝑝
𝑛
𝑛
𝑛
𝑛
∑︀
∑︀
∑︀
∑︀
𝑥𝑖𝑗 = 𝐴(𝑖) (𝐵+𝐶)(𝑗) =
𝑎𝑖𝑘 (𝑏𝑘𝑗 +𝑐𝑘𝑗 ) =
(𝑎𝑖𝑘 𝑏𝑘𝑗 +𝑎𝑖𝑘 𝑐𝑘𝑗 ) =
𝑎𝑖𝑘 𝑏𝑘𝑗 + 𝑎𝑖𝑘 𝑐𝑘𝑗 = (𝐴𝐵)𝑖𝑗 +(𝐴𝐶)𝑖𝑗 =
𝑘=1
𝑦𝑖𝑗 ⇒ 𝑋 = 𝑌 . C
𝑘=1
𝑘=1
𝑘=1
1’) (𝐴 + 𝐵)𝐶 = 𝐴𝐶 + 𝐵𝐶 (правая дистрибутивность)
2) 𝜆 ∈ R ⇒ 𝜆(𝐴𝐵) = (𝜆𝐴)𝐵 = 𝐴(𝜆𝐵)
3) A(BC) = (AB)C (ассоциативность)
Доказательство.
BA(BC) = AU = X, (AB)C = VC = Y.
𝑝 ∑︀
𝑝
𝑝 ∑︀
𝑝
𝑝
𝑛
𝑛
𝑛
𝑛 ∑︀
𝑛
∑︀
∑︀
∑︀
∑︀
∑︀
∑︀
∑︀
𝑣𝑖𝑙 𝑐𝑙𝑗 =
𝑎𝑖𝑘 ( 𝑏𝑘𝑙 𝑐𝑙𝑗 ) =
( 𝑎𝑖𝑘 𝑏𝑘𝑙 𝑐𝑙𝑗 ) = ( 𝑎𝑖𝑘 𝑏𝑘𝑙 𝑐𝑙𝑗 ) = ( (𝑎𝑖𝑘 𝑏𝑘𝑙 )𝑐𝑙𝑗 =
𝑎𝑖𝑘 𝑢𝑘𝑗 =
𝑥𝑖𝑗 =
𝑘=1
𝑦𝑖𝑗 ⇒ 𝑋 = 𝑌.C
𝑘=1
𝑙=1
𝑘=1 𝑙=1
𝑙=1 𝑘=1
𝑙=1 𝑘=1
4) (𝐴𝐵)𝑇 = 𝐵 𝑇 𝐴𝑇
Доказательство.
B(𝐴𝐵)𝑇 = 𝑋, 𝐵 𝑇 = 𝐶, 𝐴𝑇 = 𝐷, 𝐵 𝑇 𝐴𝑇 = 𝑌
размеры: 𝑚 × 𝑛 𝑛 × 𝑝 = 𝑝 × 𝑛 𝑛 × 𝑚 = 𝑝 × 𝑚
𝑛
𝑛
𝑛
∑︀
∑︀
∑︀
𝑥𝑖𝑗 = (𝐴𝐵)𝑗𝑖 =
𝑎𝑗𝑘 𝑏𝑘𝑖 =
𝑑𝑘𝑗 𝑐𝑖𝑘 =
𝑐𝑖𝑘 𝑑𝑘𝑗 = 𝑦𝑖𝑗 ⇒ 𝑋 = 𝑌 C.
𝑘=1
𝑘=1
𝑘=1
Замечание 4.0.1. Умножение матриц не обладает свойством коммутативности.
(︂
)︂
(︂
)︂
0 1
0 0
Пример. 𝐴 =
,𝐵 =
1 0
(︂
)︂ 0 0
1 0
𝐴𝐵 =
0 0
13
𝑙=1
(︂
𝐵𝐴 =
4.2
0 0
0 1
)︂
⇒ 𝐴𝐵 ̸= 𝐵𝐴
Приложение к СЛУ
СЛУ 𝐴𝑥 = 𝑏(*), 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 , 𝑥 ∈ R𝑛 – столбец неизвестных, 𝑏 ∈ R𝑚
Если СЛУ (*) совместна, то ее частное решение – какое-либо одно ее решение.
⎛
⎞
⎜0⎟
⎟
Утверждение. Пусть 𝐴𝑥 = 𝑏 (*) – совместная СЛУ, 𝐴𝑥 = ⎜
⎝. . .⎠ (**) – соответствующая ОСЛУ.
𝑛
𝑛
Пусть 𝐿 ⊆ R – множество решений СЛУ(*), 𝑆 ⊆ R – частное решение ОСЛУ(**), 𝑥0 ∈ 𝐿 –
частное решение СЛУ(*).
Тогда 𝐿 = 𝑥0 + 𝑆, где 𝑥0 + 𝑆 = {𝑥0 + 𝑣 | 𝑣 ∈ 𝑆}.
Пример.
(︂
1 2 0 −3
0 0 1 5
)︂
4
6
𝑥1 = 4 − 2𝑥2 + 3𝑥4
𝑥3 = 6 − 5𝑥4
𝑥2 = 𝑡1 , 𝑥4 = 𝑡2 – параметры
⎞ ⎛ ⎞
⎛ ⎞ ⎛
⎛ ⎞
⎛ ⎞
4 − 2𝑡1 + 3𝑡2
4
𝑥1
−2
3
⎟
⎜
⎜𝑥2 ⎟ ⎜
⎟
⎜
⎟
⎜
⎟
𝑡1
⎟ = ⎜0⎟ + 𝑡1 ⎜ 1 ⎟ + 𝑡2 ⎜ 0 ⎟
⎜ ⎟=⎜
⎝𝑥3 ⎠ ⎝ 6 − 5𝑡2 ⎠ ⎝6⎠
⎝0⎠
⎝−5⎠
𝑡2
𝑥4
1
⎛ ⎞
⎛ ⎞
⎛ ⎞
4
−2
3
⎜0⎟
⎜1⎟
⎜0⎟
⎜ ⎟
⎜ ⎟
⎟
, где ⎜
⎝6⎠ – частное решение, а 𝑡1 ⎝ 0 ⎠ + 𝑡2 ⎝−5⎠ – решение ОСЛУ.
1
Доказательство.
B𝑥0 – частное решение ⇒ 𝐴𝑥0 = 𝑏.
1) Пусть 𝑢 ∈ 𝐿, тогда Au = b. Положим
= 𝑢 − 𝑥0 . Тогда 𝑢 = 𝑥0 + 𝑣.
⎛ 𝑣⎞
⎝
𝐴𝑣 = 𝐴(𝑢 − 𝑥0 ) = 𝐴𝑢 − 𝐴𝑥0 = 𝑏 − 𝑏 = . . .⎠ ⇒ 𝑣 ∈ 𝑆 ⇒ 𝐿 ⊆ 𝑥0 + 𝑆.
⎛ ⎞
⎛ ⎞
⎝
⎠
⎝
2) 𝑣 ∈ 𝑆 ⇒ 𝐴𝑣 = . . . ⇒ 𝐴(𝑥0 + 𝑣) = 𝐴(𝑥0 + 𝑣) = 𝐴𝑥0 + 𝐴𝑣 = 𝑏 + . . .⎠ = 𝑏 ⇒ 𝑥0 + 𝑣 ∈ 𝐿 ⇒
𝑥0 + 𝑆 ⊆ 𝐿.
1)&2) ⇒ 𝐿 = 𝑥0 + 𝑆.
4.3
Определение. Матрица 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 называется квадратной, если m = n. При этом число n называется порядком этой матрицы.
14
Обозначение: 𝑀 𝑎𝑡𝑛×𝑚 =: 𝑀𝑛
𝐴
⎛ ∈ 𝑀𝑛
♦
⎜
♦
⎜
⎝
♦
⎞
⎟
⎟ – главная диагональ
⎠
♦
⎞
♦
♦ ⎟
⎟ – побочная диагональ
⎠
♦
⎛
⎜
⎜
⎝
♦
Определение. Матрица 𝐴 ∈ 𝑀𝑛 называется диагональной, если все элементы вне ее главной
диагонали равны 0 (т.е. 𝑎𝑖𝑗 = 0 ∀𝑖 ̸= 𝑗).
⎛
⎞
𝑎1 0 . . . 0
⎜ 0 𝑎2 . . . 0 ⎟
⎜
⎟
⎟ = 𝑑𝑖𝑎𝑔(𝑎1 , 𝑎2 , . . . , 𝑎𝑛 )
.
.
.
𝐴=⎜
⎜
⎟
⎝. . . . . . . . . . . .⎠
0 . . . 𝑎𝑛
Замечание 4.0.2. В дальнейшем понятие диагональной матрицы“ будет использоваться также и
”
для неквадратных матриц, условие то же: 𝑎𝑖𝑗 = 0 ∀𝑖 ̸= 𝑗
⎛
⎞
0 ... ... 0
𝑎2 . . . . . . 0 ⎟
⎟ = 𝑑𝑖𝑎𝑔(𝑎1 , 𝑎2 , . . . , 𝑎𝑛 )
. . . . . . . . . . . .⎠
0 . . . 𝑎𝑛 0
⎞
𝑎1 0 . . . 0
⎜ 0 𝑎2 . . . 0 ⎟
⎜
⎟
⎟
𝐴=⎜
⎜. . . . . . . . . . . .⎟ = 𝑑𝑖𝑎𝑔(𝑎1 , 𝑎2 , . . . , 𝑎𝑛 )
⎝ 0
0 . . . 𝑎𝑛 ⎠
𝑎1
⎜ 0
𝐴=⎜
⎝. . .
⎛
Лемма. Пусть 𝐴 = 𝑑𝑖𝑎𝑔(𝑎1 , 𝑎2 , . . . , 𝑎𝑛 ) ∈ 𝑀𝑛 .
⎛
⎞
𝑎1 𝐵(1)
⎜ 𝑎2 𝐵(2) ⎟
⎟
(1) Если 𝐵 ∈ 𝑀 𝑎𝑡𝑛×𝑝 , то AB = ⎜
⎝ . . . ⎠(т.е. i-я строка унмножается на 𝑎𝑖 ).
𝑎𝑛 𝐵(𝑛)
(2) Если 𝐵 ∈ 𝑀 𝑎𝑡𝑚×𝑛 , то 𝐵𝐴 = (𝑎1 𝐵 (1) 𝑎2 𝐵 (2) . . . 𝑎𝑛 𝐵 (𝑛) ) (т.е. i-ый столбец умножается на 𝑎𝑖 ).
Доказательство.
B (1)
⎛
𝑎1
⎜ 0
⎜
⎜ 0
⎜
⎝. . .
𝑎2
...
𝑎3
...
...
...
...
...
...
⎞
0 ⎛
𝑏11
0⎟
⎟ ⎜ 𝑏21
⎜
0⎟
⎟ ⎝. . .
. . .⎠
𝑏𝑛1
𝑎𝑛
𝑏12
𝑏22
...
𝑏𝑛2
𝑏13
𝑏23
...
𝑏𝑛3
⎞ ⎛
. . . 𝑏1𝑝
𝑎1 𝑏11 𝑎1 𝑏12 𝑎1 𝑏13
⎟
⎜
. . . 𝑏2𝑝 ⎟ ⎜ 𝑎2 𝑏21 𝑎2 𝑏22 𝑎2 𝑏23
=
. . . . . .⎠ ⎝ . . .
...
...
. . . 𝑏𝑛𝑝
𝑎𝑛 𝑏𝑛1 𝑎𝑛 𝑏𝑛2 𝑎𝑛 𝑏𝑛3
15
⎞
. . . 𝑎1 𝑏1𝑝
. . . 𝑎2 𝑏2𝑝 ⎟
⎟=
...
... ⎠
. . . 𝑎𝑛 𝑏𝑛𝑝
⎛
⎞
𝑎1 𝐵(1)
⎜ 𝑎2 𝐵(2) ⎟
⎟
=⎜
⎝ ... ⎠
𝑎𝑛 𝐵(𝑛)
(2) Аналогично. C
Определение. Матрица 𝐸 = 𝐸𝑛 = 𝑑𝑖𝑎𝑔(1, 1, . . . , 1) называется единичной матрицей порядка n.
⎛
⎞
1
0 ... 0
⎜ 0
1 ... 0 ⎟
⎟
𝐸=⎜
⎝. . . . . . . . . . . . ⎠
0 ... 1
Следствия из леммы
1) 𝐸𝐴 = 𝐴 ∀ 𝐴 ∈ 𝑀 𝑎𝑡𝑛×𝑝
2) 𝐴𝐸 = 𝐴 ∀ 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛
3) 𝐴𝐸 = 𝐸𝐴 = 𝐴 ∀ 𝐴 ∈ 𝑀 𝑎𝑡𝑛
Утверждение. Всякое элементарное преобразование строк матрицы 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 представимо
при помощи умножения слева на подходящую матрицу. А именно:
Э1 (𝑖, 𝑗, 𝜆) : 𝐴 → 𝑈1 (𝑖, 𝑗, 𝜆)𝐴, где
⎛
1 ···
⎜0 1
⎜
𝑖⎜
⎜0 ···
𝑈1 (𝑖, 𝑗, 𝜆) = ⎜
⎜0 ···
⎜0 0
⎜
⎝0 0
0 0
0 0
0 0
1 0
0 1
0 ···
0 ···
0 ···
···
···
1
𝑗
···
···
𝜆
1
1
⎞
⎟
⎟
⎟
⎟
⎟
⎟
⎟
⎟
⎠
(на диагонали стоят единицы, на 𝑖–ом 𝑗–ом месте стоит 𝜆, остальные элементы нули)
Э2 (𝑖, 𝑗) : 𝐴 → 𝑈2 (𝑖, 𝑗)𝐴, где
⎛
1 ···
⎜0 1
⎜
𝑖⎜
⎜0 ···
𝑈2 (𝑖, 𝑗) = ⎜
⎜0 ···
⎜0 0
⎜
𝑗⎝ 0 0
0 0
𝑖
0 0
0 0
0 0
0 1
0 ···
1 ···
0 ···
···
···
1
𝑗
···
···
1
1
⎞
⎟
⎟
⎟
⎟
⎟
⎟
⎟
⎟
⎠
(на диагонали стоят единицы, кроме 𝑖–ого и 𝑗-ого столбца (там нули), на 𝑖–ом 𝑗–ом и 𝑗–ом 𝑖–ом
местах стоят 1, остальные элементы нули)
16
Э1 (𝑖, 𝜆) : 𝐴 → 𝑈3 (𝑖, 𝜆)𝐴, где
⎛
1 ···
⎜0 1
⎜
𝑖⎜
⎜0 ···
𝑈3 (𝑖,𝜆) = ⎜
⎜0 ···
⎜0 0
⎜
⎝0 0
0 0
𝑖
0 0
0 0
𝜆 0
0 1
0 ···
0 ···
0 ···
···
···
1
···
···
1
1
⎞
⎟
⎟
⎟
𝑖
⎟
(︀
)︀
⎟ = 𝑑𝑖𝑎𝑔 1, . . . , 1, 𝜆, 1, . . . , 1
⎟
⎟
⎟
⎠
(на диагонали стоят единицы, кроме 𝑖-ого столбца – там 𝜆, остальные элементы нули)
Упражнение на дом: Доказательство.
Упражнение на дом: Сформулировать и доказать аналогичное утверждение для элементарных преобразований столбцов.
5
Лекция 5.10.2017
5.1
След матрицы
Определение. Следом квадратной матрицы A называется сумма всех элементов на ее главной
диагонали.
Обозначение: 𝑡𝑟𝐴.
Свойства:
1) 𝑡𝑟(𝐴 + 𝐵) = 𝑡𝑟𝐴 + 𝑡𝑟𝐵 ∀ 𝐴, 𝐵 ∈ 𝑀𝑛
2) 𝑡𝑟(𝜆𝐴) = 𝜆𝑡𝑟𝐴 ∀𝜆 ∈ R 𝐴 ∈ 𝑀𝑛
3) 𝑡𝑟(𝐴𝑇 ) = 𝑡𝑟𝐴
4) 𝑡𝑟(𝐴𝐵) = 𝑡𝑟(𝐵𝐴) ∀ 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 , 𝐵 ∈ 𝑀 𝑎𝑡𝑛×𝑚
Доказательство. B (1) - (3) из определения.
(4) 𝐴𝐵 = 𝑋, 𝐵𝐴 = 𝑌
𝑚
𝑚 ∑︀
𝑛
𝑛 ∑︀
𝑚
∑︀
∑︀
∑︀
∑︀
𝑡𝑟𝑋 =
𝑥𝑖𝑖 =
𝑎𝑖𝑗 𝑏𝑗𝑖 =
𝑏𝑗𝑖 𝑎𝑖𝑗 =
𝑦𝑗𝑗 = 𝑡𝑟𝑌 C
𝑖=1
𝑖=1 𝑗=1
𝑗=1 𝑖=1
𝑗=1
Пример.
⎛ ⎞
4
(︀
)︀
⎝
𝐴 = 1 2 3 , 𝐵 = 5⎠
6
𝑡𝑟𝐴𝐵 = 1 · 4 + 2 · 5 + 3 · 6 = 32
𝑡𝑟𝐵𝐴 = 4 + 10 + 18 = 32
5.2
Перестановки и подстановки
Определение. Перестановкой множества {1, 2, . . . , 𝑛} называется упорядоченный набор (𝑖1 , 𝑖2 , . . . , 𝑖𝑛 ),
в котором каждое число от 1 до n встречается ровно один раз.
Обозначение: 𝑃𝑛 – множество всех перестановок множества {1, 2, . . . , 𝑛}.
17
Пример.
(4 3 2 1) ∈ 𝑃4
Факт. |𝑃𝑛 | = 𝑛!
Определение. Подстановка из n элементов – это биективное (=взаимнооднозначное) отображение множества {1, 2, . . . , 𝑛} в себя.
Запись:
(︂
)︂
1 2 3 ... 𝑛
𝑖1 𝑖2 𝑖3 . . . 𝑖𝑛
𝜎 : {1, 2, . . . , 𝑛} → {1, 2, . . . , 𝑛}
𝑖𝑗 = 𝜎(𝑗)
𝜎(1) = 𝑖1
...
𝜎(𝑛) = 𝑖𝑛
𝜎 – подстановка
(𝑖1 , 𝑖2 , . . . , 𝑖𝑛 ) – перестановка
Можно записывать еще и так:
(︂
𝑖 𝑖 ...
𝜎: 1 2
𝑗1 𝑗2 . . .
)︂
𝑖𝑛
, где (𝑖1 , 𝑖2 , . . . , 𝑖𝑛 ) ∈ R
𝑗𝑛
𝑗1 = 𝜎(𝑖1 ), 𝑗2 = 𝜎(𝑖2 ), . . . , 𝑗𝑛 = 𝜎(𝑖𝑛 )
Обозначение: 𝑆𝑛 – множество всех подстановок из n элементов.
Пример.
(︂
𝜎:
)︂
1 2 3 4
= (4 3 2 1)
4 3 2 1
Пусть 𝜎 ∈ 𝑆𝑛 , 𝑖, 𝑗 ∈ 1, 2, . . . , 𝑛, 𝑖 ̸= 𝑗
Определение. Пара {𝑖, 𝑗} (неупорядоченная) образует инверсию в 𝜎, если числа 𝑖−𝑗 и 𝜎(𝑖)−𝜎(𝑗)
имеют разный знак, т.е. либо 𝑖 < 𝑗 и 𝜎(𝑖) > 𝜎(𝑗), либо 𝑖 > 𝑗 и 𝜎(𝑖) < 𝜎(𝑗).
Определение. Знак подстановки 𝜎 – это число sgn(𝜎) = (−1)<число
инверсий в 𝜎>
.
Определение. Если sgn(𝜎) = 1, то 𝜎 называется четной (число инверсий четное), если sgn(𝜎) =
−1, то 𝜎 называется нечетной (число инверсий нечетное).
Примеры.
(︂
n=2
число инверсий
sgn(𝜎)
четность
)︂
1 2
1 2
1
четная
(︂
)︂
1 2
2 1
1
-1
нечетная
18
(︂
n=3
число инверсий
sgn(𝜎)
четность
)︂ (︂
)︂
1 2 3
1 2 3
1 2 3
2 1 3
1
1
-1
четная
нечетная
Замечание. 𝜎 ∈ 𝑆𝑛 : число инверсий ≤
(︂
)︂
1 2 3
2 3 1
2
1
четная
𝐶𝑛2
=
𝑛(𝑛−1)
,
2
(︂
)︂
1 2 3
3 2 1
3
-1
нечетная
(︂
)︂ (︂
)︂
1 2 3
1 2 3
3 1 2
1 3 2
2
1
1
-1
четная
нечетная
(︂
равенство достигается при 𝜎 =
1
2
...
𝑛 𝑛 − 1 ...
𝑛
1
Определение. Произведением (или композицией) двух подстановок 𝜎, 𝜌 ∈ 𝑆𝑛 называется постановка 𝜎𝜌, такая что (𝜎𝜌)(𝑖) = 𝜎(𝜌(𝑖)) ∀𝑖 = 1, . . . , 𝑛.
Пример.
(︂
)︂
(︂
)︂
1 2 3 4
1 2 3 4
𝜎=
,𝜌=
4
3
2
1
3 4 1 2
(︂
)︂
1 2 3 4
𝜎𝜌 =
(︂2 1 4 3)︂
1 2 3 4
𝜌𝜎 =
2 1 3 4
⇒ 𝜎𝜌 ̸= 𝜌𝜎 ⇒ умножение подстановок не обладает свойством коммутативности.
Утверждение. Умножение подстановок ассоциативно, т.е. 𝜎(𝜏 𝜋) = (𝜎𝜏 )𝜋 ∀ 𝜎, 𝜏, 𝜋 ∈ 𝑆𝑛 .
Доказательство. B∀ 𝑖 ∈ 1, 2, . . . , 𝑛 имеем
[𝜎(𝜏 𝜋)](𝑖) = 𝜎((𝜏 𝜋)(𝑖)) = 𝜎(𝜏 (𝜋(𝑖)))
[(𝜎𝜏 )𝜋](𝑖) = (𝜎𝜏 )(𝜋(𝑖)) = 𝜎(𝜏 (𝜋(𝑖)))C
(︂
1 2 ...
Определение. Подстановка 𝑖𝑑 =
1 2 ...
𝑖𝑑(𝑖) = 𝑖 ∀ 𝑖 = 1, 2, . . . , 𝑛
Свойства: 𝑖𝑑 · 𝜎 = 𝜎 · 𝑖𝑑 = 𝜎.
(︂
1
2
...
Определение. 𝜎 ∈ 𝑆𝑛 , 𝜎 =
𝜎(1) 𝜎(2) . . .
называется обратной к 𝜎.
𝑛
𝑛
)︂
∈ 𝑆𝑛 называется тождественной.
)︂
(︂
𝑛
𝜎(1) 𝜎(2) . . .
−1
⇒ подстановка 𝜎 :=
𝜎(𝑛)
1
2
...
Свойства: 𝜎 · 𝜎 −1 = 𝑖𝑑 = 𝜎 −1 · 𝜎
Теорема. 𝜎, 𝜌 ∈ 𝑆𝑛 ⇒ sgn(𝜎𝜌) =
𝑚𝑎𝑡ℎ𝑟𝑚𝑠𝑔𝑛𝜎 ·
𝑚𝑎𝑡ℎ𝑟𝑚𝑠𝑔𝑛𝜌.
Доказательство. B Для каждой пары 𝑖 < 𝑗 введем следующие числа:
{︃
1, если {𝑖, 𝑗}образует инверсию в 𝜌
𝑎(𝑖,𝑗) =
0, иначе
{︃
1, если {𝑖, 𝑗} образует инверсию в 𝜎
𝑏(𝑖,𝑗) =
0, иначе
19
𝜎(𝑛)
𝑛
)︂
)︂
{︃
1, если {𝑖, 𝑗} образует инверсию в 𝜎𝜌
𝑐(𝑖,𝑗) =
0, иначе
1 → 𝜌(1) → 𝜎𝜌(1)
2 → 𝜌(2) → 𝜎𝜌(2)
...
𝑛 → 𝜌(𝑛) → 𝜎𝜌(𝑛)
∑︀
<число инверсий в 𝜌> =
𝑎(𝑖, 𝑗)
1≤𝑖<𝑗≤𝑛
∑︀
<число инверсий в 𝜎> =
𝑏(𝑖, 𝑗)
1≤𝑖<𝑗≤𝑛
<число инверсий в 𝜎𝜌> =
∑︀
𝑐(𝑖, 𝑗)
1≤𝑖<𝑗≤𝑛
Зависимость 𝑐(𝑖,𝑗) от 𝑎(𝑖,𝑗) и 𝑏(𝑖,𝑗):
a(i,j)
b(i,j)
c(i,j)
0 0 1 1
0 1 0 1
0 1 1 0
Вывод: 𝑐(𝑖,𝑗) = (𝑎(𝑖,𝑗)∑︀+ 𝑏(𝑖,𝑗)) 𝑚𝑜𝑑∑︀2
∑︀
∑︀
∑︀
Тогда sgn(𝜎𝜌) = (−1) 𝑐(𝑖,𝑗) = (−1) 𝑏(𝑖,𝑗)+ 𝑎(𝑖,𝑗) = (−1) 𝑏(𝑖,𝑗) · (−1) 𝑎(𝑖,𝑗) = sgn𝜎 · sgn𝜌.C
Следствие. 𝜎 ∈ 𝑆𝑛 ⇒ sgn(𝜎 −1 ) = sgn(𝜎).
Доказательство. B1 = sgn(𝑖𝑑) = sgn(𝜎 · 𝜎 −1 ) = sgn𝜎 · sgn𝜎 −1 ⇒ sgn𝜎 −1 = sgn𝜎.C
Упражнение на дом: ∀𝜎 ∈ 𝑆𝑛 : <число инверсий в 𝜎> = <число инверсий в 𝜎 −1 >.
6
Лекция 12.10.2017
6.1
Продолжение про подстановки
𝑖, 𝑗 ∈ {1, 2, . . . , 𝑛} 𝑖 ̸= 𝑗.
Пусть 𝜏𝑖𝑗 ∈ 𝑆𝑛 – подстановка, такая что 𝜏𝑖𝑗 (𝑖) = 𝑗, 𝜏𝑖𝑗 (𝑗) = 𝑖, 𝜏𝑖𝑗 (𝑘) = 𝑘 ∀𝑘 ̸= 𝑖,𝑗.
Определение. Подстановки вида 𝜏𝑖𝑗 называются транспозициями.
Определение. Подстановки вида 𝜏𝑖,𝑖+1 называются элементарными траспозициями.
Замечание. 𝜏 – траспозиция ⇒ 𝜏 2 = 𝑖𝑑, 𝜏 −1 = 𝜏 .
Лемма. 𝜏 ∈ 𝑆𝑛 – транспозиция ⇒ sgn(𝜏 ) = −1.
Доказательство. B Пусть 𝜏 = 𝜏𝑖𝑗 , можем считать, что 𝑖 < 𝑗. Посчитаем инверсии
(︂
)︂
1 ... 𝑖 − 1 𝑖 𝑖 + 1 ... 𝑗 − 1 𝑗 𝑗 + 1 ... 𝑛
𝜏 :=
1 ... 𝑖 − 1 𝑗 𝑖 + 1 ... 𝑗 − 1 𝑖 𝑗 + 1 ... 𝑛
20
Инверсии: {𝑖, 𝑗}
{𝑖, 𝑘} при 𝑖 + 1 ≤ 𝑘 ≤ 𝑗 − 1, всего = 𝑗 − 𝑖 − 1
{𝑘, 𝑗} при 𝑖 + 1 ≤ 𝑘 ≤ 𝑗 − 1, всего = 𝑗 − 𝑖 − 1
⇒ всего инверсий 2(𝑗 − 𝑖 − 1) + 1 = 1 𝑚𝑜𝑑 2 ⇒ sgn(𝜏 ) = −1C.
Следствие. При 𝑛 ≥ 2 отображение 𝜎 → 𝜎𝜏12 является биекцией между множеством четных
подстановок в 𝑆𝑛 и множеством нечетных подстановок в 𝑆𝑛 .
Следствие. При 𝑛 ≥ 2 количество нечетных подстановок в 𝑆𝑛 равно количеству четных подстановок в 𝑆𝑛 и равно 𝑛!/2.
Теорема. Всякая подстановка 𝜎 ∈ 𝑆𝑛 может быть разложена в произведение конечного числа
элементарных транспозиций.
Доказательство. B 𝜎 ∈ 𝑆𝑛
(︂
)︂
𝑛
𝜎 :=
𝜎(𝑛)
(︂
)︂
1
2
...
𝑖
𝑖 + 1 ...
𝑛
Тогда 𝜎𝜏𝑖,𝑖+1 =
⇒ при умножении справа на 𝜏𝑖,𝑖+1 в
𝜎(1) 𝜎(2) . . . 𝜎(𝑖 + 1) 𝜎(𝑖) . . . 𝜎(𝑛)
нижней строке меняются местами 𝑖-ый и (𝑖 + 1)-ый элементы.
Тогда, домножив 𝜎 на подходящее произведение 𝜏1 · 𝜏2 · · · · · 𝜏𝑘 элентарных траспозиций, можем
добиться, что нижняя строка есть (1, 2, . . . , 𝑛) ⇒ 𝜎𝜏1 𝜏2 . . . 𝜏𝑘 = 𝑖𝑑.
Теперь, домножая справа на 𝜏𝑘 𝜏𝑘−1 . . . 𝜏1 , получим 𝜎 = 𝜏𝑘 𝜏𝑘−1 . . . 𝜏1 C.
1
2
...
𝜎(1) 𝜎(2) . . .
6.2
Определители
𝐴 ∈ 𝑀𝑛
Определение. Определителем (квадратной) матрицы 𝐴 называется число
∑︁
𝑑𝑒𝑡𝐴 =
(sgn𝜎)𝑎1,𝜎(1) 𝑎2,𝜎(2) . . . 𝑎𝑛,𝜎(𝑛) (*)
𝜎∈𝑆𝑛
(
∑︀
– сумма по всем подстановкам)
𝜎∈𝑆𝑛
⃒
⃒ 𝑎11 𝑎12 . . .
⃒
Другие обозначения: |𝐴|, ⃒⃒. . . . . . . . .
⃒𝑎𝑛1 𝑎𝑛2 . . .
Примеры:
1) 𝑛 =
2
{︂(︂
1
𝑆2 =
(︂ 1
𝑎11
𝐴=
𝑎21
2)𝑛 ={︂(︂
3
𝑆3 =
⃒
𝑎1𝑛 ⃒⃒
. . . ⃒⃒
𝑎𝑛𝑛 ⃒
)︂ (︂
)︂}︂
2
1 2
,
2 )︂ 2 1
𝑎12
⇒ 𝑑𝑒𝑡𝐴 = (+1)𝑎11 𝑎22 + (−1)𝑎12 𝑎21 = 𝑎11 𝑎22 − 𝑎12 𝑎21
𝑎22
)︂ (︂
)︂ (︂
)︂ (︂
)︂ (︂
)︂ (︂
)︂}︂
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
,
,
,
,
,
1 2 3
2 3 1
3 1 2
3 2 1
2 1 3
1 3 2
21
⃒
⃒
⃒𝑎11 𝑎12 𝑎13 ⃒
⃒
⃒
|𝐴| = ⃒⃒𝑎21 𝑎22 𝑎23 ⃒⃒ = 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎13 𝑎22 𝑎31 − 𝑎12 𝑎21 𝑎33 − 𝑎11 𝑎23 𝑎32
⃒𝑎31 𝑎32 𝑎33 ⃒
Замечание. Каждое слагаемое в (*) содержит ровно 1 элемент из каждой строки и ровно 1
элемент из каждого столбца.
Свойства определителей:
T) Свойство Т. 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝐴𝑇 .
Доказательство. B Пусть 𝐵 = 𝐴𝑇 , тогда 𝑏𝑖𝑗 = 𝑎𝑗𝑖 .
𝑑𝑒𝑡𝐵 =
∑︁
(sgn𝜎)𝑏1,𝜎(1) 𝑏2,𝜎(2) . . . 𝑏𝑛,𝜎(𝑛) =
𝜎∈𝑆𝑛
∑︁
(sgn𝜎)𝑎𝜎(1),1 𝑎𝜎(2),2 . . . 𝑎𝜎(𝑛),𝑛 =
𝜎∈𝑆𝑛
= |заметим : 𝑎𝜎(1),1 𝑎𝜎(2),2 . . . 𝑎𝜎(𝑛),𝑛 = 𝑎1,𝜎−1 (1) 𝑎2,𝜎−1 (2) . . . 𝑎𝑛,𝜎−1 (𝑛) ; sgn(𝜎) = sgn(𝜎 −1 )| =
∑︁
∑︁
=
(sgn𝜎 −1 )𝑎1,𝜎−1 (1) 𝑎2,𝜎−1 (2) . . . 𝑎𝑛,𝜎−1 (𝑛) = |замена : 𝜌 = 𝜎 −1 | =
(sgn𝜌)𝑎1,𝜌(1) 𝑎2,𝜌(2) . . . 𝑎𝑛,𝜌(𝑛)
𝜎∈𝑆𝑛
𝜌∈𝑆𝑛
0) Свойство 0. Если в А есть нулевая строка или нулевой стобец, то det A = 0.
Доказательство. B В силу свойства Т достаточно доказать для строк.
Т.к. в каждом слагаемом (*) присутствует элемент из каждой строки, то все слагаемые в (*)
равны 0 ⇒ 𝑑𝑒𝑡𝐴 = 0 C.
1) Свойство 1. Если в А все элементы одной строки или одного
же число 𝜆, то detA тоже умножается на 𝜆
⃒
⃒
⃒
⃒ *
⃒ *
⃒
*
.
.
.
*
* ...
⃒
⃒
⃒
⃒. . . . . . . . . . . . ⃒
⃒. . . . . . . . .
⃒
⃒
⃒
⃒ 𝜆* 𝜆* 𝜆* 𝜆* ⃒ = 𝜆 ⃒ *
*
*
⃒
⃒
⃒
⃒. . . . . . . . . . . . ⃒
⃒. . . . . . . . .
⃒
⃒
⃒
⃒ *
⃒ *
* ... * ⃒
* ...
столбца домножить на одно и то
⃒
* ⃒⃒
. . .⃒⃒
* ⃒⃒
. . .⃒⃒
*⃒
Доказательство. B В силу Т достаточно доказать для строк.
𝐴(𝑖) → 𝜆𝐴(𝑖) ⇒ 𝑎𝑖𝑗 → 𝜆𝑎𝑖𝑗 ∀𝑗 ⇒ в (*) каждое слагаемое умножается на 𝜆 ⇒ detA умножается на
𝜆.C
⎛
⎞
⎛
⎞
𝐴(1)
𝐴(1)
⎜ ... ⎟
⎜ ... ⎟
⎜ 1 ⎟
⎜ 2 ⎟
1
2
⎟
⎜
⎟
2) Свойство 2. Если 𝐴(𝑖) = 𝐴(𝑖) + 𝐴(𝑖) , то 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡 ⎜ 𝐴(𝑖) ⎟ + 𝑑𝑒𝑡 ⎜
⎜ 𝐴(𝑖) ⎟.
⎝ ... ⎠
⎝ ... ⎠
𝐴(𝑛)
𝐴(𝑛)
Пример:
⃒
⃒ ⃒
⃒ ⃒
⃒
⃒ 𝑎1
⃒ ⃒ 𝑎1 𝑎2 𝑎3 ⃒ ⃒ 𝑎1 𝑎2 𝑎3 ⃒
𝑎
𝑎
2
3
⃒
⃒ ⃒
⃒ ⃒
⃒
⃒ 𝑏1 + 𝑐 1 𝑏2 + 𝑐 2 𝑏3 + 𝑐 3 ⃒ = ⃒ 𝑏1 𝑏2 𝑏3 ⃒ + ⃒ 𝑐 1 𝑐 2 𝑐 3 ⃒
⃒
⃒ ⃒
⃒ ⃒
⃒
⃒ 𝑑1
𝑑2
𝑑3 ⃒ ⃒ 𝑑1 𝑑2 𝑑3 ⃒ ⃒ 𝑑1 𝑑2 𝑑3 ⃒
(𝑗)
(𝑗)
(𝑗)
(𝑗)
Аналогично, если 𝐴(𝑗) = 𝐴1 + 𝐴2 , то 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡(𝐴(1) . . . 𝐴1 . . . 𝐴(𝑛) ) + 𝑑𝑒𝑡(𝐴(1) . . . 𝐴2 . . . 𝐴(𝑛) ).
22
Доказательство. B Свойство Т ⇒ достаточно доказать для строк.
Пусть 𝐴1(𝑖) = (𝑎′𝑖1 𝑎′𝑖2 . . . 𝑎′𝑖𝑛 ), 𝐴2(𝑖) = (𝑎′′𝑖1 𝑎′′𝑖2 . . . 𝑎′′𝑖𝑛 ) ⇒ 𝑎𝑖𝑗 = 𝑎′𝑖𝑗 + 𝑎′′𝑖𝑗
𝑑𝑒𝑡𝐴 =
∑︁
(sgn𝜎)𝑎1,𝜎(1) 𝑎2,𝜎(2) . . . 𝑎𝑛,𝜎(𝑛) =
𝜎∈𝑆𝑛
∑︁
=
∑︁
(sgn𝜎)𝑎1,𝜎(1) 𝑎2,𝜎(2) . . . (𝑎′𝑖,𝜎(𝑖) + 𝑎′′𝑖,𝜎(𝑖) ) . . . 𝑎𝑛,𝜎(𝑛) =
𝜎∈𝑆𝑛
(sgn𝜎)𝑎1,𝜎(1) 𝑎2,𝜎(2) . . . 𝑎′𝑖,𝜎(𝑖)
. . . 𝑎𝑛,𝜎(𝑛) +
𝜎∈𝑆𝑛
∑︁
(sgn𝜎)𝑎1,𝜎(1) 𝑎2,𝜎(2) . . . 𝑎′′𝑖,𝜎(𝑖) . . . 𝑎𝑛,𝜎(𝑛) = 𝑑𝑒𝑡𝐴1 + 𝑑𝑒𝑡𝐴2
𝜎∈𝑆𝑛
.C
Свойство 3. Если в А поменять местами две строки или два столбца, то 𝑑𝑒𝑡𝐴 поменяет знак.
Доказательство. B Свойство Т ⇒ достаточно доказать для строк.
Пусть 𝐴 = (𝑎𝑖𝑗 ) ∈ 𝑀𝑛 , 𝐵 = (𝑏𝑖𝑗 ) ∈ 𝑀𝑛 – матрица, полученная из А перестановкой 𝑝-ой и 𝑞-ой
строк.
Пусть 𝜏 = 𝜏𝑝𝑞 .
⎧
⎪
⎨𝑎𝑖𝑗 , если 𝑖 ̸= 𝑝, 𝑞
𝑏(𝑖,𝑗) = 𝑎𝑞𝑗 , если 𝑖 = 𝑝
⎪
⎩
𝑎𝑝𝑗 , если 𝑖 = 𝑞
𝑏𝑖𝑗 = 𝑎𝜏 (𝑖),𝑗 ∀ 𝑖, 𝑗 ⇒ 𝑎𝜏 (𝑖),𝜎(𝑖) = 𝑎𝜏 (𝑖),(𝜎𝜏 )(𝜏 (𝑖)) ⇒ 𝑑𝑒𝑡𝐵 =
∑︁
(sgn𝜎)𝑏1,𝜎(1) 𝑏2,𝜎(2) . . . 𝑏𝑛,𝜎(𝑛) =
𝜎∈𝑆𝑛
=
∑︁
(sgn𝜎)𝑎𝜏 (1),𝜎(1) 𝑎𝜏 (2),𝜎(2) . . . 𝑎𝜏 (𝑛),𝜎(𝑛) =
𝜎∈𝑆𝑛
=
∑︁
(sgn𝜎)𝑎𝜏 (1),(𝜎𝜏 )(𝜏 (1)) 𝑎𝜏 (2),(𝜎𝜏 )(𝜏 (2)) . . . 𝑎𝜏 (𝑛),(𝜎𝜏 )(𝜏 (𝑛)) =
𝜎∈𝑆𝑛
∑︁
(sgn𝜎)𝑎1,(𝜎𝜏 (1)) 𝑎2,(𝜎𝜏 (2)) . . . 𝑎𝑛,(𝜎𝜏 (𝑛)) = −
𝜎∈𝑆𝑛
∑︁
(sgn𝜎𝜏 )𝑎1,(𝜎𝜏 (1)) 𝑎2,(𝜎𝜏 (2)) . . . 𝑎𝑛,(𝜎𝜏 (𝑛)) =
𝜎∈𝑆𝑛
= |замена : 𝜌 = 𝜎𝜏 | = −
∑︁
(sgn𝜌)𝑎1,𝜌(1) 𝑎2,𝜌(2) . . . 𝑎𝑛,𝜌(𝑛) = −𝑑𝑒𝑡𝐴C
𝜌∈𝑆𝑛
.
7
Лекция 19.10.2017
7.1
Свойство 4. Если в А есть две одинаковые строки (столбца), то 𝑑𝑒𝑡𝐴 = 0.
Доказательство. B При перестановке двух одинаковых строк (столбцов):
– А не изменится ⇒ detA не изменится
– по свойству 3: 𝑑𝑒𝑡𝐴 меняет знак
⇒ 𝑑𝑒𝑡𝐴 = −𝑑𝑒𝑡𝐴 ⇒ 𝑑𝑒𝑡𝐴 = 0 C.
Свойство 5. Если к строке (столбцу) прибавить другую строку (столбец), умноженный на скаляр,
то 𝑑𝑒𝑡𝐴 не изменится.
Доказательство. B Свойство Т ⇒ достаточно доказать для строк.
23
⎛
⎞
...
⎜𝐴(𝑖) + 𝜆𝐴(𝑗) ⎟
⎜
⎟
′
⎟
.
.
.
𝐴→𝐴 =⎜
⎜
⎟
⎝
⎠
𝐴(𝑗)
...
⎛
⎞
⎛
⎞
⎛
⎞
...
...
...
⎜ 𝐴(𝑖) ⎟
⎜𝜆𝐴(𝑗) ⎟
⎜𝐴(𝑗) ⎟
⎜
⎟
⎜
⎟
⎜
⎟
⎟ + 𝑑𝑒𝑡 ⎜ . . . ⎟ = 𝑑𝑒𝑡𝐴 + 𝜆𝑑𝑒𝑡 ⎜ . . . ⎟ = 𝑑𝑒𝑡𝐴 + 𝜆0 = 𝑑𝑒𝑡𝐴 C
.
.
.
𝑑𝑒𝑡𝐴′ = 𝑑𝑒𝑡 ⎜
⎜
⎟
⎜
⎟
⎜
⎟
⎝𝐴(𝑗) ⎠
⎝ 𝐴(𝑗) ⎠
⎝𝐴(𝑗) ⎠
...
...
...
.
Определение. Матрица называется верхнетреугольной, если 𝑎𝑖𝑗 = 0 при 𝑖 > 𝑗, нижнетреугольной, если 𝑎𝑖𝑗 = 0 при 𝑖 < 𝑗.
⎛
⎞
𝑎11 𝑎12 · · · 𝑎1𝑛
⎜ 0 𝑎22 · · · 𝑎2𝑛 ⎟
⎜
⎟
⎜0
⎟
·
·
·
𝑎
3𝑛
⎜
⎟
⎜ ..
..
..
.. ⎟
⎝ .
.
.
. ⎠
0 · · · 𝑎𝑚𝑛
– верхнетреугольная
⎛
⎞
𝑎11
0 ···
⎜ 𝑎21 𝑎22 · · ·
0 ⎟
⎜
⎟
⎜ 𝑎31 𝑎32 · · ·
0 ⎟
⎜
⎟
⎜ ..
..
..
.. ⎟
⎝ .
.
.
. ⎠
𝑎𝑚1 𝑎𝑚2 · · · 𝑎𝑚𝑛
– нижнетреугольная
Предложение. Если А – верхнетреугольная (или нижнетреугольная) матрица, то
𝑑𝑒𝑡𝐴 = 𝑎11 𝑎22 . . . 𝑎𝑛𝑛 .
Доказательство. B Свойство Т ⇒ достаточно доказать для верхнетреугольной.
Выясним, какие слагаемые в (*) могут быть отличны от нуля.
𝑎1,𝜎(1) 𝑎2,𝜎(2) . . . 𝑎𝑛,𝜎(𝑛) ̸= 0 :
𝑎𝑛,𝜎(𝑛) ̸= 0 ⇒ 𝜎(𝑛) = 𝑛
𝑎𝑛−1,𝜎(𝑛−1) ̸= 0 ⇒ 𝜎(𝑛 − 1) ∈ {𝑛, 𝑛 − 1} но 𝑛 уже занято ⇒ 𝜎(𝑛 − 1) = 𝑛 − 1.
Рассуждаем аналогично, получаем: 𝜎(𝑘) = 𝑘 ∀ 𝑘 = 𝑛, 𝑛 − 1, 𝑛 − 2, . . . , 1 ⇒ 𝜎 = 𝑖𝑑.
Вывод: в (*) может быть не равно нулю ровно 1 слагаемое 𝑎11 𝑎22 . . . 𝑎𝑛𝑛 , оно входит со знаком +
⇒ 𝑑𝑒𝑡𝐴 = 𝑎11 𝑎22 . . . 𝑎𝑛𝑛 C.
Следствие. 1) 𝑑𝑒𝑡(𝑑𝑖𝑎𝑔(𝑎1 , 𝑎2 , . . . , 𝑎𝑛 )) = 𝑎1 𝑎2 . . . 𝑎𝑛 .
2) 𝑑𝑒𝑡𝐸 = +1.
Замечание. Всякая (квадратная) ступенчатая матрица верхнетреугольна.
24
7.2
Вычисление определителей при помощи элементарных преобразований
Э1 (𝑖, 𝑗, 𝜆) : 𝑑𝑒𝑡𝐴 не меняется.
Э2 (𝑖, 𝑗) : 𝑑𝑒𝑡𝐴 меняет знак.
Э3 (𝑖, 𝜆) : 𝑑𝑒𝑡𝐴 умножается на 𝜆.
Алгоритм. Элементарными преобразованиями строк А приводится к ступенчатому (⇒ верхнетреугольному) виду, в котором 𝑑𝑒𝑡 легко считается.
Предложение. (Определитель с углом нулей)
(︂
)︂
(︂
)︂
𝑃 𝑄
𝑃 0
𝐴=
или 𝐴 =
, 𝑃 ∈ 𝑀𝑘 , 𝑅 ∈ 𝑀𝑛−𝑘 ⇒ 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝑃 𝑑𝑒𝑡𝑅
0 𝑅
𝑄 𝑅
Матрица с углом нулей:
⎛
*
⎜ 0
⎜
⎝ 0
*
*
*
*
*
*
*
*
⎞
*
* ⎟
⎟
* ⎠
*
⎛
*
*
*
*
*
*
*
*
⎞
*
* ⎟
⎟
* ⎠
*
НЕ матрица с углом нулей:
*
⎜ *
⎜
⎝ 0
Доказательство. B Свойство Т ⇒ достаточно доказать для первого типа.
1) Элементарными преобразованиями строк приведем матрицу (𝑃 |𝑄) к виду (𝑃 ′ |𝑄′ ), в котором
P ступечатая (⇒ верхнетреугольная) ⇒ detP и detA умножатся на одно и то же число 𝛼 ̸= 0.
2) Элементарными преобразованиями строк приведем матрицу (0|𝑅) к виду (0|𝑅′ ), в котором R
ступечатая (⇒ верхнетреугольная) ⇒ detA и detR умножатся на одно и то же число 𝛽 ̸= 0.
A’ – верхнетреугольная ⇒ det A’ = det P’ det R’
𝛼𝛽𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝐴′ = 𝑑𝑒𝑡𝑃 ′ 𝑑𝑒𝑡𝑅′ = (𝛼𝑑𝑒𝑡𝑃 )(𝛽𝑑𝑒𝑡𝑅) = 𝛼𝛽𝑑𝑒𝑡𝑃 𝑑𝑒𝑡𝑅 ⇒ 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝑃 𝑑𝑒𝑡𝑅 C.
Теорема. 𝐴, 𝐵 ∈ 𝑀𝑛 ⇒ 𝑑𝑒𝑡(𝐴𝐵) = 𝑑𝑒𝑡𝐴𝑑𝑒𝑡𝐵.
Доказательство. B 1) A, B верхнетреугольная ⇒ AB – верхнетреугольная.
𝑑𝑒𝑡(𝐴𝐵) = 𝑎1 𝑏1 𝑎2 𝑏2 . . . 𝑎𝑛 𝑏𝑛 = (𝑎1 𝑎2 . . . 𝑎𝑛 )(𝑏1 𝑏2 . . . 𝑏𝑛 ) = 𝑑𝑒𝑡𝐴𝑑𝑒𝑡𝐵.
2) Элементраное преобразование строк А → то же элементарное преобразование в AB.
𝐴 → 𝑈 𝐴 ⇒ 𝐴𝐵 → 𝑈 𝐴(𝐵) = 𝑈 (𝐴𝐵)
Элементарное преобразовнаие столбцов матрицы 𝐵 → то же элементарное преобразование в AB.
𝐵 → 𝐵𝑉 ⇒ 𝐴𝐵 → 𝐴(𝐵𝑉 ) = (𝐴𝐵)𝑉
Элементарным преобразованием строк приведем А к верхнетреугольному виду. При этом detA и
det(AB) умножатся на одно и то же число 𝛼 ̸= 0.
Элементарным преобразованием столбцов приведем B к верхнетрегольному виду. При этом detB
и det(AB) умножатся на одно и то же число 𝛽 ̸= 0.
𝐴′ , 𝐵 ′ – верхнетреугольные ⇒ 𝑑𝑒𝑡(𝐴′ 𝐵 ′ ) = 𝑑𝑒𝑡𝐴′ 𝑑𝑒𝑡𝐵 ′ = 𝛼𝛽𝑑𝑒𝑡𝐴𝐵 = 𝑑𝑒𝑡𝐴′ 𝐵 ′ = 𝑑𝑒𝑡𝐴′ 𝑑𝑒𝑡𝐵 ′ =
(𝛼𝑑𝑒𝑡𝐴)(𝛽𝑏𝑒𝑡𝐵) = 𝛼𝛽𝑑𝑒𝑡𝐴𝑑𝑒𝑡𝐵 ⇒ 𝑑𝑒𝑡𝐴𝐵 = 𝑑𝑒𝑡𝐴𝑑𝑒𝑡𝐵 C.
25
Пусть 𝐴 ∈ 𝑀𝑛 .
Определение. Дополнительным минором к элементу 𝑎𝑖𝑗 называется определитель (𝑛 − 1) ×
(𝑛 − 1) – матрицы, получающейся из А вычеркиванием i-ой строки и j-ого столбца. Обозначение:
𝑀𝑖𝑗 .
