Вы находитесь на странице: 1из 93

Министерство образования Российской Федерации

Московский государственный институт электронной техники


(Технический университет)

Е.В. Ржавинская, Т.А. Олейник, Т.В. Соколова

Лекции по линейной алгебре


Учебное пособие

Утверждено редакционно-издательским советом института

Москва 2001
ББК 22.143
Р48
УДК 512.8
Рецензенты: канд. физ.-мат. наук, проф. А.М.Аллавердиев,
доц. Е.Н.Васильева.
Ржавинская Е.В., Олейник Т.А., Соколова Т.В.
Р48 Лекции по линейной алгебре. Уч. пособие. - М.: МИЭТ, 2001. -
92 с.: ил.
ISBN 5-7256-0276-1
Пособие представляет собой краткий курс линейной алгебры,
соответствующий действующим в настоящее время государственным
образовательным стандартам.
Тщательно продуманное изложение дало возможность в
небольшом объеме охватить обширный материал. Лекции 1 и 2
посвящены определителям и матрицам, лекции 3 и 4 - системам
линейных уравнений. В лекциях 5 - 8 рассматриваются линейные
пространства и линейные операторы, действующие в них. Большое
число примеров и упражнений значительно расширяет содержание
руководства.
Пособие предназначено для студентов первого курса факультетов
МПиТК и ИМЭ.

Учебное пособие
Ржавинская Елена Владимировна
Олейник Татьяна Анатольевна
Соколова Татьяна Владимировна
Лекции по линейной алгебре
Редактор Л.М.Рогачева. Выпускающий редактор С.В.Козинцева. Технический
редактор Л.Г.Лосякова.
ЛР № 020516 от 12.05.97. Подписано в печать с оригинала макета 07.12.01.
Формат 60х84 1/16. Печать офсетная. Бумага офсетная. Гарнитура Times New Roman.
Усл. печ. л. 5,34. Усл.-изд. л. 4,6. Тираж 300 экз. Заказ 297.
Отпечатано в типографии ИПК МИЭТ.
103498, Москва, МИЭТ.

ISBN 5-7256-0276-1 © МИЭТ, 2001


Предисловие
Курс "Линейная алгебра" в МГИЭТ, как и в большинстве
технических вузов, читается в первом семестре и включает 34 часа
лекций и 51 час практических занятий. Пособие написано на основе
опыта преподавания авторами этой математической дисциплины на
факультетах МП и ТК и ИМЭ. Оно охватывает часть курса, а именно:
лекции 1 - 4 посвящены теории систем линейных уравнений, лекции 5 -
8 - линейным векторным пространствам и линейным операторам.
Значительное сокращение числа часов, отведенных на изучение
ставшего традиционным курса линейным алгебры, привело к
возникновению новой концепции курса (как и вообще подобных
"старых" курсов).
Чтобы изложение не стало поверхностным, а сокращение объема
материала не сказалось отрицательно на математической эрудиции
слушателей, авторы пошли по следующему пути. Многие теоремы
приводятся без доказательств, но при этом строго формулируются и
иллюстрируются примерами. Усвоению материала, по замыслу авторов,
должны способствовать подробно разобранные в тексте примеры и
типовые задачи. Кроме того, в конце каждого параграфа приводятся
упражнения для самостоятельной работы, к которым предполагается
непременно обращаться на практических занятиях.
Таким образом, семинарские занятия примут на себя часть
нагрузки по усвоению теоретического материала (значительно
большую, чем это было ранее). Кроме того, студенты могут
отрабатывать этот материал самостоятельно, формируя навыки работы с
книгой, развивая математическое мышление, умение задавать вопросы
и искать ответы на них.
При самостоятельной работе с пособием читателю следует
обратить внимание на определения и формулировки теорем. Очень
полезным при усвоении материала является вывод свойств и
доказательство утверждений, формулировки которых приведены в
пособии.
Так, в лекции 1 дано понятие матрицы и определителя
произвольной размерности, приведены их свойства, часть из которых
доказана, а оставшиеся свойства могут быть выведены читателем
самостоятельно.
В лекции 2 введено понятие обратной матрицы, указано
необходимое и достаточное условие ее существования и обоснован
алгоритм построения. Доказательство свойств обратной матрицы
предоставлено читателю в качестве упражнения. Кроме того, здесь же
введено понятие ранга матрицы, приведены способы его нахождения.
В лекции 3 рассмотрены основные понятия, связанные с
системами линейных уравнений, обоснован метод Гаусса их решения.
Лекция 4 посвящена общей теории систем линейных уравнений:
доказано достаточное условие существования и единственности
решения системы из n линейных уравнений с n неизвестными,
обоснован алгоритм нахождения решений произвольной системы
линейных уравнений, введено понятие фундаментальной системы
решений однородной системы, рассмотрена их связь с решениями
неоднородной.
В лекции 5 введено аксиоматическое определение линейного
пространства, приведены различные примеры, большое внимание
уделено проверке аксиом для конкретных пространств.
В лекции 6 доказана теорема о преобразовании координат при
переходе от одного базиса к другому, дано определение подпространств
и приведены их примеры.
Лекция 7 рассматривает понятие линейного оператора, его
матрицы, доказана теорема о матрицах линейного оператора в разных
базисах. Дано определение собственных векторов и собственных
значений линейного оператора, доказана теорема о приведении
матрицы линейного оператора к диагональному виду.
Лекция 8 посвящена евклидовым пространствам. Большое
внимание уделено примерам и проверке аксиом. Введено понятие
ортогонального и ортонормированного базиса, обоснован процесс
ортогонализации.
Таким образом, в пособии отражены те темы и разделы курса
"Линейная алгебра", которые вызывают наибольшее затруднение при
изучении. Авторы считают, что пособие частично или полностью может
быть использовано на всех технических факультетах.
Лекция 1. Матрицы

