Методическое пособие 609
.pdfВычисление собственных векторов матрицы.
После того, как будут найдены собственные значения i , i=1, n , матрицы А, их подставляют в систему (3) и решают её. Найденные значения xi и будут координатами собственного вектора i матрицы А, отвечающего собственному значению
i , i=1, n .
Пример. Найти собственные значения и собственные векто-
ры матрицы А: |
5 |
2 |
|
|
A |
|
|
. |
|
|
|
2 |
2 |
|
|
|
|
Решение. Составим характеристическое уравнение det (A- I)=0.
|
5 |
2 |
|
=(5-)(2-)-4=10-5-2+ 2-4=2-7 +6=0 |
||||||||||||||||||
|
|
|||||||||||||||||||||
|
2 |
|
2 |
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
1=1; 2=6. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
Ищем собственные векторы, отвечающие собственно- |
|||||||||||||||||||
му |
значению 1=1. Для |
|
этого решаем |
систему линейных |
||||||||||||||||||
уравнений (A-I) x |
|
|
|
|
|
5 1 |
|
2 x |
|
|
0 |
|||||||||||
=0 , т.е. |
|
|
|
1 |
|
|
. |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 1 x2 |
|
|
0 |
||||
4x 2x 0 |
|
|
2x x 0 |
2x1 x2 0 ; x2 2x1 . |
||||||||||||||||||
|
1 |
2 |
|
|
|
|
|
1 |
|
|
2 |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
2x1 x2 0 |
|
|
|
|
2x1 x2 0 |
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
Следовательно, все собственные векторы, отвечающие |
|||||||||||||||||||
1=1, имеют вид: |
x |
|
x |
|
|
x |
|
x |
|
1 |
|
и получаются |
||||||||||
|
1 |
|
|
|
1 |
|
|
2 |
|
|||||||||||||
|
|
|
|
|
|
|
1 |
|
|
x |
2 |
|
|
2x |
|
1 |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
из одного вектора |
|
1 |
|
умножением на произвольное число |
||||||||||||||||||
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
x1 0. Положив x1=1 , получим собственный вектор x1 =(1;-2). Аналогичную процедуру проделываем для 2=6.
81
(5 6)x1 2x2 |
0, |
x1 |
2x2 0, |
|
x1 2x2 0, |
|||||||||
|
|
|
|
|
|
4x2 |
|
|
x1 2x2 0. |
|||||
2x1 (2 6)x2 |
0; |
2x1 |
0; |
|
|
|||||||||
Откуда получаем: |
x1 2x2 |
0; x1 2x2 . |
Второй собственный |
|||||||||||
вектор имеет вид |
x |
|
x |
|
|
2x |
|
|
x |
2 |
|
Полагая x2=1, |
||
2 |
1 |
|
|
2 |
|
|
. |
|||||||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
||
|
|
|
|
x2 |
|
|
x2 |
|
1 |
|
|
|||
получим собственный вектор |
x |
|
|
2 |
|
|
|
|
||||||
2 |
|
|
. |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Геометрический смысл собственных значений и собственных векторов.
Определение. Если каждому вектору x , взятому из некоторой совокупности векторов, соответствует определённый вектор y , то такая векторная функция от векторного аргу-
мента называется преобразованием.
Закон соответствия обычно записывают в виде y =А x , где А - символическое обозначение преобразования.
Вектор y =А x называют образом вектора x . Преобразование А называется линейным, если для лю-
бых векторов x , x1 , x2 и любого числа R справедливы
равенства: а) A( x1 + x2 ) = A x1 + A x2 ; б) A( x ) = A x .
Теорема. Любое линейное преобразование можно представить и притом единственным образом в матричной форме y =
А x .
Матрица А называется матрицей линейного преобразования.
82
С геометрической точки зрения собственный вектор матрицы линейного преобразования определяет прямую, проходящую через начало координат, положение которой в результате преобразования не меняется и вдоль которой плоскость ( пространство) испытывает растяжение (сжатие)
в раз, если >1 ( <1). Если <0, то, кроме растяже-
ния или сжатия, направление любого вектора, лежащего на этой прямой, меняется на противоположное: А x = x = -
x .
X 2 |
|
|
|
x2 |
|
|
|
|
x |
|
|
0 |
|
x1 |
X1 |
x2 |
y |
Ax |
|
|
|
Пример. Зеркальное отражение.