Определение. Алгебраическим дополнением к элементу 𝑎𝑖𝑗 называется число 𝐴𝑖𝑗 = (−1)𝑖+𝑗 𝑀𝑖𝑗 .
Лемма. Пусть 𝑎𝑖𝑘 = 0 при всех 𝑘 ̸= 𝑗. Тогда 𝑑𝑒𝑡𝐴 = 𝑎𝑖𝑗 𝐴𝑖𝑗 .
Доказательство.
⎞
⎛
𝑈
𝑄
𝑃
B𝐴 = ⎝ 0 . . . 0 𝑎𝑖𝑗 0 . . . 0 ⎠
𝑅
𝑉
𝑆
Переставляя соседние строки, вытолкнем i-ю строку наверх.
⎛
⎞
0 . . . 0 𝑎𝑖𝑗 0 . . . 0
⎝
⎠
𝑃
𝑈
𝑄
𝑅
𝑉
𝑆
Переставляя соседние столбцы, переместим j-й столбец на первое место.
⎛
⎞
𝑎𝑖𝑗
0 0 ... 0
⎠
𝑃
𝑄
𝐴′ = ⎝ 𝑈
𝑉
𝑅
𝑆
′
𝑑𝑒𝑡𝐴 = 𝑎𝑖𝑗 𝑑𝑒𝑡
(︂
𝑃 𝑄
𝑅 𝑆
)︂
= 𝑎𝑖𝑗 𝑀𝑖𝑗 .
𝑑𝑒𝑡𝐴 = (−1)𝑖−1+𝑗−1 𝑑𝑒𝑡𝐴′ = (−1)𝑖+𝑗 𝑎𝑖𝑗 𝑀𝑖𝑗 = 𝑎𝑖𝑗 𝐴𝑖𝑗 C.
8
Лекция 2.11.2017
8.1
𝐴 = (𝑎𝑖𝑗 ) ∈ 𝑀𝑛
Теорема (разложение определителя по строке/столбцу). При ∀ фиксированном 𝑖 ∈ {1, 2, . . . , 𝑛}𝑑
𝑛
∑︀
𝑎𝑖1 𝐴𝑖1 + 𝑎𝑖2 𝐴𝑖2 + · · · + 𝑎𝑖𝑛 𝐴𝑖𝑛 (разложение по 𝑖-ой строке) =
𝑎𝑖𝑗 𝐴𝑖𝑗 .
𝑗=1
Аналогично, для ∀ фиксированного 𝑗 ∈ {1, 2, . . . , 𝑛} 𝑑𝑒𝑡𝐴 = 𝑎1𝑗 𝐴1𝑗 + 𝑎2𝑗 𝐴2𝑗 + · · · + 𝑎𝑛𝑗 𝐴𝑛𝑗 (разло𝑛
∑︀
жение по 𝑗-ому столбцу) =
𝑎𝑖𝑗 𝐴𝑖𝑗 .
𝑖=1
Доказательство. B Свойство Т ⇒ достаточно для строк.
𝐴(𝑖) = (𝑎𝑖1 00 . . . 0) + (0𝑎𝑖2 0 . . . 0) + · · · + (0 . . . 0𝑎𝑖𝑛 ).
Требуемое следует из свойства 2 определителей и леммы C.
Лемма о фальшивом разложении определителя. При ∀ 𝑖, 𝑘 ∈ {1, 2, . . . , 𝑛}, 𝑖 ̸= 𝑘 :
𝑛
∑︀
𝑗=1
0. При ∀ 𝑗, 𝑘 ∈ {1, 2, . . . , 𝑛}, 𝑗 ̸= 𝑘
𝑛
∑︀
𝑎𝑖𝑗 𝐴𝑖𝑘 = 0.
𝑖=1
26
𝑎𝑖𝑗 𝐴𝑘𝑗 =
Доказательство. B Свойство Т ⇒ достаточно для строк.
Пусть 𝐵 ∈ 𝑀𝑛 – матрица, полученная из А заменой 𝑘-ой строки на 𝑖-ую.
⎛
⎞
𝐴(1)
⎜ ... ⎟
⎜
⎟
⎜ 𝐴(𝑖) ⎟
⎜
⎟
⎟
𝐵=⎜
⎜ ... ⎟
⎜ 𝐴(𝑖) ⎟
⎟
⎜
⎝ ... ⎠
𝐴(𝑛)
𝑛
∑︀
В 𝐵 есть две одинаковые строки ⇒ 𝑑𝑒𝑡𝐵 = 0. Разлагая 𝑑𝑒𝑡𝐵 по 𝑘-ой строке, получаем 𝑑𝑒𝑡𝐵 =
𝑛
∑︀
𝑏𝑘𝑗 𝐵𝑘𝑗 =
𝑎𝑖𝑗 𝐴𝑘𝑗 C.
𝑗=1
𝑗=1
8.2
Обратная матрица
𝐴 ∈ 𝑀𝑛
Определение. Матрица 𝐵 ∈ 𝑀𝑛 называется обратной к A, если 𝐴𝐵 = 𝐵𝐴 = 𝐸.
Обозначение: 𝐴−1 .
Лемма 1. Если 𝐴−1 ∃, то она единственна.
Доказательство. B Пусть 𝐵, 𝐵 ′ – две матрицы, обратные к A. Тогда 𝐵 = 𝐵𝐸 = 𝐵(𝐴𝐵 ′ ) =
(𝐵𝐴)𝐵 ′ = 𝐸𝐵 ′ = 𝐵 ′ ⇒ 𝐵 = 𝐵 ′ C.
Определение. Матрица 𝐴 ∈ 𝑀𝑛 называется невырожденной, если 𝑑𝑒𝑡𝐴 ̸= 0, и вырожденной,
если 𝑑𝑒𝑡𝐴 = 0.
Лемма 2. Если ∃𝐴−1 , то 𝑑𝑒𝑡𝐴 ̸= 0.
Доказательство. B 𝐴𝐴−1 = 𝐸 ⇒ 𝑑𝑒𝑡(𝐴𝐴−1 ) = 𝑑𝑒𝑡𝐸 ⇒ 𝑑𝑒𝑡𝐴𝑑𝑒𝑡(𝐴−1 ) = 1C.
̂︀ = (𝐴𝑖𝑗 )𝑇 .
Определение. Присоединенной к А матрицей называется матрица 𝐴
⎛
𝐴11
⎜ 𝐴12
̂︀ = ⎜
𝐴
⎝. . .
𝐴1𝑛
𝐴21
𝐴22
...
𝐴2𝑛
...
...
...
...
⎞
𝐴𝑛1
𝐴𝑛2 ⎟
⎟
... ⎠
𝐴𝑛𝑛
Теорема. A обратима (∃𝐴−1 ) ⇔ A невырождена (𝑑𝑒𝑡𝐴 ̸= 0), при этом 𝐴−1 =
1 ̂︀
𝐴.
𝑑𝑒𝑡𝐴
Доказательство. ⇒ Из леммы 2.
1 ̂︀
̂︀ = 𝐴𝐴
̂︀ =
⇐ Пусть 𝑑𝑒𝑡𝐴 ̸= 0. Покажем, что 𝑑𝑒𝑡𝐴
𝐴 = 𝐴−1 . Для этого достаточно доказать, что 𝐴𝐴
̂︀ имеем
(𝑑𝑒𝑡𝐴)𝐸. Для 𝑋 = 𝐴𝐴
{︃
𝑛
∑︁
𝑑𝑒𝑡𝐴, при 𝑖 = 𝑗
𝑥𝑖𝑗 =
𝑎𝑖𝑘 𝐴𝑗𝑘 =
0,
при 𝑖 ̸= 𝑗
𝑘=1
27
̂︀ имеем
Для 𝑌 = 𝐴𝐴
𝑦𝑖𝑗 =
𝑛
∑︁
𝐴𝑘𝑖 𝑎𝑘𝑗
𝑘=1
{︃
𝑑𝑒𝑡𝐴, при 𝑖 = 𝑗
=
C
0,
при 𝑖 ̸= 𝑗
Следствие 1. Если 𝐴𝐵 = 𝐸, то 𝐵𝐴 = 𝐸 (и тогда 𝐴 = 𝐵 −1 , 𝐵 = 𝐴−1 ).
Доказательство. B 𝐴𝐵 = 𝐸 ⇒ 𝑑𝑒𝑡𝐴𝑑𝑒𝑡𝐵 = 1 ⇒ 𝑑𝑒𝑡𝐴 ̸= 0 ⇒ ∃𝐴−1 ⇒ 𝐴−1 (𝐴𝐵) = 𝐴−1 ⇒ 𝐵 =
𝐴−1 ⇒ 𝐵𝐴 = 𝐸C.
Следствие 2. 𝐴, 𝐵 ∈ 𝑀𝑛 ⇒ 𝐴𝐵 обратима ⇔ обе A, B обратимы. При этом (𝐴𝐵)−1 = 𝐵 −1 𝐴−1 .
Доказательство. B ⇔ следует из 𝑑𝑒𝑡(𝐴𝐵) = 𝑑𝑒𝑡𝐴𝑑𝑒𝑡𝐵.
(𝐵 −1 𝐴−1 )𝐴𝐵 = 𝐵 −1 (𝐴−1 𝐴)𝐵 = 𝐵 −1 𝐵 = 𝐸 ⇒ (𝐴𝐵)−1 = 𝐵 −1 𝐴−1 C.
𝐴 ∈ 𝑀𝑛 , 𝑑𝑒𝑡𝐴 ̸= 0, 𝐵 ∈ 𝑀 𝑎𝑡𝑛×𝑚 , 𝐶 ∈ 𝑀 𝑎𝑡𝑚×𝑛
Рассмотрим матричные уравнения:
𝐴𝑋 = 𝐵 (1) 𝑋 ∈ 𝑀 𝑎𝑡𝑛×𝑚
𝑌 𝐴 = 𝐶 (2) 𝑌 ∈ 𝑀 𝑎𝑡𝑚×𝑛
Замечание. При 𝑚 = 1 : (1) есть СЛУ
(2) ⇔ 𝐴𝑇 𝑌 𝑇 = 𝐶 𝑇 ← тип 1.
𝑑𝑒𝑡𝐴 ̸= 0 ⇒ ∃𝐴−1 ⇒ 𝐴𝑋 = 𝐵 ⇔ 𝐴−1 (𝐴𝑋) = 𝐴−1 𝐵 ⇔ 𝑋 = 𝐴−1 𝐵 ← единственное решение
Решить (1) ⇔ решить 𝑚 СЛУ 𝐴𝑋 (1) = 𝐵 (1) , . . . , 𝐴𝑋 (𝑚) = 𝐵 (𝑚) .
Метод Гаусса: (𝐴|𝐵) → (𝐴′ |𝐵 ′ ) (улучшенный ступенчатый вид).
𝑑𝑒𝑡𝐴 ̸= 0 ⇒ 𝑑𝑒𝑡𝐴′ ̸= 0 ⇒ 𝐴′ = 𝐸.
Предложение. 𝐵 ′ = 𝐴−1 𝐵 – искомое решение (1).
Доказательство. B 𝐴′ = 𝑈𝑠 . . . 𝑈2 𝑈1 𝐴, 𝐵 ′ = 𝑈𝑠 . . . 𝑈2 𝑈1 𝐵, где 𝑈1 , . . . , 𝑈𝑠 – матрицы элементарных преобразований.
𝐴′ = 𝐸 ⇒ 𝑈𝑠 · · · · · 𝑈2 · 𝑈1 = 𝐴−1 ⇒ 𝐵 ′ = 𝐴−1 𝐵C.
Следствие (метод поиска обратной матрицы). 𝐴 ∈ 𝑀𝑛 , 𝑑𝑒𝑡𝐴 ̸= 0.
(𝐴|𝐸) → (𝐸|𝐵) ⇒ 𝐵 = 𝐴−1 .
Доказательство. 𝐴−1 – решение уравнения 𝐴𝑋 = 𝐸.
Пусть есть СЛУ 𝐴𝑋 = 𝑏, где 𝐴 ∈ 𝑀𝑛 .
⎛
⎞
𝑥1
𝑥 = ⎝. . . ⎠ ∈ 𝑅 𝑛
𝑥𝑛
– столбец неизвестных.
∀ 𝑖 = 1, . . . , 𝑛 пусть 𝐴𝑖 – матрица, полученная из A заменой 𝑖-ого столбца на 𝑏.
Теорема (формулы Крамера). Если 𝑑𝑒𝑡𝐴 ̸= 0, то единственное решение СЛУ можно найти
𝑖
.
по формулам 𝑥𝑖 = 𝑑𝑒𝑡𝐴
𝑑𝑒𝑡𝐴
28
B Пусть (𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) – то самое единственное решение СЛУ. Тогда 𝑏 =
⎛Доказательство.
⎞
𝑥1
𝐴 ⎝. . .⎠ = 𝐴(1) 𝑥1 + 𝐴(2) 𝑥2 + · · · + 𝐴(𝑛) 𝑥𝑛 ⇒ 𝑑𝑒𝑡𝐴𝑖 = 𝑑𝑒𝑡(𝐴(1) , . . . , 𝑏, . . . , 𝐴(𝑛) ) = 𝑑𝑒𝑡(𝐴(1) , . . . , 𝐴(1) 𝑥1 +
𝑥𝑛
(2)
𝐴 𝑥2 + · · · + 𝐴(𝑛) 𝑥𝑛 , . . . , 𝐴(𝑛) ) = 𝑥1 𝑑𝑒𝑡(𝐴(1) , . . . , 𝐴(1) , . . . , 𝐴(𝑛) ) (равно 0 при 𝑖 ̸= 1)
+ 𝑥2 𝑑𝑒𝑡(𝐴(1) , . . . , 𝐴(2) , . . . , 𝐴(𝑛) ) (равно 0 при 𝑖 ̸= 2)
𝑖
C.
+ · · · + 𝑥𝑛 𝑑𝑒𝑡(𝐴(1) , . . . , 𝐴(𝑛) , . . . , 𝐴(𝑛) ) (равно 0 при 𝑖 ̸= 𝑛) = 𝑥𝑖 𝑑𝑒𝑡𝐴 ⇒ 𝑥𝑖 = 𝑑𝑒𝑡𝐴
𝑑𝑒𝑡𝐴
9
Лекция 9.11.2017
9.1
Поля
Определение. Полем называется множество F, на котором заданы две операции "сложение"( (𝑎,𝑏) →
𝑎 + 𝑏) и "умножение"((𝑎,𝑏) → 𝑎𝑏), причем ∀ 𝑎, 𝑏, 𝑐 ∈ 𝐹 и выполнены следующие условия:
(1) 𝑎 + 𝑏 = 𝑏 + 𝑎 (коммутативность сложения)
(2) (𝑎 + 𝑏) + 𝑐 = 𝑎 + (𝑏 + 𝑐) (ассициативность сложения)
(3) ∃0 ∈ 𝐹 : 0 + 𝑎 = 𝑎 + 0 = 𝑎 ∀ 𝑎 ∈ 𝐹 (нулевой элемент)
(4) ∃ − 𝑎 ∈ 𝐹 : 𝑎 + (−𝑎) = (−𝑎) + 𝑎 = 0 (противоположный элемент)
↑ абелева группа ↑
(5) 𝑎(𝑏 + 𝑐) = 𝑎𝑏 + 𝑎𝑐 (дистрибутивность)
(6) 𝑎𝑏 = 𝑏𝑎 (коммутативность умножения)
(7) (𝑎𝑏)𝑐 = 𝑎(𝑏𝑐) (ассоциативность умножения)
(8) ∃1 ∈ 𝐹 ∖{0} : 1𝑎 = 𝑎1 = 𝑎 (единица)
(9) если 𝑎 ̸= 0, ∃𝑎−1 ∈ 𝐹 : 𝑎𝑎−1 = 𝑎−1 𝑎 = 1 (обратный элемент)
Примеры.
R, Q.
{0, 1} сложение 𝑚𝑜𝑑 2, умножение 𝑚𝑜𝑑 2
Неформально: C – это наименьшее поле со следующими свойствами:
(c1) C ⊃ R
(c2) уравнение 𝑥2 + 1 = 0 имеет решение в C, т.е. ∃𝑖 ∈ C : 𝑖2 = −1.
9.2
Формальная конструкция поля C
C := {(𝑎,𝑏)|𝑎, 𝑏 ∈ R}
(𝑎1 , 𝑏1 ) + (𝑎2 , 𝑏2 ) = (𝑎1 + 𝑎2 , 𝑏1 + 𝑏2 )
(𝑎1 , 𝑏1 )(𝑎2 , 𝑏2 ) = (𝑎1 𝑎2 − 𝑏1 𝑏2 , 𝑎1 𝑏2 + 𝑏1 𝑎2 )
(𝑎, 𝑏) ↔ 𝑎 + 𝑏𝑖
(𝑎1 , 𝑏1 ) + (𝑎2 , 𝑏2 ) ↔ (𝑎1 + 𝑏1 𝑖) + (𝑎2 + 𝑏2 𝑖) = (𝑎1 + 𝑎2 ) + (𝑏1 + 𝑏2 )𝑖
(𝑎1 , 𝑏1 )(𝑎2 , 𝑏2 ) ↔ (𝑎1 + 𝑏1 𝑖)(𝑎2 + 𝑏2 𝑖) = 𝑎1 𝑎2 + 𝑎1 𝑏2 𝑖 + 𝑎2 𝑏1 𝑖 + 𝑏1 𝑏2 𝑖2 = (𝑎1 𝑎2 − 𝑏1 𝑏2 ) + (𝑎1 𝑏2 + 𝑎2 𝑏1 )𝑖
Проверка свойств (1)-(9):
(1)-(4) выполнены в R2 .
0 = (0,0), −(𝑎, 𝑏) = (−𝑎, −𝑏)
(5) Упражнение на дом.
(6) Из явного вида формулы для умножения
(7) ((𝑎1 , 𝑏1 )(𝑎2 , 𝑏2 ))(𝑎3 , 𝑏3 ) = (𝑎1 𝑎2 −𝑏1 𝑏2 , 𝑎1 𝑏2 +𝑏1 𝑎2 )(𝑎3 , 𝑏3 ) = (𝑎1 𝑎2 𝑎3 −𝑏1 𝑏2 𝑎3 −𝑎1 𝑏2 𝑏3 −𝑏1 𝑎2 𝑏3 , 𝑎1 𝑎2 𝑏3 −
𝑏1 𝑏2 𝑏3 + 𝑎1 𝑏2 𝑎3 + 𝑏1 𝑎2 𝑎3 ) = (𝑎1 , 𝑏1 )(𝑎2 𝑎3 − 𝑏2 𝑏3 , 𝑎2 𝑏3 + 𝑏2 𝑎3 ) = (𝑎1 , 𝑏1 )((𝑎2 , 𝑏2 )(𝑎3 , 𝑏3 )).
29
(8) 1 = (1, 0)
(1,0)(𝑎, 𝑏) = (𝑎, 𝑏) = (𝑎, 𝑏)(1, 0)
𝑎
−𝑏
(9) (𝑎, 𝑏) ̸= (0,0) ⇒ 𝑎2 + 𝑏2 ̸= 0. Тогда (𝑎, 𝑏)−1 = ( 𝑎2 +𝑏
2 , 𝑎2 +𝑏2 )
2
2
𝑎
−𝑏
𝑎
𝑏
−𝑎𝑏
𝑏𝑎
(𝑎, 𝑏)( 𝑎2 +𝑏
2 , 𝑎2 +𝑏2 ) = ( 𝑎2 +𝑏2 + 𝑎2 +𝑏2 , 𝑎2 +𝑏2 + 𝑎2 +𝑏2 ) = (1, 0).
Итак, C - поле.
Проверка (c1): 𝑎 ∈ 𝑅 ↔ (𝑎, 0)
𝑎𝑏 ↔ (𝑎, 0)(𝑏, 0) = (𝑎𝑏, 0)
𝑎 + 𝑏 ↔ (𝑎, 0) + (𝑏, 0) = (𝑎 + 𝑏, 0)
⇒ R отождествляется C
{(𝑎, 0)|𝑎 ∈ 𝑅} ⊆ 𝐶.
Проверка (c2): 𝑖 = (0, 1) ⇒ 𝑖2 = (0, 1)(0, 1) = (−1, 0) = −1
∀(𝑎, 𝑏) ∈ 𝐶
(𝑎, 𝑏) = (𝑎, 0) + (0, 𝑏) = (𝑎, 0) + (𝑏, 0)(0, 1)𝑖 = 𝑎 + 𝑏𝑖, 𝑎, 𝑏 ∈ R
Определение. Представление числа 𝑧 ∈ C в виде 𝑧 = 𝑎 + 𝑏𝑖, где 𝑎, 𝑏 ∈ R, называется его
алгебраической формой. Число 𝑖 называется мнимой единицей.
𝑎 =: 𝑅𝑒(𝑧) – действительная часть числа 𝑧
𝑏 =: 𝐼𝑚(𝑧) – мнимая часть числа 𝑧
Числа вида 𝑏𝑖 , где 𝑏 ∈ 𝑅, называются чисто мнимыми.
Определение. Число 𝑧 := 𝑎 − 𝑏𝑖 называется комплексно сопряженным к числу 𝑧 = 𝑎 + 𝑏𝑖 ∈ C.
Операция 𝑧 → 𝑧 называется комплексным сопряжением.
Свойства:
1) 𝑧 = 𝑧
2) 𝑧 + 𝑤 = 𝑧 + 𝑤 ∀𝑧, 𝑤 ∈ 𝐶
3) 𝑧 · 𝑤 = 𝑧 · 𝑤 ∀𝑧, 𝑤 ∈ 𝐶
Доказательство – прямая проверка (упражнение на дом).
Геометрическая модель комплексных чисел 𝑧 = 𝑎 + 𝑏𝑖 ↔ точка (или вектор) на плоскости R2 с
координатами (𝑎, 𝑏). Сумма 𝑧+𝑤 ↔ сумма соответствующих векторов. 𝑧 ↔ отражение 𝑧 относительно
действительной оси.
Определение. Число |𝑧| =
соответствующего вектора).
√
𝑎2 + 𝑏2 называется модулем числа 𝑧 = 𝑎 + 𝑏𝑖 ∈ C (|𝑧| - длина
Свойства.
1) |𝑧| ≥ 0, причем |𝑧| = 0 ⇔ 𝑧 = 0.
2) |𝑧 + 𝑤| ≤ |𝑧| + |𝑤| (неравенство треугольника)
3) 𝑧𝑧 = |𝑧|2
4) |𝑧𝑤| = |𝑧||𝑤| |𝑧𝑤|2 = 𝑧𝑤(𝑧𝑤) = 𝑧𝑤𝑧𝑤 = |𝑧|2 |𝑤|2
Замечание. Из 3) следует, что для 𝑧 ̸= 0
𝑧 −1 = |𝑧|𝑧 2 , т.е. (𝑎 + 𝑏𝑖)−1 = 𝑎𝑎−𝑏𝑖
2 +𝑏2
𝑧 = 𝑎 + 𝑏𝑖 ∈ C, 𝑧 ̸= 0
𝑎
𝑏
𝑧 = |𝑧|( |𝑧|
+ |𝑧|
𝑖)
𝑎 2
𝑏
( |𝑧| ) + ( |𝑧| 𝑖)2 = 1
30
Определение. Аргументом числа 𝑧 = 𝑎 + 𝑏𝑖 ∈ C∖{0} называется число 𝜙 ∈ R, такое что
𝑎
𝑏
cos 𝜙 = |𝑧|
= √𝑎2𝑎+𝑏2 , sin 𝜙 = |𝑧|
= √𝑎2𝑏+𝑏2 .
В геометрических терминах, 𝜙 есть угол между осью ОХ и соответсвующим вектором.
Замечание.
1) Если 𝑧 = 0, то аргумент не определен.
2) Если 𝑧 ̸= 0, то аргумент определен с точностью до 2𝜋𝑘, 𝑘 ∈ Z.
𝐴𝑟𝑔(𝑧) := множество всех аргументов числа 𝑧.
𝑎𝑟𝑔(𝑧) - это единственное значение из 𝐴𝑟𝑔(𝑧), лежащее в [0; 2𝜋].
𝑎
,
𝐴𝑟𝑔(𝑧) = {𝜙 ∈ R | cos 𝜙 = |𝑧|
𝑏
𝑠𝑖𝑛𝜙 = |𝑧| }
𝐴𝑟𝑔(𝑧) = 𝑎𝑟𝑔(𝑧) + 2𝜋Z
𝑎
𝑏
𝑧 = |𝑧|( |𝑧|
+ |𝑧|
𝑖) = |𝑧|(cos 𝜙 + 𝑖
𝑠𝑖𝑛𝜙), где 𝜙 ∈ 𝐴𝑟𝑔(𝑧).
Определение. Представление числа 𝑧 ∈ C∖{0} в виде 𝑧 = |𝑧|(cos 𝜙 + 𝑖 sin 𝜙) называется его
тригонометрической формой.
Предложение. 𝑧1 = |𝑧1 |(cos 𝜙1 + 𝑖 sin 𝜙1 ), 𝑧2 = |𝑧2 |(cos 𝜙2 + 𝑖 sin 𝜙2 ) ⇒ 𝑧1 𝑧2 = |𝑧1 ||𝑧2 |(cos(𝜙1 + 𝜙2 ) +
𝑖 sin(𝜙1 + 𝜙2 ).
Доказательство. B 𝑧1 𝑧2 = |𝑧1 ||𝑧2 |(cos 𝜙1 + 𝑖 sin 𝜙1 )(cos 𝜙2 + 𝑖 sin 𝜙2 ) = |𝑧1 ||𝑧2 |((cos 𝜙1 cos 𝜙2 −
sin 𝜙1 sin 𝜙2 ) + 𝑖(cos 𝜙1 sin 𝜙2 + sin 𝜙1 cos 𝜙2 )) = |𝑧1 ||𝑧2 |(cos(𝜙1 + 𝜙2 ) + 𝑖 sin(𝜙1 + 𝜙2 ) C.
10
Лекция 16.11.2017
10.1
Следствие. В условиях предложения, если 𝑧2 ̸= 0, то
В частности,
1
(cos(−𝜙2 )
|𝑧2 |
+ 𝑖 sin(−𝜙2 )) =
1
(cos 𝜙2
|𝑧2 |
𝑧1
𝑧2
=
|𝑧1 |
(cos(𝜙1
|𝑧2 |
− 𝑖 sin 𝜙2 ) =
− 𝜙2 ) + 𝑖 sin(𝜙1 − 𝜙2 )).
𝑧2
.
|𝑧2 |2
Следствие 2. Пусть 𝑧 = |𝑧|(cos 𝜙 + 𝑖 sin 𝜙). Тогда ∀𝑛 ∈ Z
𝑧 𝑛 = |𝑧|𝑛 (cos(𝑛𝜙) + 𝑖 sin(𝑛𝜙)) – формула Муавра
Замечание. В комплексном анализе функция exp : R → R, 𝑥 → 𝑒𝑥 , доопределяется до функции
exp : C → C, 𝑧 → 𝑒𝑧 с сохранением всех привычных свойств. Доказывается 𝑒𝑖𝜙 = cos 𝜙+𝑖 sin 𝜙 ∀ 𝜙 ∈ C
– формула Эйлера. Тогда ∀ 𝑧 ∈ C представляется в виде 𝑧 = |𝑧|𝑒𝑖𝜙 , где 𝜙 ∈ 𝐴𝑟𝑔(𝑧) – показательная
форма.
Пусть 𝑧 ∈ C, 𝑛 ≥ 2.
Определение. Корнем степени n (или корнем n-й степени) из числа 𝑧 называется всякое число
𝑤 ∈ C, что 𝑤𝑛√= 𝑧.
Положим 𝑛 𝑧 := {𝑤 ∈ C | 𝑤𝑛 = 𝑧}.
√
Опишем множество 𝑛 𝑧. 𝑤𝑛 ⇒ |𝑤|𝑛 = |𝑧|.
√
Если 𝑧 = 0, то |𝑧| = 0 ⇒ |𝑤| = 0 ⇒ 𝑤 = 0 ⇒ 𝑛 0 = {0}.
Далее считаем, что 𝑧 ̸= 0.
𝑧 = |𝑧|(cos 𝜙 + 𝑖 sin 𝜙)
31
𝑤 = |𝑤|(cos 𝜓 + 𝑖 sin 𝜓)
𝑧 = 𝑤𝑛 = |𝑤|𝑛 (cos(𝑛𝜓) + 𝑖 sin(𝑛𝜓))
Отсюда 𝑧 = 𝑤𝑛 ⇔
{︃
⎧
⎨
√︀
𝑛
|𝑤|
=
|𝑧|
|𝑧| = |𝑤|
⇔
⎩ 𝜓 = 𝜙 + 2𝜋𝑘 , 𝑘 ∈ Z
𝑛𝜓 = 𝜙 + 2𝜋𝑘, 𝑘 ∈ Z
𝑛
𝑛
𝜙+2𝜋𝑘
𝑛
= 𝜙𝑛 + 2𝜋
𝑘
𝑛
С точностью до
2𝜋𝑙, 𝑙 ∈ Z, получается ровно 𝑛 различных значений для 𝜓, при 𝑘 = 0,1, . . . , 𝑛 − 1.
√
𝑛
В результате
𝑧
= {𝑤0 , 𝑤1 , . . . , 𝑤𝑛−1 }, где при 𝑘 = 0, 1, . . . , 𝑛 − 1
√︀
𝑛
|𝑤𝑘 | = |𝑧|
𝜓𝑘 = 𝜙+2𝜋𝑘
𝑛
√
𝑛
𝑧 :=
}︁
{︁ √︀ (︀
)︀
𝜙+2𝜋𝑘
𝑛
|𝑧| cos 𝜙+2𝜋𝑘
|
𝑘
=
0,
1,
.
.
.
,
𝑛
−
1
.
+
𝑖
sin
𝑛
𝑛
Замечание. Числа 𝑤0 , 𝑤1 , . . . , 𝑤𝑛−1 лежат в вершинах правильного n-угольника.
Примеры.
√
√1 = {±1}
−1 = {±𝑖}
√
√
3
1 = {1, − 12 ± 𝑖 23 }
√
4
1 = {±1, ±𝑖}
√
𝑛
𝑧 = { корни многочлена 𝑥𝑛 − 𝑧}.
Основная теорема алгебры комплексных чисел. Всякий многочлен степени ≥ 1 с комплексными коэффициентами имеет комплексный корень.
Замечание. Свойство поля C, сформулированное в теореме, называется алгебраической замкнутостью.
10.2
Отступление про многочлены
𝐹 – поле
𝐹 [𝑥] := множество всех многочленов от переменной x с коэффициентами в 𝐹
𝑓 (𝑥) ∈ 𝐹 [𝑥] ⇒ 𝑓 (𝑥) = 𝑎𝑛 𝑥𝑛 + 𝑎𝑛−1 𝑥𝑛−1 + · · · + 𝑎1 𝑥 + 𝑎0 , 𝑎𝑖 ∈ 𝐹, 𝑎𝑛 ̸= 0
𝑑𝑒𝑔𝑓 := 𝑛 – степень многочлена 𝑓
𝑓, 𝑔 ∈ 𝐹 [𝑥] ⇒ 𝑑𝑒𝑔(𝑓 · 𝑔) = 𝑑𝑒𝑔𝑓 + 𝑑𝑒𝑔𝑔
Определение. Многочлен 𝑓 (𝑥) делится на 𝑔(𝑥), если ∃ℎ(𝑥), такой что 𝑓 (𝑥) = 𝑔(𝑥)ℎ(𝑥).
.
Обознаение: 𝑓 (𝑥)..𝑔(𝑥).
Если 𝑓 (𝑥) не делится на 𝑔(𝑥), то можно поделить с остатком.
Предложение (деление с остатком). Если 𝑓 (𝑥), 𝑔(𝑥) ∈ 𝐹 [𝑥], 𝑔(𝑥) ̸= 0, то ∃!𝑞(𝑥), 𝑟(𝑥) ∈ 𝐹 [𝑥],
такие что
{︃
𝑓 (𝑥) = 𝑞(𝑥)𝑔(𝑥) + 𝑟(𝑥)
либо 𝑟(𝑥) = 0, либо 𝑑𝑒𝑔𝑟(𝑥) < 𝑑𝑒𝑔𝑔(𝑥)
Пример.
𝑓 (𝑥) = 𝑥3 − 2𝑥, 𝑔(𝑥) = 𝑥 + 1
32
𝑓 (𝑥) = (𝑥2 − 𝑥 − 1)(𝑥 + 1) + 1, (𝑥2 − 𝑥 − 1) = 𝑞(𝑥), 1 = 𝑟(𝑥)
Частный случай предложения: 𝑑𝑒𝑔𝑔(𝑥) = 1, 𝑔(𝑥) = 𝑥 − 𝑐.
𝑓 (𝑥) = 𝑞(𝑥)(𝑥 − 𝑐) + 𝑟(𝑥)
𝑑𝑒𝑔𝑟(𝑥) < 𝑑𝑒𝑔(𝑥 − 𝑐) = 1 ⇒ 𝑟(𝑥) = 𝑟 = 𝑐𝑜𝑛𝑠𝑡 ∈ 𝐹
Теорема Безу. 𝑟 = 𝑓 (𝑐).
Доказательство. B Имеем 𝑓 (𝑥) = 𝑞(𝑥)(𝑥 − 𝑐) + 𝑟(𝑥). Подставляя 𝑥 = 𝑐, получаем 𝑓 (𝑐) = 𝑟 C.
.
Следствие. Если 𝑐 – корень многочлена 𝑓 (𝑥), то 𝑓 (𝑥)..𝑥 − 𝑐.
Определение. Кратностью корня 𝑐 многочлена 𝑓 (𝑥) называется наибольшее 𝑘 ∈ Z, такое что
.
𝑓 (𝑥)..(𝑥 − 𝑐)𝑘 .
𝑓 (𝑥) = (𝑥 − 𝑐)𝑘 ℎ(𝑥), ℎ(𝑐) ̸= 0.
Следствие основной теоремы алгебры комплексных чисел. ∀𝑓 (𝑥) = 𝑎𝑛 𝑥𝑛 + 𝑎𝑛−1 𝑥𝑛−1 +
· · · + 𝑎1 𝑥 + 𝑎0 ∈ C[𝑥], 𝑑𝑒𝑔𝑓 (𝑥) = 𝑛, имеется разложение 𝑓 (𝑥) = 𝑎𝑛 (𝑥 − 𝑐1 )𝑘1 . . . (𝑥 − 𝑐𝑠 )𝑘𝑠 , (𝑐1 , . . . , 𝑐𝑠 –
корни, 𝑘1 , . . . , 𝑘𝑠 – их кратности, 𝑘1 + · · · + 𝑘𝑛 = 𝑛).
Иными словами, 𝑓 (𝑥) имеет ровно 𝑛 корней с учетом кратностей.
Доказательство. B Индукция по 𝑛.
База индукции. 𝑛 = 1, 𝑓 (𝑥) = 𝑎𝑥 + 𝑏 = 𝑎(𝑥 + 𝑎𝑏 ).
Шаг. Пусть верно для < 𝑛, докажем для 𝑛.
Основная теорема алгебры комплексных чисел ⇒ ∃𝑐 ∈ C, такое что 𝑓 (𝑐) = 0.
.
Следствие из теоремы Безу ⇒ 𝑓 (𝑥)..𝑥 − 𝑐 ⇒ ∃ℎ(𝑥) ∈ C[𝑥], такой что 𝑓 (𝑥) = (𝑥 − 𝑐)ℎ(𝑥). 𝑑𝑒𝑔ℎ(𝑥) =
𝑛 − 1 < 𝑛.
Остается применить предположение индукции к ℎ(𝑥) C.
11
11.1
Лекция 23.11.2017
Векторное пространство
Пусть 𝐹 – поле (например, 𝐹 = R или 𝐹 = C).
Определение. Множество 𝑉 называется векторным (линейным) пространством над полем 𝐹 ,
если на 𝑉 заданы две операции: "сложение"(𝑉 × 𝑉 → 𝑉 , (𝑎,𝑏) → 𝑎 + 𝑏) и "умножение на скаляр"(𝐹 ×
𝑉 → 𝑉 , (𝛼, 𝑋) → 𝛼𝑥), причем ∀ 𝑥, 𝑦, 𝑧 ∈ 𝑉 и 𝛼, 𝛽 ∈ 𝐹 выполнены следующие свойства (называемые
аксиомами векторного пространства):
(1) 𝑥 + 𝑦 = 𝑦 + 𝑥 (коммутативность сложения)
(2) (𝑥 + 𝑦) + 𝑧 = 𝑥 + (𝑦 + 𝑧) (ассициативность сложения)
→
−
→
−
→
−
(3) ∃ 0 ∈ 𝑉 : 0 + 𝑥 = 𝑥 + 0 = 𝑥 ∀ 𝑥 ∈ 𝑣 (нулевой элемент)
(4) ∃ − 𝑥 ∈ 𝑣 : 𝑥 + (−𝑥) = (−𝑥) + 𝑥 = 0 (противоположный элемент)
↑ абелева группа ↑
(5) (𝛼 + 𝛽)𝑥 = 𝛼𝑥 + 𝛽𝑥
(6) 𝛼(𝑥 + 𝑦) = 𝛼𝑥 + 𝛼𝑦
(7) (𝛼𝛽)𝑥 = 𝛼(𝛽𝑥)
(8) 1 · 𝑥 = 𝑥 (единица)
33
Определение. Элементы векторного пространства называются (абстрактными) вЕкторами.
Примеры.
1) R над R (или 𝐹 над 𝐹 )
2) R𝑛 над R (или F𝑛 над F), реализованное как пространство столбцов (или иногда пространство
строк)
3) 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 ) над 𝐹
4) Пространство функций 𝑓 : 𝑀 → R (где 𝑀 – некоторое множество): сложение (𝑓1 + 𝑓2 )(𝑥) :=
𝑓1 (𝑥) + 𝑓2 (𝑥), умножение на скаляр (𝛼𝑓 )(𝑥) := 𝛼𝑓 (𝑥). Это векторное пространство над R
5) 𝐹 [𝑥], 𝐹 [𝑥]≤𝑛 – векторное пространство над 𝐹
Простейшие следствия из аксиом:
→
−
→
−
1) элемент 0 единственный: если 0′ – другой такой, что 0′ = 0′ + 0 = 0.
2) элемент −𝑥 единственный: если (-x)’ другой, такой что (−𝑥)′ = (−𝑥)′ + 0 = (−𝑥)′ + (𝑥 + (−𝑥)) =
((−𝑥)′ + 𝑥) + (−𝑥) = 0 + (−𝑥) = −𝑥
3) 𝛼0 = 0 ∀𝛼 ∈ 𝐹
4) 𝛼(−𝑥) = −(𝛼𝑥)
5) 0 · 𝑥 = 0 ∀𝑥 ∈ 𝑉
6) (−1)𝑥 = −𝑥 ∀𝑥 ∈ 𝑉
Определение. Подмножество 𝑈 векторного пространства 𝑉 называется подпространством, если
1) 0 ∈ 𝑈
2) 𝑥, 𝑦 ∈ 𝑈 ⇒ 𝑥 + 𝑦 ∈ 𝑈
3) 𝑥 ∈ 𝑈, 𝛼 ∈ 𝐹 ⇒ 𝛼𝑥 ∈ 𝑈
Замечание. Подпространство само является векторным пространством.
Примеры.
1) {0} и 𝑉 - всегда подпространства, они называются несобственными подпространствами.
2) Множество всех диагональных (верхнетреугольных, нижнетреугольных) матриц в 𝑀𝑛 (𝐹 ) –
подпространство
Предложение. Множество решений однородной системы линейных уравнений 𝐴𝑥 = 0 является
подпространством в 𝐹 𝑛 .
Доказательство.
B Пусть 𝑆 ⊆ 𝐹 𝑛 – множество решений ОСЛУ 𝐴𝑥 = 0
⎛ ⎞
⎜0⎟
⎟
1) 0 = ⎜
⎝. . .⎠ , 𝐴0 = 0 ⇒ 0 ∈ 𝑆
2) 𝑥, 𝑦 ∈ 𝑆 ⇒ 𝐴𝑥 = 0 и 𝐴𝑦 = 0. 𝐴(𝑥 + 𝑦) = 𝐴𝑥 + 𝐴𝑦 = 0 + 0 = 0 ⇒ 𝑥 + 𝑦 ∈ 𝑆
3) 𝑥 ∈ 𝑆, 𝛼 ∈ 𝐹 ⇒ 𝐴(𝛼𝑥) = 𝛼(𝐴𝑥) = 𝛼0 = 0 ⇒ 𝛼𝑥 ∈ 𝑆 C.
Пусть 𝑉 – векторное пространство над полем 𝐹 , 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 – набор векторов
Определение. Всякий вектор 𝑣 ∈ 𝑉 вида 𝑣 = 𝛼1 𝑣1 + · · · + 𝛼𝑚 𝑥𝑚 (𝛼𝑖 ∈ 𝐹 ) называется линейной
комбинацией векторов 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 .
Пусть 𝑆 ⊆ 𝑉 – произвольное подмножество
Определение. Множество всевозможных линейных комбинаций (конечных) векторов из 𝑆 называется линейной оболочкой множества 𝑆.
34
Обозначение: < 𝑆 >
Если 𝑆 = {𝑣1 , . . . , 𝑣𝑛 }, то пишут просто < 𝑣1 , . . . , 𝑣𝑛 > и говорят "линейная оболочка векторов
𝑣1 , . . . , 𝑣𝑛 ".
Соглашение. < ∅ >= {0}
Примеры.
0) < ∅ >= {0}
1) 𝑉 ∈ R2 , 𝑣 ̸= 0 ⇒< 𝑣 > – прямая, натянутая на 𝑣
2) 𝑉 = R3 , 𝑣1 , 𝑣2 ⎛
не коллинеарны
⇒< 𝑣1 , 𝑣2 > ⎛
– плоскость,
натянутая на 𝑣1 , 𝑣2
⎞
⎞
⎛ ⎞
1
⎜0⎟
⎜ ⎟
⎜ ⎟
⎟ , 𝑒1 = ⎜ 1 ⎟ , . . . , 𝑒𝑛 = ⎜ 0 ⎟, < 𝑒1 , . . . , 𝑒𝑛 >= R𝑛
3) 𝑉 = R𝑛 , 𝑒1 = ⎜
⎝. . . ⎠
⎝. . . ⎠
⎝. . . ⎠
1
⎛ ⎞
𝑥1
⎜ 𝑥2 ⎟
𝑛
⎟
𝑥=⎜
⎝. . .⎠ ∈ R ⇒ 𝑥 = 𝑥1 𝑒1 + 𝑥2 𝑒2 + · · · + 𝑥𝑛 𝑒𝑛
𝑥𝑛
Предложение. 𝑆 ⊆ 𝑉 – подмножество ⇒< 𝑆 > – подпространство в 𝑉
1) Если 𝑆 = ∅, то < 𝑆 >= {0} ⇒ 0 ∈< 𝑆 >
Если 𝑆 ̸= ∅, то ∃𝑣 ∈ 𝑆 ⇒ 0 = 0𝑣 ∈< 𝑆 >
2) 𝑥, 𝑦 ∈< 𝑆 >⇒ 𝑥 = 𝛼1 𝑣1 +· · ·+𝛼𝑚 𝑣𝑚 и 𝑦 = 𝛽1 𝑤1 +· · ·+𝛽𝑛 𝑤𝑛 , где 𝛼𝑖 , 𝛽𝑖 ∈ 𝐹 , 𝑣1 , . . . , 𝑣𝑚 , 𝑤1 , . . . , 𝑤𝑛 ∈
𝑆 ⇒ 𝑥+𝑦 = 𝛼1 𝑣1 +· · ·+𝛼𝑚 𝑣𝑚 +𝛽1 𝑤1 +· · ·+𝛽𝑛 𝑤𝑛 – линейная комбинация векторов 𝑣1 , . . . , 𝑣𝑚 , 𝑤1 , . . . , 𝑤𝑛 ∈
𝑆
3) 𝑥 ∈< 𝑆 >, 𝛼 ∈ 𝐹
𝑥 = 𝛼1 𝑣1 + · · · + 𝛼𝑚 𝑣𝑚 , 𝛼𝑖 ∈ 𝐹, 𝑣𝑖 ∈ 𝑆
𝛼𝑥 = (𝛼𝛼1 )𝑣1 + · · · + (𝛼𝛼𝑚 )𝑣𝑚 ∈< 𝑆 >
Замечание. Еще говорят, что < 𝑆 > – подпространство, натянутое на 𝑆, или подпространство,
порожденное множеством < 𝑆 >.
Определение. Линейная комбинация 𝛼1 𝑣1 +· · ·+𝛼𝑚 𝑣𝑚 называется тривиальной, если 𝛼1 = · · · =
𝛼𝑚 = 0, и нетривиальной иначе (т.е. ∃𝑖 : 𝛼𝑖 ̸= 0).
Определение. Векторы 𝑣1 , . . . , 𝑣𝑚 ∈ 𝑉 называются линейно зависимыми, если ∃ их нетривиальная линейная комбинация, равная 0 (т.е. ∃(𝛼1 , . . . , 𝛼𝑚 ) ̸= (0, . . . , 0), такая что 𝛼1 𝑣1 + · · · + 𝛼𝑚 𝑣𝑚 = 0),
и линейно независимыми иначе (т.е. из условия 𝛼1 𝑣1 + · · · + 𝛼𝑚 𝑣𝑚 = 0 следует 𝛼1 = · · · = 𝛼𝑚 = 0).
Примеры.
→
−
→
−
→
−
0) 0 линейно зависим, 1 · 0 = 0
1) 𝑣 ̸= 0 ⇒ 𝑣 линейно зависим
Пусть 𝜆𝑣 = 0 при 𝜆 ̸= 0
0 = 𝜆−1 0 = 𝜆−1 (𝜆𝑣) = (𝜆−1 𝜆)𝑣 = 1 · 𝑣 = 𝑣 – противоречие
2) 𝑣1 , 𝑣2 ∈ 𝑉 ⇒ 𝑣1 , 𝑣2 линейно зависимы ⇒ 𝑣1 , 𝑣2 пропорциональны, т.е. либо 𝑣1 = 𝜆𝑣2 , либо
𝑣2 = 𝜇𝑣1 , 𝜆, 𝜇 ∈ 𝐹
→
−
Доказательство. B 𝑣1 = 𝜆𝑣2 ⇒ 1 · 𝑣1 − 𝜆 · 𝑣2 = 0 (нетривиальная линейная комбинация),
аналогично при 𝑣2 = 𝜇𝑣1 .
→
−
𝜆1 𝑣1 + 𝜆2 𝑣2 = 0 (нетривиальная линейная комбинация). Если 𝜆1 ̸= 0, то 𝑣1 = − 𝜆𝜆12 𝑣2 , аналогично
при 𝜆2 ̸= 0 C.
35
→
−
3) {𝑣, . . . , −𝑣} – линейно зависимы, т.к. 1 · 𝑣 + 1 · (−𝑣) = 0 .
4) 𝑆 ′ ⊆ 𝑆, 𝑆 ′ линейно зависимо ⇒ 𝑆 тоже линейно зависимо.
Если 𝑆 линйно независимо, то 𝑆 ′ тоже линейно независимо.
12
Лекция 30.11.2017
12.1
Лемма. 𝑣1 , . . . , 𝑣𝑛 ∈ 𝑉, 𝑖 ∈ {1, 2, . . . , 𝑛} ⇒ следующие условия эквивалентны:
(1) ∃(𝛼1 , . . . , 𝛼𝑛 ) ∈ 𝐹 𝑛 , такой что 𝛼𝑖 ̸= 0 и 𝛼1 𝑣1 + · · · + 𝛼𝑚 𝑣𝑚 = 0
(2) 𝑣𝑖 ∈< 𝑣1 , . . . , 𝑣𝑖−1 , 𝑣𝑖+1 , . . . , 𝑣𝑚 >
𝑖+1
𝑖−1
𝑣𝑖−1 − 𝛼𝛼𝑖
𝑣𝑖+1 − · · · − 𝛼𝛼𝑖𝑚 𝑣𝑚 .
Доказательство. B (1) ⇒ (2) 𝛼𝑖 ̸= 0 ⇒ 𝑣𝑖 = 𝛼𝛼1𝑖 𝑣1 − · · · − 𝛼𝛼𝑖
(2) ⇒ (1) 𝑣𝑖 = 𝛽1 𝑣1 + · · · + 𝛽𝑖−1 𝑣𝑖−1 + 𝛽𝑖+1 𝑣𝑖+1 + · · · + 𝛽𝑖−1 𝑣𝑖−1 ⇒ 𝛽𝑖 𝑣𝑖 + · · · + 𝛽𝑖−1 𝑣𝑖−1 − 𝑣𝑖 + 𝛽𝑖+1 𝑣𝑖+1 +
· · · + 𝛽𝑚 𝑣 𝑚 = 0 C
Следствие. 𝑣1 , 𝑣2 , . . . , 𝑣𝑚 ∈ 𝑉 линейно зависимы ⇔ ∃𝑖 ∈ {1, 2, . . . , 𝑚}, такой что 𝑣𝑖 является
линейной комбинацией остальных векторов (т.е. 𝑣1 , . . . , 𝑣𝑖−1 , 𝑣𝑖+1 , . . . , 𝑣𝑚 ).
Пример. 𝑣1 , 𝑣2 линейно независимы ⇒ 𝑣1 , −𝑣1 , 𝑣2 линейно зависимы
Основная лемма о линейной зависимости. Пусть 𝑣1 , . . . , 𝑣𝑚 и 𝑤1 , . . . , 𝑤𝑛 – две системы векторов в 𝑉 , причем 𝑚 < 𝑛. Предположим, что 𝑤𝑖 ∈< 𝑣1 , . . . , 𝑣𝑚 > ∀𝑖 ∈ {1, 2, . . . , 𝑛}. Тогда 𝑤1 , . . . , 𝑤𝑛
линейно зависимы.
Доказательство. B Имеем:
𝑚
∑︀
𝑤1 = 𝑎11 𝑣1 + · · · + 𝑎𝑚1 𝑣𝑚 =
𝑎𝑖1 𝑣𝑖
𝑖=1
...
𝑚
∑︀
𝑤𝑗 = 𝑎1𝑗 𝑣1 + · · · + 𝑎𝑚𝑗 𝑣𝑚 =
𝑎𝑖𝑗 𝑣𝑖
𝑖=1
...
𝑚
∑︀
𝑤𝑛 = 𝑎1𝑛 𝑣1 + · · · + 𝑎𝑚𝑛 𝑣𝑚 =
𝑎𝑖𝑛 𝑣𝑖
𝑎𝑖𝑗 ∈ 𝐹
𝑖=1
Покажем, что ∃(𝑥1 , . . . , 𝑥𝑛 ) ∈ 𝐹 𝑛 ∖{0, 0, . . . , 0}, такой что 𝑥1 𝑤1 + · · · + 𝑥𝑛 𝑤𝑛 = 0
Допустим 𝑎𝑖1 𝑥1 + · · · + 𝑎𝑖𝑛 𝑤𝑛 = 0 ∀𝑖 = 1, . . . , 𝑚.