Определение и некоторые свойства определителей


порядка n. Сложение матриц, умножение матрицы на
число, умножение матриц. Свойства этих операций

1.1. Основные понятия


Определение 1. Матрицей называется прямоугольная таблица
чисел.
Для обозначения матрицы используются круглые скобки или
сдвоенные вертикальные линии:
 a11 a12 ... a1n  a11 a12 ... a1n
 
 a21 a22 ... a2n  a21 a22 ... a2n
A= = .
 ... ... ... ...  ... ... ... ...
 a 
 s1 as 2 ... asn  as1 as 2 ... asn
Числа, составляющие матрицу, называются ее элементами,
элемент aij матрицы A расположен в ее i -й строке и j -м столбце.
Числа s и n (число строк и столбцов матрицы) называются ее
порядками.
Говорят также, что A - матрица размером s × n .
Если s = n , матрица A называется квадратной.
Для краткой записи используется также обозначение A = (aij )

(или A = aij ) и далее указывается, в каких пределах изменяются i и

j , например, A = aij , i = 1,..., s , j = 1,..., n . (Запись читается так:


матрица A с элементами aij , i изменяется от 1 до s , j - от 1 до n .)
Среди квадратных матриц отметим диагональные матрицы, у
которых все элементы с неравными индексами ( i ≠ j ) равны нулю:
a11 0 0 ... 0
0 a22 0 ... 0
0 0 a33 ... 0 .
... ... ... ... ...
0 0 0 0 ann
Будем говорить, что элементы a11 , a22 ,..., ann расположены на
главной диагонали.
Диагональная матрица вида
 1 0 0 ... 0 
 
 0 1 0 ... 0 
E =  0 0 1 ... 0 
 
 ... ... ... ... ... 
 0 0 0 ... 1 
 
называется единичной матрицей.
В дальнейшем будут встречаться матрицы вида
 a11 0 0 ... 0   a11 a12 a13 ... a1n 
   
 a21 a22 0 ... 0   0 a22 a23 ... a2n 
 a31 a32 a33 ... 0  и  0 ... a3n  ,
0 a33
   
 ... ... ... ... ...   ... ... ...
... ... 
a   ... ann 
 n1 an 2 an3 ... ann   0 0 0
которые называются треугольными матрицами, а также матрицы,
состоящие из одного столбца:
 a1 
 
 a2 
 ... 
 a 
 n
и одной строки:
(a1 , a2, ..., an )
(матрица-столбец и матрица-строка).
Матрица, все элементы которой равны нулю, называется нулевой.
1.2. Определители порядка n
Пусть дана квадратная матрица порядка n :
 a11 a12 ... a1n 
 
a a22 ... a2 n 
A =  21 . (1.1)
 ... ... ... ... 
 
