Лекция №20 icon

Лекция №20


Смотрите также:
Вводный семинар, вводная лекция, занятия по целе-полаганию, лекция-беседа...
Лекция 20. 03. 12. Модели для исследования и оценки в pr лекция 27. 03. 12...
Лекция Фьючерсные контракты Лекция Фьючерсы на акции...
Курс лекций Лекция Введение в земледелие. Лекция Научные основы земледелия...
Лекция Историография как научная дисциплина Лекция Исторические знания в Древней Руси...
Лекция Сионизм в оценке Торы Лекция Государство Израиль испытание на прочность...
Лекция Введение в социологию 6 Лекция Становление и основные этапы развития социологии. 20...
План лекционных занятий Лекция Развитие аудиальных средств информации. Лекция 2...
Курс лекций Москва 2008 Содержание Лекция Введение 4 Лекция Научные знания в средневековой Руси...
Лекция Историография как научная дисциплина Лекция Исторические знания в Древней Руси...
Лекция №2 от 25. 09. 2008г. Упанишады...
Лекция Введение в бд и субд. Модели данных 2 Лекция Инфологическая модель «Сущность-связь»...



Загрузка...
скачать



538857.doc 22.06.12, М.



Лекция № 20 (14.05.10)


8.3.4. Изменение матрицы линейного оператора при переходе к другому базису

Рассмотрим линейный оператор , и пусть A и − матрицы этого оператора в первом и во втором базисах. Пусть x − произвольный вектор пространства V и y = (x); тогда в первом и во втором базисах можно записать:

= A; = .

Используя формулу (4), первое из равенств запишем в виде:

P = AP ,

или, так как матрица P обратима, в виде:

= P−1AP .

Отсюда получаем:

P−1AP = .

Следовательно, P−1AP = .

§ 8.4. Обратный оператор


^ 8.4.1. Ядро линейного оператора


Пусть в пространстве Kn действует линейный оператор φ. Ядром оператора φ (обозначается Ker φ) называется множество всех тех и только тех векторов про­странства, которые под действием данного оператора переходят в нуль:

Ker φ = {xKn: φ(x) =0}.

Легко проверить, что ядро всегда является линейным подпространством в Kn (проверьте!).

Пусть A − матрица данного оператора в каком-нибудь базисе, X − изображе­ние вектора x в том же базисе. Тогда для нахождения ядра получаем матричное уравнение (см. п. 8.2.5):


AX = 0.

Мы видим, что это есть однородная линейная система уравнений, матрица ко­торой есть A. Это один из возможных способов нахождения ядра. Если в качестве базиса взять стандартный, то изображение вектора x – это сам вектор x. Следова­тельно, решения написанной выше системы уравнений – это в точности векторы ядра. Поскольку размерность подпространства решений равна числу свободных не­известных в соответствующей приведённой к ступенчатому виду системе, по­лучаем, что dim Ker φ = n – rk A.


^ 8.4.2. Понятие обратного оператора


Пусть φ − линейный оператор в Kn, который является биективным отображе­нием (и, следо­вательно, для него существует обратное отображение ).

Теорема. Отображение, обратное к линейному оператору, само является ли­нейным опера­тором.

Для доказательства равенства (x + y) = (x) + (y) применим к нему опера­тор φ:

φ((x + y)) = φ((x) + (y)).

Если мы докажем это новое равенство, то в силу инъективности отображения φ из него бу­дет следовать и предыдущее (доказываемое) равенство. Но

φ((x + y)) = (φ)(x + y) = (x + y) = x + y;

φ((x) + (y)) = φ((x)) + φ((y)) = (φ)(x) + (φ)(y) = (x) + (y) = x + y.

Вторая часть определения линейности (умножение на скаляр) доказывается аналогично.

Определение. Линейный оператор , являющийся обратным отображением к данному би­ективному линейному оператору φ, называется оператором, обратным к φ, и обозначается φ−1.

Теорема. Матрицы взаимно обратных линейных операторов в каком-нибудь одном базисе взаимно обратны.

Доказательство. Пусть φ и  − данные взаимно обратные линейные опера­торы. Тогда

AφA = Aφ = A = E; AA = A = A = E, QED.


^ 8.4.3. Базис и размерность образа линейного оператора

Пусть в пространстве Kn даны базис u1, u2, …, un и какой-либо линейный опе­ратор .

Предложение. Im  = ‹(u1), (u2), …, (un)›.

Доказательство. Каждый (ui)  Im ; следовательно, по минимальному свойству линей­ной оболочки Im   ‹(u1), (u2), …, (un)›. Обратно, пусть y  Im ; тогда y = (x) для некото­рого подходящего x Kn. Пусть

x = x1u1 + x2u2 + … + xnun;

тогда

y = (x) = x1(u1) + x2(u2) + … + xn(un)  ‹(u1), (u2), …, (un)›.

Предложение. Размерность образа линейного оператора равна рангу матрицы этого опера­тора в произвольном базисе.


Доказательство. В самом деле, dim Im  = rk ((u1), (u2), …, (un)) (по пре­дыдущему предложению и по следствию предыдущего пункта). Последнее же число равно рангу матрицы этого оператора в базисе u1, u2, …, un (по определению ранга матрицы и по определению матрицы оператора).