Получаем ОСЛУ 𝐴𝑋 = 0, где 𝐴 = (𝑎𝑖𝑗 ) ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 ).
Т. к. 𝑚 < 𝑛, то эта ОСЛУ имеет ненулевое решение. C (проверить на опечатки, какой-то
несходанс)
Определение. Подмножество (система векторов) 𝑆 ⊆ 𝑉 называется базисом векторного пространства 𝑉 , если
(1) 𝑆 линейно независимо
(2) < 𝑆 >= 𝑉
Замечание. Всякая линейно независимая система векторов является базисом своей линейной
оболочки.
Пример. 𝑉 = 𝐹 𝑛
36
⎛
⎞
⎛ ⎞
⎛ ⎞
1
⎜0⎟
⎜1⎟
⎜0⎟
⎟
⎜ ⎟
⎜ ⎟
𝑒1 = ⎜
⎝. . .⎠ , 𝑒2 = ⎝. . .⎠ , . . . , 𝑒𝑛 = ⎝. . .⎠
1
Было: < 𝑒1 , . . . , 𝑒𝑛 >= 𝐹 𝑛 ⎛ ⎞
⎛ ⎞
⎛ ⎞ ⎛ ⎞
⎛ ⎞ ⎛ ⎞
1
𝛼1
⎜0⎟
⎜1⎟
⎜0⎟ ⎜0⎟
⎜ 𝛼2 ⎟ ⎜ 0 ⎟
⎟
⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
𝛼1 𝑒1 + · · · + 𝛼𝑛 𝑒𝑛 = 0 = 𝛼1 ⎜
⎝. . .⎠ + 𝛼2 ⎝. . .⎠ + · · · + 𝛼𝑛 ⎝. . .⎠ = ⎝. . .⎠ ⇒ ⎝. . .⎠ = ⎝. . .⎠ ⇒ 𝛼1 =
1
𝛼𝑛
· · · = 𝛼𝑛 = 0 ⇒ 𝑒1 , . . . , 𝑒𝑛 линейно независимы ⇒ базис в 𝐹 𝑛 .
Определение. Векторное пространство называется конечномерным, если в нем есть конечный
базис, и бесконечномерным иначе.
Далее считаем, что 𝑉 конечномерно.
Пример. 𝐹 𝑛 конечномерно.
Предложение. Любые два базиса конечномерного векторного пространства содержат одно и то
же число векторов.
Доказательство. B 𝑉 конечномерно ⇒ в 𝑉 есть конечный базис 𝑒1 , 𝑒2 , . . . , 𝑒𝑛 . Пусть 𝑆 ⊆ 𝑉 –
другой базис, < 𝑒1 , 𝑒2 , . . . , 𝑒𝑛 >= 𝑉 ⊇ 𝑆 ⇒ 𝑆 ⊆< 𝑒1 , . . . , 𝑒𝑛 >.
По основной лемме о линейной зависимости получаем, что 𝑆 конечно и содержит ≤ 𝑛 векторов.
Пусть 𝑆 = {𝑒′1 . . . , 𝑒′𝑚 }, 𝑚 ≤ 𝑛, 𝑒′1 , . . . , 𝑒′𝑚 – тоже базис ⇒ 𝑒1 , . . . , 𝑒𝑛 ∈< 𝑒′1 , . . . , 𝑒′𝑚 >
По основной лемме о линейной зависимости 𝑛 ≤ 𝑚 ⇒ 𝑛 = 𝑚 C.
Определение. Размерностью конечномерного векторного пространства называется число векторов в (любом) базисе.
Обозначение: 𝑑𝑖𝑚𝑉 .
Примеры: 1) 𝑑𝑖𝑚𝐹 𝑛 = 𝑛
2) Если 𝑉 = {0}, то 𝑑𝑖𝑚𝑉 = 0, базис - ∅
Предложение. 𝑒1 , . . . , 𝑒𝑛 – базис пространства 𝑉 ⇒ ∀𝑣 ∈ 𝑉 единственным образом представим
в виде 𝑣 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 , где 𝑥𝑖 ∈ 𝐹 .
Доказательство. B Пусть есть два различных представления
𝑣 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛
𝑣 = 𝑥′1 𝑒1 + · · · + 𝑥′𝑛 𝑒𝑛
Тогда 0 = (𝑥1 − 𝑥′1 )𝑒1 + · · · + (𝑥𝑛 − 𝑥′𝑛 )𝑒𝑛 , т.к. 𝑒1 , . . . , 𝑒𝑛 линейно независимы, то 𝑥1 − 𝑥′1 = · · · =
𝑥𝑛 − 𝑥′𝑛 = 0 ⇒ 𝑥𝑖 = 𝑥′𝑖 ∀ 𝑖 C.
Предложение. Из всякой конечной системы векторов 𝑆 ⊆ 𝑉 можно выделить конечную подсистему, являющуюся базисом линейной оболочки.
Доказательство. B Пусть 𝑆 = {𝑣1 , . . . , 𝑣𝑚 }. Докажем индукцией по 𝑚.
𝑚 = 1 𝑆 = {𝑣1 }. Если 𝑣1 = 0, то < 𝑆 >= {0} ⇒ можно выделить ∅ в качестве базиса. Если 𝑣1 ̸= 0,
то 𝑣1 линейно независим ⇒ {𝑣1 } – базис в < 𝑆 >=< 𝑣1 >.
Теперь пусть 𝑚 > 1 и для < 𝑚 утверждение доказано. Если 𝑣1 , . . . , 𝑣𝑚 линейно независимы,
то они уже образуют базис в < 𝑆 >. Если 𝑣1 , . . . , 𝑣𝑚 линейно зависимы, то сущетсвует 𝑖 : 𝑣𝑖 ∈<
𝑣1 , . . . , 𝑣𝑖−1 , 𝑣𝑖+1 , . . . , 𝑣𝑚 >, 𝑆 ′ = 𝑆 ∖ {𝑣𝑖 }. Тогда < 𝑆 >=< 𝑆 ′ >. По предположению индукции в 𝑆 ′
можно выбрать базис в < 𝑆 ′ >=< 𝑆 > C.
37
Предложение. Всякую конечную линейно независимую систему векторов в 𝑉 можно дополнить
до базиса пространства 𝑉 .
Доказательство. B Пусть 𝑣1 , . . . , 𝑣𝑚 – линейно независимая система в 𝑉 . Т.к. 𝑉 конечномерно,
то в нем есть базис 𝑒1 , . . . , 𝑒𝑛 .
Рассмотрим систему векторов 𝑣1 , . . . , 𝑣𝑚 , 𝑒1 , . . . , 𝑒𝑛 . Пройдемся по этой системе слева направо и
на каждом шаге сделаем следущее: если очередной вектор является линейной комбинацией предыдущих, то выкинем его. При этом:
(1) Линейная оболочка системы не меняется и равна < 𝑒1 , . . . , 𝑒𝑛 >= 𝑉 .
(2) векторы 𝑣1 , . . . , 𝑣𝑚 останутся в системе, т.к. они линейно независимы ⇒ в итоге останется
система вида 𝑣1 , . . . , 𝑣𝑚 , 𝑒𝑖1 , . . . , 𝑒𝑖𝑡 .
Покажем, что эта система есть базис в 𝑉 .
𝑣1 , . . . , 𝑣𝑚 , 𝑒𝑖1 , . . . , 𝑒𝑖𝑡 >= 𝑉 – уже знаем. Осталось показать, что 𝑣1 , . . . , 𝑣𝑚 , 𝑒𝑖1 , . . . , 𝑒𝑖𝑡 линейно
независимы. Пусть есть ненулевой набор (𝛼1 , . . . , 𝛼𝑚 , 𝛽1 , . . . , 𝛽𝑡 ), такой что 𝛼1 𝑣1 + · · · + 𝛼𝑚 𝑣𝑚 + 𝛽1 𝑒𝑖1 +
· · · + 𝛽𝑡 𝑒𝑖𝑡 = 0.
Т. к. 𝑣1 , . . . , 𝑣𝑚 линейно независимы, то ∃𝑘 : 𝛽𝑘 ̸= 0. Среди всех 𝑘 выберем максимальное. Но
тогда 𝑒𝑖𝑘 выражается через предыдущие ⇒ его должны были выкинуть – противоречие. C
13
Лекция 7.12.2017
13.1
Лемма. 𝑣1 , . . . , 𝑣𝑚 ∈ 𝑉 – линейно независимая система и 𝑣 ∈ 𝑉 ⇒
либо 𝑣1 , . . . , 𝑣𝑚 , 𝑣 линейно независимы,
либо 𝑣 ∈< 𝑣1, . . . , 𝑣𝑚 >
Доказательство. B Пусть 𝑣1 , . . . , 𝑣𝑚 , 𝑣 линейно зависимы. Тогда ∃(𝛼1 , . . . , 𝛼𝑚 , 𝛼) ̸= (0, . . . , 0, 0),
такой что 𝛼1 𝑣1 + · · · + 𝛼𝑚 𝑣𝑚 + 𝛼𝑣 = 0.
Т.к. 𝑣1 , . . . , 𝑣𝑚 линейно независимы, то 𝛼 ̸= 0. Значит, 𝑣 ∈< 𝑣1, . . . , 𝑣𝑚 > C.
𝑑𝑖𝑚𝑉 < ∞
Предложение. 𝑈 ⊆ 𝑉 – подпространство ⇒ 𝑈 конечномерно, причем 𝑑𝑖𝑚𝑈 ≤ 𝑑𝑖𝑚𝑉 , кроме
того, 𝑑𝑖𝑚𝑈 = 𝑑𝑖𝑚𝑉 ⇔ 𝑈 = 𝑉 .
Доказательство. C Пусть 𝑑𝑖𝑚𝑉 = 𝑛.
Если 𝑈 = {0}, то верно.
Далее считаем, что 𝑈 ̸= {0}. Построим в 𝑈 конечный базис. Возьмем 𝑣1 ∈ 𝑈 ∖{0}. Если < 𝑣1 >=
𝑈 , то конец. Если нет, то выберем 𝑣2 ∈ 𝑈 ∖ < 𝑣1 >. 𝑣1 , 𝑣2 линейно независимые по лемме. Если
< 𝑣1 , 𝑣2 >= 𝑈 , то конец. Иначе выберем 𝑣3 ∈ 𝑈 ∖ < 𝑣1 , 𝑣2 >, 𝑣1 , 𝑣2 , 𝑣3 линейно независимы и т.д.
По основной лемме о линейной зависимости процесс закончится не позднее шага 𝑛 ⇒ 𝑈 конечномерно и 𝑑𝑖𝑚𝑈 ≤ 𝑑𝑖𝑚𝑉 . Если 𝑑𝑖𝑚𝑈 = 𝑛, то 𝑈 = 𝑉 по следствию C.
Рассмотрим ОСЛУ 𝐴𝑥 = 0(*), 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 ), 𝑥 ∈ 𝐹 𝑛
Пусть 𝑆 ⊆ 𝐹 𝑛 – множество ее решений. Уже знаем, что 𝑆 – подпространство в 𝐹 𝑛 .
Определение. Фундаментальной системой решений для ОСЛУ(*) называется всякий базис в
пространстве 𝑆.
Замечание. У ОСЛУ (*) может быть много разных ФСР.
Метод построения одной конкретной.
ФСР для (*)
38
(𝐴|0) → (𝐵|0) (элементарными преобразованиями строк к улучшенному ступенчатому виду).
Пусть 𝑟 – число ненулевых строк в 𝐵. Тогда будет 𝑟 главных неизвестных и 𝑛 − 𝑟 свободных. Выполнив перенумерацию, будем считать, что 𝑥1 , . . . , 𝑥𝑟 – главные неизвестные, 𝑥𝑟+1 , . . . , 𝑥𝑛 – свободные
неизвестные.
Тогда общее решение ОСЛУ (*) имеет вид
⎧
𝑥1 = 𝑐11 𝑥𝑟+1 + 𝑐12 𝑥𝑟+2 + · · · + 𝑐1,𝑛−𝑟 𝑥𝑛
⎪
⎪
⎪
⎨𝑥 = 𝑐 𝑥
2
21 𝑟+1 + 𝑐22 𝑥𝑟+2 + · · · + 𝑐2,𝑛−𝑟 𝑥𝑛
⎪
···
⎪
⎪
⎩
𝑥𝑟 = 𝑐𝑟1 𝑥𝑟+1 + 𝑐𝑟2 𝑥𝑟+2 + · · · + 𝑐𝑟,𝑛−𝑟 𝑥𝑛
Пусть
⎞
⎛ ⎞
⎛ ⎞
⎛
⎞
𝑐12
𝑐1𝑘
𝑐1,𝑛−𝑟
𝑐11
⎜𝑐22 ⎟
⎜𝑐2𝑘 ⎟
⎜𝑐2,𝑛−𝑟 ⎟
⎜𝑐21 ⎟
⎜ ⎟
⎜ ⎟
⎜
⎟
⎜ ⎟
⎜. . .⎟
⎜. . .⎟
⎜ ... ⎟
⎜. . .⎟
⎜ ⎟
⎜ ⎟
⎜
⎟
⎜ ⎟
⎜𝑐𝑟2 ⎟
⎜𝑐𝑟𝑘 ⎟
⎜𝑐𝑟,𝑛−𝑟 ⎟
⎜𝑐𝑟1 ⎟
⎜ ⎟
⎜ ⎟
⎜
⎟
⎜ ⎟
⎟ , 𝑢2 = ⎜ ⎟ , . . . , 𝑢𝑘 = ⎜ ⎟ , . . . , 𝑢𝑛−𝑟 = ⎜
⎟
𝑢1 = ⎜
⎜ ⎟
⎜ ⎟
⎜
⎟
⎜ ⎟
⎜0⎟
⎜. . .⎟
⎜ 0 ⎟
⎜1⎟
⎜ ⎟
⎜ ⎟
⎜
⎟
⎜ ⎟
⎜1⎟
⎜1⎟
⎜ 0 ⎟
⎜0⎟
⎜ ⎟
⎜ ⎟
⎜
⎟
⎜ ⎟
⎝. . .⎠
⎝. . .⎠
⎝ ... ⎠
⎝. . .⎠
1
⎛
По построению, 𝑢1 , . . . , 𝑢𝑛−𝑟 ∈ 𝑆.
Предложение. 𝑢1 , . . . , 𝑢𝑛−𝑟 – это ФСР для ОСЛУ (*).
Доказательство. 1) линейная независимость. Пусть набор (𝛼1 , . . . , 𝛼𝑛−𝑟 ) ̸= (0, 0, . . . , 0) таков,
что 𝛼1 𝑢1 + · · · + 𝛼𝑛−𝑟 𝑢𝑛−𝑟 = 0
При любом 𝑘 = 1, . . . , 𝑛 − 𝑟, (𝑟 + 𝑘)-ая координата
⎞ левой части равна 𝛼𝑘 ⇒ 𝛼1 = · · · = 𝛼𝑛−𝑟 = 0.
⎛
*
⎜ * ⎟
⎟
⎜
⎜ ... ⎟
⎟
⎜
⎜ * ⎟
⎟
⎜
⎟. Тогда рассмотрим 𝑣 = 𝑢−𝛼1 𝑢1 −· · ·−𝛼𝑛−𝑟 𝑢𝑛−𝑟 ,
2) < 𝑢1 , . . . , 𝑢𝑛−𝑟 >= 𝑆. Пусть 𝑢 ∈ 𝑆, 𝑢 = ⎜
⎟
⎜
⎜ 𝛼1 ⎟
⎟
⎜
⎜ 𝛼2 ⎟
⎟
⎜
⎝ ... ⎠
𝛼
⎛ ⎞ 𝑛−𝑟
*
⎜*⎟
⎜ ⎟
⎜. . . ⎟
⎜ ⎟
⎜*⎟
⎜ ⎟
⎟
имеем 𝑣 ∈ 𝑆. С другой стороны, 𝑣 = ⎜
⎜ ⎟, т.е. в 𝑣 𝑥𝑟+1 = · · · = 𝑥𝑛 = 0. Но тогда из формул для
⎜0⎟
⎜ ⎟
⎜0⎟
⎜ ⎟
⎝. . . ⎠
общего решения следует, что 𝑥1 = · · · = 𝑥𝑟 = 0 ⇒ 𝑣 = 0 ⇒ 𝑢 = 𝛼1 𝑢1 +· · ·+𝛼𝑛−𝑟 𝑢𝑛−𝑟 ∈< 𝑢1 , . . . , 𝑢𝑛−𝑟 C.
𝑉 – векторное пространство, 𝑑𝑖𝑚𝑉 < ∞
𝑆 = {𝑣1 , . . . , 𝑣𝑚 } ⊆ 𝑉 – конечная система векторов
39
Определение. Рангом конечной системы векторов 𝑆 ⊆ 𝑉 называется число 𝑟𝑘𝑆, равное наибольшему числу векторов в линейно независимой подсистеме системы 𝑆.
𝑟𝑘𝑆 = 𝑚𝑎𝑥{|𝑆 ′ | | 𝑆 ′ ⊆ 𝑆 - линейно независимая подсистема }.
Предложение. 𝑟𝑘𝑆 = 𝑑𝑖𝑚 < 𝑆 >.
Доказательство. B Пусть 𝑟𝑘𝑆 = 𝑟 ⇒ ∃ линейено независимый набор 𝑣1 , . . . , 𝑣𝑟 ∈ 𝑆. Тогда
𝑆 ⊆< 𝑣1 , . . . , 𝑣𝑟 >⇒< 𝑆 >=< 𝑣𝑞 , . . . , 𝑣𝑟 >⇒ 𝑟𝑘𝑆 = 𝑟 = 𝑑𝑖𝑚 < 𝑣1 , . . . , 𝑣𝑟 >= 𝑑𝑖𝑚 < 𝑆 > C.
Пусть 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 ).
Определение. Столбцовым рангом (или просто рангом) матрицы 𝐴 называется число 𝑟𝑘𝐴,
равное рангу системы ее столбцов {𝐴(1) , . . . , 𝐴(𝑛) } ⊆ 𝐹 𝑛 . Строковым рангом матрицы 𝐴 называется
число 𝑟𝑘𝐴𝑇 , равное рангу системы ее строк {𝐴(1) , . . . , 𝐴(𝑛) } ⊆ 𝐹 𝑛 .
⎛
⎞
1 2 3
Пример. 𝐴 = ⎝4 5 6⎠
7 8 9
(1)
(3)
𝐴 + 𝐴 − 2𝐴(2) = 0 ⇒ 𝑟𝑘𝐴 ≤ 2.
𝐴(1) , 𝐴(2) не пропорциональны ⇒ линейно независимы ⇒ 𝑟𝑘𝐴 = 2.
Лемма. При элементарных преобразованиях строк матрицы сохраняется линейная независимость между столбцами.
𝐴, 𝐵 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 )
𝐴 → 𝐵 (элементарными преобразованиями строк)
1 ≤ 𝑖1 ≤ · · · ≤ 𝑖𝑘 ≤ 𝑛
𝛼1 𝐴(𝑖1 ) + · · · + 𝛼𝑘 𝐴(𝑖𝑘 ) = 0 ⇒ 𝛼1 𝐵 (𝑖1 ) + · · · + 𝛼𝑘 𝐵 (𝑖𝑘 ) = 0. В частности, 𝐴(𝑖1 ) , . . . , 𝐴(𝑖𝑘 ) линейной
независимы ⇔ 𝐵 (𝑖1 ) , . . . , 𝐵 (𝑖𝑘 ) линейно независимы.
′
(𝑖1 )
(𝑖𝑘 )
Доказательство. B Пусть 𝐴⎛
= (𝐴
𝐴(𝑖𝑘 ) )⎞∈ 𝑀 𝑎𝑡𝑚×𝑘 (𝐹 ), 𝐵 ′ = (𝐵 (𝑖1 ) , . . . , 𝐵
⎞ , . . . ,⎛
⎛ )⎞∈ 𝑀 𝑎𝑡𝑚×𝑘 (𝐹 ).
𝛼1
𝛼1
𝛼1
(𝑖1 )
(𝑖𝑘 )
′⎝
′
⎠
⎝
⎠
⎝
𝛼1 𝐴 + · · · + 𝛼𝑘 𝐴 = 0 ⇔ 𝐴 . . . = 0 ⇔ . . . – решение ОСЛУ 𝐴 𝑥 = 0 ⇔ . . .⎠ – решение
𝛼𝑘
𝛼𝑘
𝛼𝑘
⎛ ⎞
𝛼1
′
′⎝
ОСЛУ 𝐵 𝑥 = 0 ⇔ 𝐵 . . .⎠ = 0 ⇔ 𝛼1 𝐵 (𝑖1 ) + · · · + 𝛼𝑘 𝐵 (𝑖𝑘 ) = 0 C .
𝛼𝑘
Следствие. Столбцовый ранг матрицы не меняется при элементарных преобразованиях строк.
Предложение. Столбцовый ранг матрицы не меняется при элементарных преобразованиях столбцов.
Доказательство. B 𝐴, 𝐵 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 )
𝐴 → 𝐵 (одно элементарное преобразование столбцов)
𝐵 (1) , . . . , 𝐵 (𝑛) ⊆< 𝐴(1) , . . . , 𝐴(𝑛) >⇒< 𝐵 (1) , . . . , 𝐵 (𝑛) >⊆< 𝐴(1) , . . . , 𝐴(𝑛) >⇒ 𝑟𝑘𝐵 ≤ 𝑟𝑘𝐴.
Т.к. элементарные преобразования обратимы, то 𝑟𝑘𝐴 = 𝑟𝑘𝐵 ⇒ 𝑟𝑘𝐴 = 𝑟𝑘𝐵 C.
Следствие. Строковый ранг матрицы не меняется при элементарных преобразованиях строк и
столбцов.
40
14
Лекция 14.12.2017
𝐹 – поле
𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 )
столбцовый ранг: 𝑟𝑘𝐴 = 𝑟𝑘{𝐴(1) , . . . , 𝐴(𝑛) }
строковый ранг: 𝑟𝑘𝐴𝑇 = 𝑟𝑘{𝐴(1) , . . . , 𝐴(𝑛) }
Было: (#) 𝑟𝑘𝐴 и 𝑟𝑘𝐴𝑇 не меняются при элеметарных преобразованиях строк и столбцов.
Предложение. Если 𝐴 имеет улучшенный ступенчатый вид, то оба числа 𝑟𝑘𝐴 и 𝑟𝑘𝐴𝑇 равны
между собой и равны числу ненулевых строк в 𝐴.
Доказательство. B Пусть 𝑟 – число ненулевых строк в 𝐴. Тогда {𝐴(1) , . . . , 𝐴(𝑛) } ⊇ {𝑒1 , 𝑒2 , . . . , 𝑒𝑟 },
кроме того, 𝐴(1) , . . . , 𝐴(𝑛) ∈< 𝑒1 , 𝑒2 , . . . , 𝑒𝑟 >⇒< 𝐴(1) , . . . , 𝐴(𝑛) >=< 𝑒1 , 𝑒2 , . . . , 𝑒𝑟 >⇒ 𝑟𝑘𝐴 = 𝑟.
Докажем, что 𝑟𝑘𝐴𝑇 = 𝑟. Покажем, что 𝐴(1) , . . . , 𝐴(𝑟) линейно независимы. 𝜆1 𝐴(1) + · · · + 𝜆𝑟 𝐴(𝑟) =
0, 𝜆𝑖 ∈ 𝐹 . Пусть 1 ≤ 𝑖1 ≤ · · · ≤ 𝑖𝑟 ≤ 𝑛 – номера столбцов, содержащих ведущие элементы.
Тогда ∀𝑘 = 1, . . . , 𝑟 𝑖𝑘 -я компонента левой части (*) равна 𝜆𝑘 ⇒ 𝜆𝑘 = 0 ⇒ 𝐴(1) , . . . , 𝐴(𝑟) линейно
независимы ⇒ 𝑟𝑘𝐴𝑇 = 𝑟 C.
Предложение. 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 ) ⇒ 𝑟𝑘𝐴 = 𝑟𝑘𝐴𝑇 , причем оба числа равны числу ненулевых строк
в ступенчатом виде матрицы 𝐴.
Доказательство. B 𝑟𝑘𝐴 = 𝑟𝑘𝐴𝑇 следует из (#), предыдущего предложения и теоремы о приведении к улучшенному ступенчатому виду. Последнее утверждение следует из того, что при переходе
от ступенчатого вида к улучшенному ступенчатому виду число ненулевых строк не меняется.
Следствие. 𝐴 ∈ 𝑀𝑛 (𝐹 ) ⇒
(1) 𝑟𝑘𝐴 = 𝑛 ⇔ 𝑑𝑒𝑡𝐴 ̸= 0
(2) 𝑟𝑘𝐴 < 𝑛 ⇔ 𝑑𝑒𝑡𝐴 = 0
Доказательство. B При элементарных преобразованиях строк ранг не меняется, условия 𝑑𝑒𝑡𝐴 ̸=
0 и 𝑑𝑒𝑡𝐴 = 0 сохраняются ⇒ доказательство сводится к случаю, когда 𝐴 имеет ступенчатый вид.
В этом случае 𝑟𝑘𝐴 = 𝑛 ⇔ нет нулевых строк ⇔ 𝑑𝑒𝑡𝐴 ̸= 0; 𝑟𝑘𝐴 < 𝑛 ⇔ есть нулевые строки
⇔ 𝑑𝑒𝑡𝐴 = 0 C.
Определение. Подматрицей матрицы 𝐴 называется всякая матрица, полученная из 𝐴 вычеркиванием каких-то строк и/или столбцов.
Лемма. 𝑆 – подматрица в 𝐴 ⇒ 𝑟𝑘𝑆 ≤ 𝑟𝑘𝐴.
Доказательтво. B Если какие-то столбцы в 𝑆 линейно независимы, то соответствующие столбцы в 𝐴 и подавно линейно независимы C.
𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 )
Определение. Минором матрицы 𝐴 называется определитель всякой квадратной подматрицы
в 𝐴.
(︂
)︂
1 2 3
Примеры. 𝐴 =
4 5 6
Миноров порядка 1: 6 штук
Миноров
2:
⃒
⃒ ⃒ порядка
⃒ ⃒
⃒ 3 штуки
⃒2 3 ⃒ ⃒1 3 ⃒ ⃒1 2 ⃒
⃒
⃒ ⃒
⃒ ⃒
⃒
⃒5 6 ⃒ , ⃒4 6 ⃒ , ⃒4 5 ⃒
41
Теорема о ранге матрицы.
𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 ) ⇒ следующие три числа равны:
(1) 𝑟𝑘𝐴
(2) 𝑟𝑘𝐴𝑇
(3) Наибольший порядок ненулевого минора в А
Доказательство. B (1) = (2) уже знаем.
Пусть 𝑆 – квадратная подматрица в 𝐴, причем ее 𝑑𝑒𝑡𝑆 ̸= 0.
Теперь пусть 𝑟𝑘𝐴 = 𝑟. Найдем в 𝐴 ненулевой минор порядка 𝑟. По определению 𝑟𝑘𝐴, в 𝐴 есть
𝑟 линейно независимых столбцов 𝐴(𝑖1 ) , . . . , 𝐴(𝑖𝑟 ) . Пусть 𝐵 - подматрица в 𝐴, составленная из этих
столбцов. Тогда 𝑟𝑘𝐵 = 𝑟. Тогда в 𝐵 есть 𝑟 линейно незавсимых строк. Пусть 𝑆 – подматрица в 𝐵,
составленная из этих строк.
𝑆 ∈ 𝑀𝑟 (𝐹 ), 𝑟𝑘𝑆 = 𝑟 ⇒ 𝑑𝑒𝑡𝑆 ̸= 0 ⇒ (3) ≥ (1) C.
Замечание. Ненулевые миноры максимального порядка называют базисными минорами.
Приложения ранга матрицы к СЛУ
𝐴𝑥 = 𝑏 (*) 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 ), 𝑥 ∈ 𝐹 𝑛 , 𝑏 ∈ 𝐹 𝑚
(A|b) – расширенная матрица
Теорема Кронекера-Капелли
СЛУ (*) совместна ⇔ 𝑟𝑘𝐴 = 𝑟𝑘(𝐴|𝑏)
Доказательство. B При элементарных преобразованиях строк:
- ранг матрицы не меняется
- множество решений СЛУ (*) не меняется
⇒ вопрос сводится к ситуации, когда (𝐴|𝑏) имеет улучшенный ступенчатый вид. В этом случае
СЛУ(*) совместна ⇔ в (𝐴|𝑏) имеет ступенчатый вид. В этом случае СЛУ(*) совместна ⇔ в (𝐴|𝑏) нет
строки вида (0...0|*) ⇔ в 𝐴 и (𝐴|𝑏) одно и то же число ненулевых строк ⇔ 𝑟𝑘𝐴 = 𝑟𝑘(𝐴|𝑏).
Теорема. Пусть СЛУ(*) совместна. Тогда она имеет единственное решение ⇔ 𝑟𝑘𝐴 = 𝑛 (𝑛 – число
неизвестных).
Доказательство. Все снова сводится к ситуации, когда (𝐴|𝑏) имеет ступенчатой вид. В этом
случае СЛУ (*) имеет единственное решение ⇔ нет свободных неизвестных ⇔ в 𝐴 ровно 𝑛 ненулевых
строк ⇔ 𝑟𝑘𝐴 = 𝑛 C.
Пусть теперь 𝐴– квадратная матрица порядка 𝑛.
Теорема. СЛУ(*) имеет единственное решение ⇔ 𝑑𝑒𝑡𝐴 ̸= 0.
Доказательство. B(⇐) уже было.
(⇒) единственное решение ⇒ 𝑟𝑘𝐴 = 𝑛 по предыдущей теореме ⇒ 𝑑𝑒𝑡𝐴 ̸= 0 C.
Пусть теперь СЛУ(*) однородна. 𝐴𝑥 = 0, 𝑆 ⊆ 𝐹 𝑛 – множество ее решений
Предложение. 𝑑𝑖𝑚𝑆 = 𝑛 − 𝑟𝑘𝐴
Доказательство. B (𝐴|0) → (𝐵|0) (элементарными преобразованиями строк к ступенчатому
виду)
42
𝑟 – число ненулевых строк в 𝐵. Тогда 𝑟 = 𝑟𝑘𝐴. В прошлый раз строили базис (ФСР) из 𝑛 − 𝑟
векторов C.
𝑏1 , . . . , 𝑏 𝑝 ∈ 𝐹 𝑛
Пусть 𝐵 = (𝑏1 , . . . , 𝑏𝑝 ) ∈ 𝑀 𝑎𝑡𝑛×𝑝 .
Пусть 𝑎1 , . . . , 𝑎𝑞 – ФСР для ОСЛУ 𝐵 𝑇 𝑥 = 0.
Пусть 𝐴 = (𝑎1 , . . . , 𝑎𝑞 ) ∈ 𝑀 𝑎𝑡𝑛×𝑞 .
Предложение. < 𝑏1 , . . . , 𝑏𝑝 >= множество решений ОСЛУ 𝐴𝑇 𝑥 = 0.
Доказательство. B Пусть 𝑆 = {𝑥 ∈ 𝐹 𝑛 |𝐴𝑇 𝑥 = 0} – множество решений для 𝐴𝑇 𝑥 = 0. Из
условия следует, что 𝐵 𝑇 𝑎𝑖 = 0 ∀𝑖 = 1, . . . , 𝑞 ⇒ 𝐵 𝑇 𝐴 = 0 ⇒ 𝐴𝑇 𝐵 = 0 ⇒ 𝐴𝑇 𝑏𝑗 = 0 ∀𝑗 = 1, . . . , 𝑝 ⇒ 𝑏𝑗 ∈
𝑆 ⇒< 𝑏1 , . . . , 𝑏𝑝 >⊆ 𝑆.
Пусть 𝑟 = 𝑟𝑘{𝑏1 , . . . , 𝑏𝑝 } = 𝑑𝑖𝑚 < 𝑏1 , . . . , 𝑏𝑝 >= 𝑟𝑘𝐵. Тогда 𝑞 = 𝑛 − 𝑟. Но тогда 𝑞 = 𝑟𝑘𝐴. Тогда
𝑑𝑖𝑚𝑆 = 𝑛 − 𝑟𝑘𝐴 = 𝑛 − 𝑞 = 𝑟.
Итог: 𝑑𝑖𝑚 < 𝑏1 , . . . , 𝑏𝑝 >= 𝑑𝑖𝑚𝑆 ⇒< 𝑏1 , . . . , 𝑏𝑝 >= 𝑆 C.
Следствие. Всякое подпространство в 𝐹 𝑛 является множеством решений некоторой ОСЛУ.
Доказательство. B Если 𝑆 – подпространство в 𝐹 𝑛 , то ∃𝑏1 , . . . , 𝑏𝑝 ∈ 𝐹 𝑛 , такой что 𝑆 =<
𝑏1 , . . . , 𝑏𝑝 > (в качестве 𝑏1 , . . . , 𝑏𝑝 можно взять базис 𝑆). Осталось применить предложение C.
15
Лекция 11.01.2018
𝑉 – векторное пространство над полем 𝐹 , 𝑑𝑖𝑚𝑉 < ∞
𝑈, 𝑊 – подпространства
𝑈 ∩ 𝑊 – тоже подпространство
Определение. Суммой подпространств 𝑈, 𝑊 называется множество 𝑈 + 𝑊 := {𝑢 + 𝑤 | 𝑢 ∈
𝑈, 𝑤 ∈ 𝑊 }.
Упражнение. 𝑈 + 𝑊 – подпространство в 𝑉 .
Замечание. 𝑈 ∩ 𝑊 ⊆ 𝑈 = 𝑈 + 0 ⊆ 𝑈 + 𝑊 , 𝑑𝑖𝑚(𝑈 ∩ 𝑊 ) ≤ 𝑑𝑖𝑚𝑈 ≤ 𝑑𝑖𝑚(𝑈 + 𝑊 ).
Теорема. 𝑑𝑖𝑚(𝑈 ∩ 𝑊 ) + 𝑑𝑖𝑚(𝑈 + 𝑊 ) = 𝑑𝑖𝑚𝑈 + 𝑑𝑖𝑚𝑊
Доказательство. B𝑑𝑖𝑚(𝑈 ∩ 𝑊 ) = 𝑝, 𝑑𝑖𝑚𝑈 = 𝑞, 𝑑𝑖𝑚𝑊 = 𝑟.
Пусть 𝑎 = {𝑎1 , . . . , 𝑎𝑝 } – базис в 𝑈 ∩ 𝑊 . Т.к. 𝑈 ∩ 𝑊 ⊆ 𝑈 и 𝑈 ∩ 𝑊 ⊆ 𝑊 , то 𝑎 можно дополнить до
базиса 𝑈 и до базиса 𝑊 .
⇒ ∃𝑏 = {𝑏1 , . . . , 𝑏𝑞−𝑝 }, такой что 𝑎 ∪ 𝑏 – базис 𝑈 , ∃𝑐 = {𝑐1 , . . . , 𝑐𝑟−𝑝 }, такой что 𝑎 ∪ 𝑐 – базис 𝑊 .
Докажем, что 𝑎 ∪ 𝑏 ∪ 𝑐 – базис в 𝑈 + 𝑊 .
1) < 𝑎 ∪ 𝑏 ∪ 𝑐 >= 𝑈 + 𝑊
𝑣 ∈ 𝑈 + 𝑊 ⇒ ∃𝑢 ∈ 𝑈, 𝑤 ∈ 𝑊 , такой что 𝑣 = 𝑢 + 𝑤
𝑢 ∈ 𝑈 =< 𝑎 ∪ 𝑏 >⊆< 𝑎 ∪ 𝑏 ∪ 𝑐 >
𝑤 ∈ 𝑊 =< 𝑎 ∪ 𝑐 >⊆< 𝑎 ∪ 𝑏 ∪ 𝑐 >
⇒ 𝑣 = 𝑢 + 𝑤 ∈< 𝑎 ∪ 𝑏 ∪ 𝑐 >
Доказано, что 𝑈 + 𝑊 ⊆< 𝑎 ∪ 𝑏 ∪ 𝑐 >, 𝑎, 𝑏, 𝑐 ⊆ 𝑈 + 𝑊 ⇒< 𝑎 ∪ 𝑏 ∪ 𝑐 >⊆ 𝑈 + 𝑊 .
2) система 𝑎 ∪ 𝑏 ∪ 𝑐 линейно независима.
Пусть ∃𝛼𝑖 , 𝛽𝑗 , 𝛾𝑘 ∈ 𝐹 , такие что (*) 𝛼1 𝑎1 + · · · + 𝛼𝑝 𝑎𝑝 (= 𝑥) + 𝛽1 𝑏1 + · · · + 𝛽𝑞−𝑝 𝑏𝑞−𝑝 (= 𝑦) + 𝛾1 𝑐1 + · · · +
𝛾𝑟−𝑝 𝑐𝑟−𝑝 (= 𝑧) = 0, 𝑥 + 𝑦 + 𝑧 = 0 ⇒ 𝑧 = −𝑥(∈ 𝑈 ) − 𝑦(∈ 𝑈 ) ∈ 𝑈
43
Но мы знаем, что 𝑧 ∈ 𝑊 ⇒ 𝑧 ∈ 𝑈 ∩ 𝑊 ⇒ ∃𝜆1 , . . . , 𝜆𝑝 ∈ 𝐹 , такие что 𝑧 = 𝜆1 𝑎1 + · · · + 𝜆𝑝 𝑎𝑝 ⇒
𝜆1 𝑎1 + · · · + 𝜆𝑝 𝑎𝑝 − 𝛾1 𝑐1 − · · · − 𝛾𝑟−𝑝 𝑐𝑟−𝑝 = 0.
Это есть линейная комбинация векторов базиса 𝑎∪𝑐 пространства 𝑊 ⇒ все коэффициенты равны
0, т.е. 𝜆𝑖 = 𝛾𝑗 = 0 (и 𝑧 = 0).
Значит, 𝑥 + 𝑦 = 0 ⇒ 𝛼1 𝑎1 + 𝛼𝑝 𝑎𝑝 + 𝛽1 𝑏1 + · · · + 𝛽𝑞−𝑝 𝑏𝑞−𝑝 = 0.
А это линейная комбинация векторов базиса 𝑎 ∪ 𝑏 пространства 𝑈 ⇒ 𝛼𝑖 = 𝛽𝑖 = 0 ⇒ все коэффициенты в (*) равны 0.
⇒ 𝑎 ∪ 𝑏 ∪ 𝑐 линейно независимы ⇒ 𝑑𝑖𝑚(𝑈 + 𝑊 ) = |𝑎 ∪ 𝑏 ∪ 𝑐| = |𝑎| + |𝑏| + |𝑐| = 𝑝 + (𝑞 − 𝑝) + (𝑟 − 𝑝) =
𝑞 + 𝑟 − 𝑝 = 𝑑𝑖𝑚𝑈 + 𝑑𝑖𝑚𝑊 − 𝑑𝑖𝑚(𝑈 ∩ 𝑊 ) C .
Пример. Любые две плоскости (содержащие 0) в R3 имеют общую прямую
𝑑𝑖𝑚𝑈 = 𝑑𝑖𝑚𝑊 = 2
𝑈 + 𝑊 ⊆ R3 ⇒ 𝑑𝑖𝑚(𝑈 + 𝑊 ) ≤ 3 ⇒ 𝑑𝑖𝑚(𝑈 ∩ 𝑊 ) ≥ 2 + 2 − 3 = 1.
𝑈1 , . . . , 𝑈𝑘 ⊆ 𝑉 – подпространства
Определение. Суммой подпространств 𝑈1 , . . . , 𝑈𝑘 называется множество 𝑈1 + · · · + 𝑈𝑘 := {𝑢1 +
· · · + 𝑢𝑘 | 𝑢𝑖 ∈ 𝑈𝑖 }.
Упражнение. 𝑈1 + · · · + 𝑈𝑘 – подпространство в 𝑉
Замечание. 𝑑𝑖𝑚(𝑈1 + · · · + 𝑈𝑘 ) ≤ 𝑑𝑖𝑚𝑈1 + . . . 𝑑𝑖𝑚𝑈𝑘 .
Определение. Подпространства 𝑈1 , . . . , 𝑈𝑘 называются линейно независимыми, если ∀𝑢1 ∈ 𝑈1 , . . . , 𝑢𝑘 ∈
𝑈𝑘 из условия 𝑢1 + · · · + 𝑢𝑘 = 0 следует, что 𝑢1 = · · · = 𝑢𝑘 = 0.
Пример. 𝑑𝑖𝑚𝑈𝑖 = 1 и 𝑈𝑖 =< 𝑢𝑖 >⇒ 𝑈1 , . . . , 𝑈𝑘 линейно независимы ⇔ 𝑢1 , . . . , 𝑢𝑘 линейно независимы
Теорема. Следующие условия эквивалентны:
(1) 𝑈1 , . . . , 𝑈𝑘 линейно независимы
(2) ∀𝑣 ∈ 𝑈1 + · · · + 𝑈𝑘 ∃! 𝑢1 ∈ 𝑈1 , . . . , 𝑢𝑘 ∈ 𝑈𝑘 , такие что 𝑣 = 𝑢1 + · · · + 𝑢𝑘
(3) Если 𝑒𝑖 – базис 𝑈𝑖 , то 𝑒1 ∪ · · · ∪ 𝑒𝑘 – базис 𝑈1 + · · · + 𝑈𝑘
(4) 𝑑𝑖𝑚(𝑈1 + · · · + 𝑈𝑘 ) = 𝑑𝑖𝑚𝑈1 + · · · + 𝑑𝑖𝑚𝑈𝑘
(5) ∀ 𝑖 𝑈𝑖 ∩ (𝑈1 + · · · + 𝑈𝑖−1 + 𝑈𝑖+1 + · · · + 𝑈𝑘 ) = 0
Доказательство. B (1) ⇒ (2)
Пусть 𝑢1 + · · · + 𝑢𝑘 = 𝑢′1 + · · · + 𝑢′𝑘 , где 𝑢𝑖 , 𝑢′𝑖 ∈ 𝑈𝑖 ⇒ (𝑢1 − 𝑢′1 )(∈ 𝑈1 ) + · · · + (𝑢𝑘 − 𝑢′𝑘 )(∈ 𝑈𝑘 ) = 0
из (1) следует, что (𝑢1 − 𝑢′1 ) = · · · = (𝑢𝑘 − 𝑢′𝑘 ) = 0 ⇒ 𝑢1 = 𝑢′1 , . . . , 𝑢𝑘 = 𝑢′𝑘 .
(2) ⇒ (3)
𝑣 ∈ 𝑈1 + · · · + 𝑈𝑘 ⇒ из (2) ∃! 𝑢1 ∈ 𝑈1 , . . . , 𝑢𝑘 ∈ 𝑈𝑘 , такой что 𝑣 = 𝑢1 + · · · + 𝑢𝑘 .
Но ∀𝑖 𝑢𝑖 однозначно выражается через базис 𝑒𝑖 ⇒ 𝑣 однозначно выражается через 𝑒1 ∪ · · · ∪ 𝑒𝑘 ⇒<
𝑒1 ∪ · · · ∪ 𝑒𝑘 >= 𝑈1 + · · · + 𝑈𝑘 .
0 однозначно выражается через 𝑒1 ∪ · · · ∪ 𝑒𝑘 ⇒ 𝑒1 ∪ · · · ∪ 𝑒𝑘 линейно независимы ⇒ 𝑒1 ∪ · · · ∪ 𝑒𝑘 –
базис в 𝑈1 + · · · + 𝑈𝑘 .
(3) ⇒ (4) Очевидно
(4) ⇒ (5)
𝑑𝑖𝑚(𝑈𝑖 ∩ (𝑈1 + · · · + 𝑈𝑖−1 + 𝑈𝑖+1 + · · · + 𝑈𝑘 )) = 𝑑𝑖𝑚𝑈𝑖 + 𝑑𝑖𝑚(𝑈1 + · · · + 𝑈𝑖−1 + 𝑈𝑖+1 + · · · + 𝑈𝑘 ) −
𝑑𝑖𝑚(𝑈1 + · · · + 𝑈𝑘 ) ≤ 𝑑𝑖𝑚𝑈𝑖 + 𝑑𝑖𝑚𝑈1 + · · · + 𝑑𝑖𝑚𝑈𝑖−1 + 𝑑𝑖𝑚𝑈𝑖+1 + · · · + 𝑑𝑖𝑚𝑈𝑘 − (𝑑𝑖𝑚𝑈1 + · · · + 𝑑𝑖𝑚𝑈𝑘 ) =
44
0 ⇒ 𝑑𝑖𝑚(𝑈𝑖 ∩ (𝑈1 + · · · + 𝑈𝑖−1 + 𝑈𝑖+1 + · · · + 𝑈𝑘 )) = 0 ⇒ 𝑈𝑖 ∩ (𝑈1 + · · · + 𝑈𝑖−1 + 𝑈𝑖+1 + · · · + 𝑈𝑘 ) = 0.
(5) ⇒ (1)
𝑢1 + · · · + 𝑢𝑘 = 0, 𝑢𝑖 ∈ 𝑈𝑖 ⇒ 𝑢𝑖 (∈ 𝑈𝑖 ) = −𝑢1 − · · · − 𝑢𝑖−1 − 𝑢𝑖+1 − · · · − 𝑢𝑘 (∈ 𝑈1 + · · · + 𝑈𝑖−1 + 𝑈𝑖+1 +
· · · + 𝑈𝑘 ) ⇒ 𝑢𝑖 ∈ 𝑈𝑖 ∩ (𝑈1 + · · · + 𝑈𝑖−1 + 𝑈𝑖+1 + · · · + 𝑈𝑘 )C.
Следствие. Два подпространства 𝑈, 𝑊 ⊆ 𝑉 линейно независимы ⇔ 𝑈 ∩ 𝑊 = 0.
Определение. Говорят, что 𝑉 разлагается в прямую сумму подпространств 𝑈1 , . . . , 𝑈𝑘 , если
1) 𝑉 = 𝑈1 + · · · + 𝑈𝑘
2) 𝑈1 , . . . , 𝑈𝑘 линейно независимы
Примеры.
1) 𝑒1 , . . . , 𝑒𝑛 – базис 𝑉 ⇒ 𝑉 =< 𝑒1 ⊕ 𝑒2 ⊕ · · · ⊕ 𝑒𝑛 >
2) 𝑈, 𝑊 ⊆ 𝑉 – подпространства
{︃
𝑉 =𝑈 +𝑊
𝑉 =𝑈 ⊕𝑊 ⇔
𝑈 ∩𝑊 =0
𝑉 – векторное пространство, 𝑑𝑖𝑚𝑉 = 𝑛, 𝑒1 , . . . , 𝑒𝑛 – базис 𝑉
𝑣 ∈ 𝑉 ⇒ ∃! 𝑥1 , . . . , 𝑥𝑛 ∈ 𝐹 , такой что 𝑣 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 .
Определение. Коэффициенты 𝑥1 , . . . , 𝑥𝑛 называются координатами вектора 𝑣 в базисе (𝑒1 , . . . , 𝑒𝑛 ).
16
Лекция 18.01.2018
𝑉 – векторное пространство над 𝐹 , 𝑑𝑖𝑚𝑉 = 𝑛
(𝑒1 , 𝑒2 , . . . , 𝑒𝑛 ) – фиксированный базис
(𝑒′1 , 𝑒′2 , . . . , 𝑒′𝑛 ) – какой-то набор из 𝑛 векторов
𝑒′1 = 𝑐11 𝑒1 + 𝑐21 𝑒2 + · · · + 𝑐𝑛1 𝑒𝑛
𝑒′2 = 𝑐12 𝑒1 + 𝑐22 𝑒2 + · · · + 𝑐𝑛2 𝑒𝑛
..
.
𝑒′𝑛 = 𝑐1𝑛 𝑒1 + 𝑐2𝑛 𝑒2 + · · · + 𝑐𝑛𝑛 𝑒𝑛
(𝑒′1 , . . . , 𝑒′𝑛 ) = (𝑒1 , . . . , 𝑒𝑛 ) · 𝐶, где
⎛
𝑐11
⎜ 𝑐21
𝐶=⎜
⎝. . .
𝑐𝑛1
𝑐12
𝑐22
...
𝑐𝑛2
⎞
. . . 𝑐1𝑛
. . . 𝑐2𝑛 ⎟
⎟
. . . . . .⎠
. . . 𝑐𝑛𝑛
𝐶 (𝑖) – столбец координат вектора 𝑒′𝑖 в базисе (𝑒1 , . . . , 𝑒𝑛 ).
Предложение. (𝑒′1 , . . . , 𝑒′𝑛 ) – базис в 𝑉 ⇔ 𝐶 невырожденна (𝑑𝑒𝑡𝐶 ̸= 0).
Доказательство. Пусть (𝑒′1 , . . . , 𝑒′𝑛 ) – базис ⇒ ∃𝐶 ′ ∈ 𝑀𝑛 , такие что (𝑒1 , . . . , 𝑒𝑛 ) = (𝑒′1 , . . . , 𝑒′𝑛 ) ·
𝐶 ′ = (𝑒1 , . . . , 𝑒𝑛 ) · 𝐶 · 𝐶 ′ . Т.к. 𝑒1 , . . . , 𝑒𝑛 линейно независимы, то отсюда следует 𝐶 · 𝐶 ′ = 𝐸 ⇒ 𝑑𝑒𝑡𝐶 ̸= 0.
Пусть 𝑑𝑒𝑡𝐶 ̸= 0. Покажем, что (𝑒′1 , . . . , 𝑒′𝑛 ) – базис. Достаточно доказать, что 𝑒′1 , . . . , 𝑒′𝑛 ⎛
линейно
⎞
𝜆1
⎜ ⎟
независимы. Пусть 𝜆1 , . . . , 𝜆𝑛 ∈ 𝐹 таковы, что 𝜆1 𝑒′1 + · · · + 𝜆𝑛 𝑒′𝑛 = 0. Тогда 0 = (𝑒′1 , . . . , 𝑒′𝑛 ) ⎝ ... ⎠ =
𝜆𝑛
45
⎛
⎞
⎛ ⎞
𝜆1
𝜆1
⎜ .. ⎟
⎜ .. ⎟
(𝑒1 , . . . , 𝑒𝑛 )𝐶 ⎝ . ⎠. Т.к. 𝑒1 , . . . , 𝑒𝑛 линейно независимы, то 𝐶 · ⎝ . ⎠ = 0. Домножая слева на 𝐶 −1 ,
𝜆
𝜆𝑛
⎛ ⎞𝑛
𝜆1
⎜ .. ⎟
получаем ⎝ . ⎠ = 0.
𝜆𝑛
Пусть 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) и 𝑒′ = (𝑒′1 , . . . , 𝑒′𝑛 ) – два базиса в 𝑉 .
