Как найти два линейных преобразования

Содержание:

1. Линейные преобразования. Собственные векторы и собственные числа линейного оператора
2. Собственные векторы и собственные числа линейного оператора: определение, свойства
3. Нахождение собственных чисел и собственных векторов
4. Базис пространства из собственных векторов линейного оператора
5. Линейная модель обмена (модель международной торговли)

Линейные преобразования. Собственные векторы и собственные числа линейного оператора

Линейные преобразования (линейные операторы). Матрица линейного преобразования

Пусть задано -мерный пространство . Если каждому вектору поставлено в соответствие единственный вектор

этого же пространства, говорится, что в векторном пространстве  задано преобразование , или оператор .

Вектор – результат линейного преобразования – называют образом вектора , а выходной вектор  – прообразом вектора .

Преобразование называется линейным преобразованием, или линейным оператором, если для произвольных векторов и произвольного действительного скаляра выполняются условия:

То есть линейный оператор преобразует пространство  в то самое пространство. Это записывается следующим образом:

Примерами простейших линейных преобразований являются:
тождественное преобразование: , когда каждый -мерный вектор пространства превращается в самого себя, то есть остается без изменения;

нулевой оператор , когда каждый -мерный вектор пространства превращается в ноль-вектор этого же пространства, то есть

Линейное преобразование , с помощью которого осуществляется восстановление вектора  по его образу , называется обратным к линейным преобразованием. В отличие от матрицы оператор записывают каллиграфическим шрифтом.

Рассмотрим задачу об отыскании координат образа вектора .

Пусть в пространстве  выбрано базис (не обязательно ортонормированный) и есть координатами вектора в этом базисе. Обозначим через координаты вектора в выбранном базисе. по условию , тогда согласно линейностью оператора  получим :

Но образы тоже являются векторами с , поэтому иx можно разложить по тому же базисом. Пусть

где  коэффициенты разложения вектора  по базису  

С учетом (5.5) соотношение (5.4) принимает вид:

Группируя члены правой части относительно векторов базиса, имеем:

С другой стороны, если  являются координатами вектора  в базисе  то его можно представить следующим образом:

Сопоставляем (5.8) из (5.7) и получаем координаты вектора :

Следовательно, при линейном преобразовании:

координаты образа вектора являются линейными комбинациями координат прообраза, коэффициенты при которых составляют матрицу -го порядка (обозначим ее через ):

Матрица , которая в произведении (слева) с вектором с  определяет координаты его образа при линейном преобразовании , Называется матрицей линейного преобразования  в базисе  и пишут:

Каждый – -й – столбец матрицы составляют коэффициенты разложения вектора  по базису каждая – -я – строка определяет коэффициенты разложения координат вектора по координатам вектора .

Обратите внимание, что – нераздельный символ (обозначение вектораобраза), а – произведение матрицы с вектором (прообразом).

Каждому линейном оператору -мерного пространства отвечает матрица -го порядка в данном базисе. И наоборот, каждой матрицы -го порядка отвечает линейный оператор -мерного пространства с определенным базисом.

Например, с помощью оператора линейных преобразований можно описать поворот произвольного вектора с пространства вокруг начала координат на угол  против часовой стрелки. Формулы поворота осей координат (формулы перехода от исходных координат и к новым  и , и наоборот ) определяют алгебраическую форму изображения линейного оператора поворота осей:

где  оператор перехода от исходных (новых) координат к новым (исходных);

 векторы, началом которых является точка , а концами –
точки и , соответственно.

По соотношению (5.12) матрица линейного преобразования} , Описывающий поворот произвольного вектора из пространства вокруг начала координат на угол против часовой стрелки, имеет вид:

а матрица обратного линейного преобразования , то есть такого, что описывает поворот произвольного вектора из пространства вокруг начала координат на угол  по часовой стрелке, имеет вид:

Теорема 5.1 (о связи между матрицами оператора в различных базисах).

Матрицы и  линейного оператора в разных базисах и связаны между собой соотношением:

где  матрица перехода от исходного к новому базису.

Доказательство. Пусть линейный оператор превращает вектор пространства  в вектор того самого пространства. Тогда в матричной форме связь между вектором и его образом в исходном базисе можно записать как , а в новом – как . Поскольку является матрицей перехода от исходного базиса к новому, то в соответствии с (4.18) имеем:

Умножим равенство (5.14) слева на матрицу и получим . Отсюда по определению линейного оператора имеем: . С учетом (5.15):

Сравнив соотношение  и , получаем 

Две квадратные матрицы и называются подобными, если существует такая невырожденная матрица , матрицы и связанные соотношениями:

Соответствующие линейные операторы называются преобразованиями сходства.

Подобные матрицы описывают то же линейное преобразование, но в разных базисах, а матрица является матрицей перехода от одного базиса к другому.

Подобные матрицы имеют те же ранги, суммы элементов главной диагонали и определители.

В базисе и задана матрица линейного оператора :

Определим матрицу , которая отвечает том же оператору в базисе векторов  и  есть матрица  подобна матрице .

Предоставим расписание векторов нового базиса по векторам исходного базиса: . Соответственно, матрица перехода от исходного к новому базису имеет вид:

Ее определитель , то есть матрица невырожденная и имеет обратную: 

По теореме 5.1 определяем матрицу оператора в новом базисе:

Обратите внимание, что в новом базисе матрица оператора оказалась диагональной.

Собственные векторы и собственные числа линейного оператора: определение, свойства

Рассмотрим -мерных линейный пространство  с определенным базисом и матрицу , некоторого линейного оператора пространства.

Ненулевой вектор называют собственным, или характеристическим вектором линейного оператора (или матрицы ), если существует такое действительное число , имеет место равенство:

Скаляр называется собственным, или характеристическим, числом матрицы , или ее собственным значением, соответствует собственному вектору :

Согласно определениями собственного числа и собственного вектора имеем:

1) Если , то каждый ненулевой вектор из  является собственным вектором матрицы , при этом , ведь по свойству единичной матрицы имеем ;
2) любой ненулевой -мерный вектор является собственным вектором нулевой матрицы , при этом , так как .

Поставим задачу нахождения собственных чисел и собственных векторов заданной матрицы 

Поставим задачу нахождения собственных чисел и собственных векторов заданной матрицы

Запишем матричное уравнение (5.17) в развернутом виде:

Таким образом, задача сводится к решению однородной системы линейных уравнений с  неизвестными. Нас интересуют (по определению собственного вектора) только ненулевые векторы, то есть нетривиальные решения системы, поэтому определитель системы (5.18) должен быть равен нулю:

Раскрытие определителя в соотношении (5.19) дает многочлен степени относительно , который называется характеристическим многочленом матрицы , а соотношение (5.19), которое можно представить в виде , определяет уравнение для нахождения собственных чисел, которое называют характеристическим уравнением матрицы .

По основной теореме алгебры уравнения любой матрицы  имеет корней, если каждый из них считать столько раз, какова его кратность. Характеристическое уравнение матрицы может иметь только действительные, но и комплексные корни, то есть числа вида где действительные числа, мнимая единица.

Множество всех собственных чисел матрицы называют спектром матрицы. Если в спектре матрицы то же собственное число повторяется раз, то говорят, что кратность этого собственного числа равна .

Теорема 5.2 (о единственности собственного чucлa, что соответствует собственному вектору). Если – собственный вектор матрицы , то существует единственный скаляр , который удовлетворяет условие .

Доказательство. Предположим, что кроме собственного числа существует еще один
скаляр , такой, что . Тогда должно выполняться равенство . Поскольку по определению собственный вектор является ненулевым, то есть , получим .

Согласно теореме 5.2 говорят, что собственный вектор  из матрицы принадлежит собственному числу . 

Теорема 5.3 (о множестве собственных векторов, принадлежащих собственному числу). Если матрица имеет собственный вектор, принадлежащий собственному числу , то таких векторов бесконечно много.

Доказательство базируется на определении собственного вектора и свойствах ассоциативности и коммутативности операции умножения матрицы на скаляр.

Действительно, пусть собственный вектор матрицы , тогда . Привлечем к рассмотрению вектор , коллинеарный вектору , то есть ,  где , и покажем, что в также является собственным вектором матрицы :

Поскольку равенство (5.19) выполняется для произвольного , то существует множество собственных векторов, принадлежащих данному собственному числу.

