Linal
.pdf5Линейные преобразования
5.1Определение. Ядро. Образ.
Определение 23. V, W векторные пространства над полем F. Отображение φ : V → W называется линейным, если
1.φ(u + v) = φ(u) + φ(v)
2.φ(αu) = αφ(u)
Âслучае W = V линейное преобразование φ называется линейным оператором.
Предложение 17 (Элементарные свойства линейных преобразований). |
1. φ(0) = 0 |
2.φ(v) = φ(v)
3.Åñëè v1, . . . , vn ëç; òî è φ(v1), . . . , φ(vn) ëç.
4.Линейное преобразование однозначно задается образами базисных векторов.
Определение 24. Множество {v V |φ(v) = 0} называется ядром преобразования φ. Обозначение Ker(φ). Множество {w W | v V φ(v) = w} нызывается образом преобразования φ. Обозначение Im(φ). Преобразование φ называется невырожденным, если Ker(φ) = {0}. И называется вырожденным, если
Ker(φ) 6= {0}.
Предложение 18. 1. Ker(φ) < V
2.Im(φ) < W
3.Если φ невырожденно и v1, . . . , vn ëíç, òî φ(v1), . . . , φ(vn) ëíç.
4.Если преобразование невырождено, то оно взаимнооднозначно; а следовательно обратимо. Обратное преобразование также линейно.
Теорема 13. Пусть φ : V → V . Тогда dimV = dimKer(φ) + dimIm(φ).
Proof. Построим базис Im(φ). У базиса есть прообраз. Прообраз будет ЛНЗ (т.к. образ ЛЗ системы ЛЗ). Построим Lin(прообраза)=W. Докажем, что V = W Ker(φ). 1) они пересекаются по нулю. (берем
произвольный вектор из W, доказываем, что он из Ker только если нулевой). 2) Любой вектор является суммой вектора из W и вектора из Ker. (Пусть произвольный вектор v. Разложим φ(v) по базису Im. Возьмем ту же
ЛК в W. Возьмем разность между v и этой ЛК. Эта разность из Ker.
5.2Матрица линейного оператора
Определение 25. Пусть φ линейный оператор. В пространстве V зафиксирован базис E = {e1, . . . en}. Разложим вектора φ(ei) по базису и запишем в матрицу (в i-ый столбец матрицы разложение i-ого образа). Такая матрица называется матрицей линейного преобразования φ в базисе E. Обозначение [φ]E .
Предложение 19 (Элементарные свойства матрицы линейного преобразования). |
1. Äëÿ |
âñåõ |
|
|
векторов vE выполнено равенство: φ(v)E = [φ]E vE . |
|
|
2. |
[φ]F = TF→E [φ]E TE→F |
|
|
3. |
Если φ невырождено, то [φ−1] = [φ]−1. |
|
|
4. |
dimIm(φ) = rank[φ] |
|
|
Последнее: образ линейная оболочка образов базиса. Следовательно, размерность образа равна рангу по столбцам.
Пример. Построимть матрицу поворота.
Определение 26. Две матрицы называются подобными, если они задают одно и то же линейное преобразование в разных базисах. Обозначение A B.
11
Одной из выжных задач является задача определения, являются ли матрицы подобными.
Предложение 20. 1. A B тогда и только тогда, когда T : A = T BT −1
2.Если две матрицы подобны, их ранги равны.
3.Если две матрицы подобны, их определители равны.
12
6Жорданова форма матрицы.
6.1Инвариантные подпространства.
Определение 27. Пусть φ : V → V . Подпространство W < V называется инвариантным относительно преобразования φ, если w W φ(w) W .
Примеры: ядро и образ инвариантны.
Предложение 21. Пусть A линейный оператор на L, и пусть L1, L2 инвариантные подпространства, тогда L1 ∩ L2 è L1 + L2 так же инвариантные подпространства.
Пусть V = L1 L2. Рассмотрим базис V , полученный как объединение базисов L1 è L2. В этом базисе матрица линейного преобразования выглядит распавшейся. Нарисовать, пояснить.
