- •Линейная алгебра. Линейное пространство, базисы, координаты.
- •Свойства
- •Базисы и координаты, размерность.
- •То есть - лнз Докажем, что это максимальный Линейно независимый набор
- •Определение: Набор элементов линейного пространства удовлетворяющий любому условию теоремы называется базисом линейного пространства. Определение: Если - базис, то по свойству3
- •Матрица перехода. Связь между координатами вектора в разных базисах.
- •Подпространства. Суммы. Пересечения, фактор пространства.
- •Сумма и пересечения подпространств.
- •Размерности подпространства, сумма и пересечения.
- •Доказательство
- •Пространство матриц (2х2)
- •Факторпространство.
- •Определение:
- •§3 Линейное отображение линейных пространств.
- •Определение и примеры линейных отображений линейных пространств.
- •Матрица линейного отображения
- •Изменение матрицы линейного отображения при смене базиса.
- •Ядро и образ линейного оператора.
- •Собственные числа и собственные вектора линейного пространства.
- •Характеристический многочлен линейного оператора.
- •50 Условия диагонализации линейного оператора
- •Доказательство:
- •60 Изменение поля скаляров (компексификация и овеществление)
- •5 Анулирующие многочлены
- •10 Теорема Гамильтона – Коши
- •Построение Жорданова базиса в корневом подпространстве
- •Жорданов базис оператора с единственным собственным числом
- •Построение жорданова базиса для оператора с различными собственными числами
- •Функции от матриц
- •Эвклидовы и унитарные пространства Линейные операторы в этих пространствах
- •1 Определение эвклидового пространства и унитарного пространства
- •Матрица Грама
- •2 Неравенство Коши-Буняковского
- •3 Матрица Грама и ее изменение при смене базиса.
- •4 Ортонормированные базисы и ортогональные матрицы.
- •Ортогональное дополнение линейного подпространсва.
- •Описани алгоритма
- •Параграф 3 Операторы изометрии в евклидовых и унитарных пространствах.
- •1 Определение изомерии. Определение: изометрия – это отображение сохраняя углы и расстояния.
- •2 Простейшие свойства изометрии
- •3 Операторы изометрии в пространствах малых размерностей (1,2)
- •4 Структура ортогонального и унитарного операторов.
- •Параграф 4 Самосопряженные операторы в евклидовых и унитарных пространствах.
- •Сопряженный оператор и его матрица.
- •2. Самосопряженные операторы.
- •Доказательство
- •Квадратичные формы
- •1. Определения и примеры.
- •5O Положительно определенные квадратичные формы.
- •Кривые второго порядка на плоскости
Квадратичные формы
1. Определения и примеры.
Матрица квадратичной формы – это однородный многочлен 2-й степени от нескольких переменных
Многочлен называется однородным, если все одночлены входящие в него имеют одинаковую степень.
Описанный способ приведения квадратичной формы к диагональному виду называется методом Лагранжа (выделение наименьшего квадрата)
Пример: Q(x;y;z) = 6x2-4y2+6z2-4xz = 6(x2-4/6xz)-4y2+6z2 = 6(x2-2/3xz+1/9z2)+
+16/3z2-4y2 = 6(x-1/3z)2-4y2+16/3z2 = 6u2-4v2+16/3w2
u = x-1/3z
v = y
w = z
1 0 –1/3
C = 0 1 0 U = CX
0 0 1
Определение: сигнатурой квадратной формы называется набор из
чисел: n+ , n_ , n0
где n+ - число положительных коэффициентов в диагональном виде
n_ - отрицательных коэффициентов
n0 – нулевых коэффициентов
Закон инерции: при любых невырожденных заменах переменных
сигнатура квадратичной формы не меняется
Следствие: если в процессе применения метода Лагранжа на каждом шаге находится ненулевой диагональный элемент, то матрица результирующей замены переменной будет верхней треугольной с единицами на главной диагонали.
Пусть есть квадратная форма Q(x1,x2,..,xn) и она двумя различными формами приведена к диагональному виду
(1) a1y12+a2y22+…+anyn2 в базисе f1…fn
(2) b1z12+b2z22+…+bnzn2 в базисе g1…gn
количество положительных, отрицательных и нулевых коэффициентов a и b совпадает.
Доказательство: рассмотрим пространство Rn с базисом
0 x1
0 x2 - координаты столбца
ei = 1 - i X = .. вектора в базисе e1..en
.. ..
0 xn
тогда квадратичную функцию можно рассматривать как функцию вектора …
Унас есть линейная замена переменных:y1 X=C1Y
Y = .. - сопоставим X в
yn базисе f1…fn
C1 как матрица перехода от базиса e к базису f
Пусть А – матрица Q(x1,x2,..,xn) : Q(x1,x2,..,xn) = tXAX = tYtC1AC1Y
Координаты этого же базиса можно расматривать в третьем базисе:
g1…gn z1 - сопоставляем X
Z= .. в базисе g
zn
X = C2Z C2 = Ceg - т. е. нелин. матрица – это дает возможность считать X – векором.
Предположим, что среди чисел a1…ak>0 следующие ak+1…ak+s<0, остальные числа ak+s+1…an= 0, тогда рассмотрим пространство:
L1 = Z (f1…fk) Q > 0: dim L1 = k
L2 = Z (fk+1…fk+s) Q < 0: dim L2 = s
L3 = Z (fk+s+1…fn) Q = 0: dim L3 = n-k-s,
Тогда все пространство Rn – это прямая сумма этих трех подпространств:
Rn = L1 + L2 + L3, причем на первом шаге квадратная форма положительна, на втором Q < 0 , на 3-ем Q = 0. Так же поступим с базисом g:
b1…bL > 0 M1 = Z (g1…gL) dim M1=l
bL+1…bL+f < 0 M2 = Z (gL+1…gL+f) dim M1=f
bL+f+1…bn = 0 M3 = Z (gL+f+1…gn) dim M1=n-f-l
рассмотрим пересечение подпространств L1 (M1 M2) = {0} – это пересечение состоит из нулевого вектора:
на L1 Q > 0
M2Q > 0 - это означает, что M1L2L3 – прямая сумма,
M3 Q = 0 dim L1 <= dim M1, т. к. M1 дополняет число до…
dim M1 <= dim L1 - тогда они совпадают.
Т. е. кол-во положительных коэффициентов g совпадают , для <0 рассмотрим -Q и тогда поменяем для…, нулевые коэффициенты сохраняются, т. к. дополняют сумму до пространства.