- •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.
