- •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.
33. Квадратичные формы: определение и примеры. Матрица квадратичной формы.
Определение 4. Пусть h –симметрическая билинейная функция над полем K характеристики, не равной 2. Функция q: V –> K, определяемая по формуле q(x) = h(x,x), называется квадратичной функцией (или квадратичной формой), ассоциированной с функцией h.
В
координатах квадратичная функция
записывается в виде
т.е является однородным многочленом второй степени.
Симметрическая билинейная функция h может быть восстановлена по соответствующей квадратичной функции q по формуле h(x,y) = 1/2[q(x+y) – q(x) – q(y)]. (5)
Билинейная функция h называется поляризацией квадратичной функции q.
Таким образом, имеется взаимно однозначное соответствие между симметрическими билинейными и квадратичными функциями. Имея в виду это соответствие, все понятия, относящиеся к симметрическим билинейным функциям (матрица, ранг, невырожденность) переносят на квадратичные функции.
34. Ортогональные подпространства и их свойства.
Пусть
h–симметрическая
или кососимметрич. билинейная ф-ция над
полем K
характеристики, не равной 2. Векторы x
и y
из V
наз. ортогональными (отн h),
если h(x,y)
= 0; в этом случае пишут
Ясно,
что отношение ортогональности симметрично:
В случае кососимметрич. ф-ии h
каждый вектор ортогонален самому себе.
Опр
5.
Ортогональным
дополнением к
подпр-ву U
(отн. h)
наз. подпространство
В
частности,
Предл
1.
Если функция h
невырожденна, то
Д
о к -в о.
Пусть {e1,e2,…,ek}
– базис пространства U.
Тогда
Записывая
эти условия в координатах, мы получаем
систему однородных линейных уравнений.
Эти уравнения линейно независимы, так
как для любых t1,…,tk,
не равных нулю одновременно, линейная
функция
Следовательно,
По
той же формуле
Опр
6.
Подпр-во U
наз. невырожденным
отн.
ф-ции h,
если ее ограничение на U
невырожденно.
П
усть
h
– симметрич. билинейная ф-ция. Базис
{e1,…,en}
–базис пр-ва V
наз. ортогональным (отн. h),если
его векторы попарно ортогональны. В
ортогональном базисе матр. ф-ции h
диагональна, а сама ф-ция h
и соответствующая ей кв. ф-ция q
запис. в виде
Т
1.
Для ∀
симметрической бил. ф-ции сущ. ортогональный
базис. Док
-во.
Докажем это утвержд. индукцией по n=dimV.
При n=1
доказывать нечего. Если h
= 0, то доказывать опять-таки нечего. Т1.
Для ∀
симметрич. билинейной ф-ции сущ.
ортогональный базис. Док.
Если h
не равна 0, то в силу формулы h(x,y)
= 1/2[q(x+y)
– q(x)
– q(y)]
(5)
q
не равна 0, т.е. сущ. такой вектор e1,
что число
h(e1,e1)=q(e1)
не равно нулю. Согл. предл. 2,
Т
1.
Для ∀
симметрич.
билинейной ф-ции сущ. ортогон. базис.
Док -во.
По предполож. индукции сущ. ортогональный
базис
35. Процесс ортогонализации Грама-Шмидта.
Пусть
{e1,…,en}
– базис пространства V
и А – матрица функции h
в этом базисе. Обозначим через Аk
матрицу ограничения функции h
на подпространство Vk
= <e1,…,ek>
в базисе {e1,…,ek}
этого подпространства, т.е. левый верхний
угол порядка k
матрицы A.
Число dk
= det
Аk
будем называть угловым
минором
порядка k
матрицы A.
Положим также V0
= 0, d0
= 1. Теорема
Если
все угловые миноры d1,…,dn
матрицы A
отличны от нуля, то существует единственный
ортогональный базис {f1,…,fn}
пространства V,
удовлетворяющий условиям
При
этом
Д
о к а з а т е л ь с т в о.
Докажем теорему индукцией по n.
При n=1
имеем
При
n>1
применим предположение индукции к
базису {e1,…,en-1}
пространства Vn-1.
Пусть {f1,…,fn-1}
– ортогональный базис пр-
ва
Vn-1,
удовл.
усл.
теоремы. Будем искать вектор fn
в
виде
Остается
проверить равенство (10) при k=n.
Так как матрица перехода от базиса
{e1,…,en}
к базису {f1,…,fn}
явл. (верхней) унитреуг. (т.е. треуг. с
единицами на диагонали), то ее определитель
равен 1 и формула показывает, что
определитель матрицы функции h
не меняется при переходе к базису
{f1,…,fn}.
Однако в базисе {f1,…,fn}
матрица функции h
диагональна, причем ее диаг. элементы
равны q(f1),
…, q(fn-1),
q(fn).
Следовательно, dn
= q(f1)…q(fn-1)q(fn).
Такое же рассуждение, примененное к
ограничению функции h
на подпр-во Vn-1
показывает, что dn-1
= q(f1)…q(fn-1).
Откуда следует, что
Процесс
построения ортогонального базиса,
описанный в доказательстве теоремы,
наз. процессом
ортогонализации Грама-Шмидта.
Пусть {e1,…,en}
– базис пространства V,
ортогональный относительно функции h.
За счет нормировки векторов ei
числа ai
= q(ei)
можно умножать на квадраты любых
ненулевых элементов поля K.
Кроме того, переставляя базисные векторы,
можно переставлять и эти числа. Однако,
как видно из доказательства теоремы 1,
в выборе ортогонального базиса имеется
гораздо больший произвол. Пусть K
= C.
Тогда путем нормировки базисных векторов
числа ai
могут быть сделаны равными 1 или 0, и
после подходящей перестановки базисных
векторов ф-ция h
приводится к так называемому нормальному
виду: q(x)
= x12
+
… + xr2.Число
r
явл. инвариантом, т. к. r
= rk
q.
Пусть K
= R.
Тогда путем нормировки базисных векторов
числа ai
могут быть сделаны равными +1, –1 или 0,
и после подходящей перестановки базисных
векторов ф-ция h
приводится к нормальному
виду:q(x)
= x12
+
… + xk2
– xk+12
–
… – xk+l2
(11) Сумма k
+ l
= rk
q
является инвариантом, но являются ли
инвариантами числа k
и l
по отдельности?