1 0
Матрица А= определяет линейное преобразование
0 1
y = А x , |
x |
|
, |
y |
|
x = 1 |
|
y = |
1 . |
||
|
|
|
|
|
|
|
x2 |
|
|
y |
2 |
y1 |
|
1 |
0 x1 |
|
|
x1 |
|
|
y1 |
x1 |
. |
|
|
|
= |
|
|
|
= |
|
|
|
|
||
|
|
|
0 |
|
|
|
|
|
|
x2 |
|
|
y2 |
|
|
1 x2 |
|
|
x2 |
|
y2 |
|
В прямоугольной системе координат X1OX2 это - зеркальное отражение точек плоскости относительно оси OX1.
Любой вектор, лежащий на оси OX1, является собственным вектором, отвечающим собственному значению
1=1:
83
1 |
0 x |
|
x |
|
, т.е. А x = 1∙ x . |
|||
|
|
|
1 |
|
= |
1 |
|
|
|
0 |
|
0 |
|
|
0 |
|
|
|
1 |
|
|
|
|
Любой вектор, лежащий на оси OX2, является собственным вектором, отвечающим собственному значению
2=-1:
1 |
0 0 |
|
= |
|
0 |
= (-1)∙ |
0 |
|
, т.е. А x = (-1)∙ x . |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
0 |
1 x2 |
|
|
|
x2 |
|
x2 |
|
|
Матрица А = |
1 |
|
0 |
определяет преобразование, яв- |
|||||
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
1 |
|
|
|
|
ляющееся зеркальным отражением точек плоскости относительно оси OX2.
Можно рассматривать также зеркальное отражение относительно любой прямой, проходящей через начало координат. В случае трёхмерного пространства зеркальное отражение его можно производить в любой плоскости, проходящей через начало координат. Такое преобразование также будет линейным.
9. Квадратичные формы
Числовая функция вида
n |
n |
|
Q(x1, x2, , xn) = aij xi x j , |
(1) |
|
i 1 |
j 1 |
|
где коэффициенты aij – действительные числа, такие, что aij = aji, называется квадратичной формой.
Квадратная матрица A n-го порядка, составленная из коэффициентов aij, i, j 1, n , называется матрицей квадра-
тичной формы. Она является симметрической матрицей, т.е. A = AT. Ранг этой матрицы называется рангом квадратичной формы. Если rang A = n, т.е. матрица A –невырожденная, то и квадратичная форма Q называется невырожденной.
Распишем выражение (1).
84
Q( x1, x2 , , xn ) a11x1x1
a21x2 x1a31x3x1
an1xn x1
a12 x1x2
a22 x2 x2
a32 x3x2
a13x1x3
a23x2 x3
a33x3x3
an2 xn x2 an3xn x3
a1n x1xn
a2n x2 xn
a3n x3xn
ann xn xn =
a x2 |
a x2 a x2a |
x2 |
a |
a |
x x a |
|
a |
x x |
|
|||||||||||||||||||||
11 1 |
22 2 |
|
33 |
3 nn |
n |
|
|
|
12 |
|
21 |
1 2 |
|
13 |
|
|
31 |
1 |
3 |
|
|
|||||||||
a1n an1 x1xn a23 a32 x2x3 a24 a42 x2x4 |
|
|
|
|
||||||||||||||||||||||||||
a2n an2 x2 xn |
an 1,n an,n 1 xn 1xn |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
n |
|
|
n 1 |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
aii xi2 |
2aij xi x j . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
i 1 |
|
|
i 1 j i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Таким образом, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
n 1 n |
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
Q(x1, x2, , xn) = |
|
aii |
xi2 2aij xi x j . |
|
|
|
(2) |
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
i 1 j i 1 |
|
|
|
|
|
|
|
|
|
|
|
|||||
Обычно выражение (2) записывают в виде Q(x1, x2, , xn) = |
|
|||||||||||||||||||||||||||||
n |
|
n 1 n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
bii xi2 |
bij xi x j , |
где bii = aii, i 1, n , bij = |
2aij, i 1, n 1, |
|
||||||||||||||||||||||||||
i 1 |
|
i 1 j i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j i 1, n . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Т.к. aij = aji, то матрица квадратичной формы Q будет иметь |
|
|||||||||||||||||||||||||||||
вид: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
|
a |
|
a |
|
|
|
|
|
b |
|
|
b / 2 b |
/ 2 |
|
|||||||||||||
|
|
|
11 |
|
12 |
|
|
1n |
|
|
|
11 |
12 |
|
|
|
|
|
1n |
|
|
|
|
|||||||
|
|
a21 |
a22 |
a2n |
|
b12 / 2 |
|
b22 |
b2n / 2 |
|
|
|||||||||||||||||||
|
A |
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
a |
n1 |
a |
n2 |
|
a |
nn |
|
b |
/ 2 |
|
b |
/ 2 b |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
1n |
|
|
2n |
|
|
|
|
|
|
nn |
|
|||||||||
|
|
Матричное представление квадратичной формы. |
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
Пусть X – вектор – столбец переменных xj, |
j 1, n . |
|
|
|
|
|
|
|||||||||||||||||||||||
Тогда XT = x |
|
x |
2 |
x |
n |
|
- вектор – строка. |
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Составим произведение AX:
85
a11 |
a12 |
|
|
a21 |
a22 |
|
|
|
an2 |
an1 |
a1n a2n
ann
x1 |
|
a11x1 |
|
x |
|
a |
x |
2 |
|
|
21 1 |
|
|
|
|
|
|
|
|
xn |
|
an1x1 |
a12 x2
a22 x2
an2 x2
a1n xn |
|
|||
|
||||
a |
|
x |
|
|
|
2n |
|
n |
|
|
|
|
|
|
|
|
|
|
|
a |
nn |
x |
|
|
|
|
n |
|
|
|
|
|
|
n
a1 j x j j 1
n
a2 j x j j 1
n
anj x j j 1
Умножим это равенство слева на XT, то есть вычислим XTAX:
|
|
|
n |
|
|
|
|
a1 j x j |
|
x |
x |
|
j 1 |
|
x |
n |
= |
||
1 |
2 |
n |
a2 j x j |
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
anj x j |
|
|
|
|
j 1 |
|
.