(𝑒′1 , . . . , 𝑒′𝑛 ) = (𝑒1 , . . . , 𝑒𝑛 ) · 𝐶
Определение. Матрица 𝐶 называется матрицей перехода от базиса 𝑒 к базису 𝑒′ .
Замечание. Матрицей перехода от 𝑒′ к 𝑒 – это 𝐶 −1 .
⎛
⎞
𝑥1
⎜ ⎟
𝑣 ∈ 𝑉 → 𝑣 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 = (𝑒1 , . . . , 𝑒𝑛 ) ⎝ ... ⎠
𝑥
⎛ ⎞ 𝑛
′
𝑥1
′ ′
′ ′
′
′ ⎜ .. ⎟
→ 𝑣 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 = (𝑒1 , . . . , 𝑒𝑛 ) ⎝ . ⎠
𝑥′𝑛
⎛
⎛ ⎞
⎞
𝑥′1
𝑥1
⎜ ⎟
⎜ ⎟
Предложение (формула замены координат вектора при смене базиса. ⎝ ... ⎠ = 𝐶·⎝ ... ⎠.
𝑥𝑛
⎛
⎛
⎞
𝑥′𝑛
⎞
𝑥′1
𝑥′1
⎟
⎜
⎜
⎟
Доказательство. B 𝑣 = (𝑒′1 , . . . , 𝑒′𝑛 ) ⎝ ... ⎠ = (𝑒1 , . . . , 𝑒𝑛 ) · 𝐶 · ⎝ ... ⎠
𝑥′𝑛
𝑥′𝑛
⎛ ⎞
𝑥1
⎜ .. ⎟
𝑣 = (𝑒1 , . . . , 𝑒𝑛 ) ⎝ . ⎠
𝑥𝑛
⎛ ⎞
⎛ ⎞
𝑥1
𝑥′1
⎜ ⎟
⎜ ⎟
Отсюда ⎝ ... ⎠ = 𝐶 · ⎝ ... ⎠ C.
𝑥𝑛
𝑥′𝑛
16.1
Линейные отображения
𝑉, 𝑊 – векторные пространства
Определение. Отображение 𝜙 : 𝑉 → 𝑊 называется линейным, если
(1) 𝜙(𝑣1 + 𝑣2 ) = 𝜙(𝑣1 ) + 𝜙(𝑣2 ) ∀ 𝑣1 , 𝑣2 ∈ 𝑉
(2) 𝜙(𝜆𝑣) = 𝜆𝜙(𝑣) ∀ 𝑣 ∈ 𝑉, 𝜆 ∈ 𝐹
Упражнение. 1) & 2) эквивалентно тому, что 𝜙(𝜆1 𝑣1 + 𝜆2 𝑣2 ) = 𝜆1 𝜙(𝑣1 ) + 𝜆2 𝜙(𝑣2 ) ∀𝑣1 , 𝑣2 ∈
𝑉, 𝜆1 , 𝜆2 ∈ 𝐹
Примеры.
0) Нулевое отображение 𝜙(𝑣) = 0 ∀ 𝑣 ∈ 𝑉
1) Тождественное отображение 𝐼𝑑 : 𝑉 → 𝑉, 𝑣 → 𝑣
2) 𝜙 : R2 → R2 – поворот на угол 𝛼 вокруг 0
46
3) 𝜙 : R3 → R2 – ортогональная проекция на 𝑂𝑥𝑦
4) 𝑃𝑛 := 𝑅[𝑥]≤𝑛 – многочлены от 𝑥 с коэффициентами из R степени ≤ 𝑛
△ – отображение дифференцирования
△ : 𝑓 → 𝑓′
(𝑓 + 𝑔)′ = 𝑓 ′ + 𝑔 ′
(𝜆𝑓 )′ = 𝜆𝑓 ′
линейное отображение: 𝑃𝑛 → 𝑃𝑛−1
5) 𝑉 – векторное пространство, (𝑒1 , . . . , 𝑒𝑛 ) – базис
𝜙 : 𝑉 → 𝐹𝑛
⎛ ⎞
𝑥1
⎜ .. ⎟
𝑣 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 → ⎝ . ⎠
𝑥
⎛ 𝑛⎞
𝑦1
⎜ .. ⎟
𝑤 = 𝑦1 𝑒1 + · · · + 𝑦𝑛 𝑒𝑛 → ⎝ . ⎠
𝑦𝑛
𝑣 + 𝑤 = (𝑥1 ⎛
+ 𝑦1 )𝑒1 +⎞· · · +⎛(𝑥𝑛⎞
+ 𝑦𝑛⎛
)𝑒𝑛 ⎞
𝑥1 + 𝑦 1
𝑥1
𝑦1
⎜ .. ⎟ ⎜ .. ⎟ ⎜ .. ⎟
𝜙(𝑣 + 𝑤) = ⎝ . ⎠ = ⎝ . ⎠ + ⎝ . ⎠ = 𝜙(𝑣) + 𝜙(𝑤)
𝑥𝑛 + 𝑦 𝑛
𝑥𝑛
𝑦𝑛
Аналогично, 𝜙(𝜆𝑣) = 𝜆𝜙(𝑣) ⇒ 𝜙 – линейное отображение, биективно!
Простейшие свойства линейного отображения
1) 𝜙(0𝑣 ) = 0𝑤
𝜙(0𝑣 ) = 𝜙(0 · 0𝑣 ) = 0 · 𝜙(0𝑣 ) = 0𝑤
2) 𝜙(−𝑣) = −𝜙(𝑣)
𝜙(𝑣) + 𝜙(−𝑣) = 𝜙(𝑣 − 𝑣) = 𝜙(0𝑣 ) = 0𝑤 ⇒ 𝜙(−𝑣) = −𝜙(𝑣)
Определение. Отображение 𝜙 : 𝑉 → 𝑊 называется изоморфизмом, если оно линейно и биективно.
Обозначение: 𝜙 : 𝑉 −∼
→𝑊
Примеры
0) Изоморфизм ⇔ Оба 𝑉, 𝑊 есть {0}
1) да
2) да
3) нет
4) нет
5) да
Предложение 1. 𝜙 : 𝑉 → 𝑊 – изоморфизм ⇒ обратное отображение 𝜙−1 : 𝑊 → 𝑉 – тоже
изоморфизм
Доказательство. B 𝜙−1 биективно, остается проверить линейность.
𝑤1 , 𝑤2 ∈ 𝑊 ⇒ ∃!𝑣1 , 𝑣2 ∈ 𝑉 , такой что 𝑤1 = 𝜙(𝑣1 ), 𝑤2 = 𝜙(𝑣2 ) ⇒ 𝑣1 = 𝜙−1 (𝑤1 ), 𝑣2 = 𝜙−1 (𝑤2 ).
1) 𝜙−1 (𝑤1 + 𝑤2 ) = 𝜙−1 (𝜙(𝑣1 ) + 𝜙(𝑣2 )) = 𝜙−1 (𝜙(𝑣1 + 𝑣2 )) = 𝑣1 + 𝑣2 = 𝜙−1 (𝑣1 ) + 𝜙−1 (𝑣2 ).
2) 𝜆 ∈ 𝐹
𝜙−1 (𝜆𝑤1 ) = 𝜙−1 (𝜆𝜙(𝑣1 )) = 𝜙−1 (𝜙(𝜆𝑣)) = 𝜆𝑣1 = 𝜆𝜙−1 (𝑤1 )C.
𝜙
𝜓
𝑈 →𝑉 →𝑊
𝜓 ∘ 𝜙(𝑢) = 𝜓(𝜙(𝑢))
47
Предложение 2. 1) Если 𝜙, 𝜓 линейны, то 𝜓 ∘ 𝜙 тоже линейна
2) Если 𝜙, 𝜓 – изоморфизмы, то 𝜓 ∘ 𝜙 тоже изоморфизм
Доказательство. 1) B(𝜓 ∘ 𝜙)(𝑢1 + 𝑢2 ) = 𝜓(𝜙(𝑢1 + 𝑢2 ) = 𝜓(𝜙(𝑢1 ) + 𝜙(𝑢2 )) = 𝜓(𝜙(𝑢1 ) + 𝜓(𝜙(𝑢2 )) =
(𝜓 ∘ 𝜙)(𝑢1 ) + (𝜓 ∘ 𝜙)(𝑢2 )
2) (𝜓 ∘ 𝜙)(𝜆𝑢) = 𝜓(𝜙(𝜆𝑢) = 𝜓(𝜆𝜙(𝑢)) = 𝜆𝜓(𝜙(𝑢)) = 𝜆(𝜓 ∘ 𝜙)(𝑢))
2) следует из 1) и того факта, что композиция биективных отображений биективна C
Определение. Два векторных пространства называются изоморфными, если существует изоморфизм 𝜙 : 𝑉 −∼
→ 𝑊.
Теорема. Изоморфность – это отношение эквивалентности на множестве всех векторных пространств.
Доказательство. B 1) Рефлексивность: 𝐼𝑑 : 𝑉 −∼
→𝑉
2) Симметричность: 𝑉 ≃ 𝑊 ⇒ 𝑊 ≃ 𝑉 (предложение 1)
3) Транзитивность: 𝑈 ≃ 𝑉, 𝑉 ≃ 𝑊 ⇒ 𝑈 ≃ 𝑊 (предложение 2) C
Определение. Классы эквивалентности называются классами изоморфизма векторных пространств.
Пример.
𝑛
𝐹
⎛ ≃⎞𝑃𝑛−1
𝑎1
⎜ .. ⎟
⎝ . ⎠ → 𝑎1 + 𝑎2 𝑥 + · · · + 𝑎𝑛 𝑥𝑛−1 изоморфизм
𝑎𝑛
17
Лекция 25.01.2017
Теорема. Пусть 𝑉, 𝑊 – два конечномерных векторных пространства. Тогда 𝑉 ≃ 𝑊 ⇔ 𝑑𝑖𝑚𝑉 =
𝑑𝑖𝑚𝑊 .
Лемма 1. Пусть 𝑑𝑖𝑚𝑉 = 𝑛. Тогда 𝑉 ≃ 𝐹 𝑛 .
𝑛
Доказательство. B Фиксируем ⎛
базис
⎞ (𝑒1 , 𝑒2 , . . . , 𝑒𝑛 ) и рассмотрим отображение 𝜙 : 𝑉 ⇒ 𝐹 из
𝑥1
⎜ .. ⎟
примера 5, т.е. 𝜙(𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 ) = ⎝ . ⎠. Знаем, что 𝜙 – изоморфизм C.
𝑥𝑛
Лемма 2. Пусть 𝜙 : 𝑉 −∼
→ 𝑊 – изоморфизм, (𝑒1 , 𝑒2 , . . . , 𝑒𝑛 ) – базис 𝑉 . Тогда (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) –
базис 𝑊 .
Доказательство. B 𝑤 ∈ 𝑊 , пусть 𝑣 := 𝜙−1 (𝑤).
𝑣 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 , где 𝑥𝑖 ∈ 𝐹 ⇒ 𝑤 = 𝜙(𝑣) = 𝑥1 𝜙(𝑒1 ) + · · · + 𝑥𝑛 𝜙(𝑒𝑛 ) ⇒ 𝑤 =< 𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 ) >.
Докажем, что 𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 ) линейно независимы. Пусть 𝛼1 𝜙(𝑒1 ) + · · · + 𝛼𝑛 𝜙(𝑒𝑛 ) = 0. Тогда
𝜙(𝛼1 𝑒1 + · · · + 𝛼𝑛 𝑒𝑛 ) = 0. Применим 𝜙−1 , получим 𝛼1 𝑒1 + · · · + 𝛼𝑛 𝑒𝑛 = 𝜙−1 (0) = 0. Т.к. (𝑒1 , . . . , 𝑒𝑛 ) –
базис 𝑉 , то 𝛼1 = · · · = 𝛼𝑛 = 0 C.
Доказательство теоремы. B 𝑑𝑖𝑚𝑉 = 𝑑𝑖𝑚𝑊 = 𝑛 ⇒ 𝑉 ≃ 𝐹 𝑛 и 𝑊 ≃ 𝐹 𝑛 ⇒ 𝑉 ≃ 𝑊 (лемма 1).
48
𝑉 −∼
→ 𝑊 . Фиксируем изоморфизм 𝜙 : 𝑉 −∼
→ 𝑊 и базис (𝑒1 , . . . , 𝑒𝑛 ) в 𝑉 . Тогда (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) –
базис 𝑊 (лемма 2) ⇒ 𝑑𝑖𝑚𝑊 = 𝑛 = 𝑑𝑖𝑚𝑉 C.
𝑉 – векторное пространство
(𝑒1 , . . . , 𝑒𝑛 ) – базис
Предложение. 1) Всякое линейное отображение 𝜙 : 𝑉 → 𝑊 однозначно определяется векторами
𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 ).
2) ∀ набора векторов 𝑤1 , . . . , 𝑤𝑛 ∈ 𝑊 ∃! линейное отображение 𝜙 : 𝑉 → 𝑊 , т. что 𝜙(𝑒1 ) =
𝑤1 , . . . , 𝜙(𝑒𝑛 ) = 𝑤𝑛 .
Доказательство. 1) 𝑣 ∈ 𝑉, 𝑣 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 ⇒ 𝜙(𝑣) = 𝑥1 𝜙(𝑒1 ) + · · · + 𝑥𝑛 𝜙(𝑒𝑛 ).
2) 𝑣 ∈ 𝑉, 𝑣 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 . Положим 𝜙(𝑣) = 𝑥1 𝑤1 + · · · + 𝑥𝑛 𝑤𝑛 . 𝜙 линейно (упражнение),
единственно по 1).
Следствие 1. Если 𝑑𝑖𝑚𝑉 = 𝑑𝑖𝑚𝑊 = 𝑛, то ∀ базиса (𝑓1 , . . . , 𝑓𝑛 ) в 𝑊 ∃! изоморфизм 𝜙 : 𝑉 −∼
→ 𝑊,
такой что 𝜙(𝑒𝑖 ) = 𝑓𝑖 ∀𝑖.
Следствие 2. ∃ биекция между базисами 𝑉 и изоморфизмами 𝐹 𝑛 −∼
→ 𝑉 (а тогда и изоморфизмами 𝑉 −∼
→ 𝐹 𝑛 ) стандартный базис в 𝐹 𝑛 → данный базис в 𝑉 .
𝑉, 𝑊 – векторные пространства
𝑑𝑖𝑚𝑉 = 𝑛, фиксированный базис 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ).
𝑑𝑖𝑚𝑊 = 𝑚, фиксированный базис 𝑓 = (𝑓1 , . . . , 𝑓𝑚 ).
𝜙 : 𝑉 → 𝑊 – линейное отображение
⎛
⎞
𝑎1𝑗
⎜
⎟
𝜙(𝑒𝑗 ) = 𝑎1𝑗 𝑓1 + · · · + 𝑎𝑚𝑗 𝑓𝑚 = (𝑓1 , . . . , 𝑓𝑚 ) ⎝ ... ⎠
𝑎𝑚𝑗
Определение. Матрица 𝐴 = (𝑎𝑖𝑗 ) ∈ 𝑀 𝑎𝑡𝑛×𝑚 называется матрицей линейного отображения в
базисах 𝑒 и 𝑓 (или по отношению к базисам).
Обозначение: 𝐴 = 𝐴(𝜙, 𝑒, 𝑓 ).
Обозначение: 𝐻𝑜𝑚(𝑉, 𝑊 ) – множество всех линейных отображений из 𝑉 в 𝑊
Следствие 3. При фиксированном 𝑒 и 𝑓 отображение 𝐻𝑜𝑚(𝑉, 𝑊 ) → 𝑀 𝑎𝑡𝑛×𝑚 (𝐹 ) 𝜙 → 𝐴(𝜙, 𝑒, 𝑓 )
является биекцией.
(𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) = (𝑓1 , . . . , 𝑓𝑚 ) · 𝐴, где 𝐴 = 𝐴(𝜙, 𝑒, 𝑓 ).
В 𝑗– столбце этой матрице стоят координаты вектора 𝜙(𝑒𝑗 ) в базисе 𝑓 .
Примеры.
0) Нулевое отображение → нулевая матрица в любой паре базисов.
1) 𝜙 : R3 → R2 – проекция на 𝑂𝑥𝑦
𝑒 = (𝑒1 , 𝑒2 , 𝑒3(︂
), 𝑓 = (𝑒1)︂, 𝑒2 )
1 0 0
𝐴(𝜙, 𝑒, 𝑓 ) =
0 1 0
2) △ : 𝑅[𝑥]≤𝑛 → 𝑅[𝑥]≤𝑛−1
𝑓 → 𝑓′
𝑒 = (1, 𝑥, 𝑥2 , . . . , 𝑥𝑛 ), 𝑓 = (1, 𝑥, 𝑥2 , . . . , 𝑥𝑛−1 )
49
⎛
⎜0
⎜
⎜
𝐴(𝜙, 𝑒, 𝑓 ) = ⎜0
⎜ ..
⎝.
1
..
.
2
..
.
0 ...
0 ...
3 ...
.. ..
. .
0 0 0 0 ...
⎞
0⎟
⎟
0⎟
⎟ ∈ 𝑀 𝑎𝑡𝑛×(𝑛−1)
.. ⎟
.⎠
𝑛
3) 𝜙 : 𝐹 𝑛 → 𝐹 𝑚
𝑥 → 𝐴𝑥, 𝐴 ∈ 𝑀 𝑎𝑛𝑚×𝑛 (𝐹 )
𝑒 – стандартный базис 𝐹 𝑛
𝑓 – стандартный базис 𝐹 𝑚
𝐴(𝜙, 𝑒, 𝑓 ) = 𝐴
Предложение. 𝜙 : 𝑉 → 𝑊 – линейное отображение. 𝑒 – базис 𝑉 , 𝑓 – базис 𝑊 , 𝐴 = 𝐴(𝜙, 𝑒, 𝑓 ).
𝑣 ∈⎛𝑉, 𝑣⎞
= 𝑥1 𝑒1 +⎛· · · ⎞
+ 𝑥𝑛 𝑒𝑛 , 𝜙(𝑣) = 𝑦1 𝑓1 + · · · + 𝑦𝑚 𝑓𝑚
𝑥1
𝑦1
⎜ .. ⎟
⎜ .. ⎟
⇒ ⎝ . ⎠ = 𝐴 · ⎝ . ⎠.
𝑦𝑚
𝑥𝑛
⎛
⎞
𝑥1
⎜ 𝑥2 ⎟
⎜ ⎟
Доказательство. B 𝑣 = (𝑒1 , 𝑒2 , . . . , 𝑒𝑛 ) ⎜ .. ⎟
⎝.⎠
𝑥𝑛
⎛
⎛ ⎞
⎛ ⎞
⎛ ⎞
𝑥1
𝑥1
𝑦1
𝑦1
⎜ 𝑥2 ⎟
⎜ 𝑥2 ⎟
⎜ 𝑦2 ⎟
⎜ 𝑦2 ⎟
⎜ ⎟
⎜ ⎟
⎜ ⎟
⎜ ⎟
𝜙(𝑣) = (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) ⎜ .. ⎟ = (𝑓1 , . . . , 𝑓𝑛 ) · 𝐴 · ⎜ .. ⎟ = (𝑓1 , . . . , 𝑓𝑛 ) ⎜ .. ⎟ ⇒ ⎜ .. ⎟ = 𝐴 ·
⎝.⎠
⎝.⎠
⎝ . ⎠
⎝ . ⎠
𝑥𝑛
𝑥𝑛
𝑦𝑚
𝑦𝑚
⎛ ⎞
𝑥1
⎜ 𝑥2 ⎟
⎜ ⎟
⎜ .. ⎟ C
⎝.⎠
𝑥𝑛
⎞
Пусть 𝑒′ – другой базис в 𝑉 , 𝑒′ = 𝑒 · 𝐶
𝑓 ′ – другой базис в 𝑊 , 𝑓 ′ = 𝑓 · 𝐷
𝐴 = 𝐴(𝜙, 𝑒, 𝑓 )
𝐴′ = 𝐴(𝜙, 𝑒′ , 𝑓 ′ )
Предложение. 𝐴′ = 𝐷−1 · 𝐴 · 𝐶
Доказательство. B (𝑒′1 , . . . , 𝑒′𝑛 ) = (𝑒1 , . . . , 𝑒𝑛 ) · 𝐶 ⇒ (𝜙(𝑒′1 ), . . . , 𝜙(𝑒′𝑛 )) = (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) · 𝐶 =
′
(𝑓1 , . . . , 𝑓𝑚 ) · 𝐴 · 𝐶 и (𝜙(𝑒′1 ), . . . , 𝜙(𝑒′𝑛 )) = (𝑓1′ , . . . , 𝑓𝑚
) · 𝐴′ = (𝑓1 , . . . , 𝑓𝑚 ) · 𝐷 · 𝐴′ ⇒ 𝐴𝐶 = 𝐷𝐴′ ⇒ 𝐴′ =
𝐷−1 · 𝐴 · 𝐶 C
𝜙, 𝜓 ∈ 𝐻𝑜𝑚(𝑉, 𝑊 )
Определение. Суммой линейных отображений 𝜙 и 𝜓 называется отображение 𝜙 + 𝜓, такое что
∀ 𝑣 ∈ 𝑉 (𝜙 + 𝜓)(𝑣) := 𝜙(𝑣) + 𝜓(𝑣)
Определение. 𝜆 ∈ 𝐹 ⇒ Произведение 𝜙 на 𝜆 – это отображение 𝜆·𝜙, такое что (𝜆·𝜙)(𝑣) := 𝜆·𝜙(𝑣)
Упражнение. 𝜙 + 𝜓, 𝜆𝜙 ∈ 𝐻𝑜𝑚(𝑉, 𝑊 )
50
Упражнение. 𝐻𝑜𝑚(𝑉, 𝑊 ) – это векторное пространство с такими операциями.
𝜙, 𝜓 ∈ 𝐻𝑜𝑚(𝑉, 𝑊 )
Предложение. 𝑒 – базис 𝑉 , 𝑓 – базис 𝑊
𝐴𝜙 = 𝐴(𝜙, 𝑒, 𝑓 )
𝐴𝜓 = 𝐴(𝜓, 𝑒, 𝑓 )
𝐴𝜙+𝜓 = 𝐴(𝜙 + 𝜓, 𝑒, 𝑓 )
𝐴𝜆𝜙 = 𝐴(𝜆𝜙, 𝑒, 𝑓 )
⇒ 𝐴𝜙+𝜓 = 𝐴𝜙 + 𝐴𝜓 , 𝐴𝜆𝜙 = 𝜆𝐴𝜙
Доказательство. B ((𝜙 + 𝜓)𝑒1 , . . . , (𝜙 + 𝜓)𝑒𝑛 ) = (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) +
+ (𝜓(𝑒1 ), . . . , 𝜓(𝑒𝑛 )) = (𝑓1 , . . . , 𝑓𝑚 )𝐴𝜙 + (𝑓1 , . . . , 𝑓𝑚 )𝐴𝜓 = (𝑓1 , . . . , 𝑓𝑚 )(𝐴𝜙 + 𝐴𝜓 )
((𝜙 + 𝜓)𝑒1 , . . . , (𝜙 + 𝜓)𝑒𝑛 ) = (𝑓1 , . . . , 𝑓𝑚 )𝐴𝜙+𝜓
⇒ 𝐴𝜙+𝜓 = 𝐴𝜙 + 𝐴𝜓
𝐴𝜆𝜙 = 𝜆𝐴𝜙 аналогично C
Следствие 1. При фиксированном 𝑒 и 𝑓 отображение 𝐻𝑜𝑚(𝑉, 𝑊 ) → 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 ), 𝜙 → 𝐴(𝜙, 𝑒, 𝑓 )
является изоморфизмом векторных пространств.
Доказательство. Это отображение биективно (уже знаем), линейно по предложению.
Следствие 2. 𝑑𝑖𝑚𝑉 = 𝑛, 𝑑𝑖𝑚𝑊 = 𝑚 ⇒ 𝑑𝑖𝑚𝐻𝑜𝑚(𝑉, 𝑊 ) = 𝑛𝑚.
18
Лекция 1.02.2018
𝐻𝑜𝑚(𝑉, 𝑊 ) −∼
→ 𝑀 𝑎𝑡𝑚×𝑛
𝑉, 𝑊, 𝑈 – векторные пространства над 𝐹
𝜙
𝜓
𝑈 →𝑉 →𝑊 – цепочка линейных отображений
𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – базис 𝑉 𝐴𝜙 = 𝐴(𝜙, 𝑒, 𝑓 )
𝑓 = (𝑓1 , . . . , 𝑓𝑚 ) – базис 𝑊 𝐴𝜓 = 𝐴(𝜓, 𝑓, 𝑔)
𝑔 = (𝑔1 , . . . , 𝑔𝑘 ) – базис 𝑈 𝐴𝜓·𝜙 = 𝐴(𝜓 · 𝜙, 𝑒, 𝑔)
Предложение. 𝐴𝜓·𝜙 = 𝐴𝜓 · 𝐴𝜙
Доказательство. B (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) = (𝑓1 , . . . , 𝑓𝑚 ) · 𝐴𝜙
((𝜓𝜙)(𝑒1 ), . . . , (𝜓𝜙)(𝑒𝑛 )) = (𝜓(𝑓1 ), . . . , 𝜓(𝑓𝑚 ))𝐴𝜙 = (𝑔1 , . . . , 𝑔𝑘 ) · 𝐴𝜓 · 𝐴𝜙
((𝜓𝜙)(𝑒1 ), . . . , (𝜓𝜙)(𝑒𝑛 )) = (𝑔1 , . . . , 𝑔𝑘 )𝐴𝜓𝜙
Т.к. 𝑔1 , . . . , 𝑔𝑘 линейно независимы, то 𝐴𝜓·𝜙 = 𝐴𝜓 · 𝐴𝜙 C.
𝑉, 𝑊 – векторные пространства
𝜙 : 𝑉 → 𝑊 – линейное отображение
Определение. Ядро линейного отображения 𝜙 – это множество 𝐾𝑒𝑟𝜙 := {𝑣 ∈ 𝑉 | 𝜙(𝑣) = 0} ⊆ 𝑉
Определение. Образ линейного отображения 𝜙 – это множество 𝐼𝑚𝜙 := 𝜙(𝑉 ) = {𝜙(𝑣) | 𝑣 ∈
𝑉}⊆𝑊
Пример.
△ : 𝑃𝑛 → 𝑃𝑛 , 𝑓 → 𝑓 ′ ⇒ 𝐾𝑒𝑟△ = {𝑓 | 𝑓 = 𝑐𝑜𝑛𝑠𝑡}, 𝐼𝑚△ = 𝑃𝑛−1
Предложение. (а) 𝐾𝑒𝑟𝜙 – это подпространство в 𝑉
(б) 𝐼𝑚𝜙 – это подпространство в 𝑊
51
Доказательство. B (а) 1) 𝜙(0𝑉 ) = 0𝑊 ⇒ 0𝑉 ∈ 𝐾𝑒𝑟𝜙
2) 𝑣1 , 𝑣2 ∈ 𝐾𝑒𝑟𝜙 ⇒ 𝜙(𝑣1 + 𝑣2 ) = 𝜙(𝑣1 ) + 𝜙(𝑣2 ) = 0 + 0 = 0 ⇒ 𝑣1 + 𝑣2 ∈ 𝐾𝑒𝑟𝜙
3) 𝑣 ∈ 𝐾𝑒𝑟𝜙, 𝛼 ∈ 𝐹 ⇒ 𝜙(𝛼𝑣) = 𝛼𝜙(𝑣) = 𝛼0 = 0 ⇒ 𝛼𝑣 ∈ 𝐾𝑒𝑟𝜙
(б) 1) 0𝑊 = 𝜙(0𝑣 ) ⇒ 0𝑊 ∈ 𝐼𝑚𝜙
2) 𝑤1 , 𝑤2 ∈ 𝐼𝑚𝜙 ⇒ ∃𝑣1 , 𝑣2 ∈ 𝑉 , такие что 𝑤1 = 𝜙(𝑣1 ), 𝑤2 = 𝜙(𝑣2 ) ⇒ 𝑤1 + 𝑤2 = 𝜙(𝑣1 ) + 𝜙(𝑣2 ) =
𝜙(𝑣1 + 𝑣2 ) ⇒ 𝑤1 + 𝑤2 ∈ 𝐼𝑚𝜙
3) 𝑤 ∈ 𝐼𝑚𝜙, 𝛼 ∈ 𝐹 ⇒ ∃𝑣 ∈ 𝑉 : 𝜙(𝑣) = 𝑤 ⇒ 𝛼𝑤 = 𝛼𝜙(𝑣) = 𝜙(𝛼𝑣) ⇒ 𝛼𝑥 ∈ 𝐼𝑚𝜙 C
Предложение. (а) 𝜙 инъективно ⇔ 𝐾𝑒𝑟𝜙 = {0}
(б) 𝜙 сюръективно ⇔ 𝐼𝑚𝜙 = 𝑊
Доказательство. B (б) Просто по определению
(а) 𝜙 инъективно ⇒ 𝐾𝑒𝑟𝜙 = {0} очевидно
𝐾𝑒𝑟𝜙 = {0} ⇒ 𝜙 инъективно
Пусть 𝐾𝑒𝑟𝜙 = {0}
𝑣1 , 𝑣2 ∈ 𝑉 , пусть 𝜙(𝑣1 ) = 𝜙(𝑣2 ). Тогда 0 = 𝜙(𝑣1 ) − 𝜙(𝑣2 ) = 𝜙(𝑣1 − 𝑣2 ) ⇒ 𝑣1 − 𝑣2 ∈ 𝐾𝑒𝑟𝜙 ⇒ 𝑣1 − 𝑣2 =
0 ⇒ 𝑣1 = 𝑣2 C
Следствие.
{︃
𝐾𝑒𝑟𝜙 = {0}
𝜙 − изоморфизм ⇔
𝐼𝑚𝜙 = 𝑊
Предложение. 𝜙 : 𝑉 → 𝑊 – линейное отображение, 𝑈 ⊆ 𝑉 – подпространство, (𝑒1 , . . . , 𝑒𝑘 ) –
базис 𝑈 ⇒ 𝜙(𝑈 ) =< 𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑘 ) >. В частности, 𝑑𝑖𝑚𝜙(𝑈 ) ≤ 𝑑𝑖𝑚𝑈, 𝑑𝑖𝑚𝐼𝑚𝜙 ≤ 𝑑𝑖𝑚𝑉
Доказательство. Упражнение.
𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – базис 𝑉 , 𝑓 = (𝑓1 , . . . , 𝑓𝑚 ) – базис 𝑊 , 𝐴 = 𝐴(𝜙, 𝑒, 𝑓 )
Теорема 1. 𝑟𝑘𝐴 = 𝑑𝑖𝑚𝐼𝑚𝜙
Доказательство. 𝐼𝑚𝜙 =< 𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 ) > – по предложению
Координаты вектора 𝜙(𝑒𝑗 ) в базисе 𝑓 записаны в 𝐴(𝑗) ⇒ 𝛼1 𝜙(𝑒1 ) + · · · + 𝛼𝑛 𝜙(𝑒𝑛 ) = 0 ⇔ 𝛼1 𝐴(1) +
· · · + 𝛼𝑛 𝐴(𝑛) = 0 ⇒ 𝑟𝑘𝐴 = 𝑟𝑘{𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )} = 𝑑𝑖𝑚 < 𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 ) >= 𝑑𝑖𝑚𝐼𝑚𝜙 C
Определение. Число 𝑟𝑘𝐴 = 𝑑𝑖𝑚𝐼𝑚𝜙 называется рангом линейного отображения 𝜙.
Обозначение: 𝑟𝑘𝜙.
Следствие. Число 𝑟𝑘𝐴 не зависит от выбора базисов 𝑒 и 𝑓 .
Следствие. 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 ⇒ 𝑟𝑘𝐴 не меняется при умножении 𝐴 на невырожденную матрицу
слева или справа.
Доказательство. B Пусть 𝐶 ∈ 𝑀𝑛 , 𝐷 ∈ 𝑀𝑛 , 𝑑𝑒𝑡𝐶 ̸= 0, 𝑑𝑒𝑡𝐷 ̸= 0. Тогда 𝐴 и 𝐷−1 𝐴𝐶 – это
матрицы одного и того же линейного отображения в разных парах базисов ⇒ 𝑟𝑘𝐴 = 𝑟𝑘(𝐷−1 𝐴𝐶) C
Упражнение. 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 , 𝐵 ∈ 𝑀 𝑎𝑡𝑛×𝑝 ⇒ 𝑟𝑘(𝐴𝐵) ≤ 𝑚𝑖𝑛{𝑟𝑘𝐴, 𝑟𝑘𝐵}.
Предложение. 𝜙 : 𝑉 → 𝑊 – линейное отображение и (𝑒1 , . . . , 𝑒𝑛 ) – базис 𝑉 такой, что (𝑒1 , . . . , 𝑒𝑘 )
– базис 𝐾𝑒𝑟𝜙 ⇒ 𝜙(𝑒𝑘+1 ), . . . , 𝜙(𝑒𝑛 ) – базис 𝐼𝑚𝜙
52
Доказательство. B 𝐼𝑚𝜙 =< 𝜙(𝑒1 ) = 0, . . . , 𝜙(𝑒𝑘 ) = 0, 𝜙(𝑒𝑘+1 ), . . . , 𝜙(𝑒𝑛 ) >=< 𝜙(𝑒𝑘+1 ), . . . , 𝜙(𝑒𝑛 ) >.
Покажем, что 𝜙(𝑒𝑘+1 ), . . . , 𝜙(𝑒𝑛 ) линейно независимы. Пусть 𝛼𝑘+1 , . . . , 𝛼𝑛 ∈ 𝐹 таковы, что 𝛼𝑘+1 𝜙(𝑒𝑘+1 )+
· · ·+𝛼𝑛 𝜙(𝑒𝑛 ) = 0. Тогда 𝜙(𝛼𝑘+1 𝑒𝑘+1 +· · ·+𝛼𝑛 𝑒𝑛 ) = 0 ⇒ 𝛼𝑘+1 𝑒𝑘+1 +· · ·+𝛼𝑛 𝑒𝑛 ∈ 𝐾𝑒𝑟𝜙 ⇒ ∃ 𝛽1 , . . . , 𝛽𝑘 ∈ 𝐹 ,
такие что 𝛼𝑘+1 𝑒𝑘+1 + · · · + 𝛼𝑛 𝑒𝑛 = 𝛽1 𝑒1 + · · · + 𝛽𝑘 𝑒𝑘 . Т.к. (𝑒1 , . . . , 𝑒𝑛 ) – базис 𝑉 , то 𝛽1 = · · · = 𝛽𝑘 =
𝛼𝑘+1 = · · · = 𝛼𝑛 = 0 C.
Теорема 2. 𝑑𝑖𝑚𝑉 = 𝑑𝑖𝑚𝐾𝑒𝑟𝜙 + 𝑑𝑖𝑚𝐼𝑚𝜙
Доказательство. B Пусть (𝑒1 , . . . , 𝑒𝑘 ) – базис 𝐾𝑒𝑟𝜙. Дополним его векторами 𝑒𝑘+1 , . . . , 𝑒𝑛 до
базиса 𝑉 . Тогда 𝜙(𝑒𝑘+1 ), . . . , 𝜙(𝑒𝑛 ) – базис 𝐼𝑚𝜙 по предложению ⇒ 𝑑𝑖𝑚𝐼𝑚𝜙 = 𝑛 − 𝑘 = 𝑑𝑖𝑚𝑉 −
𝑑𝑖𝑚𝐾𝑒𝑟𝜙 C.
Предложение. 𝜙 : 𝑉 → 𝑊 – линейное отображение, 𝑑𝑖𝑚𝑉 = 𝑛, 𝑑𝑖𝑚𝑊 = 𝑚, 𝑟𝑘𝜙 = 𝑟 ⇒ ∃ базис
𝑒 в 𝑉 и базис 𝑓 в 𝑊 такие, что
1 ···
⎜ 0 ...
⎜
𝑟 ⎜
⎜ 0. · ·. ·
⎜ ..
..
𝐴(𝜙, 𝑒, 𝑓 ) =
⎜
⎜0 0
⎜
⎝0 0
𝑚 0 0
⎛
𝑟
1
..
.
...
...
...
..
.
...
...
...
···
···
..
.
···
···
..
.
𝑛
⎞
0⎟
⎟
0⎟
.. ⎟
.⎟
⎟
0⎟
⎟
0⎠
Доказательство. B 𝑑𝑖𝑚𝐾𝑒𝑟𝜙 = 𝑑𝑖𝑚𝑉 − 𝑟𝑘𝜙 = 𝑛 − 𝑟. Пусть (𝑒𝑟+1 , . . . , 𝑒𝑛 ) – базис 𝐾𝑒𝑟𝜙, дополним его векторами 𝑒1 , . . . , 𝑒𝑟 до базиса всего 𝑉 , положим 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ). Положим 𝑓1 = 𝜙(𝑒1 ), . . . , 𝑓𝑟 =
𝜙(𝑒𝑟 ). Тогда (𝑓1 , . . . , 𝑓𝑟 ) – базис 𝐼𝑚𝜙. Дополним его до базиса 𝑓 = (𝑓1 , . . . , 𝑓𝑚 ) всего пространства 𝑊 .
Тогда 𝑒 и 𝑓 искомые базисы C.
Предложение. 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 , 𝑟𝑘𝐴 = 𝑟 ⇒ ∃𝐶
𝐷
𝐴𝐶 = 𝐵, где
𝑟
⎛
1 ··· 0
⎜ 0 ... 0
⎜
𝑟 ⎜
⎜ 0. · ·. · 1.
⎜ ..
..
..
𝐵=
⎜
⎜0 0 0
⎜
⎝0 0 0
𝑚 0 0 0
∈ 𝑀𝑛 , 𝐷 ∈ 𝑀𝑚 , 𝑑𝑒𝑡𝐶 ̸= 0, 𝑑𝑒𝑡𝐷 ̸= 0, такие что
(−1)
...
...
...
..
.
...
...
...
···
···
..
.
···
···
..
.
𝑛
⎞
0⎟
⎟
0⎟
.. ⎟
.⎟
⎟
0⎟
⎟
0⎠
Доказательство. Реализуем 𝐴 как матрицу линейного отображения 𝜙 : 𝐹 𝑛 → 𝐹 𝑚 в какойнибудь паре базисов. Тогда ∃ другая пара базисов, в которой матрица будет 𝐵 (см. предложение),
по формуле изменения матрицы линейного отображения при замене базисов имеем 𝐵 = 𝐷(−1) 𝐴𝐶 C.
19
Лекция 8.02.2018
𝑉 – векторное пространство
Определение. Линейной функцией (линейной формой, линейным функционалом) на 𝑉 называется всякое линейное отображение 𝛼 : 𝑉 → 𝐹 .
Обозначение:𝑉 * := 𝐻𝑜𝑚(𝑉, 𝐹 ) – множество всех линейных функций на 𝑉
53
Примеры:
⎛
⎞
𝑥1
⎜ ⎟
1) 𝛼 : 𝐹 𝑛 → 𝐹, ⎝ ... ⎠ → 𝛼1 𝑥1 + · · · + 𝛼𝑛 𝑥𝑛 , где 𝛼1 , . . . , 𝛼𝑛 ∈ 𝐹 – фиксированные скаляры
𝑥𝑛
2) 𝐹 (𝑋, R) – векторное пространство всех функций из множества 𝑋 в R, 𝑥0 ∈ 𝑋 ⇒ 𝛼 : 𝐹 (𝑋, R) →
R, 𝑓 → 𝑓 (𝑥0 )
∫︀ 𝑏
3) 𝛼 : 𝐶[𝑎, 𝑏](непрерывные функции на [𝑎, 𝑏]) → R, 𝑓 → 𝑎 𝑓 (𝑥)𝑑𝑥
4) 𝛼 : 𝑀𝑛 (𝐹 ) → 𝐹, 𝐴 → 𝑡𝑟𝐴
Далее считаем, что 𝑑𝑖𝑚𝑉 = 𝑛 < ∞
Из общей теории линейных отображений:
1)𝑉 * – векторное пространство (оно называется пространством, двойственным или сопряженным
пространству 𝑉 )
2) Если 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – фиксированный базис 𝑉 , то имеется изоморфизм 𝑉 * −∼
→ 𝑀 𝑎𝑡1×𝑛 (𝐹 ), 𝛼 →
(𝛼1 , . . . , 𝛼𝑛 ), где 𝛼𝑖 = 𝛼(𝑒𝑖 ) – значение 𝛼 на 𝑒𝑖 (коэффициенты
линейной функции 𝛼 в базисе 𝑒)
⎛ ⎞
𝑥1
⎜ .. ⎟
Если 𝑥 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 , то 𝛼(𝑥) = (𝛼1 , . . . , 𝛼𝑛 ) ⎝ . ⎠
𝑥𝑛
*
*
Следствие. 𝑑𝑖𝑚𝑉 = 𝑑𝑖𝑚𝑉 (⇒ 𝑉 ≃ 𝑉 )
Фиксируем базис 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) в 𝑉
∀𝑖{︃
= 1, . . . , 𝑛 рассмотрим линейную функцию 𝜀𝑖 ∈ 𝑉 * , такую что 𝜀𝑖 (𝑒𝑗 ) = 𝛿𝑖𝑗 (символ Кронекера)
1, 𝑖 = 𝑗
𝛿𝑖𝑗 =
0, 𝑖 ̸= 𝑗
Соответствующая строка в 𝑀 𝑎𝑡1×𝑛 (𝐹 ) есть
(︀
0 ...
𝑖
0 1 0 ...
)︀
Линейные функции 𝜀𝑖 , 𝑖 = 1, . . . , 𝑛 образуют базис в 𝑉 *
Определение.
⎛ ⎞ Базис (𝜀1 , . . . , 𝜀𝑛 ) пространства 𝑉 * называется двойственным к базису (𝑒1 , . . . , 𝑒𝑛 )
𝜀1
⎜ .. ⎟
Имеем: ⎝ . ⎠ (𝑒1 , . . . , 𝑒𝑛 ) = (𝜀𝑖 (𝑒𝑗 )) = 𝐸
𝜀𝑛
Предложение. Всякий базис 𝑉 * двойствен некоторому базису пространства 𝑉 .
Доказательство. B Пусть 𝜀 = (𝜀1 , . . . , 𝜀𝑛 ) – данный базис в 𝑉 *
Выберем в 𝑉 произвольный базис 𝑒′ = (𝑒1 , . . . , 𝑒𝑛 )
Пусть 𝜀′ = (𝜀′1 , . . . , 𝜀′𝑛 ) – двойственный ему базис в 𝑉 *
⎛ ⎞
⎛ ⎞
𝜀1
𝜀′1
⎜ ⎟
⎜ ⎟
Тогда ⎝ ... ⎠ = 𝐶 · ⎝ ... ⎠ для некоторой 𝐶 ∈ 𝑀𝑛 (𝐹 ), 𝑑𝑒𝑡𝐶 ̸= 0. Положим 𝑒 = (𝑒′1 , . . . , 𝑒′𝑛 ) · 𝐶 −1 .
𝜀
𝜀′𝑛
⎛ ⎞𝑛
⎛ ⎞
𝜀1
𝜀′1
⎜ ⎟
⎜ ⎟
Тогда ⎝ ... ⎠ (𝑒1 , . . . , 𝑒𝑛 ) = 𝐶 · ⎝ ... ⎠ (𝑒′1 , . . . , 𝑒′𝑛 ) · 𝐶 −1 = 𝐶𝐸𝐶 −1 = 𝐸 C
𝜀𝑛
𝜀′𝑛
Упражнение. Базис 𝑒 на самом деле определен однозначно.
54
Определение. Билинейной формой (или функцией) на 𝑉 называется всякое отображение 𝛽 :
𝑉 × 𝑉 → 𝐹 , которое билинейно, т.е. линейно по каждому аргументу:
1) 𝛽(𝑥1 + 𝑥2 , 𝑦) = 𝛽(𝑥1 , 𝑦) + 𝛽(𝑥2 , 𝑦) ∀𝑥1 , 𝑥2 , 𝑦 ∈ 𝑉
2) 𝛽(𝑥, 𝑦1 + 𝑦2 ) = 𝛽(𝑥, 𝑦1 ) + 𝛽(𝑥, 𝑦2 ) ∀𝑥, 𝑦1 , 𝑦2 ∈ 𝑉
3) 𝛽(𝜆𝑥, 𝑦) = 𝜆𝛽(𝑥, 𝑦) = 𝛽(𝑥, 𝜆𝑦) ∀𝑥, 𝑦 ∈ 𝑉, 𝜆 ∈ 𝐹
По факту: 𝛽(
𝑝
∑︀
𝑖=1
𝜆𝑖 𝑣𝑖 ,
𝑞
∑︀
𝜇𝑗 𝑤 𝑗 ) =
𝑗=1
𝑝 ∑︀
𝑞
∑︀
𝜆𝑖 𝜇𝑗 𝛽(𝑣𝑖 , 𝑤𝑗 ) ∀𝑣𝑖 , 𝑤𝑗 ∈ 𝑉, 𝜆𝑖 , 𝑚𝑗 ∈ 𝐹
𝑖=1 𝑗=1
⎛
⎞
⎛ ⎞
𝑥1
𝑦1
⎜ .. ⎟
⎜ .. ⎟
𝑛
Примеры: 1) 𝑉 = 𝐹 , 𝛽(𝑥, 𝑦) := 𝑥1 𝑦1 + · · · + 𝑥𝑛 𝑦𝑛 , где 𝑥 = ⎝ . ⎠ , 𝑦 = ⎝ . ⎠
𝑥𝑛
𝑦𝑛
(︂(︂ )︂ (︂ )︂)︂
(︂
)︂
𝑥1
𝑦
𝑥 𝑦
2) 𝑉 = 𝐹 2 , 𝛽
, 1
= 𝑑𝑒𝑡 1 1 = 𝑥1 𝑦2 − 𝑥2 𝑦1
𝑥2
𝑦2
𝑥2 𝑦2
∫︀ 𝑏
3) 𝑉 = 𝐶[𝑎, 𝑏], 𝛽(𝑓, 𝑔) := 𝑎 𝑓 (𝑥)𝑔(𝑥)𝑑𝑥
4) 𝑉 = 𝑀 𝑎𝑡𝑚×𝑛 (𝐹 ), 𝛽(𝐴, 𝐵) := 𝑡𝑟(𝐴𝑇 · 𝐵)
𝑑𝑖𝑚𝑉 = 𝑛 < ∞; 𝛽 : 𝑉 × 𝑉 → 𝐹 – билинейная форма
Фиксируем базис в 𝑉 𝑒 = (𝑒1 , . . . , 𝑒𝑛 )
Определение. Матрица 𝐵 = (𝑏𝑖𝑗 ), где 𝑏𝑖𝑗 = 𝛽(𝑒𝑖 , 𝑒𝑗 ) , называется матрицей билинейной формы
𝛽 в базисе 𝑒.
Обозначение: 𝐵(𝛽, 𝑒)
Пусть 𝑥 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 , 𝑦 = 𝑦1 𝑒1 + · · · + 𝑦𝑛 𝑒𝑛 , 𝐵 = 𝐵(𝛽, 𝑒)
⎛ ⎞
𝑦1
𝑛
𝑛
𝑛 ∑︀
𝑛
𝑛 ∑︀
𝑛
∑︀
∑︀
∑︀
∑︀
⎜ .. ⎟
𝛽(𝑥, 𝑦) = 𝛽( 𝑥𝑖 𝑒𝑖 ,
𝑦𝑗 𝑒𝑗 ) =
𝑥𝑖 𝑦𝑗 𝛽(𝑒𝑖 , 𝑒𝑗 ) =
𝑥𝑖 𝑏𝑖𝑗 𝑦𝑗 = (𝑥1 , . . . , 𝑥𝑛 )𝐵 ⎝ . ⎠ – (*) форму𝑖=1
𝑗=1
𝑖=1 𝑗=1
𝑖=1 𝑗=1
𝑦𝑛
ла вычисления значения билинейной формы на паре векторов
Предложение. 1) Всякая билинейная форма однозначно определяется своей матрицей в базисе
𝑒
2) ∀𝐵 ∈ 𝑀𝑛 (𝐹 )∃! билинейная форма 𝛽, такая что 𝐵(𝛽, 𝑒) = 𝐵.
Доказательство. B 1) следует из (*)
2) единственность из 1)
существование: Определим 𝛽 по формуле (*), получится билинейная форма. C
Из предыдущих примеров.
1) 𝑒 – стандартный базис ⇒ 𝐵(𝛽, 𝑒) = 𝐸
(︂
2) 𝑒 – стандартный базис ⇒ 𝐵(𝛽, 𝑒) =
0 1
−1 0
)︂
Пусть 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) и 𝑒′ = (𝑒′1 , . . . , 𝑒′𝑛 ) – два базиса 𝑉 , 𝑒′ = 𝑒 · 𝐶
𝛽 : 𝑉 × 𝑉 → 𝐹 – билинейная форма на 𝑉
𝐵 = 𝐵(𝛽, 𝑒), 𝐵 ′ = 𝐵(𝛽, 𝑒′ ).
Предложение. 𝐵 ′ = 𝐶 𝑇 𝐵𝐶
55
⎛
⎞
⎛ ⎞
𝑥1
𝑥′1
⎜ ⎟
⎜ ⎟
Доказательство. 𝑥 = 𝑥1 𝑒1 + . . . 𝑥𝑛 𝑒𝑛 = 𝑥′1 𝑒′1 + · · · + 𝑥′𝑛 𝑒′𝑛 , ⎝ ... ⎠ = 𝐶 ⎝ ... ⎠
𝑥𝑛
𝑥′𝑛
⎛ ⎞
⎛ ⎞
𝑦1
𝑦1′
⎜ ⎟
⎜ ⎟
𝑦 = 𝑦1 𝑒1 + . . . 𝑦𝑛 𝑒𝑛 = 𝑦1′ 𝑒′1 + · · · + 𝑦𝑛′ 𝑒′𝑛 , ⎝ ... ⎠ = 𝐶 ⎝ ... ⎠
𝑦𝑛
𝑦′
⎛ ⎞
⎛𝑛 ⎞
⎛ ⎞
𝑦1
𝑦1′
𝑦1′
⎜ ⎟
⎜ ⎟
⎜ ⎟
𝛽(𝑥,𝑦) = (𝑥1 , . . . , 𝑥𝑛 )𝐵 ⎝ ... ⎠ = (𝑥′1 , . . . , 𝑥′𝑛 )𝐶 𝑇 𝐵𝐶 ⎝ ... ⎠, а также 𝛽(𝑥,𝑦) = (𝑥′1 , . . . , 𝑥′𝑛 )𝐵 ′ ⎝ ... ⎠ ⇒
𝑦𝑛
𝑦𝑛′
𝑦𝑛′
⎛
𝐶 𝑇 𝐵𝐶 = 𝐵 ′ , т.к. ∀𝑃 ∈ 𝑀𝑛 𝑝𝑖𝑗 =
(︀
0 ...