Следствие. Ранг матрицы линейного оператора не зависит от выбора базиса.

Доказательство. Это очевидным образом вытекает из предыдущего предло­жения, по­скольку ранг матрицы оператора в любом базисе равен размерности об­раза, которая (да и сам об­раз!) от выбора базиса не зависит.

^ 8.4.4. Связь между размерностями ядра и образа

Теорема. Эта связь выражается формулою:

dim Ker  + dim Im  = n. (1)

Здесь n − размерность всего пространства (Kn).

Доказательство. Возьмем произвольный базис u1, u2, …, un всего простран­ства. Пусть A − матрица данного оператора в этом базисе. Тогда

dim Im  = rk A (2)

(предложение предыдущего пункта); с другой стороны,

dim Ker  = n − rk A (3)

(см. п. 8.4.1). Складывая (2) и (3), получаем (1), QED.


§ 8.5. Собственные значения и собственные векторы


^ 8.5.1. Определения собственного значения и собственного вектора

Определение. Пусть в пространстве Kn дан линейный оператор . Вектор x называется собственным вектором оператора , если

1) x ≠ 0;

2) существует такое число λ из основного поля K, что

(x) = λx.

Число λ называется при этом собственным значением оператора.

Предложение. Для данного собственного вектора его собственное значение определяется единственным образом.

Доказательство. В самом деле, пусть (x) = λx = μx; тогда (λ − μ)x = λx − μx = 0, откуда, т. к. x ≠ 0, λ − μ = 0, т. е. λ = μ, QED.

Заметим, что над полем действительных чисел линейный оператор может и не иметь собст­венных значений. Пример: в двумерном пространстве поворот всех век­торов плоскости вокруг на­чала координат на угол 90. Ни один вектор (кроме нуле­вого) не переходит в коллинеарный. Над полем же комплексных чисел любой опе­ратор имеет собственное значение (об этом см. ниже).

^ 8.5.2. Нахождение собственных значений и собственных векторов

Рассмотрим базис u1, u2, …, un пространства Kn и запишем вектор x и матрицу опера­тора  в этом базисе:


x = x1u1 + … + xnun.

Матрица-столбец X = является изображением вектора x в этом базисе.

А = = .

Так как действие оператора  на вектор x описывается с помощью матрицы A следующим образом:

Y = AX,

где Y − матрица-столбец, изображающая вектор (x) в нашем базисе (см. п. 8.2.5), то для собст­венного вектора x = оператора , соответствующего собственному зна­чению λ, имеем:

X ≠ 0, AX = λX.

Переписываем это иначе:

AX = λ(EX);

AX = (λE)X;

AX − (λE)X = 0;

(A − λE)X = 0.

Последнее равенство можно рассматривать как однородную линейную систему уравнений с пара­метром λ:



Это система линейных уравнений для нахождения собственных векторов опе­ратора , со­ответствующих собственному значению λ. Матрица этой системы есть A − λE. Поскольку мы ин­тересуемся существованием ненулевых (нетривиальных) ре­шений этой системы (собственные векторы не могут быть нулевыми), необходимым и достаточным условием для этого является ра­венство det (A − λE) = 0. В самом деле, при выполнении этого равенства r = rk (A − λE) < n и раз­мерность подпро­странства решений нашей системы равна nr > 0, т.е. имеются ненулевые реше­ния системы − собственные векторы, соответствующие собственному значению λ. Об­ратно, если det (A − λE) ≠ 0, то по теореме Kramer’а наша система имеет единствен­ное, т. е. нулевое, решение.

Итак, условие det (A − λE) = 0 можно рассматривать как уравнение для опре­деления собст­венных значений λ. В развёрнутом виде оно выглядит так:

= 0.


Это уравнение называется характеристическим уравнением. Рассмотрим теперь ле­вую часть этого уравнения, т. е. определитель матрицы A − λE. Это число, которое зависит от λ, т.е. det (A − − λE) является функцией от λ. Используя определение опре­делителя матрицы, легко понять, что det (A − λE) является многочленом степени n, называемым характеристическим многочленом опе­ра­тора.

Предложение. Левая часть характеристического уравнения представляет со­бою многочлен, старший член которого равен (−1)nλn.

Доказательство. В самом деле, вспомним, что определитель по определению есть сумма своих членов, каждый из которых есть взятое с определённым знаком произведение n элементов матрицы такое, что в каждой строке и в каждом столбце стоит по одному из выбранных элемен­тов.

Поскольку каждый элемент нашей матрицы есть многочлен степени не выше 1 (либо число, либо выражение aii − λ), то каждый член определителя есть много­член степени не выше n. При этом многочлен степени ровно n получится только если взять все элементы на главной диагонали. В этом случае старший член произ­ведения и есть (−1)nλn. Предложение доказано.




Скачать 58.23 Kb.
оставить комментарий
Дата07.08.2012
Размер58.23 Kb.
ТипЛекция, Образовательные материалы
Добавить документ в свой блог или на сайт

Ваша оценка этого документа будет первой.
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Загрузка...
Документы

Рейтинг@Mail.ru
наверх