- •Определение и примеры векторных пространств.
- •Подпространства линейного пространства: определения и примеры
- •Линейные комбинации векторов. Линейно зависимые и линейно независимые системы векторов и их св-ва.
- •Линейная оболочка множества. Конечномерные бесконечномерные векторные пространства
- •Основная лемма о линейной зависимости
- •Определение базиса линейного пространства. Переформулировка определения базиса. Теорема о существовании базиса в конечномерном векторном пространстве.
- •7. Размерность векторного пространства.
- •10. Матрица перехода от одного базиса к другому. Формула преобразования координат при переходе к новому базису.
- •11. Ранг системы векторов. Ранг матрицы. Эквивалентные системы векторов.
- •12. Вычисление ранга матрицы с помощью приведения её к ступенчатому виду.
- •13 Теорема Кронекера – Капелли.
- •14 Сумма и пересечение подпространств.
- •15 Базисы, согласованные с подпространствами. Теорема о базисе, согласованном с двумя подпространствами, со следствием.
- •16 Лнз системы подпространств и их свойства
- •17 Прямые суммы подпространств. Разложение линейного пространства матриц порядка с элементами из поля в прямую сумму двух подпространств)
- •25.Теорема об изоморфизме алгебры линейных операторов и алгебры матриц.
- •26.Подпространства, инвариантные относительно линейных операторов.
- •27.Собственные векторы и собственные значения ло.
- •28.Необходимые и достаточные условия существования базиса из собственных векторов линейного оператора.
- •29.Определение и примеры линейных форм.
- •30.Сопряжённые пространства и их свойства.
- •31. Аннулятор подпространства и его свойства.
- •32. Билинейные формы: определение и примеры. Матрица билинейной формы.
- •33. Квадратичные формы: определение и примеры. Матрица квадратичной формы.
- •34. Ортогональные подпространства и их свойства.
- •35. Процесс ортогонализации Грама-Шмидта.
- •36 Положительно определённые квадратичные формы. Критерий Сильвестра.
- •37. Закон инерции вещественных квадратичных форм
- •38. Метод Якоби
- •39. Метод Лагранжа
- •40. Евклидовы пространства: определение и примеры.
- •41. Неравенство Коши-Буняковского. Матрица Грамма и ее свойства.
- •42. Ортогональные матрицы и их свойства
- •43. Сопряженный оператор, его свойства
- •44. Самосопряжённые операторы, ортогональные операторы и их свойства
- •45. Приведение квадратичной формы к главным осям
- •46. Теорема о полярном разложении линейного оператора, действующего в евклидовом пространстве.
- •47. Корневые подпространства
- •48. Теорема о размерности корневого подпространства
- •49. Разложение линейного пространства в прямую сумму корневых подпространств.
- •50. Нильпотентные операторы и их свойства.
- •51. Разложение линейного пространства в прямую сумму циклических подпространств.
- •52. Жордановы матрицы.
- •53. Минимальный аннулирующий многочлен линейного оператора и его свойства.
39. Метод Лагранжа
Данный
метод состоит в последовательном
выделении в квадратичной форме полных
квадратов. Пусть
есть
данная квадратичная форма. Возможны
два случая:
хотя бы один из коэффициентов
при квадратах отличен от нуля. Не нарушая
общности, будем считать
0
(этого всегда можно добиться соответствующей
перенумерацией переменных);
все коэффициенты = 0, i = 1,2,...,n, но есть коэффициент
,
i
j,
отличный от нуля (для определённости
пусть будет
0).
В первом случае преобразуем квадратичную форму следующим образом:
f(
,
,
… ,
)
= (
+ 2
+ … + 2
)
+ f1(
,
,
… ,
)
=
-
+ f1(
,
,
… ,
)
=
+ f2(
,
,
… ,
),
где
=
,
а через f2(
,
,
… ,
)
обозначены все остальные слагаемые.
f2(
,
… ,
)
представляет собой квадратичную форму
от n-1 переменных
,
,
… ,
С ней поступают аналогичным образом и так далее.
Заметим,
что
=
Второй случай заменой переменных x1 = y1 + y2,x2 = y1 − y2,x3 = y3,...,xn = yn сводится к первому.
40. Евклидовы пространства: определение и примеры.
Евклидовым (векторным) пространством называется вещественное векторное пространство с фиксированной положительно определенной симметрической билинейной ф-цией.
Обычно это фиксированная билинейная ф-ция называется скалярным умножением и обозначается ( , ).
Пример1. Пространство геометрических векторов с обычным скалярным умножением.
Пример2.
Пространство
со скалярным умножением (x,y)=
+
… +
, где x=(
,
… ,
),
=(
,
… ,
).
Пример3.
Пространство
[0,1]
непрерывных ф-ций на отрезке [0,1] со
скалярным умножением (f,g)=
.
В
евклидовом пространстве определяются
длина
вектора и угол
между векторами таким образом, что в
случае геометрических векторов они
совпадают с обычной длиной и обычным
углом. А именно, длина |x|
вектора x
определяется по формуле |x|=
.
41. Неравенство Коши-Буняковского. Матрица Грамма и ее свойства.
Предложение1. Для любых векторов x, y евклидова пространства |(x,y)| |x||y| (1)
причем
равенство имеет место тогда и только
тогда, когда векторы x
и y
пропорциональны. Неравенство
(1) называется неравенством
Коши-Буняковского.
Д-во.
Если y=
x,
то |(x,y)|=|
||(x,x)|=
|
|
=|x||y|.
Если векторы x
и y
непропорциональны, то они составляют
базис двумерного подпространства.
Матрица скалярного умножения на этом
подпространстве в базисе {x,y}
имеет вид
.Ввиду
положительной определенности скалярного
умножения ее определитель должен быть
положителен; но это и означает, что
|(x,y)|
|x||y|.
Угол
между ненулевыми векторами x
и y
евклидова пространства определяется
по формуле cos
=
.
В частности, угол
равен 0 или π тогда и только тогда, когда
векторы x
и y
пропорциональны;
=
тогда и только тогда, когда векторы x
и y
ортогональны.Неравенство Коши-Буняковского
является частным случаем более общего
неравенства, относящегося к произвольной
конечной системе векторов {
,
… ,
}
евклидова пространства. Матрица G(
,
… ,
)=
называется матрицей
Грамма
системы векторов {
,…
,
}.
Теорема.
Для любых векторов
,
… ,
евклидова пространства справедливо
неравенство detG(
,
… ,
)
0,
причем равенство имеет место тогда и
только тогда, когда векторы
,
… ,
линейно зависимы. Д-во.
Если
= 0, то
= 0 при всех j,
а это означает, что линейная комбинация
строк матрицы G(
,
… ,
)
с коэффициентами
,
… ,
равна нулю. Поэтому если векторы
,
… ,
линейно зависимы, то detG(
,
… ,
)=0.
Если же они линейно независимы, то так
же, как в случае k=2,
доказывается, что detG(
,
… ,
)
0.
Базис евклидова пространства, в котором
скалярное умножение имеет нормальный
вид, называется ортонормированным.
Ортонормированность базиса {
,
… ,
}
может быть выражена любым из следующих
эквивалентных условий:
Скалярное умножение в этом базисе имеет вид (x,y)= + … + ;
Скалярный квадрат в этом базисе имеет вид (x,y)= + … +
;Матрица скалярного умножения в этом базисе (т.е. матрица Грамма G( , … , )) является единичной матрицей;
(
,
)=
;Базисные векторы попарно ортогональны и имеют длину 1.