Предположим, что V = V1 V2, ãäå V1 è V2 инвариантные подпространства относительно преобразования φ. e1, . . . , ek базис V1. ek+1, . . . , en базис V2. Поскольку сумма прямая, e1, . . . , en базис V. Поскольку подпространство Vi инвариантно относительно преобразования φ, можно построить матрицу линейного преобразования φ в пространстве Vi. Обозначим эту матрицу Ai.
Тогда матрица линейного преобразования φ во всем пространстве V (в базисе e) будет выглядеть так
A1 0
(пояснить, почему): 0 A2
6.2Собственные векторы, собственные числа
Определение 28. Ненулевой вектор v V называется собственным, если φ(v) = λv.
Пусть у нас зафиксирован базис E. Тогда для поиска собственного вектора надо решить систему линейных уравнений Av = λv. Заметим, что не для всех λ можно найти собственные векторы (пояснить на примере
проектирования на ось Ох параллельно оси Оу). Для каких же?
Av = λv (A − λE)v = 0.
Предложение 22. Чтобы был собственный вектор необходимо и достаточно, чтобы |A − λE| = 0.
Необходимость. Если |A − λE| 6= 0, то у этой матрицы есть обратная, умножим на нее, получим, что v = 0. Достаточность. Если |A −λE| = 0, то rang(A −λE) < n. Тогда одна из строк является лин.комб. остальных
строк и ее можно вычеркнуть из системы. Получаем однородную систему, где количество уравнений меньше количества неизвестных, а следовательно, у такой системы есть ненулевое решение.
Определение 29. Многочлен χA(λ) = |A − λE| называется характеристическим многочленом матрицы А.
Последнее утверждение можно переформулировать так:
Предложение 23. Число λ является собственным числом матрицы A тогда и только тогда, когда оно является корнем ее характеристического многочлена.
Предложение 24. У подобных матриц одинаковые характеристические многочлены.
Proof. A B, значит A = T BT −1. |A − λE| = |T BT −1 − λT ET −1| = |T (B − λE)T −1| = |T ||B − λE||T −1| =
|B − λE|.
Теорема 14. Пусть v1, v2, ... vn собственные векторы различных собственных чисел λ1, λ2, ... λn соответственно. Тогда система векторов {v1, v2, . . . , vn} ËÍÇ,
Proof. Доказываем методом мат. индукции по количеству собственных векторов.
База индукции: Пусть n = 2. Составим ЛК a1v1 + a2v2 = 0. Подействуем на левую и правую часть этого равенства преобразованием φ. a1λ1v1 + a2λ2v2 = 0. Из первого равенства следует a1λ1v1 + a2λ1v2 = 0. Вычтем эти два равенства. Получим a2(λ1 − λ2)v2 = 0. Следовательно, так как v2 6= 0 (потому что вектор v2 собственный), получаем a2(λ1 − λ2) = 0. Поскольку λ1 6= λ2, остается a2 = 0. Аналогично доказываем, что a1 = 0.
Предположение индукции: при n = k. Предположим, что если мы взяли k собственных векторов от
различных собственных чисел, то они получаются ЛНЗ.
Индукционный переход. Докажем, что если мы возьмем n = k + 1 собственных векторов от различных собственных чисел, они получатся ЛНЗ.
13
Составим линейную комбинацию a1v1 + . . . + akvk + ak+1vk+1 = 0. Подействуем на это равенство преобразованием φ, получим λ1a1v1 + . . . + λkakvk + λk+1ak+1vk+1 = 0. Умножим первое равенство на λk+1, вычтем, получим: a1(λ1 − λk+1v1 + . . . + ak(λk − λk+1)vk = 0. Так как вектора v1, . . . , vk ЛНЗ (по инд.предп), все коэффициенты равны нулю. Так как λi − λk+1 6= 0, получается, что a1 = . . . = ak = 0. Отсюда получается, что ak+1vk+1 = 0, а поскольку vk+1 6= 0 (потому что он собственный), ak+1 = 0. Получается, что ЛК=0 только если она тривиальна. Значит, v1, . . . , vk+1 ËÍÇ.
Ко множеству всех собственных векторов добавим 0. Полученное множество обозначим Vλ1. Заметим, что Vλ1 = Ker(φ − λE), поэтому Vλ1 инвариантное подпространство V .
6.3Корневые подпространства.
