- •Часть II
- •Оглавление
- •Дидактический план
- •Литература*
- •Перечень умений
- •Тематический обзор*
- •1 Собственные числа и собственные векторы матрицы
- •1.1 Определение. Основные свойства собственных векторов
- •1.2 Характеристический многочлен
- •1.3 Собственное подпространство
- •2 Приведение симметричной матрицы к диагональному виду
- •2.1 Скалярное произведение в пространстве Rn. Процесс ортогонализации
- •2.2 Ортогональная матрица
- •2.3 Собственный базис симметричной матрицы
- •3 Квадратичная форма. Приведение к каноническому виду
- •3.1 Основные определения. Матрица квадратичной формы
- •3.2 Преобразование матрицы при линейной замене переменных
- •3.3 Приведение квадратичной формы к каноническому виду ортогональным преобразованием
- •3.4 Приведение кривой второго порядка к каноническому виду
- •3.5 Знакоопределенные квадратичные формы. Критерий Сильвестра
- •4 Линейные пространства
- •4.1 Определение линейного пространства
- •4.2 Линейная зависимость
- •4.3 Базис и координаты. Размерность пространства
- •4.4 Матрица перехода
- •4.5 Подпространство
- •4.6 Евклидовы пространства
- •3. Теорема Пифагора и ее обобщение.
- •5 Линейные операторы
- •5.1 Определение и примеры
- •5.2 Матрица линейного оператора
- •5.3 Самосопряженный оператор
- •Приложение 1 Перпендикуляр из точки на пространство
- •Приложение 2 о приближенном вычислении собственных значений матрицы
- •Задания для самостоятельной работы
- •1.Решите самостоятельно следующие задачи (номер варианта совпадает с вашим номером в списке группы):
- •Тренинг умений
- •1 Пример выполнения упражнения тренинга на умение № 1
- •2 Пример выполнения упражнения тренинга на умение № 2
- •3 Пример выполнения упражнения тренинга на умение № 3
- •4 Пример выполнения упражнения тренинга на умение № 4
- •5 Пример выполнения упражнения тренинга на умение № 5
- •6 Пример выполнения упражнения тренинга на умение № 6
- •7 Пример выполнения упражнения тренинга на умение № 7
- •8 Пример выполнения упражнения тренинга на умение № 8
- •9 Пример выполнения упражнения тренинга на умение № 9
- •10 Пример выполнения упражнения тренинга на умение № 10
- •11 Пример выполнения упражнения тренинга на умение № 11
- •12 Пример выполнения упражнения тренинга на умение № 12
- •13 Пример выполнения упражнения тренинга на умение № 13
- •Глоссарий
- •Линейная алгебра с элементами аналитической геометрии юнита 3
- •Часть II
4.4 Матрица перехода
Как мы видим в рассмотренных примерах, в линейном пространстве V все базисы равноправны. Тот или иной базис выбирают исходя из конкретных обстоятельств. Иногда для представления элементов линейного пространства используют несколько базисов и тогда возникает задача о преобразовании координат векторов, которые связаны с изменением базиса. Мы уже встречались с этой задачей в пространстве Rn (при переходе от стандартного базиса к собственному базису матрицы А).
Матрицей перехода от базиса к базису в линейном n-мерном пространстве V называется квадратная матрица С порядка n, столбцами которой являются координаты нового базиса по старому :
, .
Сформулируем еще раз основные свойства матрицы перехода С.
1. Матрица С невырождена и имеет обратную .
2. Матрица является матрицей перехода от нового базиса к старому .
3. Пусть в n-мерном линейном пространстве задан базис ; С – произвольная невырожденная квадратная матрица порядка n, тогда существует такой базис в линейном пространстве, что матрица С будет матрицей перехода от базиса к базису . Действительно, так как С – невырождена, то ее вектор-столбцы линейно независимы. Будем считать столбцы матрицы С координатами по базису новой системы из n линейно независимых векторов , тогда система – базис, а матрица С – матрица перехода от к .
4. Если в линейном пространстве заданы базисы , и , причем С – матрица перехода от базиса к , а В – матрица перехода от базиса к , то матрица–произведение является матрицей перехода от базиса к .
Например, пусть векторы “нового” базиса трехмерного линейного пространства выражены через “старый” базис по формулам:
,
,
.
Чтобы составить матрицу С перехода от к , запишем координаты векторов системы по базису в столбцы матрицы С:
, , .
Матрица С невырожденная, . Матрица имеет вид:
.
Следовательно, соотношения, выражающие векторы базиса через векторы :
,
,
.
Рассмотрим теперь, как преобразуются координаты произвольного вектора в линейном пространстве V при переходе от старого базиса к новому с заданной матрицей перехода С.
Мы уже подробно рассматривали эту задачу в случае арифметического n-мерного пространства Rn. Аналогичный результат имеет место в случае произвольного линейного пространства V, а именно: пусть старый и новый –два базиса в n-мерном пространстве V; С – матрица перехода от к ; v – произвольный вектор пространства V;
и , тогда , т.е. чтобы получить координаты вектора в старом базисе нужно столбец координат этого вектора в новом базисе умножить слева на матрицу перехода из старого базиса в новый.
