- •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
Собственные числа и собственные вектора линейного пространства.
-инвар.следовательно= применим к этому вектору оператор.
Определение:
Если , тогда не нулевой векторназывается собственным вектором оператораА, отвечающего собственного числа.
Примеры:
Проектир.
всякий вектор из ядра
a)вектор собственный с собственным числом 0.
b)- тоже собственный вектор с собственным числом 1.
2) тогда инвариантное подпространство.
Рассмотрим вектор
тогда
собственный вектор с собственным числом 2.
3) A– поворот плоскостивокруг координат напет. с вит.
4))
Характеристический многочлен линейного оператора.
Теорема:и пусть в нем зафиксирован базис, тогда- собственное число оператораA, тогдаудовлетворяет выражению
- единичная матрица,- корень.
Замечание:многочлен-характеристический многочлен оператораА.
Доказательство:
- собственное число воспользуется изоморфизмом – зафиксируем базис.
- базис- матрица.
- собственное число, то есть, такой, чтоперейдем к равенству координатных столбцов
- матричное равенство, следовательно, система имеет решение не равное 0.
по правилу однородно СЛУ.
пусть докажем, что- собственное число.
корень уравнения
Рассмотрим СЛУ. так какпоскольку есть взаимно однозначное соответствие, то есть и вектор.
x-собственный вектор,собственное число.
Теорема Независимость характеристического многочлена от выбора базиса.
- не зависит от базиса.
Доказательство:
Рассмотрим 2 базиса
- базисы,- матрица перехода.
сравним
ч.т.д.
Для вычисления собственных чисел и собственных векторов используется матрица оператора, но сами собственные числа не зависят от выбора базиса.
e1,..,e2 |
}Базисы,- матрица перехода
f1,..,f2 |
сравним
и т.д.
Для вычисления собственных чисел и собственных секторов используется матрица оператора, но сами собственные числа не зависят от выбора базиса.
50 Условия диагонализации линейного оператора
Оператор диагонализации называется оператором если существует базис в котором матрица этого оператора диагональная.
Теорема: ОператорA:L L – он диагонализуем тогда и только тогда, когда существует базис вL, состоящий из собственных векторов оператора ; (сущe1,..,en - ,базис)
Доказательство:
пусть А – диаганализуема тогда сущ базис e1,..,en
e1 его образ[Aе1] и рассмотрим под диагональный столбец в базисе е
т.е. т.е. этот вектор собственный так же и остальные вектора.
пусть есть базис сущ e1,..,en – собственные вектора , 1<=i<=n т.е. оператор диаганализуем и т.д.
Когда есть базис из собственных векторов.
Теорема: линейно независимых собственных векторов
Пусть есть линейный оператор A:LLи пусть есть к – собственных чисел (различных)- с.ч.для всякихi<>j тогда отвечающие им собственные вектора лин зав(ЛНЗ)e1,…en – ЛНЗ Доказательство: (по индукции)
k=1 по определению собственный вектор не нулевой, а набор из одного вектора ЛНЗ e1<>0; e1 – ЛНЗ
e1,…,ek-1 – ЛНЗ – предположение
Рассмотрим множество() А котороеe1,…,ek – ЛНЗ диаганал (1) применим линейный оператор
а) тогда получим
т.к. e1,…,ek-1 – ЛНЗ следовательно все равны 0
т.к. тогда средиесли i<k
это означает что
тогда
тогда т.к.ek<>0 то
т.е. вектора ЛНЗ
б)
т.к. е1,…,ек-1 – ЛНЗ
то т.к.то следовательно
т.к. все то следовательно() следовательно
т.е набор ЛНЗ
Следствие: Если лин оператор A:LL dimL=n n – различные собственные числа
существуют - собственные числа (все различные) тогда А – диаганализуем
Пример: A
x3=0 x1=-x2
x1-с.ч. x3=x2=0
x2=x3 x1=2*x2
e3=3*e3 e2=2*e2 e1=e1
rangM=1
размерность решений равна 1
rang (A-E)=1
собственный вектор (?????????????)
если мы рассматриваем под R т.е. det не имеет корней нет с.ч. и с.в.