- •Содержание
- •1.6.4 Линейная зависимость векторов. Размерность и базис векторного пространства
- •2 Содержание практических занятий
- •3 Правила выполнения контрольной работы
- •4 Задачи для контрольной работы
- •5 Решения типовых задач
- •6 Материалы для подготовки к экзамену
- •7 Справочный материал
- •8 Глоссарий (словарь терминов)
|
|
|
|
− |
− |
|
|
|
|
|
|
|
|
Теорема 95. Два вектора a= (a1, a2) è b= (b1, b2) на плоскости (два век- |
|||||||||||||
− |
|
− |
|
|
|
|
|
|
|
|
|
|
|
òîðà a= (a1, a2, a3) è b= (b1, b2, b3) в пространстве) являются коллинеарными |
|||||||||||||
тогда и только тогда, когда их координаты пропорциональны : |
|||||||||||||
|
b1 |
= b2 |
соответственно, |
|
b1 |
= b2 |
= b3 |
. |
|||||
|
a1 |
|
a2 |
|
|
|
a1 |
a2 |
|
a3 |
|
||
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
Теорема 96. При умножении вектора |
a на число λ все координаты это- |
||||||||||||
|
|
|
|
− |
|
|
|
|
|
|
|
|
− |
го вектора умножаются на λ: λ a= (λa1, λa2) для вектора a= (a1, a2) íà |
|||||||||||||
− |
|
|
, λa2, λa3) для вектора |
− |
|
|
|
, a3) в пространстве. |
|||||
плоскости и λ a= (λa1 |
a= (a1, a2 |
Теорема 97. При сложении (вычитании) векторов происходит сложение
|
|
− |
− |
(вычитание) их соответствующих координат: a |
± b= (a1 ± b1, a2 ± b2) äëÿ |
||
− |
− |
− |
− |
векторов a= (a1 |
, a2) è b= (b1, b2) на плоскости и a |
± b= (a1±b1, a2±b2, a3±b3) |
|
− |
|
− |
|
для векторов a= (a1, a2, a3) è b= (b1, b2, b3) в пространстве.
1.6.3. n-мерные векторы. Векторное пространство.
В предыдущем пункте мы увидели, что векторы можно рассматривать как упорядоченные пары или тройки (в зависимости от того, рассматривается вектор на плоскости или в пространстве) чисел компонент вектора. Можно этим не ограничиваться и рассматривать упорядоченные наборы с произвольным
числом компонент. Так естественным образом возникает понятие n-мерного
вектора, имеющее многочисленные применения в математике и многочисленных прикладных науках. Благодаря тому, что удобно оперировать данными,
записанными в виде упорядоченного набора чисел, n-мерные векторы и свя-
занные с ними понятия часто используются во многих экономических задачах и моделях.
Определение 98. n-мерным вектором называется упорядоченная совокупность (набор) n действительных чисел, называемых компонентами вектора.
−
Òàê, a= (a1, a2, . . . , an) n-мерный вектор с компонентами a1, a2, . . . , an.
1.6.4. Линейная зависимость векторов. Размерность и базис векторного пространства??? .
1.7. Лекция 7.
1.7.1. Собственные значения и собственные векторы матрицы.
Понятие собственного вектора и собственного значения матрицы часто используется при изучении ряда вопросов матричной алгебры и е¼ приложений.
Определение 99. Ненулевой вектор-столбец X 6= 0 называется собственным вектором квадратной матрицы A, если существует такое число λ, ÷òî
A · X = λ · X.
Число λ называется собственным значением матрицы A, соответствующим собственному вектору X.
33
Пример 100. Вектор
X = |
−2 |
|
1 |
является собственным вектором матрицы
3−2
−8 3
с соответствующим собственным значением |
λ = 7, òàê êàê |
|
||||
−8 3 |
−2 −14 −2 |
= λX. |
|
|||
AX = 3 |
−2 |
1 |
= 7 |
= 7 1 |
|
Из определения 99 следует, что при умножении матрицы A на вектор X данный вектор переходит в коллинеарный самому себе вектор, то есть изменяется в λ ðàç.