Теорема 5.4 (критерий существования собственного вектора , соответствующего собственному числу ). Вектор тогда и только тогда является собственным вектором матрицы , соответствующим собственному числу , когда его координаты образуют ненулевое решение однородной квадратной системы линейных алгебраических уравнений

 или 

Доказательство сводится к тождественных преобразований матричных уравнений.

Необходимость уже доказано переходом от соотношения , к однородной системе линейных уравнений , представленной в развернутом виде (5 18).

Достаточность. На основании свойств действий над матрицами с учетом условия , осуществит переход от однородной системы уравнений в матричной форме с соотношением :

Теорема 5.5 (пpo линейную независимость собственных векторов). Собственные векторы, принадлежащие различным собственным числам, является линейно независимыми.

Доказательство проведем методом от противного. Пусть два произвольные собственные векторы, принадлежащие соответственно собственным числам и . Необходимо показать, что линейная комбинация этих собственных векторов ноль-вектор только тогда, когда , то есть

Предположим обратное. Пусть (5.23) выполняется при условии, что одно из чисел не является нулем, например,

Умножим левую и правую части (5.23) на собственное число . Тогда

Левую и правую части равенства (5.23) умножим на матрицу слева, и, учитывая свойства операций над матрицами, получим:

Сравним (5.25) и (5.24). Получаем:

По условию теоремы . По определению вектор  является ненулевым, поэтому равенство (5.26) возможно только при , то есть предположение о линейной зависимости векторов и  ошибочно.

Если есть более двух собственных векторов, принадлежащих попарно различным собственным числам, доведение аналогичное (с использованием метода математической индукции).

Заметим, что собственные векторы, принадлежащих различным собственным числам, можно использовать как базисные векторы пространства .

Теорема 5.6 (пpo сумму и произведение собственных чисел). Если собственные числа матрицы , то:
1) сумма собственных чисел равна сумме элементов главной диагонали матрицы :

2) произведение собственных чисел равна определителю матрицы :

Доказательство основывается на формулах Виета, которые описывают соотношение между корнями и коэффициентами многочлена -гo степени в случае, когда его старший коэффициент равен единице.

Рассмотрим простейший случай . Запишем характеристическое уравнение в развернутом виде:

С (5.29) по теореме Виета (для квадратного уравнения) имеем:

Сумму всех диагональных элементов матрицы называют следом (от нем. spur – след) этой матрицы и обозначают .

Для квадратной матрицы произвольного порядка теорему 5.6 в символьном виде можно записать так:

при этом собственное число берем столько раз, какова его кратность как корня характеристического уравнения (5.29).

Нахождение собственных чисел и собственных векторов

Рассмотрим алгоритм нахождения собственных чисел матрицы и собственных векторов, которые им принадлежат.
Согласно соотношениями (5.18) и (5.19) имеем такой порядок отыскания собственных чисел и собственных векторов матрицы.
1. Составляем по исходной матрицей характеристическое уравнение (5.18) и решаем его, то есть находим спектр собственных чисел.
2. Подставляем поочередно каждое собственное число в систему (5.18) и находим все ее нетривиальные решения, что и дает множество собственных векторов, принадлежащих соответствующему собственному числу.

Замечания. Множество всех собственных векторов, принадлежащих определенному собственному числу, можно представить как линейную комбинацию фундаментальных решений однородной системы уравнений согласно (4.19), гл. 4.

Найдем собственные числа и собственные векторы матрицы

Характерным уравнением этой матрицы является квадратное уравнение:

Решив его, получим собственные числа  и 

Теперь описываем множества и всех собственных векторов, принадлежащих найденным собственным числам.

Для этого в матрицу вместо подставим поочередно значения собственных чисел, запишем соответствующую систему однородных линейных уравнений (5.18) и решим ее:

Предоставляя параметру произвольных значений, для данного собственного числа получим совокупность коллинеарных между собой собственных векторов.

Теорема 5.7 (про собственные числа и собственные векторы симметричной матрицы).

Симметричная матрица имеет только действительные собственные числа. Собственные векторы, принадлежащие разным собственным числам, ортогональны и линейно независимы.

Теорема приводим без доказательства.
Проиллюстрируем прав выводов данной теоремы на примере.

Пусть имеем симметричную матрицу

Найдем собственные числа и собственные векторы этой матрицы и докажем ортогональность собственных векторов, соответствующих различным собственным числам.

1. Составим характеристическое уравнение матрицы

2. Найдем корни полученного кубического уравнения относительно . С элементарной алгебры известно, если многочлен со старшим коэффициентом, равным единице, имеет целые корни, то их следует искать среди делителей свободного члена. Перебирая делители числа 36, убеждаемся, что является корнем уравнения (5.30).

Нахождение других двух корней сводится к решению квадратного уравнения:

3. Опишем множества и собственных векторов, принадлежащих найденным собственным числам.

Для этого в матрицу  вместо подставляем поочередно значения собственных чисел, записываем соответствующую систему однородных линейных уравнений (5.17) и решаем ее методом Жордана-Гаусса:

Аналогично находим собственные векторы  и 

Система векторов  и  является линейно независимой, поскольку 

Убеждаемся, что векторы  и  – попарно ортогональны.
Для этого определим их скалярные произведения:

Поскольку скалярные произведения векторов равны нулю, то векторы попарно ортогональны.
Если в выражениях (5.31-5.33) положить , то получим систему векторов:

которая использовалась как базис пространства в примере после теоремы   и . В таком базисе, то есть базисе из собственных векторов, матрица оператора оказалась диагональной, ее ненулевыми элементами являются собственные числа матрицы .

Теорема 5.8 (о преобразовании матрицы к диагональному виду). Матрица линейного оператора в базисе имеет диагональный вид тогда и только тогда, когда все векторы базиса являются собственными векторами матрицы .
Теорему наводим  без доказательств

Заметим, что при нахождении собственных чисел для заданной матрицы самой задачей является решение алгебраического уравнения -й степени, что во многих случаях сделать невозможно без использования приближенных методов. Изучение приближенных методов выходит за пределы программы. Поэтому предлагаем воспользоваться известными программами MatLab, MathCad, Maple и др.

Следующий пример был решен в пакете MatLab, в котором конечный результат вычислений предоставляется без промежуточных выкладок.
Найдем собственные числа и соответствующие им собственные векторы матрицы

Характерным уравнением для нахождения собственных чисел является уравнение

корнями которого будут числа  а соответствующие им собственные векторы имеют вид: 

Собственные числа и собственные векторы матриц имеют широкий спектр использования, в частности, в аналитической геометрии (Раздел 2), в задачах различных отраслей естественных наук и эконометрики.

Базис пространства из собственных векторов линейного оператора

По теореме 5.5 собственные векторы, принадлежащие разным собственным числам, являются линейно независимыми. Возникает вопрос, при каких условиях существует базис линейного пространства , построенный из собственных векторов матрицы.
Лема. Если является собственным числом матрицы , то множество собственных векторов матрицы содержит линейно независимых векторов, где – ранг матрицы .

Доказательство. Согласно теореме 5.4 множество собственных векторов совпадает с множеством всех решений однородной системы линейных уравнений: 

где – собственный вектор матрицы , что соответствует собственному числу . По теореме 4.4 такая система имеет фундаментальную систему решений, количество векторов которой равна , то есть содержит – линейно независимых векторов.

Теорема 5.9 (о существовании базиса из собственных векторов матрицы). Пусть числа образуют множество всех различных собственных чисел матрицы . Если сумма рангов матриц равна , то в пространстве существует базис из собственных векторов матрицы .

Доказательство. Согласно лемме каждое множество собственных векторов, соответствующих уравнению , содержит независимые векторы в количестве . По теореме 5.5 собственные векторы, принадлежащие разным собственным числам, являются линейно независимыми. Тогда для матрицы общее количество линейно независимых собственных векторов составляет:

Поскольку собственные векторы матрицы  в совокупности составляют систему линейно независимых векторов, то они образуют базис пространства .

Теорема 5.10 (о существовании базиса из собственных векторов симметричной матрицы). Если матрица линейного оператора симметрична, то в пространстве существует базис, образованный из собственных векторов матрицы .

Теорему принимаем без доказательств.
Построим ортонормированный базис пространства , состоящий из собственных векторов матрицы

линейного преобразования , и найдем матрицу заданного преобразования в этом базисе.