𝑖
0 1 0 ...
⎜...
⎜
⎜
)︀ ⎜ 0
𝑃 ⎜
⎜ 1
⎜ 0
⎜
⎝...
⎞
⎟
⎟
⎟
⎟
𝑗⎟
⎟
⎟
⎟
⎠
Следствие. Число 𝑟𝑘𝐵(𝛽, 𝑒) не зависит от выбора базиса.
Определение. Число 𝑟𝑘𝐵(𝛽, 𝑒) называется рангом билинейной формы 𝛽.
Определение. Билинейная форма называется симметричной, если 𝛽(𝑥, 𝑦) = 𝛽(𝑦, 𝑥) ∀𝑥, 𝑦 ∈ 𝑉 .
Пусть 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – фиксированный базис 𝑉
𝐵 = 𝐵(𝛽, 𝑒)
Предложение. 𝛽 симметрична ⇔ 𝐵 симметрична (т.е. 𝐵 𝑇 = 𝐵).
Доказательство. B 𝛽 симметрична ⇒ 𝐵 симметрична: 𝑏𝑖𝑗 = 𝛽(𝑒𝑖 , 𝑒𝑗 ) = 𝛽(𝑒𝑗 , 𝑒𝑖 ) = 𝑏𝑗𝑖 ⇒ 𝐵 𝑇 =
𝐵.
⎛
⎞
𝑦1
𝛽 симметрична ⇐ 𝐵 симметрична: 𝑥 = 𝑥1 𝑒1 +· · ·+𝑥𝑛 𝑒𝑛 , 𝑦 = 𝑦1 𝑒1 +· · ·+𝑦𝑛 𝑒𝑛 , 𝛽(𝑥, 𝑦) = (𝑥1 , . . . , 𝑥𝑛 )𝐵 ⎝. . .⎠
𝑦𝑛
⎛ ⎞
⎛ ⎞
⎡
⎛ ⎞⎤𝑇
𝑦1
𝑥1
𝑥1
𝑇 ⎝
⎠
⎝
⎣
⎝
⎠
⎦
. . . = (𝑦1 , . . . , 𝑦𝑛 )𝐵 . . .⎠ = 𝛽(𝑦, 𝑥) C
= (𝑥1 , . . . , 𝑥𝑛 )𝐵 . . .
= (𝑦1 , . . . , 𝑦𝑛 )𝐵
𝑦𝑛
𝑥𝑛
𝑥𝑛
20
Лекция 15.02.2018
𝑉 – векторное пространство над 𝐹 , 𝑑𝑖𝑚𝑉 = 𝑛 < ∞
Определение. Пусть 𝛽 : 𝑉 ×𝑉 → 𝐹 – билинейная форма. Квадратичной формой, ассоциируемой
с билинейной формой 𝛽, называется отображение 𝑄𝛽 : 𝑉 → 𝐹 , такое что 𝑄𝛽 (𝑥) = 𝛽(𝑥, 𝑥).
Пусть 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – базис 𝑉
𝑥 = 𝑥1 𝑒 1 + · · · + 𝑥𝑛 𝑒 𝑛 ∈ 𝑉
⎛
⎞
𝑥1
𝑛 ∑︀
𝑛
𝑛
∑︀
∑︀
⎜ ⎟
𝑄𝛽 (𝑥) = 𝛽(𝑥, 𝑥) = (𝑥1 , . . . , 𝑥𝑛 )𝐵 ⎝ ... ⎠, где 𝐵 = 𝐵(𝛽, 𝑒). Имеем 𝑄𝛽 (𝑥) =
𝑏𝑖𝑗 𝑥𝑖 𝑥𝑗 =
𝑏𝑖𝑖 𝑥2𝑖 +
𝑖=1 𝑗=1
𝑖=1
𝑥𝑛
56
∑︀
(𝑏𝑖𝑗 + 𝑏𝑗𝑖 )𝑥𝑖 𝑥𝑗
1≤𝑖<𝑗≤𝑛
Примеры.
1) 𝑉 = 𝐹 𝑛 , 𝑥 = 𝑥1 𝑦1 + · · · + 𝑥𝑛 𝑦𝑛
𝑄𝛽 (𝑥) = 𝑥21 + · · · + 𝑥2𝑛
2) 𝑉 (︂
= 𝐹 𝑛 ,)︂𝛽(𝑥, 𝑦) = 2𝑥1 𝑦2
0 2
𝐵=
0 0
𝑄𝛽 (𝑥) = 2𝑥1 𝑥2
3) 𝑉 (︂
= 𝐹 𝑛 ,)︂𝛽(𝑥, 𝑦) = 𝑥1 𝑦2 + 𝑥2 𝑦1
0 1
𝐵=
1 0
𝑄𝛽 (𝑥) = 2𝑥1 𝑥2
Теорема. Пусть в поле 𝐹 выполнено условие 1 + 1 ̸= 0 (т.е. 2 ̸= 0). Тогда отображение 𝛽 →
𝑄𝛽 является биекцией между множеством симметричных билинейных форм на 𝑉 и множеством
квадратичных форм на 𝑉 .
Доказательство. B Сюръективность. Пусть 𝑄 : 𝑉 → 𝐹 – квадратичная форма, 𝑄 = 𝑄𝛽 для
некоторой билинейной формы 𝛽. Положим 𝜎(𝑥, 𝑦) = 12 (𝛽(𝑥,𝑦) + 𝛽(𝑦,𝑥)). Тогда 𝜎(𝑥,𝑦) – это симметричная билинейная форма, причем 𝑄𝜎 (𝑥) = 𝜎(𝑥, 𝑥) = 𝛽(𝑥, 𝑥) = 𝑄(𝑥).
Инъективность. Пусть 𝑄 : 𝑉 → 𝐹 – квадратичная форма, 𝑄 = 𝑄𝛽 для симметричной билинейной
формы.
𝑄(𝑥 + 𝑦) = 𝛽(𝑥 + 𝑦, 𝑥 + 𝑦) = 𝛽(𝑥,𝑥) + 𝛽(𝑥,𝑦) + 𝛽(𝑦,𝑥) + 𝛽(𝑦,𝑦) = 𝑄(𝑥) + 𝑄(𝑦) + 2𝛽(𝑥, 𝑦) ⇒ 𝛽(𝑥,𝑦) =
1
[𝑄(𝑥 + 𝑦) − 𝑄(𝑥) − 𝑄(𝑦)] ⇒ 𝛽 однозначно определяется по 𝑄 C.
2
Замечание. 1) Билинейная форма 𝜎(𝑥,𝑦) = 12 (𝛽(𝑥,𝑦) + 𝛽(𝑦,𝑥)) называется симметризацией
билинейной формы 𝛽. Если 𝐵 и 𝑆 – матрицы билинейной формы 𝛽 и 𝜎 в каком-либо базисе, то
𝑆 = 21 (𝐵 + 𝐵 𝑇 ).
2) Симметричная билинейная форма 𝛽(𝑥,𝑦) = 21 [𝑄(𝑥 + 𝑦) − 𝑄(𝑥) − 𝑄(𝑦)] называется поляризацией квадратичной формы 𝑄.
Далее считаем, что 1 + 1 ̸= 0 в поле 𝐹 .
Определение. Матрицей квадратичной формы 𝑄 в базисе 𝑒 называется матрица соответствующей симметричной билинейной формы.
Обозначение: 𝐵(𝑄, 𝑒).
Пример. 𝑄(𝑥
𝑥21 + 𝑥1 𝑥2 + 𝑥(︂22
(︂ 1 , 𝑥2 ) = )︂
)︂ (︂ )︂
1 1/2
1 1/2
𝑥1
Матрица:
⇒ (𝑥1 , 𝑥2 )
1/2 1
1/2 1
𝑥2
Определение. Говорят, что квадратичная форма 𝑄 имеет в базисе 𝑒 канонический вид, если
𝐵(𝑄, 𝑒) = 𝑑𝑖𝑎𝑔(𝑏1 , . . . , 𝑏𝑛 ), т.е. в координатах 𝑄(𝑥1 , . . . , 𝑥𝑛 ) = 𝑏1 𝑥21 + · · · + 𝑏𝑛 𝑥2𝑛 .
Теорема 1. ∀ квадратичной формы 𝑄 : 𝑉 → 𝐹 ∃ базис, в котором 𝑄 имеет канонический вид.
Доказательство (метод Лагранжа). B Индукция по 𝑛: 𝑛 = 1 ⇒ 𝑄(𝑥1 ) = 𝑏𝑥21 – уже канонический вид. Пусть утверждение доказано для < 𝑛, докажем для 𝑛. В исходном базисе: 𝑄(𝑥1 , . . . , 𝑥𝑛 ) =
𝑛
∑︀
∑︀
𝑏𝑖𝑖 𝑥2𝑖 +
2𝑏𝑖𝑗 𝑥𝑖 𝑥𝑗 .
𝑖=1
1≤𝑖<𝑗≤𝑛
Случай 0: 𝑏𝑖𝑗 = 0 ∀ 𝑖,𝑗 – доказывать нечего
57
Случай 1: ∃𝑖 : 𝑏𝑖𝑖 ̸= 0. Перенумеровав переменные, считаем 𝑏11 ̸= 0.
𝑄(𝑥1 , . . . , 𝑥𝑛 ) = 𝑏11 𝑥21 + 2𝑏12 𝑥1 𝑥2 + · · · + 2𝑏𝑛 𝑥1 𝑥𝑛 + 𝑄1 (𝑥2 , . . . , 𝑥𝑛 ) = 𝑏11 (𝑥21 + 2𝑥1 ( 𝑏𝑏12
𝑥2 + · · · + 𝑏𝑏1𝑛
𝑥𝑛 )) +
11
11
𝑏1𝑛
𝑏12
𝑏12
𝑏1𝑛
𝑏12
2
2
𝑄1 (𝑥2 , . . . , 𝑥𝑛 ) = 𝑏11 (𝑥1 + 𝑏11 𝑥2 + · · · + 𝑏11 𝑥𝑛 ) − 𝑏11 ( 𝑏11 𝑥2 + · · · + 𝑏11 + · · · + 𝑏11 𝑥𝑛 ) + 𝑄1 (𝑥2 , . . . , 𝑥𝑛 )
Делаем замену координат
⎧
⎧
𝑏1𝑛
⎪
⎪
𝑥1 = 𝑥′1 − 𝑏𝑏12
𝑥
+
·
·
·
+
𝑥
𝑥′ − · · · − 𝑏𝑏1𝑛
𝑥′
𝑥′1 = 𝑥1 + 𝑏𝑏12
2
𝑛
⎪
⎪
𝑏11
11
11 2
11 𝑛
⎪
⎪
⎪
⎪
⎨𝑥 ′ = 𝑥 2
⎨𝑥 2 = 𝑥 ′
2
2
⇔ .
.
.
.
⎪.
⎪.
⎪
⎪
⎪
⎪
⎪
⎪
⎩𝑥 = 𝑥 ′
⎩𝑥 ′ = 𝑥
𝑛
𝑛
𝑛
𝑛
В новых координатах имеем 𝑄(𝑥′1 , . . . , 𝑥′𝑛 ) = 𝑏11 𝑥21 + 𝑄2 (𝑥′2 , . . . , 𝑥′𝑛 ). По предложению индукции
𝑄2 (𝑥′2 , . . . , 𝑥′𝑛 ) можно привести в какноническому виду.
Случай 2: 𝑏𝑖𝑖 = 0 ∀ 𝑖, но 𝑖 ̸= 𝑗, такие что ∃𝑖, 𝑗, такие что 𝑏𝑖𝑗 ̸= 0.
Перенумеровав переменные, будем считать 𝑏12 ̸= 0. Делаем замену
⎧
𝑥1 = 𝑥′1 + 𝑥′2
⎪
⎪
⎪
⎪
′
′
⎪
⎪
⎨𝑥 2 = 𝑥 1 − 𝑥 2
𝑥3 = 𝑥′3
⎪
⎪
⎪...
⎪
⎪
⎪
⎩ ′
𝑥𝑛 = 𝑥𝑛
⇒ В новых координатах 𝑄(𝑥′1 , . . . , 𝑥′𝑛 ) = 𝑏12 (𝑥′1 )2 − 𝑏12 𝑥′2 2 + 𝑄′1 (𝑥′1 , . . . , 𝑥′𝑛 ), в 𝑄1 нет квадратов ⇒
попадаем в случай 1. C
Замечание. Базис, в котором квадратичная форма имеет канонический вид, а также сам этот
вид определены неоднозначно.
(︂
)︂
(︂
)︂
4 0
1 0
′
′
2
2
Пример. 𝑒 = (𝑒1 , 𝑒2 ), 𝐵(𝑄, 𝑒) =
, т.е. 𝑄(𝑥1 , 𝑥2 ) = 𝑥1 + 𝑥2 , 𝑒 = (2𝑒1 , 2𝑒2 ), 𝐵(𝑄, 𝑒 ) =
0 4
0 1
′2
′2
′
′
𝑄(𝑥1 , 𝑥2 ) = 4𝑥1 + 4𝑥2
𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – базис 𝑉 . Рассмотрим векторы 𝑒′1 , . . . , 𝑒′𝑛 , такие что
⎧
𝑒′1 = 𝑒1
⎪
⎪
⎪
⎪
⎪
⎪𝑒′2 ∈ 𝑒2 + < 𝑒1 >
⎨
(*) 𝑒′3 ∈ 𝑒3 + < 𝑒1 , 𝑒2 >
⎪
.
⎪
⎪
⎪..
⎪
⎪
⎩ ′
𝑒𝑛 ∈ 𝑒𝑛 + < 𝑒1 , . . . , 𝑒𝑛−1 >
⎛
⎞
1 * * ... *
⎜0 1 * . . . * ⎟
⎜
⎟
⎜0 0 1 . . . * ⎟
′
′
∀ 𝑘 = 1, . . . , 𝑛 имеем (𝑒1 , . . . , 𝑒𝑘 ) = (𝑒1 , . . . , 𝑒𝑘 )𝐶𝑘 , где 𝐶𝑘 = ⎜
⎟ ∈ 𝑀𝑘 (𝐹 )
⎜ .. .. .. .. .. ⎟
⎝. . . . .⎠
0 0 0 ... 1
𝑑𝑒𝑡𝐶𝑘 ̸= 0 ⇒ 𝑒′1 , . . . , 𝑒′𝑘 – линейно независимые ⇒< 𝑒1 , . . . , 𝑒𝑘 >=< 𝑒′1 , . . . , 𝑒′𝑘 >
В частности, (𝑒′1 , . . . , 𝑒′𝑛 ) – базис 𝑉
𝐶𝑘 – это левый верхний 𝑘 × 𝑘 блок в 𝐶𝑛
𝑄 : 𝑉 → 𝐹 – квадратичная форма
𝐵 = 𝐵(𝑄, 𝑒)
58
𝐵𝑘 = 𝐵𝑘 (𝑄, 𝑒) – левый верхний блок 𝑘 × 𝑘 в 𝐵
𝑘-ый угловой минор матрицы 𝐵: 𝛿𝑘 = 𝛿𝑘 (𝑄, 𝑒) := 𝑑𝑒𝑡𝐵𝑘
𝛿0 := 1
21
Лекция 16.02.2018
Лемма. Пусть 𝑒′ = (𝑒′1 , . . . , 𝑒′𝑛 ) – базис 𝑉 вида (*). Пусть 𝛿𝑘′ = 𝛿𝑘 (𝑄, 𝑒′ ), 𝑘 = 1, . . . , 𝑛. Тогда 𝛿𝑘 = 𝛿𝑘′ ∀𝑘.
Доказательство. B ∀ 𝑘 = 1, . . . , 𝑛 < 𝑒′1 , . . . , 𝑒′𝑘 >=< 𝑒1 , . . . , 𝑒𝑘 >. Имеем 𝐵𝑘′ = 𝐶𝑘𝑇 𝐵𝑘 𝐶𝑘 ⇒ 𝛿𝑘′ =
𝑑𝑒𝑡𝐵𝑘′ = 𝑑𝑒𝑡(𝐶𝑘𝑇 )𝑑𝑒𝑡𝐵𝑘 𝑑𝑒𝑡𝐶𝑘 = 𝑑𝑒𝑡𝐵𝑘 = 𝛿𝑘 C.
Теорема 2 (метод Якоби приведения квадратичной формы к каноническому виду).
Предположим, что 𝛿𝑘 ̸= 0 ∀ 𝑘 = 1, . . . , 𝑛. Тогда ∃! базис 𝑒′ в 𝑉 , такой что
1) 𝑒′ имеет вид (*)
𝛿𝑛
2) в базисе 𝑒′ квадратичная форма 𝑄 имеет канонический вид 𝑄(𝑥) = 𝛿1 𝑥′1 2 + 𝛿𝛿12 𝑥′2 2 + · · · + 𝛿𝑛−1
𝑥′𝑛 2
𝛿𝑛
(т.е. 𝐵(𝑄, 𝑒′ ) = 𝑑𝑖𝑎𝑔(𝛿1 , 𝛿𝛿21 , . . . , 𝛿𝑛−1
)).
Доказательство. B Индукция по 𝑛: 𝑛 = 1 – верно
Пусть доказано для < 𝑛, докажем для 𝑛. Пусть векторы 𝑒′1 , . . . , 𝑒′𝑛−1 уже построены (В базисе
(𝑒′1 , . . . , 𝑒′𝑛−1 , 𝑒′𝑛 ))
𝛿1
⎜0
⎜
⎜0
⎜
⎜ ..
⎜.
⎜
⎝0
⎛
*
𝛽2
𝛽1
..
.
*
𝛽3
𝛽2
..
.
*
...
...
...
..
.
..
.
...
...
𝛽𝑛
𝛽𝑛−1
*
⎞
*
*⎟
⎟
*⎟
⎟
.. ⎟
.⎟
⎟
*⎠
*
Ищем 𝑒′𝑛 в виде 𝑒′𝑛 ∈ 𝑒𝑛 + < 𝑒1 , . . . , 𝑒𝑛−1 >= 𝑒𝑛 + < 𝑒′1 , . . . , 𝑒′𝑛−1 >, т.е. 𝑒′𝑛 = 𝑒𝑛 + 𝜆1 𝑒′1 + 𝜆2 𝑒′2 + · · · +
𝜆𝑛−1 𝑒′𝑛−1
Пусть 𝛽 – симметричная билинейная форма, соответствующая квадратичной ворме 𝑄
∀𝑘 = 1, . . . , 𝑛 − 1 имеем
𝑘
𝛽(𝑒′𝑛 , 𝑒′𝑘 ) = 𝛽(𝑒𝑛 , 𝑒′𝑘 ) + 𝜆1 𝛽(𝑒′1 , 𝑒′𝑘 ) + · · · + 𝜆𝑛−1 𝛽(𝑒′𝑛−1 , 𝑒′𝑘 ) = 𝛽(𝑒𝑛 , 𝑒′𝑘 ) + 𝜆𝑘 𝛽(𝑒′𝑘 , 𝑒′𝑘 ) = 𝛽(𝑒𝑛 , 𝑒′𝑘 ) + 𝜆𝑘 𝛽𝛽𝑘−1
Тогда 𝛽(𝑒′𝑛 , 𝑒′𝑘 ) = 0 ⇔ 𝜆𝑘 = −𝛽(𝑒𝑛 , 𝑒′𝑘 ) ·
𝛿𝑘−1
.
𝛿𝑘
⎛
𝛿1
⎜0
⎜
⎜
⎜0
′
𝐵(𝑄, 𝑒 ) = ⎜
⎜ ..
⎜.
⎜
⎝0
Теперь в базисе 𝑒′ = (𝑒′1 , . . . , 𝑒′𝑛 ).
⎞
0 0 ...
0 0
𝛽2
0 ...
0 0⎟
⎟
𝛽1
⎟
0 𝛽𝛽32 . . .
0 0⎟
..
..
..
..
.. ⎟
⎟
.
.
.
.
.⎟
⎟
0⎠
0 0 . . . 𝛽𝛽𝑛−1
𝑛−2
0 0 ...
?
𝑛−1
По лемме имеем 𝛿𝑛 = 𝛿𝑛′ ⇒ 𝛿𝑛 = 𝛿𝑛′ = 𝛿1 𝛿𝛿21 . . . 𝛿𝛿𝑛−2
·? = 𝛿𝑛−1 ·? ⇒? =
Единственность следует из явных формул для 𝑒′𝑘 , 𝑘 = 1, . . . , 𝑛 C
𝛿𝑛
.
𝛿𝑛−1
Замечание. При 𝛽𝑘 ̸= 0 ∀ 𝑘 = 1, . . . , 𝑛 метод Лагранжа и метод Якоби дают один и тот же
результат.
59
Определение. Говорят, что квадратичная форма 𝑄 имеет в базисе 𝑒 нормальный вид, если 𝑄
имеет в 𝑒 канонический вид 𝑄(𝑥) = 𝑏1 𝑥21 + · · · + 𝑏𝑛 𝑥2𝑛 , где 𝑏𝑖 ∈ {−1, 0, 1}.
Следствие из теоремы 1 (метод Лагранжа). Если 𝐹 = R, то ∀ квадратичной формы 𝑄 ∃
базис, в котором 𝑄 имеет нормальный вид.
Доказательство. Теорема 1 ⇒ ∃ базис 𝑒, в котором 𝑄(𝑥) = 𝑏1 𝑥21 + · · · + 𝑏𝑛 𝑥2𝑛 . Сделаем замену
{︃ 𝑥
√ 𝑖 , если 𝑏𝑖 ̸= 0
|𝑏𝑖 |
𝑥𝑖 =
′
𝑥𝑖 , если 𝑏𝑖 = 0
⎧
⎪
⎨1, 𝑏𝑖 > 0
2
2
Тогда в новых координатах 𝑄(𝑥) = 𝜀1 𝑥′1 + · · · + 𝜀𝑛 𝑥′𝑛 , где 𝜀𝑖 = 𝑠𝑔𝑛(𝑏𝑖 ) = 0, 𝑏𝑖 = 0
C
⎪
⎩
−1, 𝑏𝑖 < 0
Замечание. Аналогичные рассуждения показывают, что для 𝐹 = C ∀ квадратичной формы 𝑄∃
базис, в котором 𝑄 имеет вид 𝑥21 + · · · + 𝑥2𝑘 , 𝑘 = 𝑟𝑘𝑄.
Пусть квадратичная форма 𝑄 имеет в базисе 𝑒 нормальный вид 𝑄(𝑥) = 𝑥21 + · · · + 𝑥2𝑠 − 𝑥2𝑠+1 − · · · −
𝑥2𝑠+𝑡 , 𝑠 – число "+"в нормальном виде, 𝑡 – число минусов в нормальном виде
Теорема (закон инерции). Числа 𝑖+ = 𝑠 и 𝑖− = 𝑡 не зависят от базиса, в котором 𝑄 имеет
нормальный вид.
Доказательство. B Пусть базисы 𝑒 и 𝑒′ таковы, что
в 𝑒 𝑄(𝑥) = 𝑥21 + · · · + 𝑥2𝑠 − 𝑥2𝑠+1 − · · · − 𝑥2𝑠+𝑡
в 𝑒′ 𝑄(𝑥) = 𝑥′1 2 + · · · + 𝑥′𝑠′ 2 − 𝑥′𝑠′ +1 2 − · · · − 𝑥′𝑠′ +𝑡′ 2
Имеем 𝑠 + 𝑡 = 𝑟𝑘𝑄 = 𝑠′ + 𝑡′ ⇒ достаточно доказать, что 𝑠 = 𝑠′ . Предположим, 𝑠 ̸= 𝑠′ . Без
ограничения общности можно определить, что 𝑠 > 𝑠′ .
Рассмотрим подпространства 𝐿1 =< 𝑒1 , . . . , 𝑒𝑠 > и 𝐿2 =< 𝑒′𝑠′ +1 , . . . , 𝑒′𝑛 >, 𝑑𝑖𝑚𝐿1 = 𝑠, 𝑑𝑖𝑚𝐿2 = 𝑛−𝑠′
𝐿1 + 𝐿2 ⊆ 𝑉 ⇒ 𝑑𝑖𝑚(𝐿1 + 𝐿2 ) ≤ 𝑛.
Тогда 𝑑𝑖𝑚(𝐿1 ∩ 𝐿2 ) = 𝑑𝑖𝑚𝐿1 + 𝑑𝑖𝑚𝐿2 − 𝑑𝑖𝑚(𝐿1 + 𝐿2 ) ≥ 𝑠 + 𝑛 − 𝑠′ = 𝑠 − 𝑠′ > 0 ⇒ ∃𝑣 ∈ 𝐿1 ∩ 𝐿2 ∖ {0}
Т.к. 𝑣 ∈ 𝐿1 , то 𝑄(𝑣) > 0
т.к. 𝑣 ∈ 𝐿2 , то 𝑄(𝑣) ≤ 0
противоречие C.
Определение. 𝑖+ называется положительным индексом инерции квадратичной формы 𝑄, 𝑖−
называется отрицательным индексом инерции квадратичной формы 𝑄.
Следствие метода Якоби. Пусть 𝑒 – базис, 𝛿𝑘 ̸= 0 ∀ 𝑘 ⇒ число 𝑖− равно количество перемен
знака в последовательности 1, 𝛿1 , 𝛿2 , . . . , 𝛿𝑛 .
Доказательство. B Метод Якоби ⇒ канонический вид 𝑄(𝑥) =
𝛿𝑘
< 0 ⇔ 𝛿𝑘 и 𝛿𝑘−1 имеют разные знаки C.
𝛿𝑘−1
Определение. Квадратичная форма называется
60
𝛿1 2
𝛿𝑛
𝑥 + 𝛿𝛿21 𝑥22 + · · · + 𝛿𝑛−1
𝑥2𝑛
𝛿0 1
(𝛿0 = 1)
Термин
Положительно определенной
Отрицательно определенной
Неотрицательно определенной
Неположительно определенной
Неопределенной
Обозначение
Условие
𝑄>0
𝑄(𝑥) > 0 ∀ 𝑥 ̸= 0
𝑄<0
𝑄(𝑥) < 0 ∀ 𝑥 ̸= 0
𝑄≥0
𝑄(𝑥) ≥ 0 ∀ 𝑥
𝑄≤0
𝑄(𝑥) ≤ 0 ∀ 𝑥
∃𝑥 : 𝑄(𝑥) > 0, ∃𝑦 : 𝑄(𝑦) < 0
Нормальный вид
𝑥21 + · · · + 𝑥2𝑛
−𝑥21 − · · · − 𝑥2𝑛
𝑥21 + · · · + 𝑥2𝑛 , 𝑘 ≤ 𝑛
−𝑥21 − · · · − 𝑥2𝑛 , 𝑘 ≤ 𝑛
𝑥21 + · · · + 𝑥2𝑠 − 𝑥2𝑠+1 − · · · − 𝑥2𝑠+𝑡 , 𝑠, 𝑡 ≥ 1
Индексы инерции
𝑖+ = 𝑛, 𝑖− = 0
𝑖+ = 0, 𝑖− = 𝑛
𝑖+ = 𝑘, 𝑖− = 0
𝑖+ = 0, 𝑖− = 𝑘
𝑖+ = 𝑠 ≥ 1, 𝑖− = 𝑡 ≥ 1
Применение.
𝑓 : 𝑅𝑛 → 𝑅, 𝑥0 ∈ 𝑅𝑛
𝑥 = 𝑥0 + 𝑦, 𝑦 ∈ 𝑅𝑛 – "малое приращение"
Предположим, что в окрестности
точки 𝑥0 𝑓 представима в виде 𝑓 (𝑥) = 𝑓 (𝑥0 ) + 𝑎1 𝑦1 + · · · +
∑︀
2𝑏𝑖𝑗 𝑦𝑖 𝑦𝑗 + 𝑂(|𝑦|2 ), где 𝑎1 𝑦1 + · · · + 𝑎𝑛 𝑦𝑛 = 𝑙(𝑦) – линейная форма, а
𝑎𝑛 𝑦𝑛 + 𝑏1 𝑦12 + · · · + 𝑏𝑛 𝑦𝑛2 +
∑︀ 1≤𝑖<𝑗≤𝑛
𝑏1 𝑦12 + · · · + 𝑏𝑛 𝑦𝑛2 +
2𝑏𝑖𝑗 𝑦𝑖 𝑦𝑗 = 𝑄(𝑦) – квадратичная форма.
1≤𝑖<𝑗≤𝑛
Теорема. 1) Если 𝑓 имеет в точке 𝑥0 экстремум, то 𝑙(𝑦) = 0
2) Пусть 𝑙(𝑦) = 0. Тогда если 𝑄(𝑦) > 0, то 𝑓 имеет локальный минимум в точке 𝑥0
если 𝑄(𝑦) < 0, то 𝑓 имеет локальный максимум в точке 𝑥0
если 𝑄(𝑦) неопределенная, то экстремума нет
22
Лекция 22.02.2017
𝑉 – векторное пространство над R, 𝑑𝑖𝑚𝑉 = 𝑛 < ∞
𝑄 : 𝑉 → R – квадратичная форма
Фиксированный базис 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) в 𝑉
𝐵 = 𝐵(𝑄, 𝑒)
𝐵𝑘 – левый верхний 𝑘 × 𝑘-блок в 𝐵
𝛿𝑘 = 𝑑𝑒𝑡𝐵𝑘 – 𝑘-ый угловой минор матрицы 𝐵
Теорема (критерий Сильвестра положительной определенности). 𝑄 > 0 ⇔ 𝛿𝑘 > 0 ∀ 𝑘 =
1, . . . , 𝑛
61
Доказательство. B (⇐) Пусть 𝛿𝑘 > 0 ∀ 𝑘 = 1, . . . , 𝑛
𝛿𝑛
Метод Якоби ⇒ ∃ базис, в котором 𝑄 записывается в виде 𝛿1 𝑥21 + 𝛿𝛿12 𝑥22 + · · · + 𝛿𝑛−1
𝑥2𝑛 ⇒ 𝑄 > 0.
(⇒)𝑄 > 0 ⇒ ∃𝐶 ∈ 𝑀𝑛 (R), 𝑑𝑒𝑡𝐶 ̸= 0, такая что 𝐶 𝑇 𝐵𝐶 = 𝐸 ⇒ 𝑑𝑒𝑡(𝐶 𝑇 )𝑑𝑒𝑡𝐵𝑑𝑒𝑡𝐶 = 1 ⇒ 𝛿𝑛 = 𝑑𝑒𝑡𝐵 =
1
> 0 ⇒ 𝛿𝑛 > 0 ∀𝑘 = 1, . . . , 𝑛 − 1 ограничение квадратичной формы 𝑄 на подпространство
(𝑑𝑒𝑡𝐶)2
< 𝑒1 , . . . , 𝑒𝑘 > тоже положительно определено, матрица этого ограничения в базисе (𝑒1 , . . . , 𝑒𝑘 ) есть
𝐵𝑘 .
Тогда по предыдущему рассуждению получаем 𝛿𝑘 = 𝑑𝑒𝑡𝐵𝑘 > 0 C
{︃
𝛿𝑘 < 0 при 𝑘 𝑚𝑜𝑑 2 = 1
Следствие. 𝑄 < 0 ⇔
𝛿𝑘 > 0 при 𝑘 𝑚𝑜𝑑 2 = 0
Доказательство. B 𝑄 < 0 ⇔ −𝑄 > 0 дальше критерий Сильвестра C
22.1
Евклидовы пространства
Определение. Евклидово пространство – это векторное пространство над R, на котором задана
симметричная положительно определенная (⇔ (𝑥, 𝑥) > 0) билинейная форма (·, ·).
Билинейная форма (·, ·) называется скалярным произведением.
Примеры.
1) 𝑅𝑛 со скалярным произведением
(𝑥, 𝑦) = 𝑥1 𝑦1 + · · · + 𝑥𝑛 𝑦𝑛
(𝑥, 𝑥) = 𝑥21 + · · · + 𝑥2𝑛 > 0
2) 𝑀 𝑎𝑡𝑚×𝑛 (R) со скалярным произведением
(𝐴, 𝐵) := 𝑡𝑟(𝐴𝑇 𝐵)
𝑚 ∑︀
𝑛
∑︀
(𝐴, 𝐴) = 𝑡𝑟(𝐴𝑇 𝐴) =
𝑎𝑖𝑗 2 > 0
𝑖=1 𝑗=1
3) 𝐶[0, 1]∫︀ со скалярным произведением
1
(𝑓, 𝑔) = 0 𝑓 (𝑡)𝑔(𝑡)𝑑𝑡
∫︀ 1
(𝑓, 𝑓 ) = 0 𝑓 (𝑡)2 𝑑𝑡 > 0
Пусть 𝐸 – евклидово пространство
Определение. Длина вектора 𝑣 ∈ 𝐸 это число |𝑣| =
|𝑣| = 0 ⇔ 𝑣 = 0.
√︀
(𝑣, 𝑣). Заметим, что |𝑣| ≥ 0, причем
Замечание. В примере 2) длина матрицы 𝐴 называется ее нормой Фробениуса.
Предложение (неравенство Коши-Буняковского). ∀ 𝑥, 𝑦 ∈ 𝐸 верно |(𝑥, 𝑦)| ≤ |𝑥||𝑦|, причем
равенство ⇔ 𝑥, 𝑦 пропорциональны.
Доказательство. B 1) Пусть 𝑥, 𝑦 пропорциональны. Без ограничения общности: 𝑦 = 𝜆𝑥. Тогда
|(𝑥, 𝜆𝑥)| = |𝜆(𝑥, 𝑥)| = |𝜆||(𝑥, 𝑥)| = |𝜆||𝑥|2 = |𝑥||𝑦|
2) 𝑥, 𝑦 не пропорциональны ⇒ 𝑥, 𝑦 образуют
базис⃒ в < 𝑥, 𝑦 >. Тогда, рассмотрев (·, ·)|<𝑥,𝑦> и
⃒
⃒(𝑥,𝑥) (𝑥,𝑦)⃒
⃒ > 0 ⇒ (𝑥,𝑥)(𝑦,𝑦) − (𝑥,𝑦)2 > 0 ⇒ |(𝑥, 𝑦)|2 <
применив критерий Сильвестра, получим ⃒⃒
(𝑦,𝑥) (𝑦,𝑦)⃒
|𝑥|2 |𝑦|2 C
Следствие. ∀ 𝑥, 𝑦 ∈ 𝐸, 𝑥𝑦 ̸= 0, имеем −1 ≤
(𝑥,𝑦)
|𝑥||𝑦|
62
≤1
Определение. Угол между ненулевыми векторами 𝑥, 𝑦 ∈ 𝐸 – это такой 𝛼 ∈ [0; 𝜋], что cos 𝛼 =
(𝑥,𝑦)
.
|𝑥||𝑦|
𝑣1 , . . . , 𝑣 𝑘 ∈ 𝐸
Определение.
Матрица ⎞
Грама системы векторов (𝑣1 , . . . , 𝑣𝑘 ) – это матрица 𝐺(𝑣1 , . . . , 𝑣𝑘 ) =
⎛
(𝑣1 , 𝑣1 ) (𝑣1 , 𝑣2 ) . . . (𝑣1 , 𝑣𝑘 )
⎜(𝑣2 , 𝑣1 ) (𝑣2 , 𝑣2 ) . . . (𝑣2 , 𝑣𝑘 )⎟
⎜
⎟
⎜ ..
..
..
.. ⎟.
⎝ .
.
.
. ⎠
(𝑣𝑘 , 𝑣1 ) (𝑣𝑘 , 𝑣2 ) . . .
(𝑣𝑘 , 𝑣𝑘 )
Предложение. 𝑑𝑒𝑡𝐺(𝑣1 , . . . , 𝑣𝑘 ) ≥ 0, причем 𝑑𝑒𝑡𝐺(𝑣1 , . . . , 𝑣𝑘 ) = 0 ⇔ 𝑣1 , . . . , 𝑣𝑘 линейно зависимы.
Доказательство. B 1) 𝑣1 , . . . , 𝑣𝑘 линейно независимые. Тогда 𝑣1 , . . . , 𝑣𝑘 – базис в < 𝑣1 , . . . , 𝑣𝑘 >.
Рассмотрим (·, ·)|<𝑣1 ,...,𝑣𝑘 > и, применяя критерий Сильвестра, получаем 𝑑𝑒𝑡𝐺(𝑣1 , . . . , 𝑣𝑘 ) > 0.
2) 𝑣1 , . . . , 𝑣𝑘 линейно зависимы. Пусть 𝛼1 𝑣1 + · · · + 𝛼𝑘 𝑣𝑘 = 0, где 𝛼1 , . . . , 𝛼𝑘 ∈ R𝑘 ∖ {0}. ∀ 𝑗 = 1, . . . , 𝑘
имеем (𝛼1 𝑣1 + · · · + 𝛼𝑘 𝑣𝑘 , 𝑣𝑗 ) = 0 ⇒ 𝛼1 (𝑣1 , 𝑣𝑗 ) + · · · + 𝛼𝑘 (𝑣𝑘 , 𝑣𝑗 ) = 0 ⇒ 𝛼1 𝐺(1) + · · · + 𝛼𝑘 𝐺(𝑘) = 0, где
𝐺 = 𝐺(𝑣1 , . . . , 𝑣𝑘 ) ⇒ 𝑑𝑒𝑡𝐺 = 0 C.
𝐸 – евклидово пространство
Определение. Векторы 𝑥, 𝑦 ∈ 𝐸 называются ортогональными, если (𝑥, 𝑦) = 0.
𝑆 ⊆ 𝐸 – подмножество
Определение. Ортогональным дополнением множества 𝑆 называется 𝑆 ⊥ = { 𝑥 ∈ 𝐸 | (𝑥, 𝑦) =
0 ∀ 𝑦 ∈ 𝑆}.
Упражнение. 1) 𝑆 ⊥ – подпространство в 𝐸
2) 𝑆 ⊥ =< 𝑆 >⊥
Пусть 𝑆 – подпространство в 𝐸, 𝑑𝑖𝑚𝐸 = 𝑛
Предложение. a) 𝑑𝑖𝑚𝑆 ⊥ = 𝑛 − 𝑑𝑖𝑚𝑆
б) 𝐸 = 𝑆 ⊕ 𝑆 ⊥
в) (𝑆 ⊥ )⊥ = 𝑆
Доказательство. B (а) Пусть < 𝑒1 , . . . , 𝑒𝑘 > – базис в 𝑆. Дополним его до базиса (𝑒1 , . . . , 𝑒𝑛 )
всего пространства 𝐸.
𝑥 ∈ 𝐸 ⇒ 𝑥 = 𝑥1 𝑒 1 + · · · + 𝑥𝑛 𝑒 𝑛
⊥
𝑥
⎧∈ 𝑆 ⇔ (𝑥, 𝑒𝑖 ) = 0 ∀𝑖 = 1, . . . , 𝑘 ⇔ (𝑥1 , . . . , 𝑥𝑛 ) – решение ОСЛУ
⎪
(𝑒1 , 𝑒1 )𝑥1 + · · · + (𝑒𝑛 , 𝑒1 )𝑥𝑛 = 0
⎪
⎪
⎪
⎨(𝑒1 , 𝑒2 )𝑥1 + · · · + (𝑒𝑛 , 𝑒2 )𝑥𝑛 = 0
..
⎪
.
⎪
⎪
⎪
⎩(𝑒 , 𝑒 )𝑥 + · · · + (𝑒 , 𝑒 )𝑥 = 0
1
𝑘
1
𝑛
𝑘
𝑛
Матрица этой системы есть 𝐺 = ((𝑒𝑖 , 𝑒𝑗 ))𝑖=1,...,𝑘;𝑗=1,...,𝑛
У этой матрицы левый 𝑘 ×𝑘 блок есть 𝐺(𝑣1 , . . . , 𝑣𝑘 ) ⇒ 𝑑𝑒𝑡𝐺(𝑣1 , . . . , 𝑣𝑘 ) > 0 ⇒ 𝑟𝑘𝐺 = 𝑘 ⇒ 𝑑𝑖𝑚𝑆 ⊥ =
𝑛 − 𝑘 = 𝑛 − 𝑑𝑖𝑚𝑆.
(б) 𝑑𝑖𝑚𝑆 + 𝑑𝑖𝑚𝑆 ⊥ = 𝑛 = 𝑑𝑖𝑚𝐸
𝑣 ∈ 𝑆 ∩ 𝑆 ⊥ ⇒ (𝑣, 𝑣) = 0 ⇒ 𝑣 = 0 ⇒ 𝑆 ∩ 𝑆 ⊥ = {0} ⇒ 𝐸 = 𝑆 ⊕ 𝑆 ⊥
(в) 𝑆 ⊆ (𝑆 ⊥ )⊥ из определения
Но 𝑑𝑖𝑚(𝑆 ⊥ )⊥ = 𝑛 − 𝑑𝑖𝑚𝑆 ⊥ = 𝑑𝑖𝑚𝑆 ⇒ 𝑆 = (𝑆 ⊥ )⊥ C.
Из (б) следует, что ∀𝑣 ∈ 𝐸 ∃!𝑥 ∈ 𝑆, 𝑦 ∈ 𝑆 ⊥ , такие что 𝑣 = 𝑥 + 𝑦.
63
Определение. 𝑥 называется ортогональной проекцией вектора 𝑣 на подпростанство 𝑆. Обозначение: 𝑥 = 𝑝𝑟𝑆 𝑣
𝑦 называется ортогональной составляющей вектора 𝑣 относительно 𝑆. Обозначение: 𝑥 = 𝑜𝑟𝑡𝑆 𝑣
𝑣 = 𝑝𝑟𝑆 𝑣 + 𝑜𝑟𝑡𝑆 𝑣
Пусть 𝐸 = R𝑛 , со стандартным скалярным произведением
𝑈 ⊆ R𝑛 – подпространство
(𝑎1 , . . . , 𝑎𝑘 ) – базис 𝑈
Образуем матрицу 𝐴 = (𝑎1 , . . . , 𝑎𝑘 ) ∈ 𝑀 𝑎𝑡𝑛×𝑘 (R)
Теорема. 𝑣 ∈ 𝐸 ⇔ 𝑝𝑟𝑈 𝑣 = 𝐴(𝐴𝑇 𝐴)−1 𝐴𝑇 𝑣
Доказательство. B Корректность: 𝐴𝑇 𝐴 = 𝐺(𝑎1 , . . . , 𝑎𝑘 )
(𝑎1 , . . . , 𝑎𝑘 ) линейно независимые ⇒ 𝑑𝑒𝑡𝐴𝑇 𝐴 ̸= 0 ⇒ ∃(𝐴𝑇 𝐴)
Пусть 𝑣 ∈ 𝐸, 𝑣 = 𝑥 + 𝑦, где 𝑥 = 𝑝𝑟𝑈 𝑣,
⎛𝑦 =
⎞𝑜𝑟𝑡𝑈 𝑣
𝛼1
⎜𝛼2 ⎟
⎜ ⎟
𝑥 ∈ 𝑈 ⇒ 𝑥 ∈< 𝑎1 , . . . , 𝑎𝑘 >⇒ 𝑥 = 𝐴 ⎜ .. ⎟, где 𝛼𝑖 ∈ R
⎝.⎠
𝛼𝑘
⊥
𝑇
𝑦∈𝑈 ⇒𝐴 𝑦=0
⎛
⎞
𝛼1
⎜𝛼2 ⎟
⎜ ⎟
𝐴(𝐴𝑇 𝐴)−1 𝐴𝑇 𝑣 = 𝐴(𝐴𝑇 𝐴)−1 𝐴𝑇 (𝑥 + 𝑦) = 𝐴(𝐴𝑇 𝐴)−1 𝐴𝑇 𝑥 + 𝐴(𝐴𝑇 𝐴)−1 𝐴𝑇 𝑦 = 𝐴(𝐴𝑇 𝐴)−1 𝐴𝑇 𝐴 ⎜ .. ⎟ =
⎝.⎠
𝛼𝑘
⎛
⎞
𝛼1
⎜𝛼2 ⎟
⎜ ⎟
𝐴 ⎜ .. ⎟ = 𝑝𝑟𝑈 𝑣 C
⎝.⎠
𝛼𝑘
23
Лекция 1.03.2018
𝐸 – евклидово пространство
Определение. Система ненулевых векторов (𝑣1 , . . . , 𝑣𝑘 ) пространства 𝐸 называется:
– ортогональной, если (𝑣𝑖 , 𝑣𝑗 ) = 0 ∀ 𝑖 ̸= 𝑗 (т.е. 𝐺(𝑣1 , . . . , 𝑣𝑘 ) диагональна)
– ортонормированной, если (𝑣𝑖 , 𝑣𝑗 ) = 0 ∀𝑖 ̸= 𝑗 и (𝑣𝑖 , 𝑣𝑖 ) = 1 ∀ 𝑖 (|𝑣𝑖 | = 1) (т.е. 𝐺(𝑣1 , . . . , 𝑣𝑘 ) = 𝐸)
Замечание. Всякая ортогональная система векторов линейно независима (т.к. 𝑑𝑒𝑡𝐺(𝑣1 , . . . , 𝑣𝑘 ) =
|𝑣1 |2 · · · · · |𝑣𝑘 |2 ̸= 0). В частности, всякая ортонормированная система векторов линейно независима.
Определение. Базис (𝑒1 , . . . , 𝑒𝑛 ) пространства 𝐸 называется ортогональным (соответственно
ортонормированным), если система векторов (𝑒1 , . . . , 𝑒𝑛 ) ортогональна (соответсвенно ортонормированна).
Пример.⎛𝐸⎞= R𝑛 со стандартным
скалярным произведением. Тогда стандартный базис 𝑒1 =
⎛ ⎞
⎛ ⎞
1
⎜0⎟
⎜1⎟
⎜0⎟
⎜ ⎟
⎜ ⎟
⎜ ⎟
,
𝑒
=
,
.
.
.
,
𝑒
=
⎜ .. ⎟ 2 ⎜ .. ⎟
⎜ .. ⎟ является ортонормированным.
𝑛
⎝.⎠
⎝.⎠
⎝.⎠
1
Теорема. Во всяком (конечномерном) евклидовом пространстве есть ортонормированный базис.
64
Доказательство. B Следует из теоремы о нормальном виде для квадратичной формы (𝑥, 𝑥) C.
Следствие. Всякую ортогональную (ортонормированную) систему векторов 𝑒1 , . . . , 𝑒𝑘 можно дополнить до ортогонального (ортонормированного) базиса в 𝐸.
Доказательство. B Достаточно взять ортогональный (ортонормированный) базис в подпространстве < 𝑒1 , . . . , 𝑒𝑘 >⊥ C
(𝑒1 , . . . , 𝑒𝑛 ) – ортогональный базис
(𝑒′1 , . . . , 𝑒′𝑛 ) – другой базис
(𝑒′1 , . . . , 𝑒′𝑛 ) = (𝑒1 , . . . , 𝑒𝑛 ) · 𝐶 – матрица перехода
Предложение. Базис (𝑒′1 , . . . , 𝑒′𝑛 ) ортонормированный ⇔ 𝐶 𝑇 𝐶 = 𝐸
Доказательство. B Имеем 𝐺𝑇 𝐺(𝑒1 , . . . , 𝑒𝑛 )𝐶 = 𝐶 𝑇 𝐶 (𝐺(𝑒1 , . . . , 𝑒𝑛 ) = 𝐸)
(𝑒′1 , . . . , 𝑒′𝑛 ) ортонормированный ⇔ 𝐺(𝑒′1 , . . . , 𝑒′𝑛 ) = 𝐸 C
Определение. Матрица 𝐶 ∈ 𝑀𝑛 (R) называется ортогональной, если 𝐶 𝑇 𝐶 = 𝐸.
Замечание. 𝐶 𝑇 𝐶 = 𝐸 ⇔ 𝐶 𝑇 = 𝐶 −1 ⇔ 𝐶𝐶 𝑇 = 𝐸
Свойства:
1) (𝐶 (𝑖) , 𝐶 (𝑗) ) = 𝛿𝑖𝑗 (т.е. столбцы 𝐶 – это ортонормированная система в R𝑛 )
2) (𝐶(𝑖) , 𝐶(𝑗) ) = 𝛿𝑖𝑗 (т.е. строки 𝐶 – это ортонормированная система в R𝑛 )
В частности, |𝑐𝑖𝑗 | ≤ 1
3) (𝑑𝑒𝑡𝐶)2 = 1 ⇔ 𝑑𝑒𝑡𝐶 = ±1
Пример.
𝑛=2
(︂
)︂
cos 𝜙 − sin 𝜙
, 𝑑𝑒𝑡 = 1
sin
𝜙
cos
𝜙
(︂
)︂
cos 𝜙 sin 𝜙
, 𝑑𝑒𝑡 = −1
sin 𝜙 − cos 𝜙
𝑆 ⊆ 𝐸 – подпространство, (𝑒1 , . . . , 𝑒𝑘 ) – ортогональный базис в 𝑆
Предложение. 𝑣 ∈ 𝐸 ⇒ 𝑝𝑟𝑆 𝑣 =
𝑘
∑︀
𝑖=1
𝑘
∑︀
(𝑣,𝑒𝑖 )
𝑒.
(𝑒𝑖 ,𝑒𝑖 ) 𝑖
Если (𝑒1 , . . . , 𝑒𝑘 ) ортонормированный, то 𝑝𝑟𝑆 𝑣 =
(𝑣, 𝑒𝑖 )𝑒𝑖
𝑖=1
Доказательство. B 𝑣 = 𝑝𝑟𝑆 𝑣 + 𝑜𝑟𝑡𝑆 𝑣 ⇒ ∀ 𝑖 = 1, . . . , 𝑘 (𝑣, 𝑒𝑖 ) = (𝑝𝑟𝑆 𝑣, 𝑒𝑖 )
𝑘
𝑛
∑︀
∑︀
𝑖)
C.
𝑝𝑟𝑆 𝑣 =
𝜆𝑗 𝑒𝑗 ⇒ (𝑣, 𝑒𝑖 ) = (𝑝𝑟𝑆 𝑣, 𝑒𝑖 ) =
𝜆𝑗 (𝑒𝑖 , 𝑒𝑖 ) = 𝜆𝑖 (𝑒𝑖 , 𝑒𝑖 ) ⇒ 𝜆𝑖 = (𝑒(𝑣,𝑒
𝑖 ,𝑒𝑖 )
𝑗=1
𝑗=1
(𝑒1 , . . . , 𝑒𝑘 ) – линейно независимая система векторов
Метод Якоби ⇒ ∃! ортогональная система (𝑓1 , . . . , 𝑓𝑘 ), такая что
65
⎧
𝑓1 = 𝑒1
⎪
⎪
⎪
⎪
⎪
⎪
⎨𝑓2 ∈ 𝑒2 + < 𝑒1 >
(*) 𝑓3 ∈ 𝑒3 + < 𝑒1 , 𝑒2 >
⎪
⎪
⎪...
