baldin_kv_red_matematika_dlia_gumanitariev
.pdfРассмотрим систему уравнений (2. ), которую запишем в матричном виде
AX = B, |
(2.10) |
где |
— матрица системы; |
—вектор свободных членов;
—вектор неизвестных.
Если определитель матрицы А (det А) не равен нулю, то существует A–1.
Домножим слева систему (2.10) на A–1, получим
A–1 AX = A–1B, так как A–1A = E, то
имеем EX = A–1B, а так как EX = X, то
окончательно получим X = A–1 B (2.11) или в развернутом виде
(2.12)
Из (2.12) следует
71
(2.1 )
Числители равенств (2.1 ) есть разложения по элементам 1, 2, …, n-го столбцов определителя, полученного из det А заменой в нем 1, 2, …, n столбцов столбцом свободных членов, т. е.
Таким образом, неизвестные xi можно найти по формуле
(2.14)
где i = 1, 2, …, n. [19].
Решим систему уравнений, используя метод Крамера
Пример 2.4.
Вначале найдем определитель исходной системы
Затем находим
72
и определяем неизвестные xi; i = 1, 2, :
2.3.собственныечислаисобственныевекторыматриц
Проблема собственных чисел играет существенную роль не только в линейной алгебре, но и в других разделах математики, а также во многих прикладных областях (в менеджменте, психологии, юриспруденции) [12].
Пусть задана квадратная матрица А размера (n n), элементами которой являются действительные числа (R) и вектор неизвестных Х размера (n 1):
Предположим, что l — это некоторое неизвестное действительное число.
Если l и ненулевой вектор Х удовлетворяют уравнению
7
AX = l X, |
(2.15) |
то l называется собственным числом или собственным значением матрицы А, а Х — собственным вектором этой же матрицы, соответствующим l [12, 15].
Преобразуем уравнение (2.15) к следующему виду:
l X – A X = 0, (lE – A) X = 0, |
(2.16), |
где Е — единичная матрица. Матрица
называется характеристической матрицей [18].
Так как по условию вектор неизвестных Х не равен нулю, то среди его координат x1, x2, …, xn должна быть хотя бы одна ненулевая. А для того, чтобы система линейных однородных уравнений (2.16) имела ненулевое решение, необходимо и достаточно, чтобы определитель этой системы был равен нулю (это следует из теоремы Кронекера-Капелли).
Поэтому получаем
(2.17)
Число l= lk, где будет собственным числом только в том случае, если матрица (lkE – A) — вырожденная.
Уравнение (2.17) называется характеристическим уравнением матрицы А и представляет собой алгебраическое уравнение степени n относительно l [18]:
det (lE – A) = ln + p |
ln–1 + p |
ln–2 |
+…+ p |
n |
= 0. |
(2.18) |
1 |
2 |
|
|
|
|
74
Уравнение (2.18) имеет n корней l1, l2, …, ln. Множество всех корней уравнения (2.18) называется спектром матрицы А.
Заметим, что уравнение det (A – lE) = 0 имеет те же корни, что и уравнение (2.17), т. е.
det (A – lE) = (–1)n det (lE – A).
Каждому собственному значению спектра матрицы А ставится в соответствие собственный вектор, определенный с точностью до скалярного множителя. Если lk есть кратный корень характеристического уравнения, то для произвольной квадратной матрицы число соответствующих собственных векторов может быть не равно кратности корня. С геометрической точки зрения собственный вектор определяет в пространстве некоторое направление (прямую, проходящую через начало координат), которое в результате преобразования не изменяется и вдоль которого пространство испытывает растяжение или сжатие в l раз [ , 18].
Полином ln + p1ln–1 + … + pn = 0 называют характеристическим полиномом. Коэффициенты pk можно вычислить по следующим рекуррентным формулам [29]:
(2.19)
Здесь — след матрицы (сумма элементов, стоя-
щих на главной диагонали матрицы А). Заметим, что pn = (–1)ndet A. При отыскании собственных чисел даже для матриц невысокого порядка неизбежно большое количество вычислений. Для общего случая нельзя предложить оптимальный способ нахождения собственных чисел и собственных векторов матрицы.