Согласно теореме 5.9 такой базис существует, поскольку матрица является симметричной матрицей. Составим характеристическое уравнение матрицы :

и решим его: (собственное значение кратности ) и

Для каждого из двух различных собственных чисел матрицы определим фундаментальную систему решений однородной системы уравнений: . При в результате элементарных преобразований основной матрицы системы получаем:

По последним шагом элементарных преобразований матрицы записываем общее решение системы:

Определяем фундаментальную систему решений однородной системы уравнений 

Собственные векторы и являются ортогональными, поскольку их скалярное произведение равно нулю: 

При в результате элементарных преобразований основной матрицы системы получаем:

По последнем шагом элементарных преобразований матрицы записываем общее решение системы:

Возлагаем и получаем фундаментальный решение однородной системы уравнений 

Поскольку и , то все три вектора попарно ортогональны. Объединив полученные фундаментальные системы решений, иметь систему собственных векторов матрицы  . Они образуют ортогональный базис пространства . После нормирования векторы приобретают вид:

Это и есть ортогональный базис пространства , состоящий из собственных векторов матрицы .

По соотношению (5.13) определим матрицу , что соответствует оператору в базисе из собственных векторов. Согласно теореме 5.8 эта матрица будет иметь диагональный вид, а элементами ее главной диагонали будут собственные числа этой матрицы. Заключим с собственными векторами , и матрицу перехода к новому базису и найдем обратную к ней матрицу :

По матричным уравнением (5.13) находим матрицу , что соответствует оператору в базисе из собственных векторов:

Следовательно, мы получили диагональную матрицу третьего порядка, элементами главной диагонали которой есть собственные числа матрицы .

Далее приведен пример применения собственных векторов и собственных чисел в одной из многих задач экономики.

Линейная модель обмена (модель международной торговли)

Практически все страны кроме внутреннего товарообмена осуществляют внешний товарообмен, то есть занимаются внешней торговлей. Торговля считается сбалансированной, или бездефицитной, если для каждой страны прибыль от торговли не меньше объем средств, которые она вкладывает в товарооборот (внутренний и внешний).

Постановка задачи. Несколько стран осуществляют взаимный товарообмен. Известную долю бюджетных средств, тратит каждая страна на закупку товаров у другой страны, учитывая и внутренний товарооборот. Определить, каким должно быть соотношение бюджетов партнеров для того, чтобы обеспечить бездефицитность торговли.  

Построение математической модели. Введем обозначения количественных характеристик, описывающих торговлю между странами, и определим связь между этими характеристиками. Пусть – страны, участвующие в международной торговле. Доли средств, которые тратит страна на закупку товаров в стране , учитывая и внутренний товарооборот , обозначим через . Понятно, что

Матрицу , элементами которой являются числа , называют структурной матрицей торговли:

Эта матрица описывает взаимодействие стран в процессе международной торговли. Соотношение (5.34) означает, что сумма элементов каждого столбца матрицы равна
1. Если объем средств, которые тратит каждая страна на торговлю, обозначить через , соответственно, то прибыль страны от внутренней и внешней торговли составит

Чтобы торговля каждой страны была сбалансированной, по определению должно выполняться условие , и , то есть прибыль от торговли не должна быть меньше расходов. Однако соблюдение этого требования в виде неравенства невозможно для всех стран в совокупности. Действительно, добавим левые и правые части указанных неровностей, изменяя от единицы до :

Группируя в левой части слагаемые, содержащие каждое из , получим:

Учитывая соотношение (5.20), получим:

Отсюда следует, что сбалансированная торговля возможна только в случае знака равенства. Это, полагаем, понятно не только на основании аналитических выкладок, но и с экономической точки зрения (и даже просто с точки зрения здравого смысла): все страны в совокупности не могут получить прибыль. Более того, для одной из стран не может выполняться знак строгого неравенства .

Итак, условием сбалансированной торговли является равенства , и , из которых получим:

Введем в рассмотрение вектор (бюджетных) средств и подадим систему (5.39) в матричной форме:

С (5.40) следует, что при условии сбалансированности торговли между странами вектор средств должен быть собственным вектором структурной матрицы торговли , который принадлежит собственному числу . Таким образом, решение задачи сводится к нахождению этого собственного вектора , компоненты которого устанавливают соотношение между бюджетами стран, участвующих в товарообмене.

Рассмотрим товарообмен между тремя странами. Пусть структурная матрица торговли стран , имеет вид:

Найдем вектор средств, компонентами которого являются доли от общего объема торговли, должна вкладывать каждая из стран во внешней товарооборот для того, чтобы торговля была сбалансированной.

Искомый вектор средств является собственным вектором структурной матрицы, принадлежащий собственному значению . Его компоненты образуют ненулевое решение однородной СЛАУ:

Поскольку система является однородной, то расширенная матрица эквивалентна основной матрицы системы. Осуществим элементарные преобразования основной матрицы этой системы уравнений:

Находим общее решение системы, в котором – базисные переменные, – свободная переменная: 

Отсюда следует, что для сбалансированности торговли необходимо, чтобы средства, которые вкладывает в внешний товарооборот каждая страна, соотносились как

Набор обобщающих
примеров соответствует требованиям
«Семестрового плана» при изучении темы:
«Линейные
преобразования». Эти примеры
предназначены закрепить навыки применения
общих алгоритмов решений, установленных
в поясняющих примерах.

☺ ☻ ☺

Пример
1–1442:
Пусть задан вектор=(x₁,x₂,x₃)
линейного пространства.
Записано преобразование пространства:=(x₁,
x₂+1,
x₃+2).
Выяснить, является ли оно линейным. Если
преобразование линейное, найти его
матрицу в том же базисе, в котором заданы
векторыи.

Решение:

1). Запишем базис
пространства:
=(1,0,0),
=(0,1,0),=(0,0,1).
Это значит, что произвольный вектор
линейного пространства может быть
записан в виде:=x₁+x₂+x₃.

2). Пусть заданы
два произвольных вектора

и ,
принадлежащие .
В соответствии с определением операций
суммы векторов:=+=(x₁+y₁,x₂+y₂,x₃+y₃)
и=(x₁,x₂,x₃).

3). Запишем
векторы-образы для векторов, участвующих
в доказательстве линейности
:

=
(y₁,
y₂+1,
y₃+2)
и =(x₁,x₂+1,
x₃+2);

==
(+,+
y₂+1,
x₃+y₃+2).

4). Из представленных
записей следует: требование
+– выполняется, требование– выполняется
→ преобразование
– не является линейным.

Ответ:
не является линейным преобразованием.

Пример
2–1445:
Пусть имеем совокупность векторов
:=(2,3,5),=(0,1,2),=(1,0,0),
и совокупность векторов:=(1,1,1),=(1,1,-1),=(2,1,2).
Доказать, что существует единственное
линейное преобразование, переводящее
совокупность векторовв совокупность.
Найти матрицу этого преобразования в
той же базе, в которой заданы все векторы.

Решение:

Замечание:
обозначим базу, в которой записаны все
векторы, и в которой должно определиться
искомое линейное преобразование, как
совокупность векторов: i=(,
,
).

Общая
схема решения задачи:

R¹
– имеем выражения:=·,=·;,,– матрицы-столбцы.

R²
–ищем
матрицу перехода от совокупности
векторов
к совокупности векторов,
определяемую выражением:=·;
это выражение по форме соответствует
определению линейного преобразования,
задаваемого матрицейв базе.

R³
– в задании указано, что
матрица преобразования,
должна быть определена в базе;
это значит, что нужно матрицуподвергнуть трансформированию матрицейперехода от базык базе,
то есть:=·.

R⁴
–определяем алгоритм
расчётов:=·→=,
где:=и=.

1). Из координат
векторов составим матрицы:
=и=.
Определители матриц: ||≠0
и||≠0
→ матрицыи
невырожденные →
матрица не вырожденной,
являясь произведением невырожденных
матриц.

2). Так как совокупности
векторов
имогут использоваться в качестве баз
рассматриваемого векторного пространства,
то матрица перехода от базы к базе –
невырожденная.
Это обеспечивает единственность
представления матрицы линейного
преобразования.

3). В главе 9 показано,
что матрицу перехода от базы
к базедля варианта-1, необходимо вычислять,
применяя выражение:=·.