⎪
⎪
⎪
⎩
𝑓𝑛 ∈ 𝑒𝑘 + < 𝑒1 , . . . , 𝑒𝑘−1 >
Предложение. ∀ 𝑖 = 1, . . . , 𝑘
1) 𝑓𝑖 = 𝑜𝑟𝑡<𝑒1 ,...,𝑒𝑖−1 > 𝑒𝑖
𝑖−1
∑︀ (𝑒𝑖 ,𝑓𝑗 )
2) 𝑓𝑖 = 𝑒𝑖 −
𝑓 (**)
(𝑓𝑗 ,𝑓𝑗 ) 𝑗
𝑗=1
3) 𝑑𝑒𝑡𝐺(𝑒1 , . . . , 𝑒𝑖 ) = 𝑑𝑒𝑡𝐺(𝑓1 , . . . , 𝑓𝑖 )
Доказательство. B Знаем, что < 𝑒1 , . . . , 𝑒𝑖 >=< 𝑓1 , . . . , 𝑓𝑖 >
𝑓𝑖 ∈ 𝑒𝑖 + < 𝑒1 , . . . , 𝑒𝑖−1 >= 𝑒𝑖 + < 𝑓1 , . . . , 𝑓𝑖−1 >⇒ 𝑓𝑖 = 𝑒𝑖 + ℎ𝑖 , где ℎ𝑖 ∈< 𝑓1 , . . . , 𝑓𝑖−1 >⇒ 𝑒𝑖 = 𝑓𝑖 − ℎ𝑖 .
Т.к. 𝑓𝑖 ∈< 𝑓1 , . . . , 𝑓𝑖−1 >⊥ , то 𝑓𝑖 = 𝑜𝑟𝑡<𝑓1 ,...,𝑓𝑖−1 > 𝑒𝑖 = 𝑜𝑟𝑡<𝑒1 ,...,𝑒𝑖−1 > 𝑒𝑖 .
𝑖−1
∑︀ (𝑒𝑖 ,𝑓𝑗 )
𝑓.
2) 𝑓𝑖 = 𝑒𝑖 − 𝑝𝑟<𝑒1 ,...,𝑒𝑖−1 > 𝑒𝑖 = 𝑒𝑖 − 𝑝𝑟<𝑓1 ,...,𝑓𝑖−1 > 𝑒𝑖 = 𝑒𝑖 −
(𝑓𝑗 ,𝑓𝑗 ) 𝑗
𝑗=1
3) Было C
Процесс простроения ортогонального базиса 𝑓1 , . . . , 𝑓𝑘 по формулам (**) называется процессом
(или методом) ортогонализации Грама-Шмидта.
Упражнение. Модифицировать метод ортогонализации Грама-Шмидта для случая линейно
зависимой системы векторов.
Предложение (теорема Пифагора). 𝑥, 𝑦 ∈ 𝐸, (𝑥, 𝑦) = 0 ⇒ |𝑥 + 𝑦|2 = |𝑥|2 + |𝑦|2 .
Доказательство. B |𝑥 + 𝑦|2 = (𝑥 + 𝑦, 𝑥 + 𝑦) = (𝑥,𝑥) + (𝑥,𝑦) + (𝑦,𝑥) + (𝑦,𝑦) = |𝑥|2 + |𝑦|2 C.
Определение. Расстоянием между векторами 𝑥, 𝑦 ∈ 𝐸 называется число 𝜌(𝑥, 𝑦) := |𝑥 − 𝑦|.
Предложение (неравенство треугольника). ∀ 𝑎, 𝑏, 𝑐 ∈ 𝐸𝜌(𝑎, 𝑏) + 𝜌(𝑏, 𝑐) ≥ 𝜌(𝑎, 𝑐).
Доказательство. B Положим 𝑥 = 𝑎 − 𝑏, 𝑦 = 𝑏 − 𝑐, тогда 𝑎 − 𝑐 = 𝑥 + 𝑦 ⇒ надо доказать
|𝑥| + |𝑦| ≥ |𝑥 + 𝑦|
|𝑥 + 𝑦|2 = (𝑥 + 𝑦, 𝑥 + 𝑦) = (𝑥,𝑥) + 2(𝑥,𝑦) + (𝑦,𝑦) ≤ |𝑥|2 + 2|𝑥||𝑦| + |𝑦|2 ≤ (|𝑥| + |𝑦|)2 C
𝑃, 𝑄 ⊆ 𝐸 – два непустых подмножества
Определение. Расстояние между 𝑃 и 𝑄 – это 𝜌(𝑃, 𝑄) := 𝑖𝑛𝑓 𝜌(𝑥, 𝑦), 𝑥 ∈ 𝑃, 𝑦 ∈ 𝑄
Пусть 𝑣 ∈ 𝐸 и 𝑆 ⊆ 𝐸 – подпространство
Теорема. 𝜌(𝑣, 𝑆) = |𝑜𝑟𝑡𝑆 𝑣|, причем 𝑝𝑟𝑆 𝑣 есть единственный ближайший к 𝑣 вектор из 𝑆.
Доказательство. B Пусть 𝑧 = 𝑜𝑟𝑡𝑆 𝑣, 𝑢 = 𝑝𝑟𝑆 𝑣.
Тогда 𝑣 = 𝑧 + 𝑦. Пусть 𝑦 ′ ∈ 𝑆, 𝑦 ′ ̸= 0. Тогда 𝜌(𝑣, 𝑦 + 𝑦 ′ )2 = |𝑣 − 𝑦 − 𝑦 ′ |2 = |𝑧 − 𝑦 ′ |2 = (теорема
Пифагора) = |𝑧|2 + |𝑦 ′ |2 > |𝑧|2 = |𝑣 − 𝑦|2 = 𝜌(𝑣, 𝑦)2 C.
66
24
Лекция 15.03.2018
𝐸 – евклидово пространство, 𝑑𝑖𝑚𝐸 = 𝑛
𝑥 ∈ 𝐸, 𝑆 ⊆ 𝐸 – подпространство
24.1
Метод наименьших квадратов
(*)𝐴𝑥 = 𝑏, 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 , 𝑥 ∈ R𝑛 – столбец неизвестных, 𝑏 ∈ R𝑚 – столбец правых частей
𝑥 – решение СЛУ (*) ⇔ 𝐴𝑥 = 𝑏 ⇔ |𝐴𝑥 − 𝑏| = 0 ⇔ 𝜌(𝐴𝑥, 𝑏) = 0
Определение. Если СЛУ(*) несовместна, то 𝑥0 ∈ R𝑛 называется ее псевдорешением, если 𝜌(𝐴𝑥0 , 𝑏) =
𝑚𝑖𝑛(𝜌(𝐴𝑥, 𝑏)) (иначе говоря, 𝑥0 – решение задачи оптимизации 𝜌(𝐴𝑥, 𝑏) → 𝑚𝑖𝑛)
Пусть 𝑆 ⊆ R𝑚 – подпространство, натянутое на столбцы матрицы 𝐴, т.е. 𝑆 =< 𝐴(1) , . . . , 𝐴(𝑛) >,
𝑐 := 𝑝𝑟𝑆 𝑏.
Предложение. 1) 𝑥0 – псевдорешение для (*) ⇔ 𝐴𝑥0 = 𝑐
2) Если столбцы 𝐴(1) , . . . , 𝐴(𝑛) линейно независимы, то 𝑥0 можно найти по формуле 𝑥0 = (𝐴𝑇 𝐴)−1 𝐴𝑇 𝑏
Доказательство.
B 1) 𝑥 ∈ R𝑛 ⇒ 𝐴𝑥 = 𝑥1 𝐴(1) + · · · + 𝑥𝑛 𝐴(𝑛)
⎛ ⎞
𝑥1
⎜ .. ⎟
𝑥 = ⎝ . ⎠ ⇒ 𝐴𝑥 = 𝑆
𝑥𝑛
𝑚𝑖𝑛(𝜌(𝐴𝑥, 𝑏)) = 𝜌(𝑆, 𝑏)
По предыдущей теореме получаем, что 𝑥0 – псведорешение ⇔ 𝐴𝑥0 = 𝑐
2) т.к. столбцы 𝐴 линейно независимы, то 𝑥0 единственный. Знаем, что 𝑐 = 𝐴(𝐴𝑇 𝐴)−1 𝐴𝑇 𝑏. Но
тогда 𝑥0 = (𝐴𝑇 𝐴)−1 𝐴𝑇 𝑏 является решением СЛУ 𝐴𝑥 = 𝑐 C
Пример.
{︃
𝑥=0
СЛУ
𝑥=1
(︂ )︂
(︂ )︂
1
,𝐴=
, 𝑏=
1
1
𝑥0 = (𝐴𝑇 𝐴)−1 𝐴𝑇 𝑏 =
1
2
𝑆 ⊆ 𝐸 - подпространство, 𝑥 ∈ 𝐸
𝑒1 , . . . , 𝑒𝑘 – базис 𝑆
Теорема. 𝜌(𝑥, 𝑆)2 =
𝑑𝑒𝑡𝐺(𝑒1 ,...,𝑒𝑘 ,𝑥)
𝑑𝑒𝑡𝐺(𝑒1 ,...,𝑒𝑘 )
Доказательство. B 1) 𝑥 ∈ 𝑆 ⇒ 𝜌(𝑥, 𝑆) = 0, 𝑑𝑒𝑡𝐺(𝑒1 , . . . , 𝑒𝑘 , 𝑥) = 0, т.к. 𝑒1 , . . . , 𝑒𝑘 , 𝑥 линейно
независимы
2) 𝑥 ∈
/ 𝑆. Пусть 𝑧 = 𝑜𝑟𝑡𝑆 𝑥, тогда 𝜌(𝑥, 𝑠)2 = |𝑧|2 .
Применив процесс ортогонализации к системе 𝑒1 , . . . , 𝑒𝑘 , 𝑥, получим ортогональную систему 𝑓1 , . . . , 𝑓𝑘 , 𝑧.
1 ,...,𝑒𝑘 ,𝑥)
1 ,...,𝑓𝑘 ,𝑧)
При ортогонализации определитель матрицы Грама не меняется ⇒ 𝑑𝑒𝑡𝐺(𝑒
= 𝑑𝑒𝑡𝐺(𝑓
=
𝑑𝑒𝑡𝐺(𝑒1 ,...,𝑒𝑘 )
𝑑𝑒𝑡𝐺(𝑓1 ,...,𝑓𝑘 )
|𝑓1 |2 |𝑓2 |2 ...|𝑓𝑘 |2 |𝑧|2
|𝑓1 |2 |𝑓2 |2 ...|𝑓𝑘 |2
= |𝑧|2 C
67
Определение. 𝑘-мерный параллелепипед, натянутый на векторы 𝑎1 , . . . , 𝑎𝑘 ∈ 𝐸 – это множество
𝑃 (𝑎1 , . . . , 𝑎𝑘 ) = {𝑥1 𝑎1 + · · · + 𝑥𝑘 𝑎𝑘 | 0 ≤ 𝑥𝑖 ≤ 1}.
Примеры.
1) 𝑘 = 1 отрезок
2) 𝑘 = 2 параллелограм
3) 𝑘 = 3 параллелепипед
𝑃 (𝑎1 , . . . , 𝑎𝑘 ) – 𝑘-мерный параллелепипед
Основание: 𝑃 (𝑎1 , . . . , 𝑎𝑘−1 )
Высота: ℎ = 𝑜𝑟𝑡<𝑎1 ,...,𝑎𝑘−1 > 𝑎𝑘
Определение. 𝑘-мерный объем 𝑘-мерного параллелепипеда 𝑃 (𝑎1 , . . . , 𝑎𝑘 ) – это величина
𝑣𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑘 )), определяемая индуктивно по 𝑘.
𝑘 = 1 ⇒ 𝑣𝑜𝑙(𝑃 (𝑎1 )) := |𝑎1 |
𝑘 > 1 ⇒ 𝑣𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑘 )) := 𝑣𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑘−1 )) · |ℎ|
Теорема. (𝑣𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑘 )))2 = 𝑑𝑒𝑡𝐺(𝑎1 , . . . , 𝑎𝑘 )
Доказательство. B Индукция по 𝑘.
1) 𝑘 = 1 : |𝑎1 |2 = (𝑎1 , 𝑎1 ) – верно
2) 𝑘 > 1
(𝑣𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑘 )))2 = (𝑣𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑘−1 )))2 · |ℎ|2 = 𝑑𝑒𝑡𝐺(𝑎1 , . . . , 𝑎𝑘−1 ) · |ℎ|2 = (*)
Если 𝑎1 , . . . , 𝑎𝑘−1 линейно зависимы, то 𝑑𝑒𝑡𝐺(𝑎1 , . . . , 𝑎𝑘−1 ) = 0 ⇒ (*) = 0. Тогда 𝑎1 , . . . , 𝑎𝑘 тоже
линейно зависимы ⇒ 𝑑𝑒𝑡𝐺(𝑎1 , . . . , 𝑎𝑘 ) = 0.
1 ,...,𝑎𝑘−1 ,𝑎𝑘
⇒ (*) = 𝑑𝑒𝑡𝐺(𝑎1 , . . . , 𝑎𝑘 ) C
Если 𝑎1 , . . . , 𝑎𝑘−1 линейно независимы, то |ℎ|2 = 𝑑𝑒𝑡𝐺(𝑎
𝑑𝑒𝑡𝐺(𝑎1 ,...,𝑎𝑘−1
Следствие. Объем 𝑘-мерного параллелепипеда не зависит от выбора его основания.
Пример.
Прямоугольный параллелепипед: 𝑎𝑖 ⊥𝑎𝑗 ∀ 𝑖 ̸= 𝑗
(𝑣𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑘 )))2 = 𝑑𝑒𝑡𝐺(𝑎1 , . . . , 𝑎𝑘 ) = |𝑎1 |2 |𝑎2 |2 . . . |𝑎𝑘 |2 ⇒ 𝑣𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑘 )) = |𝑎1 ||𝑎2 | . . . |𝑎𝑘 |
(𝑒1 , . . . , 𝑒𝑛 ) – ортогональный базис в 𝐸
𝑎1 , . . . , 𝑎 𝑛 ∈ 𝐸
(𝑎1 , . . . , 𝑎𝑛 ) = (𝑒1 , . . . , 𝑒𝑛 ) · 𝐴, 𝐴 ∈ 𝑀𝑛 (R)
Теорема. 𝑣𝑜𝑙𝑃 (𝑎1 , . . . , 𝑎𝑛 ) = |𝑑𝑒𝑡𝐴|
Доказательство. B (𝑣𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑛 )))2 = 𝑑𝑒𝑡𝐺(𝑎1 , . . . , 𝑎𝑛 ) = 𝑑𝑒𝑡(𝐴𝑇 𝐴) = (𝑑𝑒𝑡𝐴)2 C
𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) и 𝑒′ = (𝑒′1 , . . . , 𝑒′𝑛 ) – два базиса в 𝐸
𝑒′ = 𝑒 · 𝐶, 𝑑𝑒𝑡𝑐 ̸= 0
Определение. Базисы 𝑒 и 𝑒′ называются одинаково ориентированными, если 𝑑𝑒𝑡𝐶 > 0.
Предложение. 1) Отношение одинаковой ориентированности является отношением эквивалентности на множестве всех базисов в 𝐸
2) Имеется ровно 2 класса эквивалентности для этого отношения
Доказательство: упражнение.
68
Определение. Говорят, что в 𝐸 задана ориентация, если все базисы одного класса объявлены
положительно ориентированными, а все базисы второго класса объявлены отрицательно ориентированными.
Базовый пример ориентации в R3 :
– положительно ориентированы "правые тройки векторов"
– отрицательно ориентированы "левые тройки векторов"
Фиксируем ориентацию в 𝐸
(𝑒1 , . . . , 𝑒𝑛 ) – положительно ориентированный базис в 𝐸
𝑎1 , . . . , 𝑎 𝑛 ∈ 𝐸
(𝑎1 , . . . , 𝑎𝑛 ) = (𝑒1 , . . . , 𝑒𝑛 ) · 𝐴, 𝐴 ∈ 𝑀𝑛 (R)
Определение. Ориентированным объемом параллелепипеда 𝑃 (𝑎1 , . . . , 𝑎𝑛 ) называется величина
𝑉 𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑛 )) = 𝑑𝑒𝑡𝐴. Информация об объеме + ориентации векторов 𝑎1 , . . . , 𝑎𝑛 .
Следствие. 1) 𝑉 𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑛 )) > 0 ⇔ (𝑎1 , . . . , 𝑎𝑛 ) – положительно ориентированный базис 𝐸
𝑉 𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑛 )) < 0 ⇔ (𝑎1 , . . . , 𝑎𝑛 ) – отрицательно ориентированный базис 𝐸
2) 𝑉 𝑜𝑙(𝑃 (𝑎1 , . . . , 𝑎𝑛 )) линеен по каждому аргументу (полилинеен)
3) Кососимметричность (при перестановке двух аргументов меняется знак)
25
Лекция 22.03.2018
25.1
Элементы аналитической геометрии в R3
𝐸 = R3 со стандартным скалярным произведением, фиксируем ориентацию
Определение. Векторным произведением двух векторов 𝑎, 𝑏 ∈ R3 называется вектор 𝑐 ∈ R3 ,
удовлетворяющий следующим условиям:
1) 𝑐 ⊥ < 𝑎, 𝑏 >
2) |𝑐| = 𝑣𝑜𝑙(𝑃 (𝑎, 𝑏))
3) 𝑉 𝑜𝑙(𝑎, 𝑏, 𝑐) ≥ 0
Обозначение: [𝑎, 𝑏] или 𝑎 × 𝑏
Замечание. Определение корректно, т.е. ∀ 𝑎, 𝑏 ∃! 𝑐, удовлетворяющий 1)-3)
𝑎, 𝑏 пропорциональны ⇒ |𝑐| = 0 из 2) ⇒ 𝑐 = 0
𝑎, 𝑏 не пропорциональны ⇒ 1) задает прямую, 2) задает |𝑐|, 3) выбирает один из двух оставшихся
вариантов
Критерий коллинеарности:
𝑎, 𝑏 коллинеарны (= пропорциональны, = линейно зависимы) ⇔ [𝑎, 𝑏] = 0
Пример. (𝑒1 , 𝑒2 , 𝑒3 ) – положительно ориентированный ортонормированный базис
[𝑒𝑖 , 𝑒𝑗 ] 𝑒1
𝑒1
𝑒2
−𝑒3
𝑎3
𝑒2
𝑒2
𝑒3
−𝑒1
𝑒3
−𝑒2
𝑒1
Определение. Смешанным произведением трех векторов 𝑎, 𝑏, 𝑐 ∈ R3 называется число (𝑎, 𝑏, 𝑐) :=
(𝑎, [𝑏, 𝑐]).
69
Теорема. (𝑎, 𝑏, 𝑐) = 𝑉 𝑜𝑙(𝑎, 𝑏, 𝑐)
Доказательство. B 1) 𝑏, 𝑐 пропорциональны ⇒ обе части равны 0
2) 𝑏, 𝑐 не пропорциональны. Положим 𝑑 = [𝑏, 𝑐].{︃
|𝑜𝑟𝑡<𝑏,𝑐> 𝑎| · |𝑑|, если 𝑉 𝑜𝑙(𝑎, 𝑏, 𝑐) ≥ 0
(𝑎, [𝑏, 𝑐]) = (𝑎, 𝑑) = (𝑝𝑟<𝑑> 𝑎, 𝑑) = (𝑜𝑟𝑡<𝑏,𝑐> 𝑎, 𝑑) =
−|𝑜𝑟𝑡<𝑏,𝑐> 𝑎| · |𝑑|, если 𝑉 𝑜𝑙(𝑎, 𝑏, 𝑐) ≤ 0
[𝑉 𝑜𝑙(𝑎, 𝑏, 𝑐) = 𝑉 𝑜𝑙(𝑝𝑟<𝑏,𝑐> 𝑎 + 𝑜𝑟𝑡<𝑏,𝑐> 𝑎, 𝑏, 𝑐) = 𝑉 𝑜𝑙(𝑜𝑟𝑡<𝑏> 𝑎, 𝑏, 𝑐)] C
= 𝑉 𝑜𝑙(𝑎, 𝑏, 𝑐)
Следствие (свойства смешанного произведения).
1) (𝑎, 𝑏, 𝑐) > 0 ⇔ 𝑎, 𝑏, 𝑐 образуют положительно ориентированный базис
(𝑎, 𝑏, 𝑐) < 0 ⇔ 𝑎, 𝑏, 𝑐 образуют отрицательно ориентированный базис
Критерий компланарности: 𝑎, 𝑏, 𝑐 компланарны (=линейно зависимы) ⇔ (𝑎, 𝑏, 𝑐) = 0
2) (𝑎, 𝑏, 𝑐) линейно по каждому аргументу
3) (𝑎, 𝑏, 𝑐) кососимметрично
4) Если 𝑒1 , 𝑒2 , 𝑒3 – положительно ориентированный ортонормированный базис
𝑎 = 𝑎1 𝑒1 + 𝑎2 𝑒2 + 𝑎3 𝑒3
𝑏 = 𝑏1 𝑒1 + 𝑏2 𝑒2 + 𝑏3 𝑒3
𝑐 = 𝑐1 𝑒1 + 𝑐2 𝑒⃒2 + 𝑐3 𝑒3 ⃒
⃒ 𝑎1 𝑎2 𝑎3 ⃒
⃒
⃒
⇒ (𝑎, 𝑏, 𝑐) = ⃒⃒ 𝑏1 𝑏2 𝑏3 ⃒⃒
⃒ 𝑐1 𝑐2 𝑐3 ⃒
Доказательство. Следует из свойств функции 𝑉 𝑜𝑙.
Следствие. (𝑎, [𝑏, 𝑐]) = ([𝑎, 𝑏], 𝑐)
Доказательство. B (𝑎, [𝑏, 𝑐]) = (𝑎, 𝑏, 𝑐) = (𝑐, 𝑎, 𝑏) = (𝑐, [𝑎, 𝑏]) = ([𝑎, 𝑏], 𝑐) C
Предложение. 1) [𝑎, 𝑏] = −[𝑏, 𝑎] (антикоммутативность)
2) [·, ·] линейно по каждому аргументу
[𝜆1 𝑎1 + 𝜆2 𝑎2 , 𝑏] = 𝜆1 [𝑎1 , 𝑏] + 𝜆2 [𝑎2 , 𝑏]
[𝑎, 𝜇1 𝑏1 + 𝜇2 𝑏2 ] = 𝜇1 [𝑎, 𝑏1 ] + 𝜇2 [𝑎, 𝑏2 ]
Доказательство. B 1) из определения
2) 𝑢 = [𝜆1 𝑎1 + 𝜆2 𝑎2 , 𝑏]
𝑣 = 𝜆1 [𝑎1 , 𝑏] + 𝜆2 [𝑎2 , 𝑏]
∀𝑥 ∈ R3 : (𝑥, 𝑢) = (𝑥, 𝜆1 𝑎1 +𝜆2 𝑎2 , 𝑏) = 𝜆1 (𝑎, 𝑎1 , 𝑏)+𝜆2 (𝑥, 𝑎2 , 𝑏) = 𝜆1 (𝑥, [𝑎1 , 𝑏])+𝜆2 (𝑥, [𝑎2 , 𝑏]) = (𝑥, 𝑣) ⇒
𝑢 = 𝑣 (𝑒1 , 𝑒2 , 𝑒3 – ортонормированный базис ⇒ ∀ 𝑦 ∈ R3 : 𝑦 = (𝑦1 , 𝑒1 )𝑒1 + (𝑦2 , 𝑒2 )𝑒2 + (𝑦3 , 𝑒3 )𝑒3 )
Аналогично линейность по второму аргументу C.
Предложение (двойное векторное произведение). [𝑎, [𝑏, 𝑐]] = (𝑎, 𝑐)𝑏 − (𝑎, 𝑏)𝑐 (= (𝑏(𝑎, 𝑐) −
𝑐(𝑎, 𝑏) БАЦ-ЦАБ)
Доказательство. B 1) 𝑏, 𝑐 пропорциональны, пусть 𝑐 = 𝜆𝑏 ⇒ [𝑎, [𝑏, 𝑐]] = 0
(𝑎, 𝑐)𝑏 − (𝑎, 𝑏)𝑐 = (𝑎, 𝜆𝑏)𝑏 − (𝑎, 𝑏)𝜆𝑏 = 0
2) 𝑏, 𝑐 не пропорциональны
Выберем положительно ориентированный ортонормированный базис в R3 так, что 𝑒1 ∈< 𝑏 >
, 𝑒2 ∈< 𝑏, 𝑐 >. Тогда 𝑏 = 𝛽𝑒1 , 𝑐 = 𝛾1 𝑒1 + 𝛾2 𝑒2 , 𝑎 = 𝛼1 𝑒1 + 𝛼2 𝑒2 + 𝛼3 𝑒3
[𝑏, 𝑐] = 𝛽𝛾2 𝑒3
[𝑎, [𝑏, 𝑐]] = [𝛼1 𝑒1 + 𝛼2 𝑒2 + 𝛼3 𝑒3 , 𝛽𝛾2 𝑒3 ] = −𝛼1 𝛽𝛾2 𝑒2 + 𝛼2 𝛽𝛾2 𝑒1
(𝑎, 𝑐)𝑏 − (𝑎, 𝑏)𝑐 = (𝛼1 𝛾1 + 𝛼2 𝛾2 )𝛽𝑒1 − 𝛼1 𝛽(𝛾1 𝑒1 + 𝛾2 𝑒2 ) = 𝛼2 𝛾2 𝛽𝑒1 − 𝛼1 𝛽𝛾2 𝑒2 C
70
Следствие (тождество Якоби). [𝑎, [𝑏, 𝑐]] + [𝑏, [𝑎, 𝑐]] + [𝑐, [𝑎, 𝑏]] = 0
Предложение. Пусть 𝑒1 , 𝑒2 , 𝑒3 – положительно ориентированный ортонормированный базис в
R3
𝑎 = 𝑎1 𝑒1 + 𝑎2 𝑒2 + 𝑎3 𝑒3
𝑏 = 𝑏1 𝑒1 + 𝑏2 𝑒2⃒ + 𝑏3 𝑒3
⃒
⃒ 𝑒1 𝑒2 𝑒3 ⃒
⃒
⃒
⃒
⃒
⃒
⃒
⃒ 𝑎2 𝑎3 ⃒
⃒ 𝑎1 𝑎3 ⃒
⃒ 𝑒 −⃒
⃒𝑒 −
Тогда [𝑎, 𝑏] = ⃒⃒𝑎1 𝑎2 𝑎3 ⃒⃒ = (𝑎2 𝑏3 −𝑎3 𝑏2 )𝑒1 +(𝑎3 𝑏1 −𝑎1 𝑏3 )𝑒2 +(𝑎1 𝑏2 −𝑎2 𝑏1 )𝑒3 = ⃒⃒
𝑏2 𝑏3 ⃒ 1 ⃒ 𝑏1 𝑏3 ⃒ 2
⃒ 𝑏1 𝑏2 𝑏3 ⃒
⃒
⃒
⃒ 𝑎1 𝑎2 ⃒
⃒
⃒
⃒ 𝑏1 𝑏2 ⃒ 𝑒 3
Доказательство. Воспользоваться билинейностью и таблицей значений [𝑒𝑖 , 𝑒𝑗 ].
Определение. Линейным многообразием в R𝑛 называется множество решений совместной СЛУ
𝐴𝑥 = 𝑏, ∅ ̸= 𝐿 ⊆ R𝑛
Было: Лемма. 𝐿 = 𝑥0 + 𝑆, где 𝑥0 – частное решение (= какое-то одно), 𝑆 – пространство решений
ОСЛУ 𝐴𝑥 = 0
Предложение. Множество 𝐿 ⊆ R𝑛 является линейным многообразием ⇔ 𝐿 = 𝑣0 + 𝑆, где 𝑆 ⊆ R𝑛
– подпространство
Доказательство. B (⇒) следует из леммы
(⇐) Знаем, что 𝑆 – множество решений некоторой ОСЛУ 𝐴𝑥 = 0. Тогда 𝐿 – множество решений
СЛУ 𝐴𝑥 = 𝐴𝑣0 – из леммы C
{︃
𝑆1 = 𝑆2 (= 𝑆)
Предложение. Пусть 𝐿1 = 𝑣1 + 𝑆1 и 𝐿2 = 𝑣2 + 𝑆2 . Тогда 𝐿1 = 𝐿2 ⇔
𝑣1 − 𝑣2 ∈ 𝑆
Доказательство. B (⇐) очевидно
(⇒)𝑣1 = 𝑣1 + 0 ∈ 𝐿1 и 𝑣1 + 0 ∈ 𝑣2 + 𝑆2 ⇒ 𝑣1 − 𝑣2 ∈ 𝑆2
𝑣 ∈ 𝑆1 ⇒ 𝑣1 + 𝑣 ∈ 𝑣2 + 𝑆2 ⇒ 𝑣 ∈ (𝑣2 − 𝑣1 ) + 𝑆2 ⊆ 𝑆2 ⇒ 𝑆1 ⊆ 𝑆2
Аналогично 𝑆2 ⊆ 𝑆1 ⇒ 𝑆1 = 𝑆2 (= 𝑆) ⇒ 𝑣1 − 𝑣2 ∈ 𝑆 C
𝐿 = 𝑣0 + 𝑆 – линейное многообразие ⇒ 𝑆 однозначно определяет пространство в R𝑛
Определение. 𝑆 называется направляющим подпространством линейного многообразия 𝐿.
Определение. Размерностью линейного многообразия называется размерность его направляющего подпространства.
Линейные многообразия размерности 0 – это точки
Линейные многообразия размерности 1 называются прямые
Линейные многообразия размерности 2 называются плоскостями
Линейные многообразия размерности k называются k-мерными плоскостями
26
Лекция 5.04.2017
R𝑛 ⊇ 𝐿 ̸= ∅
𝐿 – линейное многообразие ⇔ 𝐿 = 𝑣0 + 𝑆, где 𝑣0 ∈ 𝐿, 𝑆 ⊆ R𝑛 – подпространство
71
𝐿 – линейное многообразие
𝑆 – направляющее подпространство
Фиксируем 𝑣0 ∈ 𝐿 и (𝑒1 , . . . , 𝑒𝑘 ) – базис в 𝑆
Определение. Набор (𝑣0 ; 𝑒1 , . . . , 𝑒𝑘 ) назывался репЕром линейного многообразия 𝐿.
Всякий репер (𝑣0 ; 𝑒1 , . . . , 𝑒𝑘 ) задает на 𝐿 афинную систему кординат ∀ 𝑣 ∈ 𝐿∃! 𝛼1 , . . . , 𝛼𝑘 ∈ R,
такие что 𝑣 = 𝑣0 + 𝛼1 𝑒1 + · · · + 𝛼𝑘 𝑒𝑘
Числа 𝛼1 , . . . , 𝛼𝑘 называются координатами точки 𝑣 в данном репере.
Теорема. a) Через любые 𝑘 + 1 точек в R𝑛 проходит плоскость размерности ≤ 𝑘
б) Если эти точки не содержатся в плоскости размерности < 𝑘, то тогда через них проходит
единственная плоскость размерности 𝑘
Доказательство. B Пусть 𝑣0 , 𝑣1 , . . . , 𝑣𝑘 – заданные точки.
a) Пусть 𝑃 = 𝑣0 + < 𝑣1 − 𝑣0 , . . . , 𝑣𝑘 − 𝑣0 >, тогда 𝑃 ∋ 𝑣0 , 𝑣1 , . . . , 𝑣𝑘 и 𝑑𝑖𝑚𝑃 ≤ 𝑘
б) Из условия следует, что 𝑑𝑖𝑚𝑃 = 𝑘 ⇒ 𝑣1 − 𝑣0 , . . . , 𝑣𝑘 − 𝑣0 линейно независимы.
Пусть 𝑃 ′ = 𝑣0 + 𝑆 – другая плоскость размерности 𝑘, содержащая 𝑣0 , 𝑣1 , . . . , 𝑣𝑘
Тогда 𝑣1 − 𝑣0 ,′ 𝑑𝑜𝑡𝑠, 𝑣𝑘 − 𝑣0 ∈ 𝑆 ⇒ 𝑆 =< 𝑣1 − 𝑣0 , . . . , 𝑣𝑘 − 𝑣0 >⇒ 𝑃 ′ = 𝑃 C
Следствие. 1) Через любые две различные точки в R𝑛 проходит ровно одна прямая
2) Через любые три точки в R𝑛 , не лежащих на одной прямой, проходит ровно одна плоскость
26.1
Взаимное расположение двух линейных многообразий в R𝑛
𝐿1 , 𝐿2 ∈ R𝑛 – два линейных многообразия
𝑆1 , 𝑆2 – направляющие подпространства
𝐿1 ∩ 𝐿2 ̸= ∅
1) 𝐿1 , 𝐿2 совпадают
2) 𝐿1 ⊇ 𝐿2 (⇔ 𝑆1 ⊇ 𝑆2 ) или 𝐿1 ⊆ 𝐿2 (⇔ 𝑆1 ⊆ 𝑆2 )
3) Остальное
𝐿1 ∩ 𝐿2 = ∅
1) 𝐿1 , 𝐿2 параллельны ⇔ 𝑆1 ⊆ 𝑆2 или 𝑆1 ⊇ 𝑆2
2) 𝐿1 , 𝐿2 скрещиваются ⇔ 𝑆1 ∩ 𝑆2 = {0}
3) Остальное
26.2
Линейные многообразия в R2
Нетривиальный случай: 𝑑𝑖𝑚 = 1 (прямые)
Способы задания:
1) 𝐴𝑥 + 𝐵𝑦 = 𝐶, где (𝐴, 𝐵) ̸= (0, 0), (𝐴, 𝐵) – нормаль
2) 𝑣0 ∈ 𝑙, 𝑎 – направляющий вектор
𝑣 ∈ 𝑙 ⇔ [𝑣 − 𝑣0 , 𝑎] = 0
Если 𝑣0 ∈ 𝑙, 𝑛 – нормаль, то 𝑣 ∈ 𝑙 ⇔ (𝑣 − 𝑣0 , 𝑛) = 0
3) Параметрическое уравнение
𝑣0 ∈ 𝑙, 𝑎 – направляющий вектор
𝑣 = 𝑣0 + 𝑎𝑡, 𝑡 ∈ R
{︃
𝑥 = 𝑥 0 + 𝑎1 𝑡
𝑦 = 𝑦 0 + 𝑎2 𝑡
72
проходящей через 2 различные точки 𝑣0 = (𝑥0 , 𝑦0 ) и 𝑣1 = (𝑥1 , 𝑦1 )
⃒Уравнение прямой,
⃒
⃒ 𝑥 − 𝑥0 𝑦 − 𝑦 0 ⃒
𝑦−𝑦0
𝑥−𝑥0
⃒
⃒
⃒𝑥1 − 𝑥0 𝑦1 − 𝑦0 ⃒ = 0 ⇔ 𝑥1 −𝑥0 = 𝑦1 −𝑦0
Если 𝑥1 = 𝑥0 , то уравнение есть 𝑥 = 𝑥0
𝑦1 = 𝑦0 ⇒ 𝑦 = 𝑦0
26.3
Линейные многообразия в R3
Плоскости в R3 (𝑑𝑖𝑚 = 2)
Способы задания:
1) 𝐴𝑥 + 𝐵𝑦 + 𝐶𝑧 = 𝐷, (𝐴, 𝐵, 𝐶) ̸= (0, 0, 0), (𝐴, 𝐵, 𝐶) – нормаль
2) Векторное уравнение (𝑣 − 𝑣0 , 𝑛) = 0, 𝑣0 – точка, 𝑛 – нормаль
3) Параметрическое уравнение
𝑣0 – точка, 𝑎, 𝑏 – базис в направляющем подпространстве
𝑣 = 𝑣0 + 𝑡𝑎 + 𝑠𝑏, ⎧𝑡, 𝑠 ∈ R
⎪
⎨𝑥 = 𝑥0 + 𝑎1 𝑡 + 𝑏1 𝑠
В координатах: 𝑦 = 𝑦0 + 𝑎2 𝑡 + 𝑏2 𝑠
⎪
⎩
𝑧 = 𝑧0 + 𝑎3 𝑡 + 𝑏3 𝑠
𝑥−𝑥0
Если 𝑎1 = 0 ⇒ 𝑎1 не пишут, вместо этого 𝑥 = 𝑥0
Уравнение плоскости, проходящей через 3 точки 𝑣0 = (𝑥0 , 𝑦0 , 𝑧0 ), 𝑣1 = (𝑥1 , 𝑦1 , 𝑧1 ) и 𝑣2 =
(𝑥2 ,⃒𝑦2 , 𝑧2 )
⃒
⃒ 𝑥 − 𝑥0 𝑦 − 𝑦0 𝑧 − 𝑧0 ⃒
⃒
⃒
⃒𝑥1 − 𝑥0 𝑦1 − 𝑦0 𝑧1 − 𝑧0 ⃒ = 0
⃒
⃒
⃒𝑥2 − 𝑥0 𝑦2 − 𝑦0 𝑧2 − 𝑧0 ⃒
Прямые в R3 (𝑑𝑖𝑚 = 1)
Способы
задания:
{︃
(︂
)︂
𝐴1 𝑥 + 𝐵1 𝑦 + 𝐶1 = 𝐷1
𝐴1 𝐵1 𝐶1
1)
⇒ 𝑟𝑘
=2
𝐴2 𝐵2 𝐶2
𝐴2 𝑥 + 𝐵2 𝑦 + 𝐶2 𝑧 = 𝐷2
2) Векторное уравнение:
[𝑣 − 𝑣0 , 𝑎] = 0, 𝑣0 – точка, 𝑎 – направляющий вектор
3) Параметрическое уравнение
𝑣 = 𝑣0 + 𝑎𝑡, 𝑡 ∈ R, 𝑣0 – точка, 𝑎 – направляющий вектор
⎧
⎪
⎨𝑥 = 𝑥 0 + 𝑎1 𝑡
𝑦 = 𝑦 0 + 𝑎2 𝑡
⎪
⎩
𝑧 = 𝑧0 + 𝑎3 𝑡
Уравнение прямой, проходящей через 2 различные точки в R3 𝑣0 = (𝑥0 , 𝑦0 , 𝑧0 ) и 𝑣1 =
(𝑥1 , 𝑦1 , 𝑧1 )
𝑥−𝑥0
= 𝑦𝑦−𝑦
= 𝑧𝑧−𝑧
𝑥1 −𝑥0
1 −𝑦0
1 −𝑧0
26.4
Взаимное расположение двух линейных многообразий в R3
1) Две плоскости (𝑛1 , 𝑛2 – нормали плоскостей):
(1) совпадают ([𝑛1 , 𝑛2 ] = 0)
(2) параллельны ([𝑛1 , 𝑛2 ] = 0)
(3) пересекаются по прямой
2) Две прямые(𝑎1 , 𝑎2 – направляющие векторы, 𝑣1 , 𝑣2 – точки):
73
(1)
(2)
(3)
(4)
совпадают ([𝑎1 , 𝑎2 ] = 0) + (𝑙1 , 𝑙2 лежат в одной плоскости ⇔ (𝑎1 , 𝑎2 , 𝑣2 − 𝑣1 ))
параллельны ([𝑎1 , 𝑎2 ] = 0) + (𝑙1 , 𝑙2 лежат в одной плоскости ⇔ (𝑎1 , 𝑎2 , 𝑣2 − 𝑣1 ))
пересекаются (𝑙1 , 𝑙2 лежат в одной плоскости ⇔ (𝑎1 , 𝑎2 , 𝑣2 − 𝑣1 ))
скрещиваются
3) Прямая и плоскость
𝑙 – прямая
𝑃 – плоскость
(1) 𝑙 ⊆ 𝑃
(2) 𝑙 || 𝑃
(3) 𝑙 ∩ 𝑃 – точка
4) Три попарно различных плоскости в R3
𝑃1 , 𝑃2 , 𝑃3 , 𝑃𝑖 ̸= 𝑃𝑗 ∀ 𝑖 ̸= 𝑗
𝑛𝑖 – нормаль к 𝑃𝑖
(1) Все параллельны
(2) Две параллельны, третья их пересекает
(3) 𝑃1 , 𝑃2 , 𝑃3 пересекаются по общей прямой
(4) Прямые пересечения параллельны
(5) Пересекаются в одной точке
27
27.1
Лекция 12.04.2018
Метрические задачи в R3
Расстояние от точки 𝑣 до прямой 𝑙 = {𝑣0 + 𝑎𝑡}
0 ,𝑎]|
𝜌(𝑣, 𝑙) = |𝑜𝑟𝑡<𝑎> (𝑣 − 𝑣0 )| = |[𝑣−𝑣
|𝑎|
Расстояние от точки 𝑣 до плоскости 𝑃 c нормалью 𝑛 и точкой 𝑣0 , 𝑆 – направляющее
пространство для 𝑃
0 ,𝑛)|
0 ,𝑛)
𝑛| = |(𝑣−𝑣
𝜌(𝑣, 𝑃 ) = |𝑜𝑟𝑡𝑆 (𝑣 − 𝑣0 )| = |𝑝𝑟<𝑛> (𝑣 − 𝑣0 )| = | (𝑣−𝑣
(𝑛,𝑛)
|𝑛|
Расстояние между двумя скрещивающимися прямыми 𝑙1 = {𝑣1 + 𝑎1 𝑡} и 𝑙2 = {𝑣2 + 𝑎2 𝑡}
𝑃1 = 𝑣1 + < 𝑎1 , 𝑎2 >
𝑃2 = 𝑣2 + < 𝑎1 , 𝑎2 >
𝑃1 ||𝑃2
,𝑎2 ,𝑣2 −𝑣1 )|
𝜌(𝑙1 , 𝑙2 ) = 𝜌(𝑃1 , 𝑃2 ) = |(𝑎1|[𝑎
1 ,𝑎2 ]|
Угол между двумя прямыми 𝑙1 = {𝑣1 + 𝑎1 𝑡} и 𝑙2 = {𝑣2 + 𝑎2 𝑡}
∠(𝑙1 , 𝑙2 ) := 𝑚𝑖𝑛(∠(𝑎1 , 𝑎2 ), ∠(𝑎1 , −𝑎2 ))
Угол между прямой 𝑙 = {𝑣1 + 𝑎1 𝑡} и плоскостью 𝑃 с нормалью 𝑛
∠(𝑙, 𝑃 ) := 𝜋2 − ∠(𝑙, < 𝑛 >)
Угол между двумя плоскостями 𝑃1 и 𝑃2 с нормалями 𝑛1 , 𝑛2
∠(𝑃1 , 𝑃2 ) := ∠(< 𝑛1 >, < 𝑛2 >)
27.2
Линейные операторы
𝑉 – векторное пространство над полем 𝐹
74
Определение. Линейным оператором (или линейным преобразованием) в(на) 𝑉 называется всякое линейное отображение 𝜙 : 𝑉 → 𝑉 (т.е. из 𝑉 в себя).
𝐿(𝐻) := 𝐻𝑜𝑚(𝑉, 𝑉 ) = все линейные операторы 𝑉 → 𝑉
𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – базис 𝑉 ⇒ (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) = (𝑒1 , . . . , 𝑒𝑛 )𝐴
𝐴 называется матрицей линейного оператора 𝜙 в базисе 𝑒
Столбец 𝐴(𝑖) состоит из координат вектора 𝜙(𝑒𝑖 ) в базисе 𝑒.
Примеры.
1) 𝜆 ∈ 𝐹, 𝜙 : 𝑉 → 𝑉, 𝜙(𝑣) = 𝜆𝑣 (скалярный оператор)
В любом базисе имеет матрицу 𝜆𝐸
2) 𝜙 : R2 → R2 – поворот на угол 𝛼
(︂
𝑒 – положительно ориентированный ортогональный базис ⇒ 𝐴(𝜙, 𝑒) =
⎛
0 1
⎜0 0
⎜
⎜
3) 𝑉 = R[𝑥]≤𝑛 , 𝜙 : 𝑉 → 𝑉, 𝑓 → 𝑓 ′ , 𝑒 = (1, 𝑥, 𝑥2 , . . . , 𝑥𝑛 ) ⇒ 𝐴(𝜙, 𝑒) = ⎜ ... ...
⎜
⎝0 0
0 0
𝑐𝑜𝑠𝛼 −𝑠𝑖𝑛𝛼
𝑠𝑖𝑛𝛼 𝑐𝑜𝑠𝛼
⎞
0 ... 0
2 . . . 0⎟
⎟
.. ..
.. ⎟
. .
.⎟
⎟
0 . . . 𝑛⎠
0 ... 0
)︂
Следствия общих фактов о линейных отображениях
1) 𝜙 ∈ 𝐿(𝑉 ), 𝑒 – базис 𝑉 ⇒ отображение 𝐿(𝑉 ) → 𝑀𝑛 (𝐹 ), 𝜙 → 𝐴(𝜙, 𝑒) является изоморфизмом
векторных пространств
1а) Всякий линейный оператор 𝜙 ∈ 𝐿(𝑉 ) однозначно определяется своей матрицей в любом
фиксированном базисе
1б) 𝑒 – произвольный базис, 𝐴 ∈ 𝑀𝑛 (𝐹 ) ⇒!∃ линейный оператор 𝜙 ∈ 𝐿(𝑉 ),⎛такой
𝐴(𝜙,⎞𝑒) = 𝐴
⎞ что ⎛
𝑦1
𝑥1
⎜ .. ⎟
⎜ .. ⎟
2) 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – базис, 𝑥 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 , 𝜙(𝑥) = 𝑦1 𝑒1 + · · · + 𝑦𝑛 𝑒𝑛 ⇒ ⎝ . ⎠ = 𝐴 ⎝ . ⎠
𝑦𝑛
𝑥𝑛
′
′
′
3) 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – другой базис в 𝑉
(𝑒′1 , . . . , 𝑒′𝑛 ) = (𝑒1 , . . . , 𝑒𝑛 )𝐶 – матрица перехода
𝐴 = 𝐴(𝜙, 𝑒)
𝐴′ = 𝐴(𝜙, 𝑒′ )
𝐴′ = 𝐶 −1 𝐴𝐶
Следствия из 3) а) 𝑑𝑒𝑡𝐴 не зависит от выбора базиса
б) 𝑡𝑟𝐴 не зависит от выбора базиса
Доказательство. B а) 𝑑𝑒𝑡(𝐶 −1 𝐴𝐶) = 𝑑𝑒𝑡𝐶 −1 𝑑𝑒𝑡𝐴𝑑𝑒𝑡𝐶 = 𝑑𝑒𝑡𝐴
б) 𝑡𝑟(𝐶 −1 𝐴𝐶) = 𝑡𝑟(𝐴𝐶𝐶 −1 ) = 𝑡𝑟𝐴 C
Замечание. 𝑑𝑒𝑡 и 𝑡𝑟 являются инвариантами самого линейного оператора 𝜙, а не его матрицы
Обозначение: 𝑑𝑒𝑡𝜙, 𝑡𝑟𝜙
Определение. Две матрицы 𝐴, 𝐴′ ∈ 𝑀𝑛 (𝐹 ) называются подобными, если ∃𝐶 ∈ 𝑀𝑛 (𝐹 ), 𝑑𝑒𝑡𝐶 ̸= 0,
такая что 𝐴′ = 𝐶 −1 𝐴𝐶. Отношение подобия является отношением эквивалентности на 𝑀𝑛 (𝐹 ) ⇒
𝑀𝑛 (𝐹 ) разбивается на классы подобных матриц
Предложение. 𝜙 ∈ 𝐿(𝑉 ) ⇒ следующие условия эквивалентны
1) 𝐾𝑒𝑟𝜙 = 0
2) 𝐼𝑚𝜙 = 𝑉
75
3) 𝜙 обратим (т.е. 𝜙 – изоморфизм пространства 𝑉 на себя)
4) 𝑑𝑒𝑡𝜙 ̸= 0
Доказательство. B 1) ⇔ 2), т.к. 𝑑𝑖𝑚𝑉 = 𝑑𝑖𝑚𝐾𝑒𝑟𝜙 + 𝑑𝑖𝑚𝐼𝑚𝜙
1) & 2) ⇔ 3) было для линейного отображения
2) ⇔ 4) 𝐼𝑚𝜙 = 𝑉 ⇔ 𝑟𝑘𝜙 = 𝑑𝑖𝑚𝑉 ⇔ 𝑑𝑒𝑡𝜙 ̸= 0 C
Определение. Линейный оператор 𝜙 ∈ 𝐿(𝑉 ) называется невырожденным, если 𝑑𝑒𝑡𝜙 ̸= 0, и
вырожденным иначе.
𝜙 ∈ 𝐿(𝑉 )
Определение. Подпространство 𝑈 ⊆ 𝑉 называется инвариантным относительно 𝜙 (или 𝜙инвариантным), если 𝜙(𝑈 ) ⊆ 𝑈 (т.е. ∀ 𝑢 ∈ 𝑈 : 𝜙(𝑢) ∈ 𝑈 ).
В этой ситуации корректно определен оператор 𝜙|𝑢 : 𝑈 → 𝑈, 𝑢 → 𝜙(𝑢), он называется ограничением линейного оператора 𝜙 на подпространство 𝑈 .
Примеры.