Собственные вектора зануляются, если один раз подействовать преобразованием (φ − λE). Посмотрим, какие вектора зануляются, если преобразование провести 2, 3, 4 и т.д. раза.
Определение 30. Vλk = {v V |(φ − λE)nv = 0} множество векторов, которые зануляются за k шагов. Vλ = {v V | kv Vλk} множество векторов, которые зануляются за несколько шагов. Vλ называется
корневым подпространством собственного числа λ.
Теорема 15. V векторное пространство; φ линейное преобразование.
Vλ1 < Vλ2 < . . . < Vλ < V , причем Vλ è Vλk инвариантные подпространства относительно преобразования
φ.
Кроме того если V k−1 |
= V k |
V k = V k+1 |
|
λ |
λ , òî è |
λ |
λ . |
Доказать.
6.4Теорема о ж.ф.
Теорема 16. Векторное пространство является прямой суммой корневых подпространств.
Без доказательства.
Теорема 17. У корневого подпространства есть циклический базис.
Т.е. такой базис, что 0 |
← v1 ← v2 ← . . . ← vk, 0 ← vk+1 ← . . . и так далее, несколько цепочек векторов, |
||||
которые переходят в предыдущий, а первый в цепочке переходит в 0. |
|||||
Без доказательства. |
|
|
|||
Определение 31. Жорданова клетка матрица вида |
|||||
0 λ 1 |
0 |
. . . 0 |
0 |
||
λ |
1 0 |
0 |
. . . 0 |
|
0 |
.0. . |
0 0 |
0 |
. . . λ |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
00 0 0 . . . 0 λ
Жорданова форма матрица, у которой по диагонали жордановы клетки, а остальные элементы нули.
Теорема 18. Любая матрица подобна жордановой форме. Причем жорданова форма единственна с точностью до перестановки клеток.
Доказательство первой части следует из двух теорем без доказательства. И из того, что матрица линейного преобразования для прямой суммы распадается на матрицы слагаемых.
Доказательство второй части проведем чуть позже.
Предложение 25. Размерность корневого подпространства |
Vλ |
равна кратности числа λ как корня |
||||||||
характеристического многочлена. |
|
|
|
|
|
|
|
|
|
|
Пример. Найти жорданову форму матрицы A |
0 |
−3 |
−2 |
1 |
|
|||||
|
|
0 |
1 |
|||||||
|
|
2 |
1 |
1 |
4 |
4 |
−2 |
|
||
A = |
0 0 1 |
3 |
2 |
−1 |
||||||
|
|
0 |
0 |
2 |
2 |
2 |
− |
|
||
|
|
1 |
|
|||||||
|
0 |
0 |
|
1 |
|
2 |
1 |
1 |
||
|
|
1 |
1 |
− |
|
− |
|
− |
0 |
|
|
|
1 |
0 |
1 |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
14
Решение: 1) Вычислим собственные числа. Для этого найдем характеристический многочлен. χA(λ) = (λ − 1)5(λ − 2). Отсюда следует, что в жордановой форме у матрицы на диагонали 5 единиц (мы не знаем, как
они делятся на жордановы клетки) и одна двойка (которая составляет одну жорданову клетку 1 на 1).