4).
Используем выражение
=.
Так как в нашем случае d
= 1, то
=.

5)
Вычисляем матрицу
=

,
где
=
– алгебраическое дополнение к элементу

матрицы
.

*Выделим миноры:к элементу;к элементу;к элементу:

	1											2											3
1					= 0;		1					= 2;		1					=–1,
		1	2				0		2				0	1
		0	0								1		0								1	0

и вычислим
алгебраические дополнения
,,выделенныхминоров:

==
0;=
=
2;==
–1;

*Выделим миноры:к элементу;к элементу;к элементу:

	1											2											3
		3	5		= 0;			2		5		= –5;			2	3			= 3,
2						2						2
		0	0								1		0								1	0

и вычислим
алгебраические дополнения
,,выделенныхминоров:

==
0;=
=
–5;==
3;

*Выделим миноры:к элементу;к элементу;к элементу:

	1											2											3
		3	5		= 1;			2		5		= –4;			2	3			= 2;
		1	2				0		2				0	1
3										3										3

и вычислим
алгебраические дополнения
,,выделенныхминоров:

==
1;=
=
–4;==
2;

6). Учитывая
результаты вычислений, можем записать:
=.

7). Вычисляем
произведение матриц:
=·=·=BT,
применяя вычислительный шаблон для
произведения матриц 3-го порядка:

Столбец	0	2	-1	Столбец	Столбец	0	-5	3	Столбец	Столбец	1	-4	2	Столбец
	1	1	1	1		1	1	1	-2		1	1	1	-1
	1	1	-1	3		1	1	-1	-8		1	1	-1	-5
	2	1	2	0		2	1	2	1		2	1	2	2

Из таблицы выписываем
матрицу:
=–
это и есть матрица линейного преобразования
для рассматриваемого варианта для
рассматриваемого варианта:=·,
или в матричной форме:

=·,
или
=·.

8). Вычисляем
произведение матриц:
==, применяя
вычислительный шаблон для произведения
матриц 3-го порядка: =··=(GC)A.

Применяем шаблон
для вычисления произведения матриц: GC
=T:

Столбец	1	3	0	Столбец	Столбец	-2	-8	1	Столбец	Столбец	-1	-5	2	Столбец
	0	0	1	0		0	0	1	1		0	0	1	2
	2	-5	-4	-13		2	-5	-4	32		2	-5	-4	15
	-1	3	2	8		-1	3	2	-20		-1	3	2	-10

Применяем шаблон
для вычисления произведения матриц:
D=TA:

Столбец	2	0	1	Столбец	Столбец	3	1	0	Столбец	Столбец	5	2	0	Столбец
	0	1	2	2		0	1	2	1		0	1	2	2
	-13	32	15	-11		-13	32	15	-7		-13	32	15	-1
	8	-20	-10	6		8	-20	-10	4		8	-20	-10	0

Из
таблицы видим матрицу D,
и записываем ответ =.

Ответ:линейное
преобразование
матрица:=задаёт в базе=
(,
,
).

Замечание:
использование в выражениях баз
матриц-строк приводит к матрице линейного
преобразования
,
то есть транспонированной.

Пример
3–1454:
В базе:a=(,,)
определено линейное преобразование

пространства ,
его матрица задана в базеa,
при условии, что база представлена в
виде матрицы-столбца. Задана новая база:b=(,,).Найти матрицу преобразования
в базе:b.
Причём: =(8,-6,7),=(-16,7,-13),=(9,-3,7);=(1,-2,1),=(3,-1,2), =(2,1,2).
Матрица в базеaимеет вид:.

Решение:

1). Воспользуемся
формулой: b=·a,
где b==·.
Найдём матрицу,
используя записями:a=·иb=·,
где,
a,
b-матрицы-столбцы.
Учитывая исходные данные примера,
запишем:

=,=.

2). Убеждаемся, что
матрица
–
невырожденная: ||=5.

3). Для рассматриваемого
случая, когда
,
a,
b-матрицы-столбцы,
была получена формула для вычисления
матрицы перехода от базыaк базеb:
=·.

4). Вычислим
обратную матрицу
,
используя общую формулу для вычисления
обратной матрицы:
=,
где
=
1. Так как
,
то матрица

существует.

Вычисляем
матрицу
=

,
где
=
– алгебраическое дополнение к элементу

матрицы
.

*Выделим миноры:к элементу;к элементу;к элементу:

	1											2											3
1					= 10;		1					= –5;		1					= –15,
		7	-13				-16		-13				-16	7
		-3	7								9		7								9	-3

и вычислим
алгебраические дополнения
,,выделенныхминоров:

==
10;=
=
–5;==
–15;

*Выделим миноры:к элементу;к элементу;к элементу:

	1											2											3
		-6	7		= 21;			8		7		= –7;			8	-6			= –30,
2						2						2
		-3	7								9		7								9	-3

и вычислим
алгебраические дополнения
,,выделенныхминоров:

==
21;=
=
–7;==
–30;

*Выделим миноры:к элементу;к элементу;к элементу:

	1											2											3
		-6	7		= 29;			8		7		= –8;			8	-6			= –40;
		7	-13				-16		-13				-16	7
3										3										3

и вычислим
алгебраические дополнения
,,выделенныхминоров:

==
29;=
=
–8;==
–40;

Учитывая
результаты вычислений, можем записать:

=.

5). Вычислим
произведение матриц:
=·=·=DB,
применяя вычислительный шаблон:

Столбец	10	-5	-15	Столбец	Столбец	21	-7	-30	Столбец	Столбец	29	-8	-40	Столбец
	1	-2	1	5		1	-2	1	5		1	-2	1	5
	3	-1	2	5		3	-1	2	10		3	-1	2	15
	2	1	2	-15		2	1	2	-25		2	1	2	-30

Из
таблицы видим ответ:
=.

6). Для рассматриваемого
случая:
=.
Найдём матрицу
=,
при=1.

7)
Вычисляем матрицу
=

,
где
=
– алгебраическое дополнение к элементу

матрицы
.

*Выделим миноры:к элементу;к элементу;к элементу:

	1											2											3
1					= 3;		1					= –3;		1					=1,
		2	3				1		3				1	2
		-5	-6								-3		-6								-3	-5

и вычислим
алгебраические дополнения
,,выделенныхминоров:

==
3;=
=
–3;==
1;

*Выделим миноры:к элементу;к элементу;к элементу:

	1											2											3
		1	1		= 1;			1		1		= –3;			1	1			= 2,
2						2						2
		-5	-6								-3		-6								-3	-5

и вычислим
алгебраические дополнения
,,выделенныхминоров:

==
1;=
=
–3;==
2;

*Выделим миноры:к элементу;к элементу;к элементу:

	1											2											3
		1	1		= 1;			1		1		= –2;			1	1			= 1;
		2	3				1		3				1	2
3										3										3

и вычислим
алгебраические дополнения
,,выделенныхминоров:

==
1;=
=
–2;==
1;

8). Учитывая
результаты вычислений, можем записать:

=.

9). Вычислим:
==··=
(CD)N.

Применяем шаблон
для вычисления произведения матриц:
CD=T:

Столбец	1	-18	15	Столбец	Столбец	-1	-22	20	Столбец	Столбец	1	-25	22	Столбец
	1	1	1	-2		1	1	1	-3		1	1	1	-2
	1	2	3	10		1	2	3	15		1	2	3	17
	-3	-5	-6	-3		-3	-5	-6	-7		-3	-5	-6	-10

Применяем шаблон
для вычисления произведения матриц:
F=TN:

Столбец	3	-3	1	Столбец	Столбец	1	-3	2	Столбец	Столбец	1	-2	1	Столбец
	-2	-3	-2	1		-2	-3	-2	3		-2	-3	-2	2
	10	15	17	2		10	15	17	-1		10	15	17	-3
	-3	-7	-10	2		-3	-7	-10	-2		-3	-7	-10	1

Из
таблицы видим матрицу F,
и записываем ответ
=.

Ответ:матрицапреобразования
в базе
:=.

Пример
4–1457:
Пусть преобразование
в базе:
(a₁,a₂)
задано матрицей
=.
Преобразование
в базе
🙁b₁,b₂)
задано матрицей
=.
Известно, что:
=(1,2),
=(2,3);
=(3,1),
=(4,2).
Найти матрицу преобразования:
+в базе
.