n |
|
n |
n |
|
x1 a1 j x j x2 |
a2 j x j |
xn anj x j |
|
|
j 1 |
|
j 1 |
j 1 |
|
n |
n |
n n |
|
|
= xi |
aij x j |
aij xi x j Q(x1, x2, , xn). |
||
i 1 |
j 1 |
i 1 j 1 |
|
|
|
|
|
Q = XTAX |
(3) |
Выражение (3) есть матричное представление квадратичной формы.
Линейное преобразование квадратичной формы.
Рассмотрим квадратичную форму (1). Перейдём к новым переменным yi, i 1, n , по формулам:
x1 b11 y1 b12 y2 b1n yn |
|
|
||||||
|
|
b21 y1 |
b22 y2 |
b2n yn . |
(4) |
|||
x2 |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
x |
n |
b y b |
y |
2 |
b y |
n |
|
|
|
n1 1 |
n 2 |
|
nn |
|
|||
или в матричном виде |
|
|
|
|
|
|||
|
|
|
|
X = BY, |
|
(5) |
||
|
|
|
|
|
|
86 |
|
|
где
x |
|
y |
|
|
|
|||
|
|
1 |
|
|
|
1 |
|
|
x |
2 |
|
y |
2 |
|
|
||
X = |
|
|
, Y = |
|
|
, B = |
||
|
|
|
|
|
||||
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
xn |
|
yn |
|
|
b
11
b21
bn1
b |
b |
|
12 |
1n |
|
b22 |
b2n |
|
|
. |
(6) |
|
|
|
|
|
|
bn2 |
|
|
bnn |
|
В квадратичной форме (1) вместо xi подставим их выражения через yi, i 1, n , определяемые формулами (4).
Получим квадратичную форму F(y1, y2, , yn) n переменных y1, y2, , yn с некоторой матрицей C.
В этом случае говорят, что квадратичная форма Q(x1, x2, , xn) переводится в квадратичную форму F(y1, y2, , yn) линейным преобразованием (4).
Линейное преобразование называется невырожденным,
если det B 0.
2 квадратичные формы называются эквивалентными Q(x1, x2, , xn) ~ F(y1, y2, , yn), если существует невырожденное линейное преобразование, переводящее одну из них в другую.
Cвойства эквивалентных квадратичных форм.
1.Рефлексивность. Q(x1, x2, , xn) ~ Q(x1, x2, , xn).
2.Симметричность. Если Q(x1, x2, , xn) ~ F(y1, y2, , yn), то F(y1, y2, , yn) ~ Q(x1, x2, , xn).
3.Транзитивность. Если Q(x1, x2, , xn) ~ F(y1, y2, , yn), F(y1, y2, , yn) ~ (z1, z2, , zn), то Q(x1, x2, , xn) ~
(z1, z2, , zn).
Теорема. Квадратичная форма (1) с матрицей A переводится линейным невырожденным преобразованием X = BY в квадратичную форму F(y1, y2, , yn) с матрицей C = BTAB.
Доказательство. Рассмотрим квадратичную форму Q = XTAX. Подвергнем её линейному невырожденному преобразованию X = BY:
87
Q = (BY)TA(BY) = YTBTABY = YT(BTAB)Y = YTCY = =F(y1, y2, , yn), где C = BTAB.
Следствие 1. Определители матриц эквивалентных невырожденных квадратичных форм имеют одинаковые знаки. Следствие 2. Эквивалентные квадратичные формы имеют одинаковые ранги.
