- •Введение в теорию принятия решений
- •Классы и методы решения задач теории принятия решений
- •Основные понятия и этапы моделирования
- •Функции многих переменных. Понятие о квадратичной форме. Свойства квадратичных форм
- •Приведение квадратичной формы к диагональному виду с помощью выделения полного квадрата
- •Положительная (отрицательная) определенность квадратичных форм. Критерий сильвестра
- •8. Необходимое и достаточное условие положительной(отрицательной) определенности
- •3.2. Частные производные 2-го и высших порядков.
- •10. Необходимые и достаточные условия минимума (максимума) функции многих переменных. Классический метод
- •3.5. Достаточные условия существования экстремума.
- •11.Теоремы о квадратичных формах. Закон инерции квадратичных форм
- •12. Методы минимизации функций одной переменной
- •4.1. Постановка задачи.
- •4.2. Метод золотого сечения.
- •13. Удвоение
- •14. Метод наискорейшего спуска. Вычисление длины шага и методы наискорейшего спуска
- •1 Методы безусловной минимизации. Градиентные методы (метод наискорейшего спуска).
- •15. Методы условной минимизации. Метод проекции градиента.
- •16. Основные понятия проблемы
- •17. Система линейных однородных уравнений для вычисления собственных векторов
- •6.2. Основные определения.
- •Характеристическое уравнение
- •Теоремы гергошина
- •Приведение матрицы к диагональному виду с помощью матрицу с собственными векторами
- •7.2. Принцип оптимальности и уравнения Беллмана.
- •7.3. Уравнения р. Беллмана.
- •Глава 8. Задача о замене оборудования
- •8.1. Постановка задачи.
- •8.2. Построение модели динамического программирования для задачи о замене
- •8.3. Числовой пример
- •9.1. Метод последовательных уступок.
- •9.2. Метод идеальной точки.
16. Основные понятия проблемы
. Одно из фундаментальных понятий матричной алгебры понятие линейного оператора.
Рассмотрим два линейных пространства: Rn размерности n и Rm размерности m.
Определение. Если задан закон (правило), по которому каждому вектору х пространства Rn ставится в соответствие единственный вектор у пространства Rm, то говорят, что задан оператор (преобразование, отображение) (х), действующий из Rn в Rm, и записывают
у = (х).
Оператор (преобразование) называется линейным, если для любых векторов х и у пространства R" и любого числа X выполняются соотношения:
1. (х + у) = (х) + (у) — свойство аддитивности оператора;
2. (х) = (х) — свойство однородности оператора.
Вектор у = (х) называется образом вектора х, а сам вектор x — прообразом вектора у.
Если пространства Rn и Rm совпадают, то оператор отображает пространство R" в себя. Именно такие операторы мы будем рассматривать в дальнейшем.
Выберем в пространстве Rn базис е1, е2,..., еn и запишем разложение произвольного вектора х по данному базису:
х = х1е1+х2е2...+хnеn.
В силу линейности оператора получаем
(х) = х1 (е1) + х2 (е2)+...+хn (еn).
Поскольку (ei) (i = 1,2,...,n) — также вектор из Rn , то его можно разложить по базису е1, е2,..., еn. Пусть
(еi) = а1iе1 + a2ie2 +...+anien, (i = 1, 2, ..., n ). (1)
Тогда
(х) = х1(а11е1 + a21e2 +...+an1en) + x2(а12е1 + a22e2 +...+an2en) + …
+ xn(а1nе1 + a2ne2 +...+annen) =
(а11x1 + a12x2 +...+a1nxn)e1 + (а21x1 + a22x2 +...+a2nxn)e1 + …
+ (аn1x1 + an2x2 +...+annxn)en. (2)
С другой стороны, вектор у = (х), имеющий в том же базисе е1, е2,..., еn координаты y1, y2,..., yn, можно записать так:
(x) = у1е1+у2е2+...+уnеn. (3)
Ввиду единственности разложения вектора по базису равны правые части равенства (2) и (3), откуда
y1 = а11х1+а12х2+ ... +а1nхn,
y2 = a2lx1+a22x2+ ... +а2nхn,
………………………………
yn = аn1х1+аn2х2+ ... +аnnхn.
Матрица А = (aij) (i,j = 1, 2, ..., n) называется матрицей оператора А в базисе е1, е2,..., еn, а ранг r матрицы А рангом оператора .
Таким образом, каждому линейному оператору соответствует матрица в данном базисе. Справедливо и обратное: всякой матрице n-го порядка соответствует линейный оператор n-мерного пространства.
Связь между вектором х и его образом у = (х) можно выразить в матричной форме уравнением
Y = АХ, (4)
где А матрица линейного оператора, X = (х1, х2, ..., хn)T,
Y = (y1, y2, ..., yn)T — матрицы-столбцы из координат векторов х и у.
Пример 2. Пусть в пространстве R3 линейный оператор в базисе е1, е2, е3 задан матрицей А = .
Найти образ у = (х) вектора х = 4е1 Зе2 + е3.
Решение. По формуле (4) имеем
Следовательно, у = 10е1 - 13е2 - 18е3.
Действия над линейными операторами.
Суммой двух линейных операторов и называется оператор ( + В), определяемый равенством: ( + )(х) = (х) + (х).
Произведением линейного оператора на число называется оператор , определяемый равенством ( )(х) = ( (х)).
Произведением линейных операторов и называется оператор , определяемый равенством: ( )(х) = ( (х)).
Можно убедиться в том, что операторы ( + ), , , полученные в результате этих действий, удовлетворяют отмеченным выше свойствам аддитивности и однородности, т.е. являются линейными.
Определим нулевой оператор , переводящий все векторы пространства Rn в нулевые векторы 0(х) =0, и тождественный оператор Е, действующий по правилу: (х) = х.
Зависимость между матрицами одного и того же оператора в разных базисах выражается теоремой.
Теорема. Матрицы А и А* линейного оператора в базисах e1, e2, ..., en и
e1*, e2*, ..., en* связаны соотношением
A* = C-1AC, (3.22)
где С — невырожденная матрица перехода от старого базиса к новому.
Доказательство.
При воздействии линейного оператора А вектор х пространства Rn переводится в вектор у этого пространства, т.е. справедливы равенство (3.21) (в старом базисе) и равенство
Y* = А*Х* (3.23)
(в новом базисе). Так как С — матрица перехода от старого базиса к новому, то в соответствии с (3.12)
Х = СХ*, (3.24)
Y = CY*. (3.25)
Умножим равенство (3.24) слева на матрицу А, получим АХ = АСХ* или с учетом (3.21) Y = АСХ*. Заменив левую часть полученного выражения в соответствии с (3.25), имеем: СY* = АСХ* или Y* = С-1АСХ*. Сравнивая найденное выражение с (3.23), мы получим доказываемую формулу (3.22).
Пример 3.6. В базисе el,e2 оператор (преобразование) имеет матрицу А = .
Найти матрицу оператора в базисе
el* = el, - 2e2
e2* = 2el,+e2.
Решение.
Матрица перехода здесь С = .
Обратная к ней С-1 = .
Следовательно,
A* = C-1AC = = .
Определение. Квадратные матрицы одного порядка А и А* называются подобными, если для них найдется такая невырожденная матрица С такого же порядка, что верно равенство
A* = C-1AC
Следовательно, матрицы линейного оператора в разных базисах при С ≠ 0 являются подобными.