Равенство из определения 99 можно записать в разв¼рнутой форме
a11x1 + a12x2 + . . . +a1nxn = λx1,
a21x1 + a22x2 + . . . +a2nxn = λx2,. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
an1x1 + an2x2 + . . . +annxn = λxn,
ãäå
a21 |
a22 |
... a2n |
= A, |
x2 |
= X. |
|||||
a11 |
a12 |
... a1n |
|
|
|
x1 |
|
|||
a. . |
n.1. . |
.a. . . . . . |
. .... . .a. |
nn. . |
|
|
x |
n |
|
|
|
n2 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
... |
|
|
|
|
|
|
|
|
|
Последняя система может быть преобразована к следующему виду:
|
11 |
−a21x1 |
+ (a22 |
|
λ)x2 |
+ . . . + |
a2nxn |
= 0, |
|
(a |
|
λ)x1 |
+ |
a12x2 |
+ . . . + |
a1nxn |
= 0, |
(23) |
|
|
|
|
|
− |
|
|
|
|
|
. |
. . |
. . . . . . . |
. . . . . . . |
. . |
. . . . . |
. . . . . . . . . . . . . |
. . . . . . . . . |
. . . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
an1x1 + |
an2x2 + . . . + (ann − λ)xn |
= 0. |
|
Чтобы полученная однородная система имела ненулевое решение (то есть чтобы существовал собственный вектор матрицы A), необходимо и достаточно, чтобы определитель этой однородной системы равнялся нулю:
|
|
a21 |
a22 |
λ |
... |
|
a2n |
= 0. |
(24) |
|||
|
a11 |
− λ |
a12 |
... |
|
a1n |
|
|
|
|||
. |
. . |
. . . . . . |
. . . . |
−. . . . . |
. . . . |
. . |
. . |
. . |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
n1 |
a |
n2 |
... |
a |
nn |
|
λ |
|
|
|
|
|
|
|
|
− |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Определение 101. |
Уравнение (24) с неизвестным |
λ называется характе- |
||||||||||
ристическим уравнением матрицы A. |
|
|
|
|
|
|
|
34
Пример 102. Найдем собственные значения и собственные векторы матрицы
A = |
7 |
1 |
9 |
−1 . |
Для нахождения собственных значений λ данной матрицы запишем ее характеристическое уравнение (см. определение (24)):
|
7 − λ |
1 |
= 0, |
(25) |
9 |
−1 − λ |
|
|
|
|
|
|
|
|
|
|
|
|
|
Решаем уравнение (51):
(7 − λ)(−1 − λ) − 9 · 1 = 0 −7 + λ − 7λ + λ2 − 9 = 0
λ2 − 6λ − 16 = 0.
Последнее уравнение является квадратным. Используя для его решения формулы из справочного материала (см. пункт 7.1), находим:
D = (−6)2 − 4 · 1 · (−16) |
= 36 + 64 = 100, |
√ |
|
= 10; |
||||||||||||
D |
||||||||||||||||
λ |
|
= |
6 − 10 |
= |
− |
2, λ |
|
= |
6 + 10 |
= 8 |
|
|
||||
1 |
|
2 |
2 |
|
1 |
|
|
|||||||||
|
|
2 |
· |
1 |
|
|
|
· |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
собственные значения матрицы A. Найд¼м собственные векторы
x1 X1 = x2 ,
соответствующие собственному значению λ1 = −2. Для этого рассмотрим систему (23), подставив в не¼ λ = λ1 = −2:
(9x1 + ( 11 + 2)· x2 |
= 0 |
|
(9x1 |
+ x2 |
= 0 . |
(7 + 2)x + 1 x2 |
= 0, |
|
9x1 |
+ x2 |
= 0, |
−
Последняя система равносильна одному уравнению 9x1 + x2 = 0. Так как уравнение всего одно, а неизвестных две, значения одной из них можно выбрать
произвольно. Полагая x1 = C, получаем векторы
C
X1 = −9C ,
которые при любом ненулевом C являются собственными векторами матрицы
A.
Аналогично находим собственные векторы X2, соответствующие собствен- ному значению λ2. Рассмотрим систему (23), подставив в не¼ λ = λ2 = 8:
(9x1 |
+ ( 1 8)· x2 |
= 0 |
|
(9x1 |
|
9x2 |
= 0, |
|
(−x1 |
+ x2 |
= 0, |
|
(7 |
− 8)x1 + 1 x2 |
= 0, |
|
−x1 |
+ x2 |
= 0, |
|
x1 |
+ x2 |
= 0, |
||
|
|
− − |
|
|
|
− |
|
|
|
− |
|
|
35
Последняя система равносильна одному уравнению −x1 + x2 = 0. Так как уравнение всего одно, а неизвестных две, значения одной из них можно выбрать
произвольно. Полагая x1 = C, получаем векторы
C
X1 = C ,
которые при любом ненулевом C являются собственными векторами матрицы
A.
Таким образом, λ1 = −2, λ2 = 8 собственные значения, а векторы (C, −9C), (C, C) (C 6= 0 произвольная постоянная) собственные векторы матрицы
A.