Классификация квадратичных форм.
Квадратичная форма (1) называется положительно (отрица-
тельно) определённой, если Q(x1, x2, , xn) > 0 (< 0) xi,
n
i 1, n , : xi 0 .
i 1
Квадратичная форма (1) называется положительно
(отрицательно) полуопределённой, если Q(x1, x2, , xn) 0 ( 0) xi, i 1, n .
Квадратичная форма (1) называется неопределённой, если 2 вектора x x1 , x2 , , xn и y y1 , y2 , , yn имеют квадра-
тичные формы разных знаков: Q(x1, x2, , xn) > 0 (< 0), Q(y1, y2, , yn) < 0 (> 0).
Квадратичная форма (1) имеет канонический вид, если
n
aij = 0 при i j, i, j 1, n , т.е. Q(x1, x2, , xn) = aii xi2 . Мат-
i 1
рица A квадратичной формы в этом случае имеет диагональный вид:
a |
0 |
0 |
0 |
0 |
|
||
|
11 |
|
|
0 |
|
|
|
|
0 |
a22 |
0 |
0 |
|
||
A |
|
|
. |
||||
|
|
||||||
|
|
|
|
|
|||
|
0 |
0 |
0 |
0 |
|
|
|
|
ann |
Теорема. Всякая квадратичная форма с помощью линейного невырожденного преобразования может быть приведена к каноническому виду.
88
Если в каноническом виде aii = 1 i 1, n , то квадра-
тичная форма (1) имеет нормальный вид.
Теорема. Всякую квадратичную форму можно привести линейным невырожденным преобразованием к нормальному
виду: (z1, z2, , zn) = z 2 |
z 2 |
z 2 |
z 2 |
z 2 |
, причём |
1 |
2 |
k |
k 1 |
n |
|
общее число входящих сюда квадратов равно рангу формы.
Закон инерции квадратичных форм.
Число положительных и отрицательных квадратов в нормальном виде, к которому приводится данная квадратичная форма линейным преобразованием не зависит от выбора этого преобразования.
Определение. Число i+ (i-) положительных (отрицательных) квадратов в той нормальной форме, к которой приводится данная квадратичная форма Q, называется положительным
(отрицательным) индексом инерции этой формы.
Разность S между положительным и отрицательным индексами инерции S = i+ - i- называется сигнатурой формы
Q.
Признак эквивалентности квадратичных форм.
Две квадратичные формы эквивалентны между собой тогда и только тогда, когда равны их ранги и сигнатуры.
Спектральный признак знакоопределённости квадратичной формы.
Для того, чтобы квадратичная форма (1) была положительно (отрицательно) определённой, необходимо и достаточно, чтобы спектр матрицы A квадратичной формы состоял только из положительных (отрицательных) чисел.
Определение. Миноры матрицы A квадратичной формы (1), расположенные в левом верхнем углу матрицы A
89
|
|
|
|
|
|
|
|
|
|
|
a11 |
a12 |
a1n |
|
|
a , |
|
2 |
|
a11 |
a12 |
, , |
|
n |
|
a21 |
a22 |
a2n |
|
1 |
11 |
|
|
a21 |
a22 |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
an1 |
an2 |
|
ann |
называются главными (угловыми) минорами матрицы A квад-
ратичной формы (1).
Критерий Сильвестра. Для того, чтобы квадратичная форма
(1) была положительно (отрицательно) определённой, необходимо и достаточно, чтобы i 0 i 1, n (чтобы знаки угловых миноров 1 , 2 , , n чередовались, причём
1 0 ).
Ортогональные матрицы.
Определение 1. Система векторов – столбцов квадратной матрицы A порядка n называется ортонормированной, если
|
|
|
|
|
n |
|
|
|
|
длина каждого вектора |
ai |
|
aij2 |
1, |
i 1, n , и векторы – |
||||
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
||||||
столбцы ai ортогональны, |
т.е. все скалярные произведения |
||||||||
этих векторов равны нулю. |
|
|
|
|
|
|
|
|
|
|
1, |
i j |
|
ai , a j ij |
|||||||
|
|
||||||
|
|
|
|
|
0, i j |
n
или в координатной форме: akiakj ij .
k 1
Определение 2. Квадратная матрица A называется ортогональной, если её столбцы представляют собой ортонормированную систему векторов.
Свойства ортогональной матрицы.
1.Для того, чтобы квадратная матрица A была ортогональ-
ной, необходимо и достаточно, чтобы выполнялось одно из условий: ATA = I; AAT = I; AT = A-1.
2.Определитель ортогональной матрицы равен 1.
90