1) {0} и 𝑉 𝜙-инвариантны ∀ 𝜙 ∈ 𝐿(𝑉 )
2) 𝐾𝑒𝑟𝜙 𝜙-инвариантно, т.к. 𝜙(𝐾𝑒𝑟𝜙) = {0} ⊆ 𝐾𝑒𝑟𝜙
3) 𝐼𝑚𝜙 𝜙-инвариантно, т.к. 𝜙(𝐼𝑚𝜙) ⊆ 𝜙(𝑉 ) = 𝐼𝑚𝜙
27.3
Наблюдения
1) 𝑈 ⊆ 𝑉 – 𝜙-инвариантное
(𝑒1 , . . . , 𝑒𝑘 ) – базис 𝑈 , дополним его до базиса (𝑒1 , . . . , 𝑒𝑛 )
)︂
(︂ подпространство,
𝐴 𝐵
, 𝐴 ∈ 𝑀𝑘 , 𝐵 ∈ 𝑀 𝑎𝑡𝑘×(𝑛−𝑘) , 𝐶 ∈ 𝑀𝑛−𝑘 (*)
всего 𝑉 , тогда 𝐴(𝜙, 𝑒) =
0 𝐶
При этом:
если 𝑈 = 𝐾𝑒𝑟𝜙, то 𝐴 = 0
если 𝑈 = 𝐼𝑚𝜙, то 𝐶 = 0
Обратно, если в некотром базисе (𝑒1 , . . . , 𝑒𝑛 ) 𝐴(𝜙, 𝑒) имеет вид (*), то < 𝑒1 , . . . , 𝑒𝑘 > – это 𝜙инвариантное подпространство
𝑘 векторов базиса 𝑒 порождают 𝜙-инвариантное подпространство ⇔ 𝐴(𝜙, 𝑒) =
)︂
(︂ 2) Последние
𝐴 0
, 𝐴 ∈ 𝑀𝑛−𝑘 , 𝐵 ∈ 𝑀 𝑎𝑡𝑘×(𝑛−𝑘) , 𝐶 ∈ 𝑀𝑘
𝐵 𝐶
3) 𝑉 = 𝑈1 ⊕ 𝑈2 , 𝑈1 =< 𝑒1 , . . . , 𝑒𝑘 >, 𝑈
(︂2 =< 𝑒𝑘+1
)︂ , . . . , 𝑒𝑛 >
𝐴 0
𝑈1 , 𝑈2 𝜙-инвариантны ⇔ 𝐴(𝜙, 𝑒) =
, 𝐴 ∈ 𝑀𝑘 , 𝐵 ∈ 𝑀𝑛−𝑘
0 𝐵
28
Лекция 19.04.2018
𝑉 – векторное пространство над полем 𝐹
𝑑𝑖𝑚𝑉 = 𝑛
𝜙 ∈ 𝐿(𝑉 )
76
28.1
Наблюдения
⎛
⎞
0 ... 0
⎜
0 ... 0 ⎟
⎜
⎟
⎜
* ... 0 ⎟
4) 𝐴(𝜙, 𝑒) = ⎜
⎟ – блочно-диагональный вид (каждая звездочка размера 𝑘𝑖 × 𝑘𝑖
⎜
.. .. .. ⎟
⎝
. . . ⎠
0 0 0 ... *
для 𝑖 ∈ 1, . . . , 𝑠) ⇔ все подпространства 𝑈1 , . . . , 𝑈𝑠 𝜙-инвариантны, где 𝑈1 =< 𝑒1 , . . . , 𝑒𝑘1 >, 𝑈2 =<
𝑒𝑘1 +1 , . . . , 𝑒𝑘1 +𝑘2 >, . . . , 𝑈𝑠 =< 𝑒𝑛−𝑘𝑠 +1 , . . . , 𝑒𝑛 >. При этом 𝑉 = 𝑈1 ⊕ · · · ⊕ 𝑈𝑠 .
Предел мечтаний: найти такой базис 𝑒, в котором 𝐴(𝜙, 𝑒) диагональна (увы, это не всегда возможно).
*
..
.
*
..
.
Определение. Вектор 𝑣 ∈ 𝑉 называется собственным вектором линейного оператора 𝜙, если
𝑣 ̸= 0 и 𝜙(𝑣) = 𝜆𝑣 для некотрого 𝜆.
Определение. Элемент 𝜆 ∈ 𝐹 называется собственным значением линейного оператора 𝜙, если
∃𝑣 ∈ 𝑉 , такой что 𝑣 ̸= 0 и 𝜙(𝑣) = 𝜆𝑣.
Определение. Множество собственных значений линейного оператора 𝜙 называется его спектром.
Обозначение: 𝑆𝑝𝑒𝑐(𝜙)
Замечание. В ситуации 𝜙(𝑣) = 𝜆𝑣, 𝑣 ̸= 0, говорят:
1) 𝑣 – собственный вектор, отвечающий собственному значению 𝜆
2) 𝜆 – собственное значение, отвечающее собственному вектору 𝑣
Предложение. 0 ̸= 𝑣 ∈ 𝑉 является собственным для линейного оператора 𝜙 ⇔< 𝑣 > – 𝜙инвариантное подпространство.
Доказательство. B (⇒)𝜙(𝑣) = 𝜆𝑣 ⇒ 𝑤 ∈< 𝑣 >⇒ 𝑤 = 𝜇𝑣, 𝜇𝑖𝑛𝐹
𝜙(𝑤) = 𝜙(𝜇𝑣) = 𝜇𝜙(𝑣) = 𝜇𝜆𝑣 ∈< 𝑣 >
(⇐) Имеем 𝜙(𝑣) ∈< 𝑣 >⇒ 𝜙(𝑣) = 𝜆𝑣 для некоторого 𝜆𝑖𝑛𝐹 C
Примеры.
1) 𝜙 = 𝜆 · 𝐼𝑑 – скалярный оператор
𝜙(𝑣) = 𝜆𝑣 ∀ 𝑣 ∈ 𝑉
∀ 𝑣 ∈ 𝑉 являются собственными с собственным значением 𝜆
2) 𝑉 = R2 , 𝜙 – ортогональная проекция на прямую 𝑙, проходящую через 0
𝑣 ∈ 𝑙 ∖ {0} ⇒ 𝜙(𝑣) = 𝑣 ⇒ 𝑣 – собственный вектор с собственным значением 1
𝑣 ∈ 𝑙⊥ ∖ {0} ⇒ 𝜙(𝑣) = 0 ⇒ 𝑣 – собственный вектор с собственным значением 0
3) 𝜙 : R2 → R2 – поворот на угол 𝛼 ̸= 𝜋𝑘 (𝛼 = 2𝜋𝑘 ⇒ 𝜙 = 𝐼𝑑, 𝛼 = 𝜋 + 2𝜋𝑘 ⇒ 𝜙 = 𝐼𝑑)
Собственных векторов нет
4) 𝑉 = 𝐹 [𝑥]≤𝑛
𝜙 : 𝑓 → 𝑓 ′ – дифференцирование
𝑓 – собственный вектор ⇔ 𝑓 = 𝑐𝑜𝑛𝑠𝑡
собственное значение 0
Определение. Линейный оператор 𝜙 называется диагонализуемым, если ∃ базис 𝑒 пространства
𝑉 , такой что матрица 𝐴(𝜙, 𝑒) диагональна.
Предложение. Линейный оператор 𝜙 диагонализуем ⇔ в 𝑉 ∃ базис, состоящий из собственных
векторов для 𝜙.
77
⎛
𝜆1 0 . . .
⎜ 0 𝜆2 . . .
⎜
Доказательство. B 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – базис 𝑉 ⇒ 𝐴(𝜙, 𝑒) = 𝑑𝑖𝑎𝑔(𝜆1 , . . . , 𝜆𝑛 ) = ⎜ ..
..
..
⎝.
.
.
0 0 ...
𝜙(𝑒1 ) = 𝜆1 𝑒1 , . . . , 𝜙(𝑒𝑛 ) = 𝜆𝑛 𝑒𝑛 ⇔ 𝑒1 , . . . , 𝑒𝑛 – собственные векторы
⎞
0⎟
⎟
.. ⎟ ⇔
.⎠
𝜆𝑛
Примеры выше.
1) 𝜙 уже диагонализован, т.к. ∀ вектор ̸= 0 является собственным
⊥
2) 𝑒1 ∈ 𝑙, 𝑒(︂
⇒ (𝑒1 , 𝑒2 ) – базис из собственных векторов ⇒ 𝜙 диагонализуем
2 ∈ 𝑙 )︂
1 0
𝐴(𝜙, 𝑒) =
0 0
3) не диагонализуем, т.к. нет собственных векторов
4) 𝜙 диагонализуем ⇒ 𝑛 = 0
𝜙 ∈ 𝐿(𝑉 ), 𝜆 ∈ 𝐹
𝑉𝜆 (𝜙) := {𝑣 ∈ 𝑉 | 𝜙(𝑣) = 𝜆𝑣}
Упражнение. 𝑉𝜆 (𝜙) – подпространство в 𝑉
Лемма. 𝑉𝜆 (𝜙) ̸= 0 ⇔ 𝜆 ∈ 𝑆𝑝𝑒𝑐(𝜙)
Доказательство. Следует из определения.
Определение. 𝜆 ∈ 𝑆𝑝𝑒𝑐(𝜙) ⇒ 𝑉𝜆 (𝜙) называется собственным подпространством, отвечающим
собственному значению 𝜆.
Замечание. 𝑉𝜆 (𝜙) – 𝜙-инвариантное подпространство
𝜙|𝑉𝜆 (𝜙) = 𝜆 · 𝐼𝑑|𝑉𝜆 (𝜙)
Предложение. 𝜆 ∈ 𝐹 ⇒ 𝑉𝜆 (𝜙) = 𝐾𝑒𝑟(𝜙 − 𝜆 · 𝐼𝑑)
Доказательство. B 𝑣 ∈ 𝑉𝜆 (𝜙) ⇔ 𝜙(𝑣) = 𝜆𝑣 ⇔ 𝜙(𝑣) − 𝜆𝑣 = 0 ⇔ (𝜙 − 𝜆 · 𝐼𝑑)𝑣 = 0 ⇔ 𝑣 ∈
𝐾𝑒𝑟(𝜙 − 𝜆 · 𝐼𝑑) C
Следствие. 𝜆 ∈ 𝑆𝑝𝑒𝑐(𝜙) ⇔ 𝑑𝑒𝑡(𝜙 − 𝜆 · 𝐼𝑑) = 0
Доказательство. B 𝜆 ∈ 𝑆𝑝𝑒𝑐(𝜙) ⇔ 𝑉𝜆 (𝜙) ̸= {0} ⇔ 𝐾𝑒𝑟(𝜙 − 𝜆 · 𝐼𝑑) ̸= 0 ⇔ 𝑑𝑒𝑡(𝜙 − 𝜆 · 𝐼𝑑) = 0 C
Определение. Многочлен 𝜒𝜙 (𝑡) = (−1)𝑛 𝑑𝑒𝑡(𝜙−𝑡·𝐼𝑑) называется характеристическим многочленом
линейного оператора 𝜙.
Если 𝑒 – какой-либо базис 𝑉 , 𝐴 = (𝑎
⃒ 𝑖𝑗 ) = 𝐴(𝜙, 𝑒), то
⃒𝑎11 − 𝑡
𝑎12
𝑎13
⃒
⃒ 𝑎21
𝑎
−
𝑡
𝑎
22
23
⃒
⃒
𝑎32
𝑎33 − 𝑡
𝜒𝜙 (𝑡) = (−1)𝑛 𝑑𝑒𝑡(𝐴 − 𝑡 · 𝐸) = (−1)𝑛 ⃒ 𝑎31
⃒ ..
..
..
⃒ .
.
.
⃒
⃒ 𝑎𝑛1
𝑎𝑛2
𝑎𝑛3
...
...
...
..
.
...
𝜒𝜙 (𝑡) = 𝑡𝑛 + 𝑐𝑛−1 𝑡𝑛−1 + · · · + 𝑐1 𝑡 + 𝑐0 , 𝑐0 = (−1)𝑛 𝑑𝑒𝑡𝜙, 𝑐𝑛−1 = −𝑡𝑟𝜙
Вывод из разобранного выше:
78
⃒
⃒
⃒
⃒
⃒
⃒
⃒
⃒
⃒
⃒
𝑎𝑛𝑛 − 𝑡⃒
𝑎1𝑛
𝑎2𝑛
𝑎3𝑛
..
.
Утверждение. 𝜆 ∈ 𝑆𝑝𝑒𝑐(𝜙) ⇔ 𝜒𝜙 (𝜆) = 0, т.е. 𝜆 – корень характеристического многочлена
Следствие. |𝑆𝑝𝑒𝑐(𝜙)| ≤ 𝑛
Следствие. 𝐹 = C ⇒ ∀ 𝜙 ∈ 𝐿(𝑉 ) ∃ собственный вектор
Доказательство. B 𝜒𝜙 (𝑡) имеет корень по основной теореме алгебры комплексных чисел C
𝜆 ∈ 𝑆𝑝𝑒𝑐(𝜙)
𝑘𝜆 – кратность 𝜆 как корня многочлена 𝜒𝜙 (𝑡), т.е. 𝜒𝜙 (𝑡) делится на (𝑡 − 𝜆)𝑘𝜆 , но не делится на
большую степень
Определение. Число 𝑘𝜆 называется алгебраической кратностью собственного значения 𝜆.
Определение. Число 𝑑𝑖𝑚𝑉𝜆 (𝜙) называется геометрической кратностью собственного значения
𝜆.
Предложение. 𝜆 ∈ 𝑆𝑝𝑒𝑐(𝜙) ⇒ (геометрическая кратность 𝜆) ≤ (алгебраическая кратность 𝜆)
Доказательство. B Положим 𝑚𝜆 = 𝑑𝑖𝑚𝑉𝜆 (𝜙), т.е. 𝑚𝜆 – геометрическая кратность для 𝜆. Пусть
(𝑒1 , . . . , 𝑒𝑚𝜆 ) – базис 𝑉𝜆 (𝜙). Дополним
⎛ его до базиса
⎞𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) всего 𝑉 .
𝜆 0 ... 0
)︂
(︂
⎜0 𝜆 . . . 0⎟
𝐴 𝐵
⎜
⎟
, 𝐴 = ⎜ .. ..
Тогда 𝐴(𝜙, 𝑒) =
⎟ ∈ 𝑀𝑚𝜆 , 𝐵 ∈ 𝑀 𝑎𝑡𝑚𝜆 ×(𝑛−𝑚𝜆 ) , 𝐷 ∈ 𝑀𝑛−𝑚𝜆 ⇒
.
.
.
.
0 𝐷
⎝. .
.
.⎠
0 0 ... 𝜆
⃒
⃒
⃒
⃒
𝐴
−
𝑡
·
𝐸
𝐵
⃒ = (−1)𝑛 (𝜆 − 𝑡)𝑚𝜆 · 𝑑𝑒𝑡(𝐷 − 𝑡 · 𝐸) = (𝑡 − 𝜆)𝑚𝜆 · (−1)𝑛−𝑚𝜆 · 𝑑𝑒𝑡(𝐷 −
𝜒𝜙 (𝑡) = (−1)𝑛 ⃒⃒
𝐷−𝑡·𝐸 ⃒
.
𝑡 · 𝐸) ⇒ 𝜒𝜙 (𝑡)..(𝑡 − 𝜆)𝑚𝜆 ⇒
(алгебраическая кратность 𝜆) ≥ 𝑚𝜆 C
29
Лекция 26.04.2018
𝑉 – векторное пространство над 𝐹 , 𝑑𝑖𝑚𝑉 = 𝑛
𝜙 ∈ 𝐿(𝑉 )
Предложение. Пусть {𝜆1 , . . . , 𝜆𝑠 } ⊆ 𝑆𝑝𝑒𝑐(𝜙), 𝜆𝑖 ̸= 𝜆𝑗 ∀ 𝑖 ̸= 𝑗, тогда подпространства 𝑉𝜆1 (𝜙), . . . , 𝑉𝜆𝑠 (𝜙)
линейно независимы.
Доказательство. B Индукция по 𝑠.
𝑠 = 1 – нечего доказывать
Пусть для < 𝑠 утверждение доказано, докажем для 𝑠.
Пусть 𝑣𝑖 ∈ 𝑉𝜆𝑖 (𝜙) ∀ 𝑖 = 1, . . . , 𝑠 и пусть 𝑣1 + · · · + 𝑣𝑠 = 0 (*)
Применим 𝜙: 𝜙(𝑣1 + · · · + 𝑣𝑠 ) = 𝜙(0) = 0 ⇒ 𝜙(𝑣1 ) + · · · + 𝜙(𝑣𝑠 ) = 0 ⇒ 𝜆1 𝑣1 + · · · + 𝜆𝑠 𝑣𝑠 = 0
Вычтем отсюда (*)·𝜆𝑠 : (𝜆1 −𝜆𝑠 )𝑣1 +· · ·+(𝜆𝑠−1 −𝜆𝑠 )𝑣𝑠−1 = 0, по предположению индукции получаем
отсюда 𝑣1 = · · · = 𝑣𝑠 = 0. Тогда 𝑣𝑠 = 0 C
Следствие. Если 𝜒𝜙 (𝑡) имеет ровно 𝑛 различных корней, то 𝜙 диагонализуем.
Доказательство. B Пусть 𝑆𝑝𝑒𝑐(𝜙) = {𝜆1 , . . . , 𝜆𝑛 }, 𝜆𝑖 ̸= 𝜆𝑗 ∀ 𝑖 ̸= 𝑗. ∀ 𝑖 = 1, . . . , 𝑛 выберем
ненулевой вектор 𝑣𝑖 ∈ 𝑉𝜆𝑖 (𝜙). Тогда 𝑣1 , . . . , 𝑣𝑛 линейно независимы по предыдущему предложению
⇒ (𝑣1 , . . . , 𝑣𝑛 ) – базис из сосбтвенных векторов ⇒ 𝜙 диагонализуем C
79
Теорема (критерий диагонализуемости). Линейный оператор 𝜙 ∈ 𝐿(𝑉 ) диагонализуем ⇔
выполнены следующие условия:
1) 𝜒𝜙 (𝑡) разлагается на линейные множители
2) ∀ 𝜆 ∈ 𝑆𝑝𝑒𝑐(𝜙) (геометрическая кратность 𝜆) = (алгебраическая кратность 𝜆)
⎛
⎞
𝜇1 0 . . . 0
⎜ 0 𝜇2 . . . 0 ⎟
⎜
⎟
Доказательство. B (⇒) Пусть (𝑒1 , . . . , 𝑒𝑛 ) – базис, такой что 𝐴(𝜙, 𝑒) = ⎜ ..
..
..
.. ⎟
⎝.
.
.
.⎠
0 0 . . . 𝜇𝑛
⃒
⃒
⃒ 𝜇1 − 𝑡
⃒
...
0 ⃒
⃒
⃒ 0
𝜇2 − 𝑡 . . .
0 ⃒⃒
⃒
𝑛
Тогда 𝜒𝜙 (𝑡) = (−1)𝑛 ⃒ ..
..
..
.. ⃒ = (−1) (𝑡 − 𝜇1 )(𝑡 − 𝜇2 ) . . . (𝑡 − 𝜇𝑛 ) ⇒ 1) выполнено
⃒ .
⃒
.
.
. ⃒
⃒
⃒ 0
. . . 𝜇𝑛 − 𝑡⃒
Перепишем 𝜒𝜙 (𝑡) в виде 𝜒𝜙 (𝑡) = (𝑡 − 𝜆1 )𝑘1 · · · (𝑡 − 𝜆𝑠 )𝑘𝑠 , где 𝜆𝑖 ̸= 𝜆𝑗 при 𝑖 ̸= 𝑗
∀ 𝑖 = 1, . . . , 𝑠 имеем 𝑉𝜆𝑖 (𝜙) ⊇< 𝑒𝑗 | 𝜇𝑗 = 𝜆𝑖 >⇒ 𝑑𝑖𝑚𝑉𝜆𝑖 (𝜙) ≥ 𝑘𝑖 (уже знаем 𝑑𝑖𝑚𝑉𝜆𝑖 (𝜙) ≤ 𝑘𝑖 )
⇒ 𝑑𝑖𝑚𝑉𝜆𝑖 (𝜙) = 𝑘𝑖
(⇐) Пусть 𝜒𝜙 (𝑡) = (𝑡 − 𝜆1 )𝑘1 · · · (𝑡 − 𝜆𝑠 )𝑘𝑠 , 𝜆𝑖 ̸= 𝜆𝑗 при 𝑖 ̸= 𝑗
Т.к. 𝑉𝜆1 (𝜙), . . . , 𝑉𝜆𝑠 (𝜙) линейно независимы, то 𝑑𝑖𝑚(𝑉𝜆1 (𝜙) + · · · + 𝑉𝜆𝑠 (𝜙)) = 𝑑𝑖𝑚𝑉𝜆1 (𝜙) + · · · +
𝑑𝑖𝑚𝑉𝜆𝑠 (𝜙) = 𝑘1 + · · · + 𝑘𝑠 = 𝑛 ⇒ 𝑉 = 𝑉𝜆1 (𝜙) ⊕ · · · ⊕ 𝑉𝜆𝑠 (𝜙)
∀𝑖 = 1, . . . , 𝑠 выберем в 𝑉𝜆𝑖 (𝜙) базис 𝑒𝑖 и положим 𝑒 = 𝑒1 ∪𝑒2 ∪· · ·∪𝑒𝑠 . Тогда 𝑒 – базис 𝑉 , состоящий
из собственных векторов C
Замечание. Если выполнено 1), то линейный оператор
нор⎞
⎛ 𝑚1𝜙 можно привести к жордановой
0 ...
𝐽𝑀1
⎜ 0 𝐽 𝑚2 0 . . .
0 ⎟
𝑀2
⎟
⎜
𝑚3
⎜ 0
0 𝐽𝑀3 . . .
0 ⎟
мальной форме, т.е. ∃ базис 𝑒 в 𝑉 , такой что 𝐴(𝜙, 𝑒) = ⎜
⎟,
⎜ ..
..
..
..
.. ⎟
⎝ .
.
.
.
. ⎠
𝑚𝑠
0 . . . 𝐽𝑀𝑠
⎛
⎞
𝑀𝑖 1
0 ... 0
⎜ 0 𝑀𝑖 1 . . . 0 ⎟
⎜
⎟
⎜0
𝑚𝑖
0 𝑀𝑖 . . . 0 ⎟
=
где 𝐽𝑀
⎜
⎟ – Жорданова клетка порядка 𝑚𝑖 с собственным значением
𝑖
⎜ ..
..
..
..
.. ⎟
⎝ .
.
.
.
. ⎠
0 . . . 𝑀𝑖
𝑀𝑖
Следствие. Если 𝐹 = C, то ∀ 𝜙 ∈ 𝐿(𝑉 ) можно привести к жордановой нормальной форме.
Доказательство. Условие 1) выполняется по основной теореме алгебры комплексных чисел.
Примеры.
1) 𝜙 = 𝜆 · 𝐼𝑑 ⇒ 𝜒𝜙 (𝑡) = (𝑡 − 𝜆)𝑛
𝑆𝑝𝑒𝑐(𝜙) = {𝜆}, алгебраическая кратность 𝜆 = геометрической кратности 𝜆 = 𝑛
2) 𝜙 : R2 → R2 – ортогональная проекция на прямую
𝑙)︂→ 0
(︂
1
𝑒1 ∈ 𝑙 ∖ {0}, 𝑒2 ∈ 𝑙⊥ ∖ {0}, 𝑒 = (𝑒1 , 𝑒2 ) ⇒ 𝐴(𝜙, 𝑒) =
0 0
𝜒𝜙 (𝑡) = 𝑡(𝑡 − 1)
𝑆𝑝𝑒𝑐(𝜙) = {0, 1}, 𝜆 ∈ {0, 1} ⇒ алгебраическая кратность = геометрической кратности = 1
3) 𝜙 : R2 → R2 – поворот на угол 𝛼 ̸= 𝜋𝑘
80
(︂
)︂
cos 𝛼 − sin 𝛼
𝑒 = (𝑒1 , 𝑒2 ) – положительно ориентированный ортогональный базис ⇒ 𝐴(𝜙, 𝑒) =
sin 𝛼 cos 𝛼
⃒
⃒
⃒cos 𝛼 − 𝑡 − sin 𝛼 ⃒
⃒ = 𝑡2 − 2 cos 𝛼𝑡 + 1
𝜒𝜙 (𝑡) = ⃒⃒
sin 𝛼
cos 𝛼 − 𝑡⃒
𝐷/4 = cos2 𝛼 − 1 = − sin2 𝛼 < 0 ⇒ нет корней в R ⇒ 1) не выполняется ⇒ 𝜙 не (над C𝜙
диагонализуем)
4) 𝑉 = 𝐹 [𝑥]≤𝑛 , 𝜙 : 𝑓 → 𝑓 ′
⎛
⎞
0 1 0 ... 0
⎜0 0 2 . . . 0 ⎟
⎜
⎟
⎜ .. .. .. ..
⎟
.
2
𝑛
.
𝑒 = (1, 𝑥, 𝑥 , . . . , 𝑥 ), 𝐴(𝜙, 𝑒) = ⎜ . . . .
⎟
.
⎜
⎟
⎝0 0 0 . . . 𝑛 ⎠
0 0 0 ... 0
𝑛+1
𝜒𝜙 (𝑡) = 𝑡
⇒ 1) выполнено
𝑆𝑝𝑒𝑐(𝜙) = {0}, алгебраическая кратность = 𝑛 + 1
геометрическая кратность = 1 ⇒⎛𝜙 не диагонализуем,
2) не выполняется
⎞
0 1 0 ... 0
⎜0 0 1 . . . 0⎟
⎜
⎟
𝑛
2
⎜
⎟
𝑓 = (1, 𝑥, 𝑥2 , . . . , 𝑥𝑛! ) ⇒ 𝐴(𝜙, 𝑓 ) = ⎜ ... ... ... ... ... ⎟ = 𝐽0𝑛+1
⎜
⎟
⎝0 0 0 . . . 1⎠
0 0 0 ... 0
Предложение. 𝐹 = R ⇒ ∀ 𝜙 ∈ 𝐿(𝑉 ), ∃ либо одномерное, либо двумерное 𝜙-инвариантное
подпространство
Доказательство. B Если 𝜒𝜙 (𝑡) имеет действительный корень, то тогда у 𝜙 есть собственный
вектор ⇒ есть 1-мерное инвариантное подпространство. Пусть 𝜒𝜙 (𝑡) не имеет корней в R, возьмем
какой-нибудь комплексный корень 𝜆 + 𝑖𝜇, где 𝜆, 𝜇 ∈ R, 𝜇 ̸= 0. Фиксируем базис 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) в 𝑉 ,
пусть 𝐴 = 𝐴(𝜙, 𝑒).
Тогда для 𝐴 над 𝐶 ∃ собственный вектор с собстсвенным значением 𝜆 + {︃
𝑖𝜇. То есть ∃ 𝑢, 𝑣 ∈
𝐴𝑢 = 𝜆𝑢 − 𝜇𝑣
R𝑛 , 𝑢 + 𝑖𝑣 ̸= 0, такой что 𝐴 · (𝑢 + 𝑖𝑣) = (𝜆 + 𝑖𝜇)(𝑢 + 𝑖𝑣) = (𝜆𝑢 − 𝜇𝑣) + 𝑖(𝜆𝑣 + 𝜇𝑢) ⇒
⇒
𝐴𝑣 = 𝜆𝑣 + 𝜇𝑢
𝐴 < 𝑢, 𝑣 >⊆< 𝑢, 𝑣 >⇒ векторы с коэффициентами 𝑢, 𝑣 порождают 𝜙-инвариантное подпространство
размерности ≤ 2 C
29.1
Линейные отображения и линейные операторы в евклидовых пространствах
𝐸 – евклидово пространство, 𝑑𝑖𝑚𝐸 = 𝑛, (·, ·) – скалярное произедение
𝐸 ′ – евклидово пространство (другое), 𝑑𝑖𝑚𝐸 ′ = 𝑚, (·, ·)′ – скалярное произведение
Пусть 𝜙 : 𝐸 → 𝐸 ′ – линейное отображение
Определение. Линейное отображение 𝜓 : 𝐸 ′ → 𝐸 называется сопряженным к 𝜙, если ∀ 𝑥 ∈
𝐸, ∀ 𝑦 ∈ 𝐸 ′ : (𝜙(𝑥), 𝑦)′ = (𝑥, 𝜓(𝑦)) (#)
Обозначение: 𝜙*
Предложение. 1) 𝜓 существует и единственно
2) Если 𝑒 и 𝑓 – ортонормированные базисы в 𝐸 и 𝐸 ′ соответственно, 𝐴𝜙 = 𝐴(𝜙, 𝑒, 𝑓 ), 𝐴𝜓 =
𝐴(𝜓, 𝑓, 𝑒) ⇒ 𝐴𝜓 = 𝐴𝑇𝜙
Доказательство. B 1) Фиксируем произвольный базис 𝑒 в 𝐸 и произвольный базис 𝑓 в 𝐸 ′ ,
𝐴𝜙 = 𝐴(𝜙, 𝑒, 𝑓 ), 𝐴𝜓 = 𝐴(𝜓, 𝑓, 𝑒), 𝐺 = 𝐺(𝑒), 𝐺′ = 𝐺(𝑓 )
𝑥 ∈ 𝐸, 𝑥 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛
81
𝑦 ∈ 𝐸 ′ , 𝑦 = 𝑦 1 𝑓1 + · · · + 𝑦 𝑚 𝑓𝑚
⎛ ⎛ ⎞⎞𝑇 ⎛ ⎞
⎛ ⎞
𝑥1
𝑦1
𝑦1
⎜ ⎜ .. ⎟⎟ ′ ⎜ .. ⎟
′
𝑇 ′ ⎜ .. ⎟
(𝜙(𝑥), 𝑦) = ⎝𝐴𝜙 ⎝ . ⎠⎠ 𝐺 ⎝ . ⎠ = (𝑥1 , . . . , 𝑥𝑛 )𝐴𝜙 𝐺 ⎝ . ⎠
𝑥𝑛
𝑦𝑚
𝑦𝑚
⎛ ⎞
𝑦1
⎜ .. ⎟
(𝑥, 𝜓(𝑦)) = (𝑥1 , . . . , 𝑥𝑛 )𝐺𝐴𝜓 ⎝ . ⎠
𝑦𝑚
∀ 𝐵 ∈ 𝑀 𝑎𝑡𝑛×𝑚 (R) :
⎛ ⎞
⎜ .. ⎟
⎜.⎟
⎜ ⎟
⎜0⎟
⎜ ⎟
𝑏𝑖𝑗 = (0 . . . 01𝑖 0 . . . 0)𝐵 ⎜1𝑗 ⎟
⎜ ⎟
⎜0⎟
⎜.⎟
⎝ .. ⎠
⇒ (#) выполняется ⇔ 𝐴𝑇𝜙 𝐺′ = 𝐺𝐴𝜓 ⇔ 𝐺−1 𝐴𝑇𝜙 𝐺′ ⇒ существование и единственность
2) 𝑒 и 𝑓 – ортонормированные ⇒ 𝐺 = 𝐸 и 𝐺′ = 𝐸 ⇒ 𝐴𝜓 = 𝐴𝑇𝜙 C
30
Лекция 10.05.2018
Пусть теперь 𝐸 ′ = 𝐸, 𝜙 : 𝐸 → 𝐸 – линейный оператор ⇒ ∃! линейный оператор 𝜙* : 𝐸 → 𝐸, такой
что (𝜙(𝑥), 𝑦) = (𝑥, 𝜙* (𝑦)) ∀ 𝑥, 𝑦 ∈ 𝐸
Определение. 𝜙* называется сопряженным к 𝜙 линейным оператором.
Определение. Линейный оператор 𝜙 называется самомпряженным (или симметрическим), если 𝜙 = 𝜙* .
Замечание. 𝑒 – ортогональный базис в 𝐸, 𝐴𝜙 = 𝐴(𝜙, 𝑒), 𝐴𝜙* = 𝐴(𝜙* , 𝑒) ⇒ 𝐴𝜙* = (𝐴𝜙 )𝑇
𝜙 = 𝜙* ⇔ 𝐴𝜙 = (𝐴𝜙 )𝑇
Предложение. 𝜙 = 𝜙* , 𝑈 ⊆ 𝐸 – 𝜙-инвариантное подпространство ⇒ 𝑈 ⊥ тоже 𝜙-инвариантное
Доказательство. B Имеем 𝜙(𝑈 ) ⊆ 𝑈 , хотим 𝜙(𝑈 ⊥ ) ⊆ 𝑈 ⊥
∈𝑈 ⊥ ⏞∈𝑈
⏟
⏞
⏟
∀𝑥 ∈ 𝑈 ⊥ , 𝑦 ∈ 𝑈 : (𝜙(𝑥), 𝑦) = (𝑥, 𝜙* (𝑦)) = ( 𝑥 , 𝜙(𝑦)) = 0 C
Предложение. 𝜙 = 𝜙* ⇒ ∃ собственный вектор для 𝜙
Доказательство. B Два случая: 1) ∃ 1-мерное 𝜙-инвариантное подпространство
2) ∃ 2-мерное 𝜙-инвариантное подпространство
1) Очевидно
2) Пусть 𝑈 ⊆ 𝐸 – 2-мерное 𝜙-инвариантное подпространство. Положим 𝜓 := 𝜙|𝑈
Т.к. 𝜙 = 𝜙* , то 𝜓 = 𝜓 *
(︂
)︂
𝑎 𝑏
Пусть (𝑒1 , 𝑒2 ) – ортонормированный базис в 𝑈 ⇒ 𝐴(𝜓, 𝑒) =
𝑏 𝑐
⃒
⃒
⃒
⃒
𝑎−𝑡
𝑏 ⃒
𝜒𝜓 (𝑡) = (−1)2 ⃒⃒
= 𝑡2 − (𝑎 + 𝑐)𝑡 + 𝑎𝑐 − 𝑏2
𝑏
𝑐 − 𝑡⃒
82
𝐷 = (𝑎 + 𝑐)2 − 4(𝑎𝑐 − 𝑏2 ) = (𝑎 − 𝑐)2 + 4𝑏2 ≥ 0 ⇒ 𝜒𝜓 (𝑡) имеет корни в R ⇒ 𝜓 имеет собственный
вектор ⇒ 𝜙 имеет собственный вектор C
Теорема. 𝜙 = 𝜙* ⇒ ∃ ортонормированный базис, состоящий из собственных векторов для 𝜙. В
частности, 𝜙 диагонализуем над R, 𝜒𝜙 (𝑡) разлагается на линейные множители над R.
Доказательство. Индукция по 𝑛 = 𝑑𝑖𝑚𝐸.
𝑛 = 1 ⇒ очевидно
Пусть доказано для < 𝑛, докажем для 𝑛.
∃ собственный вектор 𝑣 для 𝜙.
𝑣
, |𝑒1 | = 1.
Положим 𝑒1 = |𝑣|
𝑈 =< 𝑒1 >⇒ 𝑈 𝜙-инвариантно ⇒ 𝑈 ⊥ тоже 𝜙-инвариантно
𝑑𝑖𝑚𝑈 ⊥ = 𝑛 − 1 ⇒ по предположению индукции в 𝑈 ⊥ ∃ ортонормированный базис (𝑒2 , . . . , 𝑒𝑛 ) из
собственных векторов, 𝑒1 ⊥(𝑒2 , . . . , 𝑒𝑛 ). Тогда (𝑒1 , . . . , 𝑒𝑛 ) – искомый базис C
Следствие. 𝜙 = 𝜙* , 𝜆, 𝜇 ∈ 𝑆𝑝𝑒𝑐(𝜙), 𝜆 ̸= 𝜇 ⇒ 𝐸𝜆 (𝜙)⊥𝐸𝜇 (𝜙)
Доказательство. Первый способ.
Пусть 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ) – ортономированный базис из собственных векторов
(𝜆1 , . . . , 𝜆𝑛 ) – соответствующий набор собственных значений (т.е. 𝜙(𝑒𝑖 ) = 𝜆𝑖 𝑒𝑖 )
𝑣 = 𝑥1 𝑒 1 + · · · + 𝑥𝑛 𝑒 𝑛 ∈ 𝐸
𝜙(𝑣) = 𝑥1 𝜆1 𝑒1 + · · · + 𝑥𝑛 𝜆𝑛 𝑒𝑛 . Тогда 𝜙(𝑣) = 𝜆𝑣 ⇔ 𝑣 ∈< 𝑒𝑖 | 𝜆𝑖 = 𝜆 >⇒ 𝐸𝜆 (𝜙) =< 𝑒𝑖 | 𝜆𝑖 = 𝜆 >⇒
𝐸𝜆 (𝜙)⊥𝐸𝜇 (𝜙) при 𝜆 ̸= 𝜇
Второй способ.
𝜆 ̸= 𝜇, 𝑥 ∈ 𝐸𝜆 (𝜙), 𝑦 ∈ 𝐸𝜇 (𝜙)
𝜆(𝑥, 𝑦) = (𝜆𝑥, 𝑦) = (𝜙(𝑥), 𝑦) = (𝑥, 𝜙(𝑦)) = (𝑥, 𝜇𝑦) = 𝜇(𝑥, 𝑦)
Т.к. 𝜆 ̸= 𝜇, то (𝑥, 𝑦) = 0 C
Теорема (приведение квадратичной формы к главным осям). 𝑄 : 𝐸 → R – квадратичная
форма ⇒ ∃ ортономированный базис 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ), в котором 𝑄 принимает канонический вид
𝑄(𝑥) = 𝜆1 𝑥21 +· · ·+𝜆𝑛 𝑥2𝑛 , причем числа 𝜆1 , . . . , 𝜆𝑛 определены однозначно с точностью до перестановки.
Главные оси – это R𝑒1 , . . . , R𝑒𝑛 .
Доказательство. B Пусть 𝑓 = (𝑓1 , . . . , 𝑓𝑛 ) – какой-то ортонормированный базис, 𝐵 = 𝐵(𝑄, 𝑓 ).
Пусть 𝜙 : 𝐸 → 𝐸 – линейный оператор, такой что 𝐴(𝜙, 𝑓 ) = 𝐵
Т.к. 𝐵 = 𝐵 𝑇 и 𝑓 ортонормированный, то 𝜙 = 𝜙*
⎛ ⎞
𝑥1
⎜ .. ⎟
∀ 𝑥 = 𝑥1 𝑓1 + · · · + 𝑥𝑛 𝑓𝑛 ∈ 𝐸 имеем 𝑄(𝑥) = (𝑥1 , . . . , 𝑥𝑛 )𝐵 ⎝ . ⎠ = (𝑥, 𝜙(𝑥))
𝑥𝑛
Итого: 𝑄(𝑥) = (𝑥, 𝜙(𝑥)) ∀ 𝑥 ∈ 𝐸 (*)
Знаем: ∃ ортонормированный базис 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ), состоящий из собственных векторов для
𝜙 ⇒ 𝐴(𝜙, 𝑒) = 𝑑𝑖𝑎𝑔(𝜆1 , . . . , 𝜆𝑛 )
⎛ ⎞
𝑥1
⎜ .. ⎟
Но тогда ∀ 𝑥 = 𝑥1 𝑒1 + · · · + 𝑥𝑛 𝑒𝑛 𝑄(𝑥) = (𝑥, 𝜙(𝑥)) = (𝑥1 , . . . , 𝑥𝑛 )𝐷 ⎝ . ⎠ = 𝜆1 𝑥21 + · · · + 𝜆𝑛 𝑥2𝑛
𝑥𝑛
Единственность: 𝜆1 , . . . , 𝜆𝑛 – это в точности собственные значения линейного оператора 𝜙
В свою очередь, 𝜙 однозначно определяется из условия (*) C
83
Следствие. 𝐴 ∈ 𝑀𝑛 (R), 𝐴 = 𝐴𝑇 ⇒ ∃ ортогональная матрица 𝐶 ∈ 𝑀𝑛 , такая что 𝐶 −1 𝐴𝐶 =
𝐶 𝑇 𝐴𝐶 = 𝑑𝑖𝑎𝑔(𝜆1 , . . . , 𝜆𝑛 ), причем 𝜆1 , . . . , 𝜆𝑛 – это в точности собственные значения матрицы 𝐴.
Определение. Линейный оператор называется ортогональным, если ∀ 𝑥, 𝑦 ∈ 𝐸 : (𝜙(𝑥), 𝜙(𝑦)) =
(𝑥, 𝑦) (т.е. 𝜙 сохраняет скалярное произведение)
Предложение. Для 𝜙 ∈ 𝐿(𝐸) следуюущие условия эквивалентны:
1) 𝜙 ортогональный
2) |𝜙(𝑥)| = |𝑥| ∀ 𝑥 ∈ 𝐸 (т.е. 𝜙 сохраняет длину)
3) ∃ 𝜙−1 и 𝜙−1 = 𝜙*
4) ∀ ортонормированного базиса 𝑒 матрица 𝐴(𝜙, 𝑒) ортогональная
5) ∀ ортонормированного базиса 𝑒 (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) – тоже ортонормированный базис
√︀
√︀
Доказательство. B 1) ⇒ 2) |𝜙(𝑥)| = (𝜙(𝑥), 𝜙(𝑥)) = (𝑥, 𝑥) = |𝑥|
2) ⇒ 1) (𝜙(𝑥), 𝜙(𝑦)) = 21 (|𝜙(𝑥) + 𝜙(𝑦)|2 − |𝜙(𝑥)|2 − |𝜙(𝑦)|2 ) = 12 (|𝑥 + 𝑦|2 − |𝑥|2 − |𝑦|2 ) = (𝑥, 𝑦)
1)&2) ⇒ 3) 𝜙(𝑥) = 0 ⇒ |𝜙(𝑥)| = 0 ⇒ |𝑥| = 0 ⇒ 𝑥 = 0 ⇒ 𝐾𝑒𝑟𝜙 = {0} ⇒ 𝜙 невырожден (т.е. ∃ 𝜙−1 )
(𝜙−1 (𝑥), 𝑦) = (𝜙(𝜙−1 (𝑥)), 𝜙(𝑦)) = (𝑥, 𝜙(𝑦)) ⇒ 𝜙−1 = 𝜙*
3)
{︃ ⇒ 4) 𝑒 – ортонормированный базис, 𝐴 = 𝐴(𝜙, 𝑒)
𝐴(𝜙* , 𝑒) = 𝐴𝑇
⇒ 𝐴𝑇 = 𝐴−1
𝐴(𝜙−1 , 𝑒) = 𝐴−1
4) ⇒ 5) 𝑒 – ортонормированный базис, 𝐴 = 𝐴(𝜙, 𝑒) ⇒ (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) = (𝑒1 , . . . , 𝑒𝑛 )𝐴 (где 𝐴
ортогональная) ⇒ (𝜙(𝑒1 ), . . . , 𝜙(𝑒𝑛 )) – ортонормированный базис
5) ⇒ 1) 𝑒 – ортонормированный базис, 𝑥 =
𝑛
∑︀
𝑥𝑖 𝑒 𝑖 , 𝑦 =
𝑖=1
(𝜙(𝑥), 𝜙(𝑦)) = (𝜙(
𝑛
∑︀
𝑖=1
𝑥𝑖 𝑒𝑖 ), 𝜙(
𝑛
∑︀
𝑦𝑗 𝑒𝑗 )) =
𝑗=1
𝑛 ∑︀
𝑛
∑︀
𝑦𝑗 𝑒𝑗
𝑗=1
𝛿𝑖𝑗
⏞
⏟
𝑛 ∑︀
𝑛
𝑛
𝑛
∑︀
∑︀
∑︀
𝑥𝑖 𝑦𝑗 (𝜙(𝑒𝑖 ), 𝜙(𝑒𝑗 )) =
𝑥𝑖 𝑦𝑗 (𝑒𝑖 , 𝑒𝑗 ) = ( 𝑥𝑖 𝑒𝑖 ,
𝑦𝑖 𝑒𝑗 ) =
𝑖=1 𝑗=1
𝑖=1 𝑗=1
(𝑥, 𝑦) C
31
𝑛
∑︀
Лекция 17.05.2018
84
𝑖=1
𝑗=1
(𝑒1 , 𝑒2 ) – ортонормированный базис
(︂
cos 𝛼
I 𝐴(𝜙, 𝑒) =
sin 𝛼
− sin 𝛼
cos 𝛼
)︂
⇒ 𝜙 – поворот на угол 𝛼
(︂
)︂
cos 𝛼
sin 𝛼
II 𝐴(𝜙, 𝑒) =
⇒ 𝜙 – поворот на угол 𝛼 + отражение относительно 𝜙(𝑒1 )
sin 𝛼
− cos 𝛼
Пусть 𝑙 – биссектриса угла ∠(𝑒1 , 𝜙(𝑒1 )). Тогда ∀ 𝑣 ∈ 𝑙 : 𝜙(𝑣) = 𝑣, ∀ 𝑣 (︂
∈ 𝑙⊥ : 𝜙(𝑣)
)︂ = −𝑣
1 0
𝑒′ = (𝑒′1 , 𝑒′2 ) – ортонормированный базис, 𝑒′1 ∈ 𝑙, 𝑒′2 ∈ 𝑙⊥ ⇒ 𝐴(𝜙, 𝑒′ ) =
0 −1
⇒ 𝜙 – отражение относительно 𝑙
Предложение. 𝜙 – ортогональный линейный оператор, 𝑈 ⊆ 𝐸 – 𝜙-инвариантное подпространство ⇒ 𝑈 ⊥ тоже 𝜙-инвариантно
Доказательство. B 𝜓 := 𝜙|𝑈 – ортогональный линейный оператор в 𝑈 ⇒ ∃ 𝜓 −1 = 𝜓 *
Хотим: ∀ 𝑥 ∈ 𝑈 ⊥ ∀ 𝑦 ∈ 𝑈 : (𝜙(𝑥), 𝑦) = 0
∈𝑈
∈𝑈 ⊥ ⏞ ⏟
⏞
⏟
(𝜙(𝑥), 𝑦) = (𝑥, 𝜙* (𝑦)) = (𝑥, 𝜙−1 (𝑥)) = ( 𝑥 , 𝜓 −1 (𝑦)) = 0 C
Теорема. ∀ ортогонального линейного оператора 𝜙 ∈ 𝐿(𝐸) ∃ ортонормированный базис 𝑒, такой
что
⎛
⎞
П(𝛼1 )
0 0 0 0
⎜ 0
П(𝛼2 ) 0
0 0 0 0 ⎟
⎜
⎟
⎜
⎟
.
..
⎜ 0
⎟
⎜
⎟
⎜ 0
0 П(𝛼𝑘 ) 0
0 0 0 0 ⎟
⎜
⎟
⎜ 0
⎟
−1
⎜
⎟
𝐴(𝜙, 𝑒) = ⎜
⎟ (*)
..
⎜ 0
. 0 0 0 0 ⎟
⎜
⎟
⎜ 0
⎟
−1
⎜
⎟
⎜ 0
0 1 0 0 ⎟
⎜
⎟
⎜
⎟
...
⎝ 0
0 0
0 ⎠
0 0 0 1
(︂
)︂
cos 𝛼
− sin 𝛼
П(𝛼) =
sin 𝛼
cos 𝛼
Доказательство. B Индукция по 𝑛 = 𝑑𝑖𝑚𝐸, 𝑛 = 1, 2 ⇒ было.
Пусть теперь 𝑛 > 3.
∃ 𝜙-инвариантное подпространство 𝑈 , такое что 𝑑𝑖𝑚𝑈 = 1 или 2 ⇒ в 𝑈 требуемый базис ∃
𝑈 ⊥ – 𝜙-инвариантно, 𝜙|𝑈 ⊥ – ортогональный оператор
𝑑𝑖𝑚𝑈 ⊥ = 𝑛 − 𝑑𝑖𝑚𝑈 < 𝑛 ⇒ по предположению индукции в 𝑈 ⊥ ∃ требуемый ортонормированный
базис.
Объединяя полученные базисы для 𝑈 и 𝑈 ⊥ , получим ортонормированный базис 𝑒, такой что
𝐴(𝜙, 𝑒) имеет вид (*) с точностью до перестановки блоков C
Следствие. ∀ ортогонального линейного оператора 𝜙 в 3-мерном евклидовом пространстве ∃
ортонормированный
базис 𝑒, такой что 𝐴(𝜙, 𝑒) имеет один из следующих двух видов:
(︂
)︂
П(𝛼) 0
I
– поворот вокруг < 𝑒3 > на угол 𝛼
1 )︂
(︂ 0
П(𝛼) 0
II
– поворот вокруг < 𝑒3 > на угол 𝛼 + отражение относительно < 𝑒1 , 𝑒2 >=< 𝑒3 >⊥
−1
85
= "зеркальный поворот"
Доказательство. B По теореме ∃ ортонормированный
⎛ базис 𝑒, такой
⎞ что 𝐴(𝜙, 𝑒) имеет вид (*).
±1 0
Если в (*) есть блок П(𝛼), то ОК. Если нет, то 𝐴(𝜙, 𝑒) = ⎝ 0 ±1 0 ⎠
0 ±1
(︂
)︂
1 0
= П(0)
(︂0 1
)︂
−1 0
= П(𝜋)C
0 −1
31.1
Сингулярное разложение
Напоминание:
𝑉, 𝑊 – векторные пространства над 𝐹 , 𝜙 : 𝑉 → 𝑊 – линейное отображение, 𝑑𝑖𝑚𝑉 = 𝑛, 𝑑𝑖𝑚𝑊 = 𝑚,
𝑟𝑘𝜙 = 𝑟 ⇒ ∃ базис 𝑒 в 𝑉 и базис 𝑓 в 𝑊 такие, что
1 ···
⎜ 0 ...
⎜
𝑟 ⎜
⎜ 0. · ·. ·
⎜ ..
..
𝐴(𝜙, 𝑒, 𝑓 ) =
⎜
⎜0 0
⎜
⎝0 0
𝑚 0 0
⎛
𝑟
1
..
.
...
...
...
..
.
...
...
...
···
···
..
.
···
···
..
.
𝑛
⎞
0⎟
⎟
0⎟
.. ⎟
.⎟
⎟, 𝑟 = 𝑟𝑘𝜙 = 𝑑𝑖𝑚𝐼𝑚𝜙
0⎟
⎟
0⎠
𝐸 – евклидово пространство со скалярным произведением (·, ·), 𝑑𝑖𝑚𝐸 = 𝑛
𝐸 ′ – евклидово пространство со скалярным произведением (·, ·)′ , 𝑑𝑖𝑚𝐸 = 𝑚
Теорема о сингулярных базисах. 𝜙 : 𝐸 → 𝐸 ′ – линейное отображение, 𝑟 = 𝑟𝑘𝜙 ⇒ ∃ ортонормированный базис 𝑒 в 𝐸 и ортонормированный базис 𝑒′ в 𝐸 ′ , такой что
⎞
⎛
𝜎1 0 0 0 0 0 0
⎜ 0 𝜎2 0 0 0 0 0 ⎟
⎜
⎟
..
⎜
. 0 0 0 0⎟
⎜0 0
⎟
⎜
⎟
𝐴(𝜙, 𝑒, 𝑓 ) = ⎜ 0 0 0 𝜎𝑟 0 0 0⎟
⎜
⎟
⎜ 0 0 0 0 0 0 0⎟
⎜
⎟
⎝ 0 0 0 0 0 . . . 0⎠
0 0 0 0 0 0 0
, где 𝜎1 > 𝜎2 > · · · > 𝜎𝑟 > 0
Более того, числа 𝜎1 , . . . , 𝜎𝑟 определены однозначно.