 an1 an 2 ... ann 
Составим всевозможные произведения n элементов матрицы,
расположенных в разных строках и разных столбцах, т.е. произведения
вида
a1α1 ⋅ a2α 2 ⋅ ... ⋅ anα n . (1.2)
Число произведений вида (1.2) равно n ! (примем этот факт без
доказательства).
Будем считать все эти произведения членами определителя
порядка n , соответствующего матрице (1.1).
Вторые индексы множителей в (1.2) составляют перестановку
первых n натуральных чисел 1, 2,..., n .
Говорят, что числа i и j в перестановке составляют инверсию,
если i > j , а в перестановке i расположено раньше j .
П р и м е р 1 . В перестановке шести чисел, 1 2 6 4 5 3 , числа 6
и 4 , 6 и 5 , 6 и 3 , 4 и 3 , 5 и 3 составляют инверсии.
Перестановка называется четной, если число инверсий в ней
четно, и нечетной, если число инверсий в ней нечетно.
П р и м е р 2 . Перестановка 1 2 6 4 5 3 - нечетная, а
перестановка 1 2 3 4 5 6 - четная ( 0 инверсий).
Определение 2. Определителем порядка n , соответствующим
матрице (1.2), называется алгебраическая сумма n ! членов,
составленная следующим образом: членами определителя служат
всевозможные произведения n элементов матрицы, взятых по одному
из каждой строки и каждого столбца, причем слагаемое берется со
знаком "+", если множество вторых индексов является четной
перестановкой чисел 1, 2,..., n , и со знаком "–", если нечетной.
Обозначать определитель матрицы (1.2) принято так:
a11 a12 ... a1n
a a22 ... a2n
A = det A = 21 .
... ... ... ...
an1 an 2 ... ann
З а м е ч а н и е . Определение 2 для n = 2 и n = 3 приводит к уже
знакомым нам определителям 2-го и 3-го порядка:
a11 a12
= a11a22 − a12 a21 ,
a21 a22
a11 a12 a13
a21 a22 a23 = a11a22 a33 + a12 a23 a31 + a21a32 a13 −
a31 a32 a33
−a13 a22 a31 − a23 a32 a11 − a12 a21a33 .
Транспонированием вокруг главной диагонали матрицы A
T
называется переход к матрице A , для которой строки матрицы A
являются столбцами, а столбцы - строками:
 a11 a21 ... an1 
 
a a22 ... an 2 
AT =  12 .
 ... ... ... ... 
 
 a1n a2n ... ann 
Будем говорить, что определитель ∆T = AT получен
транспонированием определителя ∆ .
Свойства определителя порядка п
1. ∆T = ∆ (определитель не меняется при транспонировании
вокруг главной диагонали).
2. Если одна из строк определителя состоит из нулей, определитель
равен нулю.
3. От перестановки двух строк определитель меняет лишь знак.
4. Определитель, содержащий две одинаковые строки, равен нулю.
5. Если все элементы некоторой строки определителя умножить на
число k , определитель умножится на k .
6. Определитель, содержащий две пропорциональные строки,
равен нулю.
7. Если все элементы i -й строки определителя представлены в
виде суммы aij = b j + c j , j = 1,...n , то определитель равен сумме двух
определителей, у которых все строки, кроме i -й, такие же, как в
исходном определителе, а i -я строка в одном определителе состоит из
b j , а в другом - из c j .
Определение 3. i -я строка определителя является линейной
комбинацией остальных его строк, если ∃k j , j = 1,..., i − 1, i + 1,..., n
такие, что, умножая j -ю строку на k j , а затем складывая все
строки, кроме i -й, получим i -ю строку.
8. Если одна из строк определителя является линейной
комбинацией остальных его строк, определитель равен нулю.
9. Определитель не изменится, если к элементам одной его строки
прибавить соответствующие элементы другой, умноженные на одно и
то же число.
З а м е ч а н и е . Мы сформулировали свойства определителя для
строк. В силу свойства 1 ( ∆T = ∆ ) они справедливы и для столбцов.
Все приведенные свойства были доказаны на практических
занятиях для n = 3 ; для произвольного n примем их без
доказательства.
Если в определителе ∆ порядка n выбрать элемент aij и
вычеркнуть столбец и строку, на пересечении которых расположен aij ,
оставшиеся строки и столбцы образуют определитель порядка n − 1 ,
который называется минором определителя ∆ , соответствующим
элементу aij .
П р и м е р 3 . В определителе
−1 1 0
∆= 2 3 5
−4 7 11
−1 0
минором элемента a22 = 3 является определитель M 22 = .
−4 11
Определение 4. Алгебраическим дополнением Aij элемента aij
определителя ∆ называется его минор, умноженный на (−1)i + j , где
i - номер строки, j - номер столбца, в которых расположен
выбранный элемент aij .
П р и м е р 4 . В определителе
−1 1 0
∆= 2 3 5
−4 7 11
−1 0
алгебраическое дополнение A22 = ⋅ (−1)2+ 2 = −11 .
−4 11
Теорема 1 (о разложении по строке). Определитель равен сумме
произведений всех элементов любой строки на их алгебраические
дополнения.
Теорема 1 позволяет свести вычисление определителя порядка n к
вычислению n определителей порядка n − 1 .
П р и м е р 5 . Вычислить определитель 4-го порядка:
2 −3 4 1
4 −2 3 2
∆= .
3 −1 4 3
1 −1 2 0
Решение. Воспользуемся теоремой 1 и разложим определитель ∆
по 4-й строке:
−3 4 1 2 4 1
∆ = 1 ⋅ −2 3 2 ⋅ (−1) + (−1) ⋅ 4 3 2 ⋅ (−1) 4+ 2 +
4 +1