4.5 Подпространство
В любом линейном пространстве V можно выделить такое подмножество, которое относительно операций из V само является линейным пространством.
Определение. Непустое подмножество W V называется подпространством линейного пространства V, если:
1) сумма любых векторов х, у из W является вектором из W, т.е. если ;
2) произведение любого вектора х из W на скаляр есть вектор из W, т.е. если , где – число.
Иными словами, применение линейных операций к векторам подмножества W не выводит результат из W, говорят, что подпространство замкнуто относительно операций сложения и умножения на скаляр. Фактически подпространство W является пространством, а потому, основные понятия, введенные для пространств, переносятся на подпространства. Так, базис подпространства W – система линейно независимых векторов такая, что любой вектор представим в виде линейной комбинации .
Доказывается, что все базисы подпространства состоят из одного и того же числа векторов m, которое называется размерностью подпространства W и обозначается .
Рассмотрим примеры подпространств.
Множество, состоящее только из нулевого вектора , есть подпространство в V и все пространство V также есть подпространство самого себя. Эти два подпространства называют несобственными, остальные же подпространства – собственные.
1. Пусть в пространстве задан фиксированный вектор . Рассмотрим множество W векторов из , ортогональных вектору а:
.
Покажем, что W – подпространство. Действительно, пусть , , т.е. их скалярные произведения с вектором а равны нулю: , . Рассмотрим вектор , проверим, принадлежит ли он W, т.е.равно ли скалярное произведение нулю:
,
аналогично, для и любого числа а верно:
,
т.е. W – подпространство.
Распишем координатное равенство :
.
Геометрически это уравнение определяет любую плоскость (так как а – произвольно), проходящую через начало координат. Размерность (плоскость двумерна).
Заметим, что любая плоскость и прямая, проходящие через начало координат в пространстве , являются подпространствами в . Других собственных подпространств в нет.
2. Множество решений системы линейных однородных уравнений, , где является подпространством , причем , где .
3. В пространстве непрерывных на функций множество всех дифференцируемых функций образует подпространство (так как производная суммы функций равна сумме производных, а константу можно выносить за знак производной).
4. В пространстве многочлены степени образуют пространство. Совокупность же многочленов фиксированной степени n подпространством не является (легко проверить).
5. В пространстве квадратных матриц порядка n все симметричные матрицы образуют подпространство.
6. В том же пространстве можно выделить подпространство верхнетреугольных (нижнетреугольных) матриц.
Легко проверить, что все рассмотренные пространства содержат нулевой элемент и, вместе с каждым элементом х подпространства, противоположный элемент – х. Этот факт является общим для всех подпространств (следует из определения).
Рассмотрим теперь множество решений неоднородной системы линейных уравнений , , , . Мы знаем, что общее решение этой системы записывается в виде:
,
где – общее решение однородной системы, а – частное решение неоднородной системы (любое). Множество решений неоднородной системы устроено так: надо взять подпространство решений однородной системы и “сдвинуть” его на произвольный вектор – решение неоднородной системы. Это множество не является подпространством (например, нуль-вектор в него не входит).
В пространстве мы приводили примеры подпространств – плоскости и прямые, проходящие через начало координат. В то же время, плоскости или прямые, не проходящие через начало координат, не являются подпространствами, но по своим свойствам похожи на соответствующие подпространства. Они получены параллельным сдвигом в пространстве.
Пусть W – подпространство пространства V, а – фиксированный вектор, вообще говоря, не принадлежащий W. Тогда совокупность Н всех таких векторов х, что , где у – пробегает все подпространство W, называют сдвигом подпространства W. Множество Н, вообще говоря, не является подпространством.
Важным примером подпространства является линейная оболочка векторов.
Определение. Пусть – система векторов из пространства V. Совокупность всех линейных комбинаций , где – действительные числа, называется линейной оболочкой системы векторов . Обозначим линейную оболочку .
Примеры.
1. Линейная оболочка векторов базиса пространства V совпадает со всем пространством.
2. Рассмотрим систему функций из пространства . Их линейная оболочка – множество всех многочленов степени .
Легко проверить, что линейная оболочка векторов , образует подпространство, так как при сложении линейных комбинаций и умножении их на число вновь получаются линейные комбинации так же векторов.
Для линейной оболочки , если же линейно независимы, то они служат базисом в L и . Если векторы , порождающие линейную оболочку, линейно зависимы, то , где r – ранг системы векторов (максимальное число линейно независимых векторов системы). Всякий базис можно дополнить до базиса всего пространства V.
Рассмотрим еще один пример.
В пространстве линейную оболочку векторов составляют функции вида , где a, b – любые вещественные числа. Функции линейно независимы и составляют базис своей линейной оболочки, . Найдем, например, координаты гиперболических функций и в этом базисе.
, ,
поэтому координаты , а в базисе .