|
|
1 |
|
0 |
0 |
0 |
0 |
|
|
0 |
1 |
|
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
J = |
|
0 |
0 |
1 |
|
0 |
0 |
|
|
0 |
0 |
0 |
1 |
|
0 |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
0 |
0 |
1 |
0 |
|
|
|
0 |
0 |
0 |
0 |
0 |
2 |
|
dimV2 = 1, поэтому легко |
найти базис V2 (это один вектор, он собственный для числа |
2. Решаем |
||||||||||||||||||||||||||
систему линейных уравнений (A − 2E)v |
= |
0, получаем |
|
V2 |
= V21 = (−x, x, −x, −x, x, 0). |
Таким образом, |
||||||||||||||||||||||
j6 = (−1, 1, −1, −1, 1, 0). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
|
|
|
|||||
Теперь будем разбираться с собственным числом λ = 1. Вычислим поочередно V1 , |
V1 , и так далее. Для |
|||||||||||||||||||||||||||
этого надо решить системы (A − E)v = 0, (A − E)2v = 0 и так далее. |
|
|
|
|
−1 0 0 |
|
||||||||||||||||||||||
|
|
|
|
|
1 |
|
1 0 |
−2 −1 |
0 |
|
|
|
|
1 |
1 0 |
|
||||||||||||
|
|
|
E)2 = |
−1 |
−1 0 3 |
2 |
0 |
(A |
|
|
E)3 = |
−1 |
−1 0 1 0 0 |
|
|
|||||||||||||
|
(A |
− |
−1 |
−1 0 2 |
1 |
0 |
− |
−1 |
−1 0 1 0 0 |
|
||||||||||||||||||
|
|
|
|
|
− |
− |
0 |
2 |
1 |
0 |
|
|
|
− |
− |
0 |
1 |
0 |
0 |
|
|
|||||||
|
|
|
|
|
|
1 |
|
1 |
|
|
|
|
|
1 |
1 |
|
|
|||||||||||
|
|
|
|
|
1 |
|
1 0 |
|
2 |
1 |
0 |
|
|
|
1 |
1 0 |
1 0 0 |
|
||||||||||
|
|
|
|
|
|
0 |
|
0 0 |
− |
|
− |
0 |
|
|
|
|
|
0 |
0 0 |
− |
|
|
|
|
||||
|
|
|
|
|
|
|
1 |
1 |
|
|
|
|
|
0 0 0 |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Получаем |
1 |
= |
(x |
y, y, x, x, |
− |
x, x), dimV 1 = 2. V 2 |
= (x |
− |
y, y, z, x, |
− |
x, t), dimV 2 |
= 4. V 3 |
= (x |
− |
y, y, z, x, u, t). |
|||||||||||||
|
V1 |
3 |
− |
|
|
|
|
|
13 |
4 |
1 |
5 |
|
|
|
|
1 |
|
1 |
|
|
|
||||||
Заметим, что dimV1 |
= 5 = dimV1, поэтому V1 |
= V1 |
= V1 = . . . = V1. |
|
|
|
|
|
|
|
|
|
|
Теперь надо выбрать циклический базис для V1. Если для построения базиса взять только вектора высоты 1 и 2, то их л.к. не может быть высоты 3, поэтому вектора высоты 3 не получатся (а они есть). Значит, надо взять хотя бы один вектор высоты 3. Берем любой.
j3 = (0, 0, 0, 0, 1, 0). Тогда j2 = (A − E)j3 = (4, −2, 2, 2, −2, 1), à j1 = (A − E)j2 = (2, −1, 1, 1, −1, 1).
Осталось добавить в базис всего 2 вектора. Эти два вектора не могут быть оба высоты 1, так как тогда мы бы нашли 3 лнз вектора высоты 1, а их всего 2, так как dimV11 = 2. Значит, есть еще цепочка из двух векторов.
Как выбрать вектор j5? Надо взять вектор из V12, который не входит в V11 (тогда он получится высоты 2), но при этом выбрать его ЛНЗ с j2 (с уже включенным в базис вектором высоты 2).
j5 = (0, 0, 1, 0, 0, 0). Тогда j4 = (A − E)j5 = (1, 0, 1, 1, −1, 1).
Поскольку мы проявили некоторую вольность в выборе базиса, надо проверить, что полученная система векторов все-таки базис.
Для этого составляем матрицу перехода от исходного базиса к базису J и проверяем, что она невырождена.
|
−1 |
−2 |
0 |
0 |
0 |
1 |
|
|
|
|
|
|
|
|
|
|||
|
|
2 |
4 |
0 |
1 |
0 |
−1 |
|
|
|
|
|
|
|
|
|
||
TE→J = |
1 |
2 |
0 |
1 |
0 |
−1 |
|
|
|
|
|
|
|
|
||||
|
|
1 |
2 |
0 |
1 |
1 |
− |
|
|
|
|
|
|
|
|
|
||
|
|
1 |
|
|
|
|
|
|
|
|
|
|||||||
|
|
1 |
2 |
1 |
|
1 |
0 |
1 |
|
|
|
|
|
|
|
|
||
|
|
− |
|
− |
0 |
− |
|
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
1 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Поэтому |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
жорданова форма |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
1 |
0 |
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
1 |
1 |
0 |
0 |
0 |
||
|
|
|
|
|
|
|
|
|
|
J = |
|
0 |
0 |
1 |
0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
0 |
1 |
1 |
0 |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
0 |
0 |
1 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
0 |
0 |
0 |
0 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Конец примера! |
|
Предложение 26. Если Vλ = Vλk 6= Vλk−1 |
, то размер самой большой жордановой клетки с собственным |
числом λ равен k. |
|
15
Предложение 27. Если J жорданова форма матрицы А, то матрицы J−λE жорданова форма матрицы
A − λE.