Доказательство. B Рассмотрим сопряженный линейный оператор 𝜙* : 𝐸 ′ → 𝐸
(𝜙(𝑥), 𝑦)′ = (𝑥, 𝜙* (𝑦)) ∀ 𝑥 ∈ 𝐸, 𝑦 ∈ 𝐸 ′
Положим 𝜓 := 𝜙* 𝜙, 𝜓 ∈ 𝐿(𝐸)
𝑥, 𝑦 ∈ 𝐸 (𝜓(𝑥), 𝑦) = (𝜙* 𝜙(𝑥), 𝑦) = (𝜙(𝑥), 𝜙(𝑦))′ ⇒ (𝜓(𝑥), 𝑦) = (𝑥, 𝜓(𝑦)) ⇒ 𝜓 = 𝜓 *
Для 𝜓 ∃ ортонормированный базис 𝑒 = (𝑒1 , . . . , 𝑒𝑛 ), такой что 𝐴(𝜓, 𝑒) = 𝑑𝑖𝑎𝑔(𝑠1 , . . . , 𝑠𝑛 )
∀ 𝑖 = 1, . . . , 𝑛 : (𝜓(𝑒𝑖 ), 𝑒𝑖 ) = (𝜙(𝑒𝑖 ), 𝜙(𝑒𝑖 ))′ > 0 и (𝑠𝑖 𝑒𝑖 , 𝑒𝑖 ) = 𝑠1 (𝑒𝑖 , 𝑒𝑖 ) = 𝑠𝑖 ⇒ 𝑠𝑖 > 0
86
Переставив векторы в 𝑒 можем считать, что 𝑠1 > 𝑠2 > · · · > 𝑠𝑛 > 0
Пусть 𝑘 таково, что 𝑠𝑘 ̸= 0, 𝑠𝑘+1 = 0, тогда ∀𝑖 > 𝑘 + 1, 0 = 𝑠𝑖 = (𝜙(𝑒𝑖 ), 𝜙(𝑒𝑖 ))′ ⇒ 𝜙(𝑒𝑖 ) = 0 ⇒ 𝑒𝑖 ∈
𝐾𝑒𝑟𝜙
√
∀ 𝑖 = 1, . . . , 𝑘 положим 𝜎𝑖 = 𝑠𝑖 и 𝑓𝑖 = 𝜎1𝑖 𝜙(𝑒𝑖 ) ∈ 𝐸 ′
∀ 𝑖, 𝑗 = 1, . . . , 𝑘 имеем (𝑓𝑖 , 𝑓𝑗 )′ = ( 𝜎1𝑖 𝜙(𝑒𝑖 ), 𝜎1𝑗 𝜙(𝑒𝑗 ))′ =
𝜎
𝜎
1
(𝑒𝑖 , 𝜓(𝑒𝑗 ))′ = 𝜎𝑖1𝜎𝑗 (𝑒𝑖 , 𝜎𝑗2 𝑒𝑗 )′ = 𝜎𝑗𝑖 (𝑒𝑖 , 𝑒𝑗 ) = 𝜎𝑗𝑖 𝛿𝑖𝑗 = 𝛿𝑖𝑗
𝜎𝑖 𝜎𝑗
⇒ (𝑓1 , . . . , 𝑓𝑘 ) – ортонормированная система в 𝐸 ′
1
(𝜙(𝑒𝑖 ), 𝜙(𝑒𝑗 ))′
𝜎𝑖 𝜎𝑗
=
1
(𝑒𝑖 , 𝜙* 𝜙(𝑒𝑗 ))′
𝜎𝑖 𝜎𝑗
=
Дополним ее до ортонормированного базиса 𝑓 = (𝑓1 , . . . , 𝑓𝑚 ) в 𝐸 ′
⎛
⎞
𝜎1 0 0 0 0 0 0
⎜ 0 𝜎2 0 0 0 0 0⎟
⎜
⎟
..
⎜
⎟
.
⎜
⎟
⎜
⎟
Тогда 𝐴(𝜙, 𝑒, 𝑓 ) = ⎜ 0 0 0 𝜎𝑟 0 0 0⎟ ⇒ 𝑘 = 𝑟𝑘𝜙 = 𝑟
⎜
⎟
⎜ 0 0 0 0 0 0 0⎟
⎜
⎟
⎝ 0 0 0 0 0 . . . 0⎠
0 0 0 0 0 0 0
Числа 𝜎12 , 𝜎22 , . . . , 𝜎𝑟2 суть все ненулевые собственные значения линейного оператора 𝜓 = 𝜙* 𝜙 и
потому определены однозначно C
Определение. В условиях теоремы 𝑒, 𝑓 называются сингулярными базисами линейного оператора 𝜙, числа 𝜎1 , . . . , 𝜎𝑟 называются сингулярными значениями линейного оператора 𝜙.
Замечание. 1) Вообще говоря, 𝑒 и 𝑓 определены не однозначно, (𝑒, 𝑓 ) – сингулярные базисы
⇒ (−𝑒, −𝑓 ) – тоже сингулярные базисы
2) Доказательство теоремы дает алгоритм нахождения сингулярных базисов и сингулярных значений для 𝜙
3) 𝑒, 𝑓 – собственные базисы для 𝜙, 𝜎1 , . . . , 𝜎𝑟 – сингулярные значения ⇒ 𝐴(𝜙* , 𝑓, 𝑒) = 𝐴(𝜙, 𝑒, 𝑓 )𝑇 ⇒
𝑓, 𝑒 – сингулярные базисы для 𝜙* , 𝜎1 , . . . , 𝜎𝑟 – сингулярные значения для 𝜙*
32
Лекция 24.05.2018
𝑒, 𝑓 – сингулярные базисы для 𝜙
𝜎1 , . . . , 𝜎𝑟 – сингулярные значения
Свойства:
{︃
𝜎𝑖 𝑓𝑖 , 𝑖 6 𝑟
1) 𝜙(𝑒𝑖 ) =
0, 𝑖 > 𝑟
{︃
𝜎𝑗 𝑓𝑗 , 𝑗 6 𝑟
𝜙* (𝑓𝑗 ) =
0, 𝑗 > 𝑟
2) ∀ 𝑖 = 1, . . . , 𝑛 𝑒𝑖 – собственный вектор линейного оператора 𝜙* 𝜙 ∈ 𝐿(𝐸) с собственным значением 𝜎𝑖2 (полагаем 𝜎𝑖 = 0 при 𝑖 > 𝑟)
∀ 𝑗 = 1, . . . , 𝑚 𝑓𝑗 – собственный вектор линейного оператора 𝜙𝜙* ∈ 𝐿(𝐸 ′ ) с собственным значением
𝜎𝑗2 (полагаем 𝜎𝑗 = 0 при 𝑗 > 𝑟)
3) 𝜎12 , . . . , 𝜎𝑟2 – в точности все ненулевые собственные значения линейного оператора 𝜙* 𝜙, а также
линейного оператора 𝜙𝜙*
87
Следствие (SVD). 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (R), 𝑟𝑘𝐴 = 𝑟 ⇒ ∃ ортогональный матрицы 𝑈 ∈ 𝑀𝑚 (R) и 𝑉 ∈
𝑀𝑛 (R), такие что 𝐴 = 𝑈 Σ𝑉 𝑇 , где
⎛
𝜎1 0 0 0
⎜ 0 𝜎2 0 0
⎜
..
⎜
. 0
⎜0 0
⎜
Σ = ⎜ 0 0 0 𝜎𝑟
⎜
⎜0 0 0 0
⎜
⎝0 0 0 0
0 0 0 0
⎞
0⎟
⎟
⎟
0 0⎟
⎟
0 0⎟
⎟
0 0⎟
... ⎟
0⎠
0 0
𝜎1 > 𝜎2 > · · · > 𝜎𝑟 > 0, 𝜎𝑖 определена однозначно
Доказательство. Применить теорему о сингулярных базисах к линейному оператору R𝑛 →
R𝑚 , 𝑥 → 𝐴𝑥 (∃ ортогональные 𝑈, 𝑉 , такие что 𝑈 −1 𝐴𝑉 = Σ ⇒ 𝐴 = 𝑈 Σ𝑉 −1 = 𝑈 Σ𝑉 𝑇 )
Замечание. Столбцы матрицы 𝑈 называются левыми сингулярными векторами для 𝐴, столбцы матрицы 𝑉 называются правыми сингулярными векторами. 𝜎1 , . . . , 𝜎𝑟 – сингулярные значения
матрицы 𝐴.
𝐴 = 𝑈 Σ𝑉 𝑇 – сингулярное разложение
𝑢𝑖 = 𝑈 (𝑖) , 𝑣𝑗 = 𝑉 (𝑗)
𝑚×𝑚 𝑚×𝑚 𝑚×𝑛
⏞ ⏟ ⏞ ⏟ ⏞ ⏟
Предложение. а) 𝑚 6 𝑛 ⇒ 𝐴 = 𝐴ˆ Σ̂ 𝑉ˆ 𝑇 , где 𝑈ˆ = 𝑈, Σ̂ = 𝑑𝑖𝑎𝑔(𝜎1 , . . . , 𝜎𝑟 , 0, . . . , 0) ∈
𝑀𝑚 (R), 𝑉ˆ = (𝑣1 , . . . , 𝑣𝑚 )
𝑚×𝑛 𝑛×𝑛 𝑛×𝑛
⏞ ⏟ ⏞ ⏟ ⏞ ⏟
б) 𝑚 > 𝑛 ⇒ 𝐴 = 𝐴ˆ Σ̂ 𝑉ˆ 𝑇 , где 𝑈ˆ = (𝑢1 , . . . , 𝑢𝑛 ), Σ̂ = 𝑑𝑖𝑎𝑔(𝜎1 , . . . , 𝜎𝑟 , 0, . . . , 0) ∈ 𝑀𝑛 (R), 𝑉ˆ = 𝑉
Доказательство. а) Σ𝑉 𝑇 = Σ̂𝑉ˆ 𝑇 – прямая проверка
б) 𝑈 Σ = 𝑈ˆ Σ̂ – прямая проверка
Определение. Разложение 𝐴 = 𝑈ˆ Σ̂𝑉ˆ 𝑇 называется усеченным сингулярным разложением матрицы 𝐴.
𝐴 = 𝑈 Σ𝑉 𝑇 – как выше
𝑟𝑘=1
⏞ ⏟
Предложение. 𝐴 = 𝑢1 𝜎1 𝑣1𝑇 +𝑢2 𝜎2 𝑣2𝑇 + · · · + 𝑢𝑟 𝜎𝑟 𝑣𝑟𝑇 (*)
⎛
𝜎1 0 0 0
⎜ 0 𝜎2 0 0
⎜
..
⎜
. 0
⎜0 0
⎜
𝑇
ˆ
ˆ
ˆ
Доказательство. B 𝐴 = 𝑈 Σ̂𝑉 = 𝑈 ⎜ 0 0 0 𝜎𝑟
⎜
⎜0 0 0 0
⎜
⎝0 0 0 0
0 0 0 0
88
⎞
⎛
0⎟
⎟
𝜎1
⎟
0 0⎟
⎜0
⎟
⎜
0 0⎟ 𝑉ˆ 𝑇 = 𝑈ˆ ⎜
⎟
⎝0
0 0⎟
⎟
..
. 0⎠
0 0
⎞
0 0
0 0⎟
⎟ ˆ𝑇
𝑉 +
... ⎟
0⎠
0 0 0
⎛
⎛
0 0
⎜0 𝜎 2
⎜
𝑈ˆ ⎜
⎝0 0
0 0
0 0 0 0
.
⎜
0 0
⎜0 . . 0 0
⎜
0 0⎟
⎟ ˆ𝑇
⎜0 0 0 0
ˆ
𝑉
+·
·
·+
𝑈
⎟
⎜
... ⎠
⎜0 0 0 𝜎𝑟
⎜
⎝0 0 0 0
0 0
0 0 0 0
⎞
⎛
⎞
⎞
0 0
⎜ .. ⎟
⎛
⎞
⎛
⎞
𝑇
⎟
⎜ . ⎟
𝜎
𝑣
1 1
0 0⎟
⎜
⎟
⎟
⎜ 0 ⎟
⎜𝜎 2 𝑣 𝑇 ⎟
⎜ 0 ⎟
0 0⎟ ˆ 𝑇
⎜
⎟
⎜ 2⎟
⎜
⎟
⎟ 𝑉 = 𝑈ˆ ⎜ .. ⎟+𝑈ˆ ⎜ .. ⎟+· · ·+𝑈ˆ ⎜𝜎𝑟 𝑣𝑟𝑇 ⎟ =
0 0⎟
⎜
⎟
⎝ . ⎠
⎝ . ⎠
⎟
⎜ 0 ⎟
..
⎜ . ⎟
. 0⎠
⎝ .. ⎠
0 0
𝑢1 𝜎1 𝑣1𝑇 + 𝑢2 𝜎2 𝑣2𝑇 + · · · + 𝑢𝑟 𝜎𝑟 𝑣𝑟𝑇 C
Замечание. Если 𝑟 "мало" по сравнению с 𝑚, 𝑛, то матрицу 𝐴 можно хранить в виде (*), на это
требуется 𝑟(𝑚 + 𝑛 + 1) << 𝑚𝑛.
Напоминание. Пространство 𝑀 𝑎𝑡𝑚×𝑛 (R) является евклидовым пространством относительно
скалярного произведения (𝐴, 𝐵) = 𝑡𝑟(𝐴𝑇 𝐵). В этом пространстве длина матрицы 𝐴 называется
ее нормой Фробениуса (или фробениусовой нормой).
Обозначение: ||𝐴|| √︃
𝑚 ∑︀
𝑛
√︀
∑︀
𝑎2𝑖𝑗
||𝐴|| = 𝑡𝑟(𝐴𝑇 𝐴) =
𝑖=1 𝑗=1
Предложение. Пусть 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (R). Тогда
а) ∀ 𝑈 ∈ 𝑀𝑚 (R) – ортогональная
||𝑈 𝐴|| = ||𝐴||
б) ∀ 𝑉 ∈ 𝑀𝑛 (R) – ортогональная
||𝐴𝑉 || = ||𝐴||
Доказательство. B a) ∀ 𝑥 ∈ R𝑚 : |𝑈 𝑥| = |𝑥|, т.к. умножение на ортогональную матрицу – это
ортогональный оператор в R𝑚
||𝐴||2 = |𝐴(1) |2 + |𝐴(2) |2 + · · · + |𝐴(𝑛) |2 = |𝑈 𝐴(1) |2 + |𝑈 𝐴(2) |2 + · · · + |𝑈 𝐴(𝑛) |2 = |(𝑈 𝐴)(1) |2 + |(𝑈 𝐴)(2) |2 +
· · · + |(𝑈 𝐴)(𝑛) |2 = ||𝑈 𝐴||2
б) Аналогично C
Теорема о низкоранговом приближении. Пусть 𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (R) и 𝐴 = 𝑈 Σ𝑉 𝑇 – ее сингуляр⎞
⎛
𝜎1 0 0 0 0 0 0
⎜ 0 𝜎2 0 0 0 0 0 ⎟
⎟
⎜
..
⎟
⎜
.
⎟
⎜
⎟
⎜
ное разложение, Σ = ⎜ 0 0 0 𝜎𝑟 0 0 0⎟
⎟
⎜
⎜ 0 0 0 0 0 0 0⎟
⎟
⎜
⎝ 0 0 0 0 0 . . . 0⎠
0 0 0 0 0 0 0
⎛
⎞
𝜎1 0 0 0 0 0 0
⎜ 0 𝜎2 0 0 0 0 0⎟
⎜
⎟
...
⎜
⎟
⎜
⎟
⎜
⎟
Пусть 𝑘 < 𝑟 и Σ𝑘 = ⎜ 0 0 0 𝜎𝑘 0 0 0⎟
⎜
⎟
⎜ 0 0 0 0 0 0 0⎟
⎜
⎟
⎝ 0 0 0 0 0 . . . 0⎠
0 0 0 0 0 0 0
Тогда минимум величины ||𝐴 − 𝐵|| среди всех матриц 𝐵 достигается при 𝐵 = 𝑈 Σ𝑘 𝑉 𝑇 .
Лемма 1. Пусть 𝑎1 , . . . , 𝑎𝑝 – ортонормированная система в евклидовом пространстве 𝐸,
89
𝑆 =< 𝑎1 , . . . , 𝑎𝑝 >. Тогда ∀ 𝑏 ∈ 𝐸 : |𝑝𝑟𝑆 𝑏|2 = (𝑎1 , 𝑏)2 + · · · + (𝑎𝑝 , 𝑏)2
Если 𝑏 ∈ 𝑆, то |𝑏|2 = (𝑎1 , 𝑏)2 + · · · + (𝑎𝑝 , 𝑏)2
Доказательство. B |𝑝𝑟𝑆 𝑏|2 = |
𝑝
∑︀
(𝑎𝑖 , 𝑏)𝑎𝑖 |2 =
𝑖=1
Если 𝑏 ∈ 𝑆 ⇒ 𝑏 = 𝑝𝑟𝑆 𝑏 C
𝑝
∑︀
|(𝑎𝑖 , 𝑏)𝑎𝑖 |2 =
𝑖=1
𝑝
∑︀
(𝑎𝑖 , 𝑏)2
𝑖=1
Лемма 2. 𝑠1 , . . . , 𝑠𝑟 , 𝑡1 , . . . , 𝑡𝑟 ∈ R, 𝑠1 > · · · > 𝑠𝑟 > 0, 0 6 𝑡𝑖 6 1, 𝑡1 + · · · + 𝑡𝑟 > 𝑟 − 𝑘 для некоторого
𝑘 6 𝑟 ⇒ 𝑠1 𝑡1 + · · · + 𝑠𝑟 𝑡𝑟 > 𝑠𝑘+1 + · · · + 𝑠𝑟
Доказательство: упражнение
Доказательство теоремы. B В силу предложения достаточно доказать утверждение для
𝐴 = Σ.
2
При 𝐵 = Σ𝑘 : ||𝐴 − 𝐵|| = 𝜎𝑘+1
+ · · · + 𝜎𝑟2
Теперь пусть 𝐵 – проивзольная матрица ранга 6 𝑘
Σ = 𝑑𝑖𝑎𝑔(𝜎1 , . . . , 𝜎𝑟 ) ∈ 𝑀𝑟 (R)
𝐵 – левый верхний блок 𝑟 × 𝑟 в 𝐵
Тогда ||Σ − 𝐵||2 > ||Σ − 𝐵||2
𝑟𝑘𝐵 6 𝑟𝑘𝐵 6 𝑘
(1)
(𝑟)
Положим 𝑆 =< 𝐵 , . . . , 𝐵 >, 𝑑 = 𝑑𝑖𝑚𝑆 6 𝑘
Выберем в 𝑆 ортонормированный базис (𝑓1 , . . . , 𝑓𝑑 ) и дополним его до ортонормированного базиса
(𝑓1 , . . . , 𝑓𝑟 ) в R𝑟
(𝑒1 , . . . , 𝑒𝑟 ) – стандартный базис в R𝑛
||Σ − 𝐵||2 =
𝑟
∑︀
|Σ
(𝑖)
(𝑖)
− 𝐵 |2 >
𝑖=1
𝑟
∑︀
|𝑜𝑟𝑡𝑆 Σ(𝑖) |2 =
𝑖=1
𝑟
∑︀
|𝑜𝑟𝑡𝑆 𝜎𝑖 𝑒𝑖 |2 =
𝑖=1
𝑟
∑︀
𝜎𝑖2 |𝑜𝑟𝑡𝑆 𝑒𝑖 |2
𝑖=1
𝑡𝑖 = |𝑜𝑟𝑡𝑆 𝑒𝑖 |2
0 6 𝑡𝑖 6 1
𝑟
∑︀
𝑖=1
𝑡𝑖 =
𝑟
∑︀
𝑖=1
|𝑜𝑟𝑡𝑆 𝑒𝑖 |2 =
=1
𝑟
∑︀
|𝑝𝑟𝑆 ⊥ 𝑒𝑖 |2 = (лемма 1) =
𝑖=1
𝑟
𝑟
∑︀
∑︀
(𝑒𝑖 , 𝑓𝑗 )2 =
𝑖=1 𝑗=𝑑+1
𝑟
𝑟
∑︀
∑︀
⏞ ⏟
𝑟
∑︀
|𝑓𝑗 |2 =
(𝑒𝑖 , 𝑓𝑗 )2 =
𝑗=𝑑+1 𝑖=1
𝑗=𝑑+1
2
𝑟 − 𝑑 > 𝑟 − 𝑘 ⇒ ||Σ − 𝐵||2 > 𝜎𝑘+1
+ · · · + 𝜎𝑟2 C
33
Лекция 31.05.2018
Аффинная систма координат в R𝑛 определяется репЕром (𝑝, 𝑎1 , . . . , 𝑎𝑛 ), где 𝑝 ∈ R𝑛 – точка, (𝑒1 , . . . , 𝑒𝑛 )
– базис R𝑛 (как векторного пространства).
Любая точка 𝑥 определяется однозначно своими координатами (𝑥1 , . . . , 𝑥𝑛 ) в этой аффинной системе координат (= в этом репере).
𝑥 = 𝑝 + 𝑥1 𝑒 1 + · · · + 𝑥𝑛 𝑒 𝑛
Пусть теперь (𝑝′ , 𝑒′1 , . . . , 𝑒′𝑛 ) – другой репер
(𝑒′1 , . . . , 𝑒′𝑛 ) = (𝑒1 , . . . , 𝑒𝑛 ) · 𝐶, 𝐶 ∈ 𝑀𝑛 (R) – матрицы перехода
𝑝′ = 𝑝 + 𝛼1 𝑒1 + · · · + 𝛼𝑛 𝑒𝑛
𝑥 = 𝑝 + 𝑥1 𝑒 1 + · · · + 𝑥𝑛 𝑒 𝑛
𝑥 = 𝑝′ + 𝑥′1 𝑒′1 + · · · + 𝑥′𝑛 𝑒′𝑛
90
⎛
⎞
⎛ ⎞ ⎛ ⎞
𝑥1
𝑥′1
𝛼1
⎜ .. ⎟
⎜ .. ⎟ ⎜ .. ⎟
Предложение. ⎝ . ⎠ = 𝐶 ⎝ . ⎠ + ⎝ . ⎠
𝑥𝑛
𝑥′𝑛
𝛼𝑛
⎛
⎞
𝑥1
⎜ ⎟
Доказательство. B 𝑥 = 𝑝 + (𝑒1 , . . . , 𝑒𝑛 ) ⎝ ... ⎠
𝑥𝑛
⎛ ⎞
⎛ ⎞
⎛ ⎞
⎛ ⎞
′
𝑥1
𝛼1
𝑥′1
𝑥1
⎜ .. ⎟
⎜ .. ⎟
⎜ .. ⎟
′
′
′ ⎜ .. ⎟
𝑥 = 𝑝 + (𝑒1 , . . . , 𝑒𝑛 ) ⎝ . ⎠ = 𝑝 + (𝑒1 , . . . , 𝑒𝑛 ) ⎝ . ⎠ + (𝑒1 , . . . , 𝑒𝑛 )𝐶 ⎝ . ⎠ ⇔ (𝑒1 , . . . , 𝑒𝑛 ) ⎝ . ⎠ =
𝑥′
𝛼𝑛
𝑥′𝑛
𝑥𝑛
⎛ ⎛ ⎞ ⎛ 𝑛 ⎞⎞
⎛ ⎞
⎛ ⎞
⎛ ⎞
′
′
𝑥1
𝛼1
𝑥1
𝑥1
𝛼1
⎜ ⎜ .. ⎟ ⎜ .. ⎟⎟
⎜ .. ⎟
⎜ .. ⎟ ⎜ .. ⎟
(𝑒1 , . . . , 𝑒𝑛 ) ⎝𝐶 ⎝ . ⎠ + ⎝ . ⎠⎠ ⇒ ⎝ . ⎠ = 𝐶 ⎝ . ⎠ + ⎝ . ⎠ C
𝑥′𝑛
𝛼𝑛
𝑥𝑛
𝑥′𝑛
𝛼𝑛
Определение. Аффинная система координат называется прямоугольной декартовой системой
координат (ПДСК), если в соответствующем репере базис (𝑒1 , . . . , 𝑒𝑛 ) является ортонормированным.
Замечание. Если есть ПДСК с репером (𝑝, 𝑒1 , . . . , 𝑒𝑛 ) и другая аффинная система координат с
репером (𝑝′ , 𝑒′1 , . . . , 𝑒′𝑛 ), то вторая аффинная система координат будет ПДСК ⇔ 𝐶 ортогональная,
где (𝑒′1 , . . . , 𝑒𝑛 ) = (𝑒1 , . . . , 𝑒𝑛 )𝐶
33.1
Метрическая классификация гиперповерхностей второго порядка в
R𝑛
Определение. Множество 𝑋 ⊆ R𝑛 называется квадрикой (или гиперповерхностью второго порядка), если в какой-либо аффинной системе координат она задается уравнением
𝑄(𝑥) квадратичная форма
⏞
𝑛
∑︁
𝑖=1
𝑎𝑖𝑖 𝑥2𝑖
⏟
∑︁
+
𝑙(𝑥) линейная форма
2𝑎𝑖𝑗 𝑥𝑖 𝑥𝑗 +
⏞ ⏟
∑︁
𝑏𝑖 𝑥 𝑖
+𝑐 = 0(*)
𝑖=1
16𝑖<𝑗6𝑛
Замечание. 𝑛 = 2 ⇒ "коники" (от слова конус) или "кривые второго порядка"
𝑛 = 3 ⇒ "поверхности второго порядка"
Основная задача: Найти новую ПДСК, в которой уравнение (*) имеет простой вид.
Теорема. ∀ гиперповерхности второго порядка в R𝑛 ∃ ПДСК, в которой уравнение (*) имеет
один из следующих видов:
I (невырожденный случай)
𝐴1 𝑥21 + · · · + 𝐴𝑛 𝑥2𝑛 + 𝑐 = 0, 𝐴𝑖 = 0
II (вырожденный)
a) 𝐴1 𝑥21 + · · · + 𝐴𝑘 𝑥2𝑘 + 𝑐 = 0, 𝑘 < 𝑛, 𝐴𝑖 ̸= 0
б) 𝐴1 𝑥21 + · · · + 𝐴𝑘 𝑥2𝑘 + 𝐵𝑥𝑘+1 = 0, 𝑘 < 𝑛, 𝐴𝑖 ̸= 0, 𝐵 ̸= 0
Доказательство. B Шаг 1. Переходя к новым координатам, приводим квадратичную форму
𝑄(𝑥) к главным осям. В новых координатах уравнение (*) будет иметь вид 𝐴′1 𝑥′1 2 + · · · + 𝐴′𝑛 𝑥′𝑛 2 +
𝑏′1 𝑥′1 + · · · + 𝑏′𝑛 𝑥′𝑛 + 𝑐′ = 0
91
Шаг 2. Делаем замену: 𝑥′𝑖 = 𝑥′′𝑖 −
𝑏′𝑖
2𝐴′𝑖
∀ 𝑖 с условием 𝐴′𝑖 ̸= 0, 𝑥′𝑖 = 𝑥′′𝑖 ∀ 𝑖 с условием 𝐴′𝑖 = 0
В результате после перенумерации переменных получаем 𝐴′′1 𝑥′′1 2 + · · · + 𝐴′′𝑘 𝑥′′𝑘 2 + 𝑏′′𝑘+1 𝑥′′𝑘+1 + · · · +
𝑏′′𝑛 𝑥′′𝑛 + 𝑐′′ = 0, 𝑘 6 𝑛, 𝐴𝑖 ̸= 0
Если 𝑘 = 𝑛, то сразу получаем I
Если 𝑘 < 𝑛 и 𝑏𝑖 = 0, то получаем IIа
Если 𝑘 < 𝑛 и ∃ 𝑏′′𝑖 ̸= 0, то
Шаг
⎧ 3. Делаем замену
⎪
𝑥′′𝑖 = 𝑥′𝑖 при 𝑖 6 𝑘
⎪
⎪
⎪
⎪
⎪
𝑥′′ = √ ′′ 21
(𝑏′′𝑘+1 𝑥′′𝑘+1 + · · · + 𝑏′′𝑛 𝑥′′𝑛 + 𝑐′′ )
2
⎪
𝑏𝑘+1 +···+𝑏′′
⎨ 𝑘+1
𝑛
𝑥′′𝑘+2 = любое дополнение
⎪
⎪
..
⎪
⎪
.
до ортоногонального
⎪
⎪
⎪
⎩ ′′
𝑥𝑛 =
базиса
В результате получаем IIб C
Канонические виды кривых второго порядка в R2
33.2
1)
𝑥2
𝑎2
+
𝑦2
𝑏2
= 1, 𝑎 > 𝑏 > 0 – эллипс
2)
𝑥2
𝑎2
+
𝑦2
𝑏2
= −1, 𝑎 > 𝑏 > 0 – мнимый эллипс
3)
𝑥2
𝑎2
+
𝑦2
𝑏2
= 0, 𝑎 > 𝑏 > 0 – пара мнимых непересекающихся прямых
4)
𝑥2
𝑎2
−
𝑦2
𝑏2
= 1 – гипербола
5)
𝑥2
𝑎2
−
𝑦2
𝑏2
= 0, 𝑎, 𝑏 > 0 – пара пересекающихся прямых
6) 𝑦 2 = 2𝑝𝑥, 𝑝 > 0 – парабола
7) 𝑥2 = 𝑎2 , 𝑎 > 0 – пара параллельных прямых
8) 𝑥2 = −𝑎2 , 𝑎 > 0 – пара мнимых параллельных прямых
9) 𝑥2 = 0 – пара совпадающих прямых
Картиночки:
Канонические виды поверхностей второго порядка в R3
33.3
1)
𝑥2
𝑎2
2)
+
𝑦2
𝑏2
𝑥2
𝑎2
+
+
𝑧2
𝑐2
𝑦2
𝑏2
= 1, 𝑎 > 𝑏 > 𝑐 > 0 – эллипсоид
+
𝑧2
𝑐2
= −1 – мнимый эллипсоид
92
3)
𝑥2
𝑎2
+
𝑦2
𝑏2
+
𝑧2
𝑐2
= 0 – вырожденный эллипсоид
4)
𝑥2
𝑎2
+
𝑦2
𝑏2
−
𝑧2
𝑐2
= 1, 𝑎 > 𝑏 > 0, 𝑐 > 0 – однополостный гиперболоид
5)
𝑥2
𝑎2
+
𝑦2
𝑏2
−
𝑧2
𝑐2
= −1, 𝑎 > 𝑏 > 0, 𝑐 > 0 – двуполостный гиперболоид
6)
𝑥2
𝑎2
+
𝑦2
𝑏2
−
𝑧2
𝑐2
= 0, 𝑎 > 𝑏 > 0, 𝑐 > 0 – эллиптический конус
7)
𝑥2
𝑎2
+
𝑦2
𝑏2
= 2𝑧 – эллиптический параболоид
8)
𝑥2
𝑎2
−
𝑦2
𝑏2
= 2𝑧 – гиперболический параболоид
9)
𝑥2
𝑎2
+
𝑦2
𝑏2
= 1, 𝑎 > 𝑏 > 0 – эллиптический цилиндр
10)
𝑥2
𝑎2
+
𝑦2
𝑏2
= −1 – мнимый эллиптический цилиндр
11)
𝑥2
𝑎2
−
𝑦2
𝑏2
= 1 – гиперболический цилиндр
12) 𝑦 2 = 2𝑝𝑥, 𝑝 > 0 – параболический цилиндр
13)
𝑥2
𝑎2
−
𝑦2
𝑏2
= 0 – пара пересекающихся плоскостей
14)
𝑥2
𝑎2
+
𝑦2
𝑏2
= 0 – пара мнимых пересекающихся плоскостей
15) 𝑦 2 = 𝑎2 , 𝑎 ̸= 0 – пара параллельных плоскостей
16) 𝑦 2 = −𝑎2 , 𝑎 ̸= 0 – пара мнимых параллельных плоскостей
17) 𝑦 2 = 0 – пара совпадающих плоскостей
34
Лекция 7.06.2018
34.1
𝑥2
𝑎2
+
𝑦2
𝑏2
Эллипс
= 1, 𝑎 > 𝑏 > 0
𝑎 – большая полуось, 𝑏 – малая полуось
93
√
𝑐 = 𝑎2 − 𝑏2
06𝑐<𝑎
Точки 𝐹1 (𝑐, 0), 𝐹2 (−𝑐, 0) называются фокусами эллипса.
Теорема. Точка 𝑃 лежит на эллипсе ⇔ 𝜌(𝑃, 𝐹1 ) + 𝜌(𝑃, 𝐹2 ) = 2𝑎
𝜖 = 𝑎𝑐 , 0 6 𝜖 6 1 – эксцентралитет эллипса
Прямые 𝑑1 : 𝑥 = 𝑎𝜖 , 𝑑2 : 𝑥 = − 𝑎𝜖 называются директрисами эллипса.
Теорема. Точка 𝑃 лежит на эллипсе ⇔
𝜌(𝑃,𝐹𝑖 )
𝜌(𝑑𝑖 )
=𝜖
Оптическое свойство эллипса: Лучи света, выпущенные из одного фокуса, после отражения
от стенок собираются в другом фокусе.
34.2
𝑥2
𝑎2
−
𝑦2
𝑏2
Гипербола
= 1, 𝑎 > 𝑏 > 0
𝑎 – действительная полуось, 𝑏 – мнимая полуось
𝑦 = 𝑎𝑏 𝑥, 𝑦 = − 𝑎𝑏 𝑥 – асимптоты
√
𝑐 = 𝑎2 + 𝑏2 , 𝑐 > 𝑎
𝐹1 (𝑐, 0), 𝐹2 (−𝑐, 0) – фокусы
Теорема. 𝑃 лежит на гиперболе ⇔ |𝜌(𝑃, 𝐹1 ) − 𝜌(𝑃, 𝐹2 )| = 2𝑎
𝜖 = 𝑎𝑐 , 𝜖 > 1
Директрисы: 𝑑1 : 𝑥 = 𝑎𝜖 , 𝑑2 : 𝑥 = − 𝑎𝜖
Теорема. Точка 𝑃 лежит на гиперболе ⇔
𝜌(𝑃,𝐹𝑖 )
𝜌(𝑑𝑖 )
=𝜖
Оптическое свойство гиперболы: Лучи света, выпущенные из одного фокуса, после отражения от стенок идут так, как будто они были выпущены из другого фокуса.
94
34.3
Парабола
𝑦 2 = 2𝑝𝑥, 𝑝 > 0
Фокус: 𝐹 ( 𝑝2 , 0)
Директриса: 𝑑 : 𝑥 =
𝜖=1
𝑝
2
Теорема. Точка 𝑃 лежит на гиперболе ⇔ 𝜌(𝑃, 𝐹 ) = 𝜌(𝑃, 𝑑)
Оптическое свойство параболы: Лучи света, выпущенные из фокуса, после отражения от
стенок идут параллеьно оси 𝑂𝑥.
Эллипс, гипербола и парабола называются кониками (или коническими сечениями)
34.4
Жорданова нормальная форма
𝑉 – векторное пространство над полем 𝐹
𝜙 : 𝑉 → 𝑉 – линейный оператор
Критерий диагонализуемости:
95
𝜙 диагонализуем ⇔
1) 𝜒𝜙 (𝑡) = (𝑡 − 𝜆1 )𝑘1 . . . (𝑡 = 𝜆𝑠 )𝑘𝑠
2) ∀ 𝑖 : 𝑘𝑖 = 𝑑𝑖𝑚𝑉𝜆𝑖 (𝜙)
Теорема (о Жордановой нормальной форме). Пусть выполнено условие 1), т.е. 𝜒𝜙 (𝑡) =
(𝑡 − 𝜆1 )𝑘1 . . . (𝑡 − 𝜆𝑠 )𝑘𝑠 . Тогда ∃ базис 𝑒 в 𝑉 , такой что
⎛ 𝑚
⎞
𝐽𝜇11 0
0 ...
⎜ 0 𝐽 𝑚2 0 . . .
0 ⎟
𝜇2
⎜
⎟
𝑚3
⎜ 0
0 𝐽𝜇3 . . .
0 ⎟
𝐴(𝜙, 𝑒) = ⎜
⎟ (*)
⎜ ..
.
.
.
.
..
..
..
.. ⎟
⎝ .
⎠
...
𝑚
𝐽𝜇𝑝𝑝
⎛
⎞
𝜇𝑖 1 0 . . . 0
⎜ 0 𝜇𝑖 1 . . . 0 ⎟
⎜
⎟
⎜
⎟
где 𝐽𝜇𝑚𝑖 𝑖 = ⎜ 0 0 𝜇𝑖 . . . 0 ⎟ – Жорданова клетка порядка 𝑚𝑖 с собственным значением 𝜇𝑖
⎜ .. .. ..
..
.. ⎟
⎝. . .
.
.⎠
0 0 0 . . . 𝜇𝑖
{𝜇1 , . . . , 𝜇𝑝 } = 𝑆𝑝𝑒𝑐𝜙 = {𝜆1 , . . . , 𝜆𝑝 }
Более того, вид (*) определен однозначно с точностью до перестановки клеток.
𝜙 ∈ 𝐿(𝑉 ), 𝜒𝜙 (𝑡) = (𝑡 − 𝜆1 )𝑘1 . . . (𝑡 − 𝜆𝑠 )𝑘𝑠
𝜆 ∈ 𝑆𝑝𝑒𝑐𝜙
Определение. Вектор 𝑣 ∈ 𝑉 называется корневым вектором линейного оператора 𝜙, отвечающим собственному значению 𝜆, если ∃ 𝑚 > 0, такое что (𝜙 − 𝜆 · 𝐼𝑑)𝑚 𝑣 = 0.
При этом наименьшее такое 𝑚 называется высотой корневого вектора 𝑣. Обозначение: ℎ𝑡(𝑣)
ℎ𝑡(𝑣) = 0 ⇔ 𝑣 = 0
ℎ𝑡(𝑣) = 1 ⇔ (𝜙 − 𝜆 · 𝐼𝑑)𝑣 = 0 ⇔ 𝜙(𝑣) = 𝜆𝑣 ⇔ 𝑣 – собственный вектор с собственным значением 𝜆
𝑉 𝜆 (𝜙) – множество всех корневых векторов, отвечающих собственному значению 𝜆
Упражнение. 𝑉 𝜆 (𝜙) – подпространство в 𝑉
Определение. 𝑉 𝜆 (𝜙) называется корневым подпространством, отвечающим собственному значению 𝜆
Замечание. 𝑉𝜆 (𝜙) ⊆ 𝑉 𝜆 (𝜙)
Пример.
𝑉 = 𝐹 [𝑥]6𝑛 , 𝑐ℎ𝑎𝑟𝐹 = 0
𝜙 : 𝑓 → 𝑓′
𝜒𝜙 (𝑡) = 𝑡𝑛+1 , 𝑆𝑝𝑒𝑐𝜙 = {0}
𝑉 0 (𝜙) = 𝑉
𝐹 ∈ 𝑉 ⇒ 𝑑𝑒𝑔(𝑓 ) = 𝑘 ⇔ ℎ𝑡(𝑓 ) = 𝑘 + 1
Факты.
1) 𝑉 𝜆 (𝜙) 𝜙-инвариантно
2) 𝑑𝑖𝑚𝑉 𝜆 (𝜙) = алгебраической кратности собственного значения 𝜆
3) Если 𝜆1 , . . . , 𝜆𝑘 ∈ 𝑆𝑝𝑒𝑐𝜙, 𝜆𝑖 ̸= 𝜆𝑗 при 𝑖 ̸= 𝑗, то 𝑉 𝜆1 (𝜙) . . . 𝑉 𝜆𝑘 (𝜙) линейно независимы
96
Следствие. Если 𝜒𝜙 (𝑡) = (𝑡 − 𝜆1 )𝑘1 . . . (𝑡 − 𝜆𝑠 )𝑘𝑠 , то 𝑉 = 𝑉 𝜆1 (𝜙) ⊕ · · · ⊕ 𝑉 𝜆𝑠 (𝜙)
Если 𝑒𝑖 – базис в 𝑉 𝜆 (𝜙) и 𝑒 = 𝑒1 ⊔ 𝑒1 ⊔ · · · ⊔ 𝑒𝑠 , то
⎛
𝐴1 0
⎜ 0 𝐴2
⎜
⎜
𝐴(𝜙, 𝑒) = ⎜ 0 0
⎜ ..
..
⎝ .
.
0 ...
0 ...
𝐴3 . . .
..
..
.
.
0 ...
..
.
⎞
⎟
⎟
⎟
⎟
⎟
⎠
𝐴𝑠
𝐴𝑖 = 𝐴(𝜙|𝑉 𝜆𝑖 (𝜙) , 𝑒𝑖 )
⇒ доказательство теоремы о ЖНФ сводится к случаю 𝑉 = 𝑉 𝜆𝑖 (𝜙)
Далее считаем, что 𝑆𝑝𝑒𝑐𝜙 = {𝜆}, 𝜒𝜙 (𝑡) = (𝑡 − 𝜆)𝑛 , 𝑛 = 𝑑𝑖𝑚𝑉
𝑉 = 𝑉 𝜆 (𝜙)
Полагая 𝜓 = 𝜙 − 𝜆 · 𝐼𝑑, получаем 𝜒𝜓 (𝑡) = 𝑡𝑛 , 𝑆𝑝𝑒𝑐𝜓 = {0}, 𝑉 = 𝑉 0 (𝜓)
Далее считаем 𝑆𝑝𝑒𝑐𝜙 = {0}
Определение. Линейный оператор называется нильпотентным, если ∃𝑚 ∈ N, такой что 𝜙𝑚 = 0
собственное подпространство
Фиксируем наименьший 𝑚, такой что 𝜙
𝐾𝑒𝑟𝜙2 ⊆ · · · ⊆ 𝐾𝑒𝑟𝜙𝑚 = 𝑉
35
𝑚
= 0. Имеем 0 = 𝐾𝑒𝑟𝜙 ⊆
⏞ ⏟
𝐾𝑒𝑟𝜙1
⊆
Лекция 14.06.2018
𝑉 – векторное пространство над 𝐹
𝜙 : 𝑉 → 𝑉 – линейный оператор
𝜒𝜙 (𝑡) = (𝑡 − 𝜆1 )𝑘1 . . . (𝑡 − 𝜆𝑠 )𝑘𝑠
𝑖 ∈ {1, . . . , 𝑠} ⇒ 𝑉 𝜆𝑖 (𝜙) – корневое подпространство
𝑑𝑖𝑚𝑉 𝜆𝑖 (𝜙) = 𝑘𝑖
𝑉 = 𝑉 𝜆1 (𝜙) ⊕ · · · ⊕ 𝑉 𝜆𝑠 (𝜙)
𝜙𝑖 = (𝜙 − 𝜆𝑖 · 𝐼𝑑)|𝑉 𝜆𝑖 (𝜙)
𝑆𝑝𝑒𝑐𝜙𝑖 = {0}
𝜙𝑘𝑖 𝑖 = 0
Определение. Линейный оператор 𝜙 называется нильпотентным, если ∃ 𝑚 ∈ N, такой что
𝜙 > 0.
𝑚
Пусть 𝑚 ∈ N наименьшее с таким свойством.
{0} = 𝐾𝑒𝑟𝜙 $ 𝐾𝑒𝑟𝜙1 $ 𝐾𝑒𝑟𝜙2 $ · · · $ 𝐾𝑒𝑟𝜙𝑚 = 𝑉
𝑑𝑖 = 𝑑𝑖𝑚𝐾𝑒𝑟𝜙𝑖
0 = 𝑑0 < 𝑑1 < 𝑑2 < · · · < 𝑑𝑚 = 𝑛 = 𝑑𝑖𝑚𝑉
𝑣 ∈ 𝑉, ℎ𝑡(𝑣) = 𝑘
Лемма. Векторы 𝑣, 𝜙(𝑣), . . . , 𝜙𝑘−1 (𝑣) линейно независимы.
𝐶(𝑣) =< 𝑣, 𝜙(𝑣), . . . , 𝜙𝑘−1 (𝑣) >
Определение. 𝐶(𝑣) называется циклическим подпространством, порожденным вектором 𝑣.
𝐶(𝑣) 𝜙-инвариантно
97
𝐵(𝑣) = (𝜙𝑘−1 (𝜙), . . . , 𝜙(𝑣), 𝑣) – базис в 𝐶(𝑣)
Матрица линейного оператора 𝜙|𝐶(𝑣) в базисе
⎛
0 1 0
⎜0 0 1
⎜
⎜0 0 1
⎜
⎜ .. .. ..
⎜. . .
⎜
⎝0 0 0
0 0 0
𝐵(𝑣) равна
⎞
... 0 0
. . . 0 0⎟
⎟
. . . 0 0⎟
⎟
. . .. .. ⎟
. . .⎟
⎟
. . . 0 1⎠
... 0 0
Вывод: достаточно разложить 𝑉 в прямую сумму циклических подпространств.
35.1
Метод построения жорданова базиса
Шаг 1. Выберем линейно независимый набор 𝑒𝑚 ⊆ 𝐾𝑒𝑟𝜙𝑚 , такой что 𝐾𝑒𝑟𝜙𝑚 =< 𝑒𝑚 > ⊕𝐾𝑒𝑟𝜙𝑚−1
Положим 𝑓𝑚 = 𝑒𝑚
Шаг 2. Выберем линейно независимый набор 𝑒𝑚−1 ⊆ 𝐾𝑒𝑟𝜙𝑚−1 , такой что 𝐾𝑒𝑟𝜙𝑚−1 =< 𝜙(𝑓𝑚 ) >
⊕ < 𝑒𝑚−1 > ⊕𝐾𝑒𝑟𝜙𝑚−2
Положим 𝑓𝑚−1 = 𝜙(𝑓𝑚 ) ∪ 𝑒𝑚−1
(и так далее)
Шаг 𝑚. Выберем линейно независимый набор 𝑒1 ⊆ 𝐾𝑒𝑟𝜙, такой что 𝐾𝑒𝑟𝜙 =< 𝜙(𝑓2 ) > ⊕ < 𝑒1 >
На выходе получаем наборы 𝑒𝑚 , . . . , 𝑒1
Положим 𝑒 = 𝑒𝑚 ∪ · · · ∪ 𝑒1
Теорема. 1) 𝑉 = ⊕𝑒′ ∈𝑒 𝐶(𝑒′ )
2) ∪𝑒′ ∈𝑒 𝐵(𝑒′ ) – жорданов базис для 𝜙
Пусть 𝑐𝑘 число жордановых клеток размера 𝑘
𝑐𝑘 = |𝑒𝑘 |
𝐾𝑒𝑟𝜙𝑘 =< 𝜙(𝑓𝑘+1 ) > ⊕ < 𝑒𝑘 > ⊕𝐾𝑒𝑟𝜙𝑘−1
=𝑑𝑘+1 −𝑑𝑘
⏞ ⏟
𝑑𝑘 = |𝜙(𝑓𝑘+1 )| +𝑐𝑘 + 𝑑𝑘−1
𝑑𝑘 = 𝑑𝑘+1 − 𝑑𝑘 + 𝑐𝑘 + 𝑑𝑘−1
𝑐𝑘 = 2𝑑𝑘 − 𝑑𝑘−1 − 𝑑𝑘+1
98
35.2
Полуторалинейные формы и эрмитовы пространства
билинейная форма
↓
симметричная билинейная форма
↓
квадратичная форма
↓
положительно определенная квадратичная форма (над R)
↓
евклидово пространство (над R)
Определение. Полуторалинейная форма (1,5-линейная) на векторном пространстве 𝑉 над C –
это отображение 𝛽 : 𝑉 × 𝑉 → C, такое что
1) Полулинейность по первому аргументу
𝛽(𝛼1 𝑥1 + 𝛼2 𝑥2 , 𝑦) = 𝛼1 𝛽(𝑥1 , 𝑦) + 𝛼2 𝛽(𝑥2 , 𝑦)
2) Линейность по второму аргументу
⎞
⎛ ⎞
𝑥1
𝑦1
⎜ .. ⎟
⎜ .. ⎟
В координатах 𝑥 = ⎝ . ⎠ , 𝑦 = ⎝ . ⎠
𝑥𝑛
𝑦𝑛
⎛ ⎞
𝑦1
⎜ .. ⎟
𝛽(𝑥, 𝑦) = (𝑥1 , . . . , 𝑥𝑛 )𝐵 ⎝ . ⎠
𝑦𝑛
⎛
Формула изменения матрицы 1,5-линейной формы:
𝐵 ′ = 𝐶 * 𝐵𝐶
𝑇
𝐶 * = 𝐶 = (𝑐𝑗𝑖 )
Определение. 1,5-линейная форма называется эрмитовой, если 𝛽(𝑦, 𝑥) = 𝛽(𝑥, 𝑦)
𝛽(𝑥, 𝑥) = 𝛽(𝑥, 𝑥) ⇒ 𝛽(𝑥, 𝑥) ∈ R
𝑄(𝑥) = 𝛽(𝑥, 𝑥) – эрмитова квадратичная форма
𝑄:𝑉 →𝑅
Теорема о нормальном виде. 𝑄 – эрмитова квадратичная форма ⇒ ∃ базис, такой что 𝑄(𝑥) =
|𝑥1 |2 + · · · + |𝑥𝑘 |2 − |𝑥𝑘+1 |2 − · · · − |𝑥𝑘+𝑠 |2
Определение. Эрмитово пространство – это векторное пространство над C, на котором задано
скалярное произведение, то есть положительно определенная эрмитова 1,5-линейная форма.
1,5-линейная форма
↓
эрмитова форма
↓
эрмитова квадратичная форма
↓
положительно определенная эрмитова квадратичная форма (над C)
↓
эрмитово пространство (над C)
99
√︀
Длина: |𝑥| = (𝑥, 𝑥)
Неравенство Коши-Буняковского
Неравенство треугольника
Ортогональность
Ортогональное дополнение
𝑈 – подпространство в 𝑉 ⇒ 𝑉 = 𝑈 ⊕ 𝑈 ⊥
Ортонормированный базис
𝑒, 𝑒′ – два ортогональных базиса, 𝑒′ = 𝑒 · 𝐶
𝐶 – унитарная матрица
𝐶 −1 = 𝐶 *
Линейный операторы в эрмитовых пространствах
1) самосопряженный (𝜙(𝑥), 𝑦) = (𝑥, 𝜙(𝑦))
2) унитарный (𝜙(𝑥), 𝜙(𝑦)) = 𝜙(𝑥, 𝑦)
Теорема. 1) 𝜙 – самосопряженный ⇒ ∃ ортонормированный базис из собственных векторов;
𝑆𝑝𝑒𝑐𝜙 ⊆ R
2) 𝜙 – унитарный оператор ⇒ ∃ ортонормированный базис из собственных векторов
𝜆 ∈ 𝑆𝑝𝑒𝑐𝑓 ⇒ |𝜆| = 1
Аналогичное сингулярное разложение
𝐴 ∈ 𝑀 𝑎𝑡𝑚×𝑛 (C) ⇒ ∃ унитарная матрица 𝑈 ∈ 𝑀𝑚 (C), 𝑉 ∈ 𝑀𝑛 (C), такие что 𝐴 = 𝑈 Σ𝑉 *
⎞
⎛
𝜎1 0 0 0 0 0 0
⎜ 0 𝜎2 0 0 0 0 0 ⎟
⎟
⎜
..
⎟
⎜
.
0 0 0 0⎟
⎜0 0
⎟
⎜
Σ = ⎜ 0 0 0 𝜎𝑟 0 0 0⎟ , 𝜎𝑖 ∈ R, 𝜎1 > · · · > 𝜎𝑟 > 0, 𝜎𝑖 определено однозначно
⎟
⎜
⎜ 0 0 0 0 0 0 0⎟
⎟
⎜
⎝ 0 0 0 0 0 . . . 0⎠
0 0 0 0 0 0 0
100