- •Глава 2. Линейная алгебра.
- •§1.Матрицы. Общие понятия.
- •Виды квадратных матриц (частные случаи):
- •2) Квадратная матрица вида:
- •4) Квадратные матрицы вида
- •§2. Равенство матриц. Действия над матрицами
- •I.Равенство матриц
- •II.Сложение матриц
- •Пример 2.1
- •§3. Определители
- •Пример 3.1
- •Пример 3.2
- •Миноры и алгебраические дополнения. Теорема разложения определителя по элементам строки (столбца)
- •Пример 3.3
- •Пример 3.4
- •§4. Обратная матрица
- •Правило нахождения обратной матрицы.
- •Пример 4.1
- •Пример 4.3
- •§5. Решение систем n линейных уравнений с n неизвестными матричным методом и по формулам Крамера
- •§6. Ранг матрицы.
- •Правило:
- •Пример 6.2
- •III. Элементарные преобразования. Эквивалентные матрицы.
- •IV. Базисный минор.
- •§7. Системы m линейных уравнений с n неизвестными.
- •Пример 7.1
- •Пример 7.2
- •Пример 7.3
- •§8. Метод Гаусса.
- •Пример 8.1
- •Ответ: , ,
- •§9. Однородные системы уравнений.
- •Ответ: , ,
- •§10. Линейные отображения. Преобразования координат.
- •I.Основные понятия
- •II.Преобразования координат при переходе к новому базису.
- •§11. Собственные векторы и собственные значения
II.Преобразования координат при переходе к новому базису.
Пусть в n-мерном линейном (векторном) пространстве Rn заданы два базиса:
(старый)
(новый)
Векторы нового базиса выражаются через векторы старого базиса следующим образом:
+ +…+
= + + …+
…………………………………..
= + +…+
Опр. Матрица А= называется матрицей перехода от старого базиса , ,…, к новому (или матрицей линейного преобразования). Матрица А – невырожденная (иначе – линейно зависимы, что противоречит определению базиса). Значит для матрицы А обратная А-1.
Рассмотрим как связаны координаты одного и того же вектора в старом и новом базисах.
Пусть x1,…,xn – координаты в старом базисе
,…, – координаты в новом базисе .
= .
Можно доказать:
, где А – матрица перехода от ,…, к .
или
= А-1
Эти формулы называются формулами преобразования координат.
Пример 10.1 Пусть вектор имеет координаты (1,-2) в базисе .
Найти координаты этого вектора в базисе , .
§11. Собственные векторы и собственные значения
Опр. Ненулевой вектор называется собственным вектором линейного преобразования А (матрицы А), если найдется такое число , что выполняется равенство
(1)
Число называется собственным значением линейного преобразования А, соответствующим собственному вектору .
Если линейное преобразование А в базисе имеет матрицу
А= ,
то равенство (1) можно записать в матричной форме
или , где Е – единичная матрица
, где , Х= .
Перейдем к координатной форме записи
. (2)
Для того чтобы эта однородная система n уравнений с n неизвестными имела ненулевые решения необходимо и достаточно, чтобы ее определитель был равен нулю.
=0 (3)
– характеристическое уравнение матрицы А.
Корни характеристического уравнения являются собственными значениями матрицы А (характеристические числа).
Каждому собственному значению соответствует собственный вектор, координаты которого находят из системы (2) при соответствующем значении .
Пример 11.1 Найти собственные значения и собственные векторы матрицы. А =
Пример 11.2 Найти собственные значения и собственные векторы матрицы.
А=
Опр. Квадратная матрица А называется симметричной относительно главной диагонали, если аij=aji.
Все корни характеристического уравнения симметричной матрицы действительны.
Теорема. Для того чтобы матрица А в некотором базисе была диагональной необходимо и достаточно, чтобы этот базис состоял из собственных векторов матрицы А.
, где Т – матрица, столбцы которой состоят из собственных векторов.