- •Принятые обозначения
- •1. Множества
- •1.1. Операции над множествами
- •1.2. Отображения
- •2. Линейные пространства
- •2.1. Примеры линейных пространств
- •2.2 Размерность, базис, координаты
- •2.2.1 Линейная комбинация и разложение по набору
- •2.2.2 Линейная зависимость
- •2.2.3. Некоторые замечания
- •2.2.4. Размерность и базис
- •2.3. Примеры
- •2.4. Изоморфизм линейных пространств
- •2.5. Подпространства
- •2.6. Примеры подпространств
- •3. Матрицы и определители
- •3.1. Действия над матрицами
- •3.2. Определители
- •3.3. Свойства определителей
- •3.4. Примеры
- •3.5. Обратная матрица
- •3.6. Ранг прямоугольной матрицы
- •4. Линейные операторы
- •4.1. Действия над операторами
- •4.2. Примеры линейных операторов
- •4.3. Линейные уравнения
- •4.4. Матрица линейного оператора
- •4.5. Примеры
- •4.6. Переход к новому базису
- •4.7. Собственные значения и собственные векторы линейного оператора
- •5. Системы линейных уравнений
- •5.1. Случай квадратной матрицы (система порядка n n)
- •5.1.1. Метод обратной матрицы
- •5.1.2. Правило крамера
- •5.1.3. Пример
- •5.2. Метод гаусса. Случай невырожденной квадратной матрицы
- •5.2.1. Прямой ход метода гаусса
- •5.2.2. Обратный ход
- •5.3. Случай прямоугольной матрицы (системы порядка m n)
- •5.3.1. Прямой ход
- •5.3.2. Обратный ход
- •5.4. Пример решения неопределенной системы
- •5.5. Определение ранга матрицы
- •5.6. Нахождение собственных векторов
- •6. Евклидовы пространства и элементы аналитической геометрии
- •6.1. Базисы в евклидовом пространстве
- •6.2. Точки в евклидовом пространстве
- •6.2.1. Сферы и шары
- •6.2.2. Замечание о размерностях
- •6.3. Плоскости в пространстве
- •6.3.1. Неединственность выбора параметров. Каноническая форма уравнения плоскости
- •6.3.2. Геометрический смысл параметров уравнения плоскости
- •6.3.3. Плоскости и линейные функционалы75
- •6.3.4. Сводка формул: плоскость
- •6.4. Прямые в пространстве
- •6.4.1. Геометрический смысл параметров уравнения прямой
- •6.4.2. Прямая, проходящая через две заданные точки
- •6.4.3. Сводка формул: прямая в пространстве
- •6.5. Прямые на плоскости
- •6.6. Векторное и смешанное произведение. Площади и объемы
- •6.6.1. Смешанное произведение и вычисление объемов
- •6.7. Квадратичные формы
- •6.8. Задачи и решения
- •6.8.1. Плоскости и прямые
- •6.8.2. Векторы, длины, объемы
- •6.8.2. Квадратичные формы
3.6. Ранг прямоугольной матрицы
Определитель можно вычислить лишь для квадратной матрицы. Но, выбрав k строк и столько же столбцов прямоугольной матрицы Amn, можно об-разовать определитель порядка k из элементов матрицы Amn (k ≤ min(m,n)28), стоящих на пересечении выбранных строк и столбцов. Такой определитель называется минором порядка k матрицы A и обозначается Mk. Так, например, можно образовать минор второго порядка матрицы A45 выбрав вторую и четвертую строки и первый и пятый столбец
29.
Рангом матрицы A (обозначается rg(A)) называется максимальный порядок ненулевых миноров матрицы. То есть, матрица имеет ранг k, если у нее есть (хотя бы один) не равный нулю минор порядка k, а любой минор порядка k + 1 равен нулю30.
Всякий ненулевой минор порядка rg(A) (т. е. максимального для данной матрицы порядка ненулевых миноров) называется базисным минором, столбцы и строки матрицы A, из которых он образован, называются базисными.
Теорема о ранге. Ранг матрицы равен максимальному числу линейно независимых строк/столбцов. Базисные строки/столбцы линейно независимы, и всякая другая строка/столбец представляется в виде линейной комбинации базисных. ▄
В самом деле, по определению ранг равен размерности базисного минора. Но базисные строки/столбцы линейно независимы, т. к. полностью или частично входят в ненулевой определитель – базисный минор. С другой стороны, всякая другая строка/столбец представляется в виде линейной комбинации базисных (иначе ранг базисного минора можно было бы увеличить, присоединив независимую строку/столбец).
4. Линейные операторы
Пусть Xn и Ym – линейные пространства. Отображение A называется линейным оператором из Xn в Ym, если оно сохраняет линейные отношения, т. е. образ линейной комбинации есть такая же (т. е. с теми же коэффициентами) линейная комбинация образов. Точнее: x1,x2 Xn, 1, 2 R:
.31
Отметим, что в случае линейных операторов обычно пишут Ax, а не A(x), и говорят «результат действия оператора A на элемент x», а не «значение A от x», хотя и функциональная терминология иногда употребляется32. Теория линейных операторов есть теория самых простых и, одновременно, самых важных функций в линейных пространствах.
В частном случае пространства Xn и Ym могут и совпадать, тогда говорят, что линейный оператор отображает Xn «в себя».
Линейный оператор, отображающий линейное пространство X на вещественную прямую R, называется линейным функционалом на X.
Совокупность образов всех элементов пространства33 Xn образует подпространство в Ym, это подпространство называется образом оператора A и обозначается ImA или ImA, образ любого подпространства Zm Xn также является подпространством и обозначается ImA(Zm).
Размерность образа ImA называется рангом оператора и обозначается rg(A): rg(A) = dim ImA.
Очевидно, A(0X) = 0Y – образ нуль-вектора при линейном отображении всегда нуль-вектор; индексы внизу указывают на тот факт, что это, вообще говоря, нуль-векторы из разных пространств.
Прообраз 0Y при линейном отображении всегда подпространство, это подпространство называется ядром оператора и обозначается KerA или KerA; более подробно: x Ker A Ax = 0Y (вектор x принадлежит ядру оператора A тогда и только тогда, когда оператор A переводит этот вектор в 0Y). Размерность ядра называется дефектом оператора и обозначается def(A): def(A) = dim Ker A.
Пусть - базис в Xn, а {f1,f2,…fn} – образы базисных векторов, тогда система {f1,f2,…fn} полна в Ym.
Теорема 6. Пусть линейное отображение. Тогда:
rg(A) + def(A) = n dim ImA + dim KerA = dim X (5) 34. ▄
Отметим, что ядро и образ оператора (KerA и ImA) лежат, вообще говоря, в разных пространствах – ядро в пространстве-прообразе Xn, а образ в пространстве-образе Ym.
Равенство def(A) = 0 означает, что ядро A нульмерно и, следовательно, содержит единственный элемент – нуль-вектор, такой оператор называется невырожденным; если def(A) > 0, оператор называется вырожденным.
Линейный оператор , отображающий пространство большей размерности в пространство меньшей размерности (n > m) всегда вырожденный, и def(A) n – m (следует из (5)).
Линейный функционал всегда вырожден, если прообраз имеет размерность больше единицы (если n > 1), причем размерность ядра линейного функционала равна n – 135.