Решение:

Замечание:
обозначим
базу, в которой записаны векторы
,,
как совокупность векторов:
=
(i₁,

).
Все базы:
,,
записываем в виде матриц-столбцов.

1). Воспользуемся
формулой: b=·a,
где b==·.
Найдём матрицу,
используя записями:a=·иb=·,
где,
a,
b-матрицы-столбцы.
Учитывая исходные данные примера,
запишем: =,
=.
Так как ||=–1,
то матрицаневырожденная и существует обратная
матрица.

2). Вычислим матрицу
=,
при=–1.
Так как
=,
то=.
После этого можно вычислить матрицу=·.
Для обеспечения надёжности вычислений
воспользуемся шаблоном умножения матриц
2-го порядкаC
==BT:

Столбец	–3	2	Столбец	Столбец	2	-1	Столбец
	3	1	-7		3	1	5
	4	2	-8		4	2	6

из таблицы читаем
матрицу
=.

3). Запишем матрицу
преобразования
в базе
:=.
Найдём матрицу
=,
при=–2,

=получаем:
=.

4). Вычислим
матрицу: ===CDN=TN,
используя вычислительный шаблон для
произведения матриц:

Столбец	3	5	Столбец	Столбец	4	3	Столбец
	-7	5	4		-7	5	–13
	-8	6	6		-8	6	–14

Столбец	-6	-8	Столбец	Столбец	5	7	Столбец
	4	–13	80		4	–13	-71
	6	–14	76		6	–14	-68

из таблицы читаем
матрицу
=.

5). Матрица
преобразования:
+в базе
:=+=+=.

Ответ: Матрица
преобразования:
+в базе
:=.

Замечание:
полученный
числовой результат отличается от ответа,
представленного в задачнике: у нас
матрица
,
в задачнике – транспонированная матрица

.

Пример
5–1466:Найти собственные
векторы линейного преобразования
,
заданного в некотором базисе
матрицей:
.

Решение:

1).
Составляем характеристический многочлен
и находим его корни, используя свойства
определителя и правила нахождения
корней многочлена:

==
(2–)

=–,
откуда корни: ===2.

2).
Записываем систему уравнений для
нахождения собственных векторов
линейного преобразования, соответствующим
найденным собственным значениям:
(A)

3).
Для собственного значения =
2 система (A)
принимает вид:

Так
как определитель системы равен нулю,
то независимых уравнений не более двух
(в нашем случае 1). Назначаем свободными
неизвестными: =2,
=,
тогда =,
получаем собственный вектор: =
(,2,)=(1,2,0)+

(0,0,1).

Ответ:
собственные значения: ===
2; собственные векторы: =(,2,),
где ,
0.

Пример
6–1473:Найти собственные
векторы линейного преобразования
,
заданного в некоторой базе матрицей:

.

Решение:

1).
Составляем характеристический многочлен
и находим его корни, используя свойства
определителя и правила нахождения
корней многочлена:

==(1–)=–,

откуда
корни многочлена :
==0,
==1.

2).
Записываем систему уравнений для
нахождения собственных векторов
линейного преобразования, соответствующим
найденным собственным значениям:
(A)

3).
Для собственного значения =
0 система (A)
принимает вид:

Так
как определитель системы равен нулю,
то независимых уравнений не более трёх
(в нашем случае 2). Назначаем свободными
неизвестными:
=,=,

==0.
Найдём фундаментальную систему решений
для полученной системы:

	x1	x4	x2	x3
α1	0	0	1	0
α2	0	0	0	1

Векторы-решения
иесть ФСР для=
0, тогда любойсобственный
вектор линейного преобразования можно
представить в виде: =
+=(0,1,0,0)
+(0,0,1,0),
где ,– произвольные постоянные.

4).
Для собственного значения =1
система (A)
принимает вид:

Так
как определитель системы равен нулю,
то независимых уравнений не более трёх
(в нашем случае 3). Назначаем свободными
неизвестными:
==,

==0.
Найдём фундаментальную систему решений
для полученной системы:

	x2	x3	x1	x4
α3	0	1	1	0
α4	0	0	0	1

Векторы-решения
иесть ФСР для=1,
тогда любой собственный вектор линейного
преобразования можно представить в
виде:=+=(1,0,1,0)+(0,0,0,1),
где,– произвольные постоянные.

.

Ответ:
собственные значения:
==0,

==
1; собственные векторы:
=(0,1,0,0)
+(0,0,1,0),
где
,
– не равны нулю одновременно,

=(1,0,1,0)+(0,0,0,1),
где
,
– не равны нулю одновременно.

Пример
7–1479:Линейное
преобразование
,
заданного матрицей:

в некотором базисе пространства
.Можно ли привести матрицу преобразования
к диагональному виду. Если можно, найти
базис, в котором такая запись возможна.

Решение:

1).
Составляем характеристический многочлен
и находим его корни, используя свойства
определителя и правила нахождения
корней многочлена:

==
(1)
=
(–2)=
(2)
=–
(–2)
(–1)
(+4),

откуда
корни многочлена :
=1,
=2,
=–4.

Выполнены
операции:
(1):
[R3]–[R2]
и выносим за скобку определителя
множитель: (–2);
меняем одновременно знаки в [C1]
и [C3].

2).
Записываем систему уравнений для
нахождения собственных векторов
линейного преобразования, соответствующим
найденным собственным значениям:
(A)

3).
Для собственного значения =
1 система (A)
принимает вид:

Так
как определитель системы равен нулю,
то независимых уравнений не более двух
(в нашем случае 2). Назначаем свободной
неизвестной: =,
из системы имеем: =,
=,
тогда получаем
собственный вектор, приняв =1:
=
(1,1,1).

4).
Для собственного значения =
2 система (A)
принимает вид:

Так
как определитель системы равен нулю,
то независимых уравнений не более двух
(в нашем случае 1). Назначаем свободной
неизвестной: =,
=3,
из системы имеем: =–,
тогда получаем
собственный вектор, приняв =1,
=0:
=
(1,1,0).

5).
Для собственного значения =–4
система (A)
принимает вид:

Так
как определитель системы равен нулю,
то независимых уравнений не более двух
(в нашем случае 2). Назначаем свободной
неизвестной: =,
из системы имеем: =,
3=2,
тогда получаем
собственный вектор, приняв =3:
=
(–2,3,3).

Ответ:
собственные значения:
=1,=2,=–4;
собственные векторы:
=
(1,1,1),
=
(1,1,0),
=
(–2,3,3). Диагональная матрица:
.

Пример
8–1482:Линейное
преобразование
,
заданного матрицей:

в некотором базисе пространства.Можно ли привести матрицу преобразования
к диагональному виду. Если можно, найти
базис, в котором такая запись возможна.

Решение:

1).
Составляем характеристический многочлен
и находим его корни, используя свойства
определителя и правила нахождения
корней многочлена:

==
(1)
==
(2)
→

=(4–)·–1·=
(3)
→

=(4–)·–=+
= (4) →

Выполнены
операции:
(1):
[R2]–[R4]·5;
[R3]–[R4]·6.
(2):
применяем разложение определителя по
первому столбцу. (3):
в первом слагаемом: [R2]+[R4]·2;
во втором слагаемом [R3]+[R1]·2;
(4):
далее вычислим отдельно
и .

=
(1)
=
(–4)·=
(2)
=(–4)·=
(3)
→

=
(–4)·
(–1)·=
(4)
=(–4)·
(–1)·=
(5)
→

=
(–4)·
(–1)·=
(6)
=(–4)·(–1)·=
(7)
→

Выполнены
операции:
(1):
выносим (–1) из первого столбца. (2):
[R1]+[R3]·2–[R2].
(3):
выносим (–1)
из первой строки. (4):
[R3]–[R1]·3;
(5):
далее разложение определителя по первому
столбцу. (6):
вычисляем определитель. (7):
до вычисления
раскрывать скобки нецелесообразно.

=
(1)
==(2)
=(–1)·

=
(3) →

=
(–1)·

=(4)
=(–1)·=
(–1)·
(–7+16)
.

Выполнены
операции:
(1):
выносим (–1) из первого столбца;
[R2]+[R1]·2–[R3].
(2):
выносим (–1)
из второй строки. (3):
[R1]–[R2]·3;
(4):
далее разложение определителя по первому
столбцу. (6):
вычисляем определитель.

