- •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
2 Приведение симметричной матрицы к диагональному виду
2.1 Скалярное произведение в пространстве Rn. Процесс ортогонализации
В юните 1 нашего курса уже было введено понятие скалярного произведения в пространстве Rn. Напомним его.
Пусть и – два вектора пространства Rn, тогда скалярным произведением векторов и называется число :
, или .
В следующих главах будет обобщено понятие скалярного произведения и рассмотрены его основные свойства.
Здесь напомним, что длина вектора (норма вектора)
.
Два вектора и ортогональны, если их скалярное произведение равно нулю, т.е. .
Определение. Система векторов , в Rn ортогональна, если
1) , для всех ;
2) , для всех .
Можно доказать (что будет сделано ниже), что ортогональная система линейно независима.
Определение. Ортонормированной называется система векторов , из Rn, если
1) система ортогональна;
2) длина каждого вектора системы равна 1, т.е. , .
Любой вектор можно нормировать, т.е. построить такой вектор , что .
Вектор называется ортом вектора , если его длина равна единице, а его координаты:
.
Например, ортом вектора является вектор
, т.к. .
Итак, всякую ортогональную систему легко превратить в ортонормированную.
Любая ортонормированная система из n векторов пространства образует ортонормированный базис пространства .
Пусть линейно независимая система векторов из . Тогда ее можно ортогонализовать, т.е. построить ортогональную систему векторов такую что, линейные оболочки векторов и совпадают
.
О линейной оболочке см. юниту 1.
Покажем, как из системы строится система .
Алгоритм процесса ортогонализации: 1) , 2) , коэффициент подберем так, чтобы и были ортогональны, т.е. .
, отсюда .
3) , 1 и 2 находим из условий: и , или
,
так как , то .
,
так как , то .
Итак, , или
.
Аналогично строятся векторы , где
.
Заметим, что векторы новой системы являются линейными комбинациями векторов линейно независимой системы , т.е. принадлежат .
Итак, от произвольного базиса линейной оболочки мы перешли к ортогональному базису , причем .
Пример. В пространстве векторы и не коллинеарные и образуют базис. Так как , то базис не ортогональный. Построим ортогональный базис .
1. .
2. , где ,
(рисунок 4).
Рисунок 4
Базис – ортогональный, но не нормированный. Нормируем этот базис:
; ,
; .
Базис – ортонормированный стандартный базис.
Стандартные базисы в и , ,..., в являются ортонормированными базисами.
2.2 Ортогональная матрица
Пусть – базис в пространстве , а – другой базис того же пространства. Векторы однозначно выражаются через базис :
или
.
Запишем координаты вектора по базису в k-й столбец матрицы А:
.
Напомним, что эта матрица называется матрицей перехода от базиса к базису . Матрица А невырождена, так как ее столбцы – координаты базисных векторов , следовательно существует обратная матрица , которая является матрицей перехода от базиса к базису .
Рассмотрим частный случай когда и два ортонормированных базиса в и .
Обозначим матрицу перехода U,
.
Матрица U обладает следующими свойствами: ее вектор-столбцы образуют ортонормированный базис в , т.е.
а) ,
б) .
Определение. Квадратная матрица порядка n, столбцы которой удовлетворяют условиям , называется ортогональной.
Перечислим основные свойства ортогональной матрицы U:
1. Строки матрицы U (как и ее столбцы) образуют ортонормированный базис в .
2. , т.е. вычисление обратной матрицы для U сводится к ее транспонированию.
3. для всех .
Это свойство означает, что скалярное произведение при действии ортогональной матрицы U на векторы сохраняется, а значит сохраняются длины векторов и углы между ними.
Любое из перечисленных свойств может служить определением ортогональной матрицы. Мы будем придерживаться первоначально данного определения.
Рассмотрим примеры.
1. В пространстве поворот на угол по часовой стрелке задается матрицей перехода
.
Легко проверить, что матрица ортогональна. Из геометрических соображений очевидно, что длины векторов и углы между ними при таком преобразовании сохраняются.
2. В пространстве рассмотрим преобразование – отражение вектора относительно оси ОХ (рисунок 5).
Рисунок 5
При таком преобразовании базис перейдет в базис , . Тогда, матрица перехода А от базиса к базису имеет вид:
.
Очевидно, это преобразование сохраняет длины векторов и углы между ними, а матрица перехода А ортогональна.
В заключение посмотрим, как меняются координаты вектора при переходе от одного базиса к другому.
Пусть в заданы два базиса и . Обозначим С матрицу перехода от старого базиса к новому базису , т.е. , . Выберем произвольный вектор , разложим его по “старому” базису :
.
Аналогично, разложение этого вектора по “новому” базису имеет вид:
.
Зависимость между “старыми” координатами и “новыми” вытекает из следующей цепочки равенств:
.
Так как разложение вектора по базису единственно, то получаем
, . (*)
Обозначим векторы–столбцы старых и новых координат соответственно
и , ,
тогда равенство (*) можно записать так:
. (**)
Итак, чтобы получить координаты вектора в “старом” базисе необходимо его вектор–столбец “новых” координат умножить слева на матрицу перехода из старого базиса в новый. Так как матрица С имеет обратную , то умножив равенство (**) слева на матрицу , получим выражение “новых” координат через “старые”:
.
Пример. “Старый” базис в пространстве (на плоскости) – “новый” базис получен из “старого” поворотом на угол по часовой стрелке (рисунок 6, 7). Матрица перехода от базиса к базису
.
Пусть вектор в базисе имеет координаты . Найдем координаты в базисе (рисунок 6, 7).
, , т.е. , .
Рисунок 6 Рисунок 7