75
Рассмотрим случай, когда собственные числа находятся сразу исходя из вида матрицы (исходная матрица либо диагональная, либо верхняя или нижняя треугольная). В этом случае собственные числа l1, l2, …, ln совпадают с элементами главной диагонали исходной матрицы a11, a22, …, ann.
Пусть задана верхняя треугольная матрица А размера
(n n):
Тогда имеем
Отсюда видно, что собственные числа равны:
l1 = a11, l2 = a22, …, ln = ann.
С появлением ЭВМ получили распространение итерационные методы нахождения собственных чисел, которые не используют вычисление характеристического полинома. К этим способам относятся: степенной метод, метод обратных итераций, QR-алгоритм, метод вращений Якоби, QL-алгоритм и др. Причем применение конкретного итерационного метода зависит от вида исходной матрицы А [1].
Теперь рассмотрим конкретные примеры. Пример 2.5. Дана матрица А размера ( )
76
Найти собственные числа и собственные векторы матрицы А.
Из условия задачи видно, что матрица А является верхней треугольной матрицей. Поэтому собственными числами данной матрицы будут элементы ее главной диагонали
Теперь найдем соответствующие найденным собственным числам собственные векторы. Для этого мы используем урав-
нение (2.16).
Для l1 = –4 получаем
(–4E – A) X1 = 0, |
(2.20) |
где
Далее раскроем матричное уравнение (2.20)
В результате получим
или
Так как матрица этой системы вырождена, то она имеет ненулевые решения, которые имеют вид:
77
т. е. получены искомые собственные вектора для l1 Для l2 = l = 1 получаем
где
или в подробной записи
В результате получаем
5х1 – 4х2 – х = 0 или х = 5х1 – 4х2,
т. е. это уравнение имеет ненулевые решения, которые и будут искомыми собственными векторами для l2.
Эти решения запишем в виде
Пример 2.6. Дана матрица А размера (2 2). Найти собственные числа и собственные матрицы А
Запишем характеристическое уравнение (2,17) для данного случая
Теперь найдем собственные векторы исходной матрицы А, соответствующие l1 = 1 и l2 = –4.
78
Для l1 = 1 имеем где В подробной записи получим
или
Так как определитель полученной матрицы равен нулю, то она имеет ненулевые решения, которые и являются собственными векторами Х1, которые мы и находим
Из первого уравнения системы получаем х2 = 2х1. Из второго уравнения системы получаем х2 = 2х1, т. е. она имеет бесконечное множество решений. И искомый собственный вектор Х1 будет иметь вид
Аналогично, для l2 = –4 находим
В заключение приведем два полезных правила [18]:
1)сумма собственных чисел матрицы А равна следу этой матрицы, т. е.
2)произведение собственных чисел матрицы А равно определителю этой матрицы
79
2.4.некоторыесведенияовекторах
Цифровые данные, используемые в экономике, можно представить в виде списков чисел, каждое из которых имеет определенный смысл.
Например, списки цен различных товаров в магазинах, объемы продукции разных видов, выпущенных каким-либо предприятием за год и т. д. В математике такие упорядоченные списки чисел называют векторами. Дадим определение n-мер- ного вектора (n = 1, 2, ….).
Упорядоченный набор n чисел x1, х2, х , …, хn называется n- мерным вектором. Мы будем обозначать векторы заглавными буквами со стрелками над ними, т. е.
, числа x1, х2, х , …, хn есть координаты вектора, а n — его размерность [12, 1 ].
Два n-мерных вектора называются равными, если их соответствующие координаты равны, например:
Вектор, все координаты которого нули, называется нольвектором и обозначается .
Алгебраической суммой двух n-мерных векторов
и
называется вектор , каждая координата которого равна алгебраической сумме соответствующих координат векторов и , т. е.
(2.21)
Произведением действительного числа k на n-мерный вектор называется n-мерный вектор , каждая координата которого равна произведению числа k на соответствующую координату вектора , т. е.
(2.22)
Множество n-мерных векторов, для которых определены действия алгебраического сложения (2.21) и умножения на
80