Теперь
нетрудно получить: =(–1)·=

,
откуда следуют характеристические
корни: ==1,
==2.

2).
Записываем систему уравнений для
нахождения собственных векторов
линейного преобразования, соответствующим
найденным собственным значениям:
(A)

3).
Для собственного значения =
1 система (A)
принимает вид:

или

(B)

Так
как определитель системы равен нулю,
то независимых уравнений не более трёх.
Ранг системы уравнений (B)
равен двум. Это значит, что ФСР этой
системы уравнений содержит два независимых
решения, то есть система (B)
даст нам два независимых собственных
вектора линейного преобразования:
,
.

4).
Для собственного значения =
2 система (A)
принимает вид:

(C)

Ранг
системы уравнений (C)
равен трём. Это значит, что ФСР этой
системы уравнений содержит одно
независимое решения, то есть система
(С) даст нам один собственный вектор
линейного преобразования: .

5).
В соответствии с теоремой 10.4 совокупность
векторов ,
,

независима, но её недостаточно, чтобы
построить базу линейного пространства
.
Это значит: матрица заданного линейного
преобразования к диагональному виду
не приводится.

Ответ:
матрица
к диагональному виду не приводится.

☻

Вопросы
для самопроверки:

1. Что
   такое линейное преобразование
   пространства?

2. Как
   определяется матрица линейного
   оператора?

3. Как
   изменяется матрица линейного
   преобразования (оператора) при переходе
   от одного базиса к другому?

4. Что
   такое произведение линейных преобразований?

5. Что
   такое характеристическая матрица
   линейного преобразования?

6. Что
   такое характеристический многочлен
   линейного преобразования?

7. Что
   называется собственным вектором
   линейного преобразования, действующего
   в линейном пространстве R
   над числовым полем: K?

8. Что
   такое собственное значение линейного
   преобразования, действующего в линейном
   пространстве R над числовым
   полем: K?

9. Каким
   может быть максимальное число собственных
   значений у линейного оператора,
   действующего в линейном пространстве
   размерности n?

10. Зависят
    ли собственные значения линейного
    преобразования от выбора базиса в
    линейном пространстве, в котором
    действует это преобразование?

11. Всякий
    ли линейный оператор, действующий в
    линейном пространстве R
    над числовым полем K,
    имеет хотя бы одно собственное значение?

12. Как
    найти собственные значения линейного
    оператора?

13. Как
    найти собственные векторы линейного
    преобразования?

< * * *
* * >

Примеры решений. Линейные операторы

В этом разделе вы найдете бесплатные решения задач, касающиеся линейных операторов (преобразований, отображений): нахождение матрицы оператора в разных базисах, проверка его свойств, нахождение собственных (характеристических) значений и векторов.

Решения задач: линейные операторы

Задача 1. Найти характеристические числа и собственные векторы линейного преобразования $A$, заданного уравнениями $x’=5x+4y, y’=8x+9y$.

Задача 2. Найти в ортонормированном базисе $(i,j,k)$ матрицу линейного оператора $f: E^3 rightarrow E^3$, переводящего любой вектор $x$ в вектор $y=f(x)$, $f(x)=(a,x)a$, если $a=i-j+2k$.

Задача 3. Даны два линейных преобразования. Средствами матричного исчисления найти преобразование, выражающее $x_1”, x_2”, x_3”$ через $x_1, x_2, x_3$.

Задача 4. Установить, являются ли заданные отображения $A: R^4 to R^4$ линейными. В случае линейности отображения записать матрицу оператора $A$ в каноническом базисе

$$ e_1=(1,0,0,0); e_2=(0,1,0,0); e_3=(0,0,1,0); e_4=(0,0,0,1). $$
$$ Ax=(x_1-2x_4; x_2+x_3; -x_1; x_1+3x_2);quad Ax=(x_1-2x_4; x_2cdot x_3; -x_1; x_1+3x_2). $$

Задача 5. Найти собственные значения и собственные вектора линейного оператора, заданного в некотором базисе матрицей $А$.

$$A=
begin{pmatrix}
-2 & -2 & -4\
-2 & 1 & -2\
5 & 2 & 7\
end{pmatrix}
$$

Задача 6. Линейный оператор $A: R^3 to R^3$ в базисе $e_1, e_2, e_3$ представлен данной матрицей. Найти матрицу этого линейного оператора в базисе $f_1, f_2, f_3$ .

$$A=
begin{pmatrix}
-2 & 1 & -1\
1 & 3 & -4\
-1 & 2 & 1\
end{pmatrix}, quad left{
begin{aligned}
f_1&=e_1-e_2+3e_3,\
f_2&=4e_1+e_2-e_3,\
f_3&=2e_1-3e_2.\
end{aligned}
right.
$$

Линейные операторы (преобразования)

Определение линейных операторов (преобразований)

Линейным преобразованием (линейным оператором) линейного пространства называется линейное отображение пространства в себя.

Поскольку линейное преобразование является частным случаем линейного отображения, к нему применимы все понятия и свойства, рассмотренные для отображений: инъективность, сюръективность, биективность, обратимость, ядро, образ, дефект, ранг и т.д.

Матрицей линейного оператора (преобразования) в базисе пространства называется квадратная матрица , составленная из координатных столбцов образов базисных векторов , найденных относительно базиса .

Матрица биективного линейного оператора (преобразования) обратима, т.е. невырождена. Поэтому биективное (обратимое) преобразование называют также невырожденным.

---

Примеры линейных операторов (преобразований)

1. Обозначим — нулевое преобразование n-мерного пространства , которое ставит в соответствие любому вектору нулевой элемент пространства . Это преобразование не является инъективным, сюръективным, биективным, обратимым. Матрица нулевого преобразования (в любом базисе) нулевая, ядро преобразования , образ преобразования , дефект , ранг .

2. Обозначим — тождественное преобразование n-мерного пространства , которое ставит в соответствие каждому вектору этот же вектор . Это преобразование является инъективным, сюръективным, биективным, обратимым. Матрица тождественного преобразования (в любом базисе) единичная n-го порядка, ядро преобразования , образ преобразования , дефект , ранг .

3. Обозначим — центральную симметрию n-мерного пространства (относительно нулевого вектора ), т.е. преобразование, которое каждому вектору ставит в соответствие противоположный ему вектор: . Это преобразование линейное, инъективное, сюръективное, биективное, обратимое. Матрица преобразования противоположна единичной (в любом базисе): ; ядро преобразования , образ преобразования , дефект , ранг .

4. Обозначим — гомотетию n-мерного пространства (с коэффициентом ), т.е. преобразование, которое каждому вектору ставит в соответствие коллинеарный ему вектор: . Это преобразование линейное. При оно инъективное, сюръективное, биективное, обратимое. Матрица преобразования пропорциональна единичной (в любом базисе): , ядро преобразования , образ преобразования , дефект , ранг . При (см. пункт 1); при (см. пункт 2); при (см. пункт 3).

5. Рассмотрим линейное пространство радиус-векторов (с общим началом в точке ), принадлежащих одной плоскости (рис. 9.1). Обозначим — поворот вокруг точки (на угол в положительном направлении (против часовой стрелки)). Это преобразование линейное, инъективное, сюръективное, биективное, обратимое. Найдем матрицу поворота в стандартном ортонормированием базисе . Раскладывая образы базисных векторов по базису, получаем

Составляем матрицу (9.1) преобразования (оператора), записывая найденные координаты образов по столбцам:

Ядро оператора (преобразования) , образ преобразования , дефект , ранг . При (см. пункт 2); при (см. пункт 3).

6. Обозначим — оператор дифференцирования, который каждому многочлену степени не выше и ставит в соответствие его производную, рассматриваемую как многочлен степени не выше . Это преобразование линейное, неинъективное, несюръективное, небиективное, необратимое. Квадратная матрица ((n+l)-го порядка) преобразования в стандартном базисе имеет вид

Ядро преобразования — пространство многочленов нулевой степени, образ — пространство многочленов степени не выше , дефект , ранг .