1.7.2. Пример использования понятий линейной алгебры в экономических моделях. Линейная модель обмена.
В данном пункте приведена простейшая математическая модель, использующая понятия собственного значения и собственного вектора матрицы. Эта модель называется линейной моделью обмена , или, иначе, моделью международной торговли, и позволяет анализировать процесс взаимных закупок товаров.
Суть модели состоит в следующем. Рассмотрим n стран и величины x1, x2,
. . . , xn бюджеты этих стран, расходуемые на закупку товаров (торговые бюджеты). Долю бюджета xj, которую j-ая страна тратит на закупку товаров у i-
ой страны, обозначим через aij. Матрица долей бюджета или коэффициентов имеет вид:
A = |
a21 |
a22 |
... |
a2n . |
(26) |
|
a11 |
a12 |
... |
a1n |
|
|
a. . . . . .a. . . . . ..... . . .a. . . |
|
|||
|
n1 |
n2 |
|
nn |
|
|
|
|
|
|
|
Так как весь торговый бюджет страны расходуется только на закупки товара внутри страны и у других стран, то выполняются равенства
n |
|
Xi |
|
aij = 1; j = 1, 2, ..., n. |
(27) |
=1 |
|
Определение 103. Матрица вида (26), для которой выполняется свойство
(27), называется структурной матрицей торговли .
Выручка i-ой страны от внутренней и внешней торговли находится по формуле
Pi = ai1x1 + ai2x2 + ... + ainxn.
Предположим, что торговля всех n стран является бездефицитной. Это озна- чает, что выручка от внутренней и внешней торговли каждой страны не меньше ее торгового бюджета, то есть для всех i = 1, 2, . . . , n должно выполняться
неравенство Pi > xi, или в развернутой форме
ai1x1 + ai2x2 + . . . + ainxn . . . xi, i = 1, 2, . . . , n. |
(28) |
36
Из экономических соображений ясно, что если хотя бы одна страна имеет
торговый профицит (выручка строго больше торгового бюджета, Pi > xi), òî хотя бы одна из других стран должна иметь торговый дефицит (выручка стро-
го меньше торгового бюджета, Pi < xi). Поэтому, бездефицитности торговли одновременно всех n стран можно достигнуть только в том случае, когда торговля всех стран сбалансирована (выручка от внутренней и внешней торговли равна ее торговому бюджету, Pi = xi). Это означает, что в формулах (28) âñå
знаки > нужно заменить на равенства. Подтвердим теперь этот факт путем строгих математических рассуждений. Пусть выполнены условия бездефицитной торговли (28). Просуммируем все неравенства системы (28), получим:
x1 (a11 + a21 + . . . + an1) + x2 (a12 + a22 + . . . + an2) + |
|
+ . . . + xn (a1n + a2n + . . . + ann) > x1 + x2 + . . . + xn. |
(29) |
В скобках в последнем неравенстве стоят суммы элементов каждого столбца структурной матрицы торговли, которые по свойству (27) равны единице.
Поэтому, формула (29) принимает вид:
x1 + x2 + . . . + xn > x1 + x2 + ... + xn,
откуда следует, что все условие бездефицитной торговли возможны лишь со знаком равенства. Таким образом, условия (28) принимают вид равенств:
a21x1 |
+ a22x2 |
+ ... + a2nxn |
= x2 |
, |
a11x1 |
+ a12x2 |
+ ... + a1nxn |
= x1 |
, |
|
|
|
|
|
. . . . . |
. . . . . . . . |
. . . . . . . . . . . . . . . |
. . . . . |
|
|
|
|
|
|
|
|
|
|
|
an1x1 + an2x2 + ... + annxn |
= xn |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
или в матричной форме
AX = X.
Таким образом, задача о сбалансированности торговли n стран свелась к нахождению собственного вектора X структурной матрицы торговли A, соот-
ветствующего собственному значению λ = 1. Координаты этого собственного
вектора будут пропорциональны торговым бюджетам участвующим в торговле стран.
Пример 104. Структурная матрица торговли тр¼х стран имеет вид
0, 3 0, 2 0, 10, 2 0, 1 0, 6 . 0, 5 0, 7 0, 3
Определим, при каких соотношениях торговля между этими странами является сбалансированной. Для этого найдем собственный вектор X структурной
матрицы A, соответствующий собственному значению λ = 1, то есть решим матричное уравнение AX = X или, что то же самое, систему:
0, 3x1 + 0, 2x2 + 0, 1x3 = x1,
0, 2x1 + 0, 1x2 + 0, 6x3 = x2,
0, 5x1 + 0, 7x2 + 0, 3x3 = x3.
37