Количество жордановых клеток с собственным числом λ равно dimVλ1.
Количество векторов в жордановом базисе, которые зануляются с 1 и 2 раз равно dimVλ2. Количество векторов в ж.базисе, которые зануляются с 1,2,... k раз равно dimVλk.
Пояснить.
6.5Алгоритм приведения к жордановой форме
1.Ищем характеристический многочлен матрицы А. (Т.е. χA(λ) = |A − λE|).
2.Ищем корни характеристического многочлена, т.е. собственные числа матрицы А. (Т.е. решаем уравнение χA(λ) = 0). Запоминаем, что размерность корневого пространства собственного числа λ равна кратности λ как корня характеристического многочлена.
3.Для каждого λ ищем цепочки Vλ1 < Vλ2 < ... äî òåõ ïîð, ïîêà dimVλk не станет равным кратности корня λ.
|
Â3 |
первом |
2 |
|
1 |
2 |
1 |
4. Выписываем цепочки векторов. |
|
dimVλ векторов. Во втором этаже |
dimVλ |
− dimVλ |
|||
|
|
этаже |
|
|
|
||
векторов. На третьем этаже dimVλ − dimVλ |
векторов. И так далее. |
|
|
5.Выписываем жорданову форму матрицы. Каждой цепочке длины k соответствует жорданова клетка размером k Ч k с собственным числом λ по диагонали.
6.Ищем жорданов базис. Начинаем с самого высокого вектора. Пусть его высота k. Выбираем вектор
v Vλk, íî v 6 Vλk−1 |
. Теперь ищем всю цепочку vk−1 = (A − λE)vk и так далее, восстанавливаем всю |
цепочку. |
|
Теперь найдем самую высокую цепочку из оставшихся. Пусть самый высокий вектор в ней высоты t.
Берем вектор v V t v 6 V t−1
λ , λ и не выражающийся через уже построенные вектора (той же высоты).
7.Поскольку мы могли на предпоследнем шаге что-то упустить и выбрать плохо, надо проверить, что построенные вектора составляют базис. (Для этого составляем матрицу перехода к этому "базису" и проверяем, что определитель этой матрицы не равен нулю.)
16
7Евклидовы пространства
7.1Скалярное произведение.
Пусть V векторное пространство над полем F (по-прежнему, F это либо поле действительных чисел или поле комплексных чисел).
Определение 32. Скалярным произведением на векторном пространстве V называется функция двух переменных Ψ(x, y), удовлетворяющая следующим условиям:
1.Ψ(x1 + x2, y) = Ψ(x1, y) + Ψ(x2, y)
2.Ψ(λx, y) = λΨ(x, y)
3.Ψ(x, y) = Ψ(y, x)
4.Ψ(x, x) > 0, x 6= 0.
Определение 33. Векторное пространство над полем R (над полем C) с заданным на нем скалярным произведением называется евклидовым (унитарным).
В дальшейшем будем обозначать Ψ(x, y) просто (x, y).
Везде в дальнейшем предполагаем, что пространство унитарное, если не оговорено иное.