Рассмотрим преобразование линейного пространства тригонометрических многочленов (частоты ) с действительными коэффициентами: , т.е. — множество функций вида , где . Заметим, что это множество является двумерным вещественным линейным пространством. Стандартный базис пространства образуют функции , поскольку они линейно независимы (тождественное равенство нулю возможно только в тривиальном случае ). При дифференцировании функции получаем функцию того же вида. Следовательно, преобразование определено. Это преобразование линейное, инъективное, сюръективное, биективное, обратимое. Найдем матрицу преобразования в стандартном базисе . Раскладывая образы базисных векторов, получаем

Составляем матрицу (9.1) преобразования, записывая найденные координаты образов по столбцам: . Ядро преобразования — нулевое подпространство, образ , дефект , ранг , .

Аналогичными свойствами обладает преобразование , где — множество функций вида с комплексными коэффициентами и . Множество является двумерным комплексным линейным пространством.

7. Пусть линейное пространство разлагается в прямую сумму подпространств . Обозначим — оператор проектирования на подпространство параллельно подпространству , который каждому вектору , где , ставит в соответствие его составляющую (проекцию) , т.е. (рис.9.2). Это преобразование линейное. При оно неинъективное, несюръективное, небиективное, необратимое. Ядро преобразования , образ преобразования , дефект , Ранг ,. При ; при .

8. Пусть линейное пространство разлагается в прямую сумму подпространств . Обозначим — оператор отражения в подпространстве параллельно подпространству (или преобразование симметрии относительно подпространства параллельно подпространству ), который каждому вектору , где , ставит в соответствие вектор , т.е. (рис. 9.3). Это преобразование линейное, инъективное, сюръективное, биективное, обратимое. Ядро преобразования , образ преобразования , дефект , ранг . При .

---

Матрицы линейного оператора (преобразования) в разных базисах

Найдем связь матриц одного и того же линейного оператора (преобразования) в разных базисах.

Пусть в базисе преобразование имеет матрицу , а в базисе — матрицу . Если — матрица перехода от базиса к базису , то

Докажем формулу (9.4). Пусть векторы и в базисах и имеют координатные столбцы и соответственно. Если , то по формуле (9.2) имеем

Подставляя в первое равенство связи координат векторов в разных базисах получаем или, учитывая обратимость матрицы . Сравнивая последнее равенство с , убеждаемся в справедливости (9.4).

Замечания 9.2

1. Матрицы линейного преобразования в разных базисах оказываются подобными. И наоборот, любые две подобные матрицы являются матрицами некоторого линейного преобразования, найденными относительно разных базисов.

2. Для матриц преобразований справедливы свойства, рассмотренные ранее. В частности, при фиксированном базисе матрица суммы преобразований равна сумме их матриц, матрица произведения преобразования на число равна произведению матрицы преобразования на это же число, матрица композиции преобразований равна произведению матриц преобразований, матрица обратного преобразования является обратной для матрицы обратимого преобразования.

---

Алгебра линейных операторов (преобразований)

Рассмотрим множество — линейных преобразований (операторов) n-мерного линейного пространства . Напомним, что два преобразования и называются равными, если .

На множестве определены две линейные операции: сложение преобразований и умножение преобразования на число, поскольку в результате этих операций получается линейное преобразование.

Нетрудно показать, что эти операции удовлетворяют условиям:

1. ;

2. ;

3. существует нулевое преобразование такое, что ;

4. для каждого преобразования существует противоположное преобразование такое, что ;

5. и любого числа ;

6. и любых чисел ;

7. и любых чисел ;

8. .

В условиях 5-7 говорится о числах из того же числового поля, над которым определено линейное пространство .

Условия 1-8 повторяют аксиомы линейного пространства. Поэтому множество с линейными операциями является линейным пространством. Если пространство вещественное (комплексное), то и пространство вещественное (комплексное).

Найдем размерность пространства . При фиксированном базисе имеется взаимно однозначное соответствие между линейными преобразованиями и их матрицами, причем это соответствие сохраняет линейные операции. Следовательно, пространство изоморфно пространству — квадратных матриц n-го порядка. Размерность пространства равна . По теореме 8.3:

то есть

Кроме линейных операций в множестве определена операция умножения элементов. Произведением преобразований и назовем их композицию, т.е. . В результате композиции линейных преобразований получается линейное преобразование. Операция умножения удовлетворяет следующим условиям:

1. ;

2. ;

3. ;

4. существует тождественное преобразование такое, что .

Первое условие выражает ассоциативность операции умножения, условия 2 и 3 — законы дистрибутивности, условие 4 — существование нейтрального элемента. Множество с операциями сложения и умножения элементов является кольцом с единицей (вообще говоря, некоммутативное, так как в общем случае ).

Операции умножения операторов (преобразований) и произведения операторов на число (из заданного числового поля) удовлетворяют условию:

5.

Линейное пространство, которое является кольцом, удовлетворяющим условию 5, называется алгеброй. Поэтому множество называют алгеброй линейных операторов (преобразований).

---

Многочлены от линейного оператора (преобразования)

В алгебре можно определить целую неотрицательную степень оператора , полагая по определению

Пусть — многочлен переменной . Многочленом от линейного преобразования называется преобразование .

Многочлен называется аннулирующим для линейного преобразования , если — нулевое преобразование. Заметим, что у каждого линейного преобразования n-мерного линейного пространства существует аннулирующий многочлен степени не выше . Действительно, система из элементов линейного пространства линейно зависима (так как ). Поэтому существуют такие числа , не все равные нулю одновременно, что . Следовательно, многочлен — аннулирующий для преобразования .

---

Замечания 9.3

1. При фиксированном базисе каждому преобразованию (оператору) можно сопоставить его матрицу. Свойства линейных операций 1-8, записанные для матриц преобразований, повторяют свойства линейных операций с матрицами, а свойствам 1-5 произведения операторов отвечают свойства операции умножения матриц.

2. При фиксированном базисе многочлен от линейного преобразования имеет матрицу , где — матрица преобразования в том же базисе. Поэтому свойства многочленов от матриц переносятся на многочлены от линейного преобразования. В частности, многочлены от одного преобразования перестановочны:

3. Функции от матриц определяются при помощи многочленов от матриц. Поэтому можно определить функции от линейных преобразований.

Математический форум (помощь с решением задач, обсуждение вопросов по математике).

Если заметили ошибку, опечатку или есть предложения, напишите в комментариях.

1. Ортогональные преобразования.

   Начать изучение
   

2. Определение линейных преобразований.

   Начать изучение
   

3. Произведение линейных преобразований.

   Начать изучение
   

4. Образ вектора при линейном преобразовании.

   Начать изучение
   

Ортогональные преобразования.

Основными примерами ортогональных преобразований служат параллельный перенос, поворот и осевая симметрия.

Получим координатную запись ортогонального преобразования в декартовой прямоугольной системе координат (O, boldsymbol{e}_{1}, boldsymbol{e}_{2}). Обозначим через (A) и (B) концы базисных векторов: (boldsymbol{e}_{1}=overrightarrow{OA}), (boldsymbol{e}_{2}=overrightarrow{OB}) (рис. 12.1). При ортогональном преобразовании равнобедренный прямоугольный треугольник (OAB) перейдет в равный ему треугольник (O^{*}A^{*}B^{*}). Рассмотрим произвольную точку (M(x, y)). Она перейдет в точку (M^{*}) с координатами ((x^{*}, y^{*})). Нам надо выразить ((x^{*}, y^{*})) через ((x, y)).

По определению координат (overrightarrow{OM}=xoverrightarrow{OA}+yoverrightarrow{OB}). Отсюда следует, что (overrightarrow{O^{*}M^{*}}=xoverrightarrow{O^{*}A^{*}}+yoverrightarrow{O^{*}B^{*}}). Действительно, векторы (overrightarrow{O^{*}A^{*}}) и (overrightarrow{O^{*}B^{*}}) взаимно перпендикулярны и по длине равны 1, а потому компоненты (overrightarrow{O^{*}M^{*}}) по этим векторам равны его скалярным проекциям на них. Эти проекции равны проекциям (overrightarrow{OM}) на (boldsymbol{e}_{1}, boldsymbol{e}_{2}), что видно из равенства соответствующих треугольников. Теперь мы можем написать
$$
overrightarrow{OM^{*}}=overrightarrow{OO^{*}}+overrightarrow{O^{*}M^{*}}=overrightarrow{OO^{*}}+xoverrightarrow{O^{*}A^{*}}+yoverrightarrow{O^{*}B^{*}}.label{ref1}
$$

Обозначим через (varphi) угол между (overrightarrow{O^{*}A^{*}}) и (boldsymbol{e}_{1}). Поскольку (|overrightarrow{O^{*}A^{*}}|=1), координаты этого вектора в базисе (boldsymbol{e}_{1}, boldsymbol{e}_{2}) равны ((cos varphi, sin varphi)). Тогда перпендикулярный вектор единичной длины (overrightarrow{O^{*}B^{*}}) имеет координаты ((mp sin{y}, pm cos{y})), причем верхние знаки берутся в том случае, когда пара векторов (overrightarrow{O^{*}A^{*}}) и (overrightarrow{O^{*}B^{*}}) ориентирована так же, как (boldsymbol{e}_{1}, boldsymbol{e}_{2}). Координаты точки (O^{*}) обозначим через ((c_{1}, c_{2})).

Теперь мы можем разложить все члены равенства eqref{ref1} по базису:
$$
begin{array}{cc}
& x^{*}=x cos varphi mp y sin varphi+c_{1},\
& y^{*}=x sin varphi pm y cos varphi+c_{2}.
end{array}label{ref2}
$$

Итак, мы доказали следующее утверждение.

Определение линейных преобразований.

Основным объектом для нас будет более широкий класс преобразований, включающий в себя ортогональные преобразования.

Подчеркнем, что в определении линейного преобразования, вовсе не требуется, чтобы коэффициенты в формулах eqref{ref3} не обращались в нуль одновременно. Они могут быть любыми. Докажем следующее утверждение.

Как видно из доказанного утверждения, ортогональные преобразования являются линейными. Проверка условия eqref{ref4} показывает, что они аффинные. Рассмотрим другие примеры.

Определение аффинного преобразования содержит упоминание о некоторой определенной системе координат, и заранее не известно, будет ли преобразование записываться формулами вида eqref{ref3} в какой-либо другой системе координат. Давайте докажем следующее утверждение.

Заметим, что аффинные преобразования выделяются из линейных требованием взаимной однозначности, которое не зависит от системы координат. Поэтому без дополнительных проверок мы можем быть уверены, что формулы, задающие аффинное преобразование в новой системе координат, удовлетворяют условию eqref{ref4}.

Произведение линейных преобразований.

Доказательство  последнего утверждения было основано на том, что результат подстановки многочленов степени не выше 1 в многочлен степени не выше 1 оказывается таким же многочленом. Это же обстоятельство лежит в основе следующего утверждения.

Если преобразование (f) записано уравнениями eqref{ref3}, то координатная запись его обратного преобразования получается решением уравнений eqref{ref3} относительно (x) и (y). Для того чтобы решить эти уравнения, умножим первое из них на (b_{2}), второе — на (b_{1}) и вычтем одно уравнение из другого. Мы получим ((a_{1}b_{2}-a_{2}b_{1})x=b_{2}(x^{*}-c_{1})-b_{1}(y^{*}-c_{2})). Из условия eqref{ref4} следует, что (x) — линейный многочлен от (x^{*}) и (y^{*}). Выражение для (y) получается аналогично.

Образ вектора при линейном преобразовании.

Рассмотрим вектор (overrightarrow{M_{1}M_{2}}). Если координаты точек (M_{1}) и (M_{2}) в системе координат (O, boldsymbol{e}_{1}, boldsymbol{e}_{2}) обозначить соответственно (x_{1}, y_{1}) и (x_{2}, y_{2}), то компоненты вектора будут равны (x_{2}-x_{1}) и (y_{2}-y_{1}). Пусть формулы eqref{ref3} задают преобразование (f) в выбранной системе координат. Тогда образы (M_{2}^{*}) и (M_{1}^{*}) точек (M_{2}) и (M_{1}) имеют абсциссы
$$
x_{2}^{*}=a_{1}x_{2}+b_{1}y_{2}+c_{1}, x_{1}^{*}=a_{1}x_{1}+b_{1}y_{1}+c_{1}.nonumber
$$
Следовательно, первая компонента вектора (overrightarrow{M_{1}^{*}M_{2}^{*}}) равна
$$
x_{2}^{*}-x_{1}^{*}=a_{2}(x_{2}-x_{1})+b_{1}(y_{2}-y_{1}).nonumber
$$
Аналогично находим вторую компоненту этого вектора
$$
y_{2}^{*}-y_{1}^{*}=a_{2}(x_{2}-x_{1})+b_{2}(y_{2}-y_{1}).nonumber
$$

Обратим внимание на то, что компоненты (overrightarrow{M_{1}^{*}M_{2}^{*}}) выражаются только через компоненты (overrightarrow{M_{1}M_{2}}), а не через координаты точек (M_{1}) и (M_{2}) по отдельности. Два равных вектора имеют одинаковые компоненты и, следовательно, при линейном преобразовании перейдут в векторы, компоненты которых также одинаковы. Итак, мы получаем ещё одно утверждение.

Если быть точным, говорить об образе вектора при преобразовании (f) неправильно: преобразование отображает точки, а не векторы. Точнее было бы сказать, что (f) порождает преобразование (tilde{f}) множества векторов. Но ниже мы, тем не менее, будем придерживаться не совсем точной, но более удобной и общепринятой терминологии — говорить, что преобразование (f) переводит вектор (boldsymbol{a}) в вектор (boldsymbol{a}^{*}) и обозначать последний через (f(boldsymbol{a})).

Из формул eqref{ref10} вытекает, что для линейного преобразования (f) при любых векторах (boldsymbol{a}) и (boldsymbol{b}) и любом числе (lambda)
$$
begin{array}{cc}
& f(boldsymbol{a}+boldsymbol{b})=f(boldsymbol{a})+f(boldsymbol{b}),\
& f(lambdaboldsymbol{a})=lambda f(boldsymbol{a}).
end{array}label{ref11}
$$

Докажем, например, первое из этих равенств. Пусть (gamma_{1}^{*}) и (gamma_{2}^{*}) — компоненты вектора (f(boldsymbol{a}+boldsymbol{b})). Тогда
$$
gamma_{1}^{*}=a_{1}(alpha_{1}+beta_{1})+b_{1}(alpha_{2}+beta_{2}), gamma_{2}^{*}=a_{2}(alpha_{1}+beta_{1})+b_{2}(alpha_{2}+beta_{2}),nonumber
$$
где (alpha_{1}, alpha_{2}) и (beta_{1}, beta_{2}) — компоненты векторов (boldsymbol{a}) и (boldsymbol{b}). Отсюда
$$
begin{array}{cc}
& gamma_{1}^{*}=(a_{1}alpha_{1}+b_{1}alpha_{2})+(a_{1}beta_{1}+b_{1}beta_{2})=alpha_{1}^{*}+beta_{1}^{*},\
& gamma_{2}^{*}=(a_{2}alpha_{1}+b_{2}alpha_{2})+(a_{2}beta_{1}+b_{2}beta_{2})=alpha_{2}^{*}+beta_{2}^{*}.
end{array}nonumber
$$
Это — координатная запись доказываемого равенства. Второе из равенств eqref{ref11} доказывается аналогично.

Из равенств eqref{ref11} следует, что при линейном преобразовании (f) линейно зависимые векторы переходят в линейно зависимые. Действительно, как легко видеть, (f(boldsymbol{0})=boldsymbol{0}). Тогда любое соотношение вида (lambda boldsymbol{a}+mu boldsymbol{b}=boldsymbol{0}) влечет за собой (lambda f(boldsymbol{a})+mu f(boldsymbol{b})=boldsymbol{0}).

Если преобразование аффинное, то линейно независимые векторы переходят в линейно независимые. В самом деле, в противном случае из равенства (lambda f(boldsymbol{a})+mu f(boldsymbol{b})=boldsymbol{0}), (lambda^{2}+mu^{2} neq 0), при обратном преобразовании мы получили бы (lambda boldsymbol{a}+mu boldsymbol{b}=boldsymbol{0}).

Следующее утверждение устанавливает геометрический смысл коэффициентов в формулах, задающих линейное преобразование.

Заметим, что в том случае, когда преобразование (f) аффинное, точка (f(O)) и векторы (f(boldsymbol{e}_{1})) и (f(boldsymbol{e}_{2})) могут быть использованы как система координат. Для этой системы координат имеет место ещё одно утверждение.