Предложение 28 (Простейшие свойства скалярного произведения.). 1. (x, y1 + y2) = (x, y1) + (x, y2)
2.(x, λy) = λ(x, y)
3.(0, y) = 0
Теорема 19 (Неравенство Коши-Буняковского). |
|
|
|v| = +p |
(v, v) |
. |
||||||||||
Определение 34. Длиной вектора v называется неотрицательное число |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|(u, v)| < |u||v| |
|
|
|
|
Proof. Обозначим |
(u, v) = α.2 |
Åñëè |u| = 0 |
èëè |
|v2|.= 0 |
èëè |
, то неравенство очевидно. |
|
||||||||
|
|
|
2 |
|
|
α = 0 |
|
|
|
||||||
0 ≤ (u + λv, u + λv) = |u| |
+ 2Re(λα) + |λ| |
|v| |
|
|
|
|
|
|
|||||||
Это неравенство верно для любых векторов u, v и для любого числа λ. |
|
|
|
||||||||||||
Возьмем λ = − |
|
α |
|
. Тогда получим: |
|
|
|
|
|
|
|
|
|||
v |
2 |
|
|
|
|
|
|
|
|
||||||
2 |
|
| | |
|
|
|
|
|
|
|
|
|
|
|
||
0 ≤ |u|2 − |
||αv||2 |
. Получаем |u|2|v|2 ≤ |(u, v)|2. ×òä. |
|
|
|
|
|
|
Предложение 29 (Неравенство треугольника). |x + y| ≤ |x| + |y|
Proof. (x + y, x + y) = |x|2 + |y|2 + (x, y) + (y, x) ≤ |x|2 + |y|2 + 2|(x, y)| ≤ |x|2 + |y|2 + 2|x||y| = (|x| + |y|)2
7.2Процесс ортогонализации
Определение 35. Будем говорить, что вектора ортогональны, если (u, v) = 0.
Будем говорить, что вектор v ортогонален множеству M, если вектор v ортогонален всем векторам из множества M.
Определение 36. Множество векторов называется ортогональным, если любой вектор ортогонален всем остальным векторам этого множества.
Множество векторов называется ортонормированным, если оно ортогонально и длина всех векторов этого множества равна 1.
Предложение 30. Ортонормированная система векторов ЛНЗ.
Пусть α1v1 + . . . + αnvn = 0. Умножим скалярно на vi, получим αi = 0.
Теорема 20 (Грамма - Шмидта). У любого пространства есть ортогональный (ортонормированный) базис.
17
Proof. У любого подпространства есть хоть какой-то базис v1, v2, ..., vn. При помощи этого базиса построим ортогональный базис того же пространства.
v10 |
= v1 |
|
(v2,v0 ) |
|
|
|
|
|
|
|
||||
v0 |
= v |
|
|
v0 |
|
|
|
|
|
|
||||
2 |
− |
|
|
1 |
|
|
|
|
|
|
|
|||
(v10 ,v10 ) |
|
|
|
|
|
|
||||||||
2 |
|
1 |
|
(v3,v0 ) |
|
|
|
|||||||
v0 |
= v |
|
|
(v3,v0 ) |
v0 |
|
v0 |
|
|
|||||
3 |
− |
|
|
1 |
|
− |
|
2 |
|
|
||||
(v10 ,v10 ) |
(v20 ,v20 ) |
|
|
|||||||||||
3 |
|
1 |
2 |
|
|
|||||||||
и так далее |
|
,v0 ) |
|
|
|
|
(vk,v0 |
|
|
|||||
v0 |
= v |
|
(v |
k |
v0 |
|
|
|
) |
v0 |
||||
− |
|
1 |
|
− |
. . . |
− |
k−1 |
|
||||||
(v10 ,v10 ) |
|
|||||||||||||
k |
|
k |
1 |
|
(vk0 −1,vk0 −1) |
k−1 |
||||||||
Докажем, что построенное множество ортогонально методом мат.индукции. |
||||||||||||||
Докажем, что Lin{v1, . . . vk} = Lin{v10 , . . . vk0 }. |
||||||||||||||
Значит, |
в системе |
столько же |
векторов и через нее все выражается. Значит, это базис. Причем |
ортогональный.
Из ортогонального базиса получить ортонормированный просто. Каждый вектор поделить на его длину.
Предложение 31. Пусть E = {e1, . . . en} ортонормированный базис унитарного (евклидова) пространства V.
Пусть v1 = (α1, α2, . . . , αn) è v2 = (β1, β2, . . . , βn). Тогда (v1, v2) = α1β1 + . . . + αnβn.
Определение 37. Пусть L < V . Ортогональным дополнением подпространства L называется множество всех векторов, ортогональных подпространству L. Обозначение L .
Предложение 32 (Свойства ортогональных дополнений). 1. L подпространство.
2.L ∩ L = 0.
3.L L = V .
7.3Линейные операторы в евклидовых пространствах
18