−1 4 3 3 4 3
2 −3 1 2 −3 4
4+3
+2 ⋅ 4 −2 2 ⋅ (−1) + 0 ⋅ 4 −2 3 ⋅ (−1)4+ 4 =
3 −1 3 3 −1 4
−3 4 1 2 4 1 2 −3 1
= − −2 3 2 − 4 3 2 − 2 ⋅ 4 − 2 2 =
−1 4 3 3 4 3 3 −1 3
0 0 1 0 0 1 0 0 1
= − 4 −5 2 − 0 − 5 2 − 2 ⋅ 0 4 2 =
свойство 9
8 −8 3 −3 −8 3 −3 8 3

4 −5 0 −5 0 4
= − − − 2⋅ = 32 − 40 + 15 − 24 = 17 .
теорема 1 8 −8 −3 −8 −3 8
Замечание. Можно вначале упростить определитель,
воспользовавшись свойством 9, а затем использовать теорему 1. Тогда
вычисление определителя порядка n сведется к вычислению всего
одного определителя порядка n − 1 .
П р и м е р 6 . Вычислить
2 −3 4 1
4 −2 3 2
∆= .
3 −1 4 3
1 −1 2 0
Решение. Прибавим первый столбец ко второму и первый столбец,
умноженный на ( −2 ), к третьему, в результате получим
2 −1 0 1
4 2 −5 2
∆= .
3 2 −2 3
1 0 0 0
Теперь применим теорему 1 и разложим по последней строке:
−1 0 1
∆ = 1 ⋅ 2 −5 2 ⋅ (−1)4+1 ,
2 −2 3
вычисление определителя 4-го порядка свелось к вычислению всего
одного определителя 3-го порядка.
Далее аналогично к первому столбцу прибавим третий и
полученный определитель разложим по первой строке:
0 0 1
4 −5
∆ = − 4 −5 2 = = 8 − 25 = −17 ,
5 −2
5 −2 3
вычисление определителя третьего порядка свелось к вычислению всего
одного определителя второго порядка.
П р и м е р 7 . Вычислить определитель порядка n :
1 2 3 ... n
−1 0 3 ... n
∆ = −1 −2 0 ... n .
... ... ... ... ...
−1 −2 −3 ... 0
Решение. Первую строку прибавим ко второй, третьей и т.д. n -й
строке. Придем к определителю
1 2 3 ... n
0 2 6 ... 2n
∆ = 0 0 3 ... 2n .
... ... ... ... ...
0 0 0 ... n
Получен определитель треугольного вида.
Применим n − 1 раз теорему 1 (разложим по первому столбцу) и
получим
2 6 ... 2n 3 8 ... 2n
0 3 ... 2n 0 4 ... 2n
∆ = 1⋅ ⋅ (−1)1+1 = 1 ⋅ 2 ⋅ = ... = n ! .
... ... ... ... ... ... ... ...
0 0 ... n 0 0 ... L n
Замечание. Определитель треугольного вида равен
произведению элементов главной диагонали.

1.3. Основные операции над матрицами


Определение 5. Две матрицы A = aij , i = 1, 2,.., s , j = 1, 2,.., n , и

B = bij , i = 1, 2,.., s , j = 1, 2,.., n , будем называть равными, если


∀i ∀j aij = bij .
Краткая запись: A = B .
Таким образом, две матрицы считаются равными, если они имеют
одинаковые порядки и их соответствующие элементы равны.
Определение 6. Суммой двух матриц A = aij , i = 1, 2,.., s ,

j = 1, 2,.., n , и B = bij , i = 1, 2,.., s , j = 1, 2,.., n , называется такая

матрица C = cij , i = 1, 2, .., s , j = 1, 2, .., n , что ∀i ∀j cij = aij + bij .


Иначе говоря, складывать можно только матрицы одних и тех же
порядков, причем сложение осуществляется поэлементно.
П р и м е р 8 . Найти сумму матриц
 3 4 −2   0 −3 1 
   
A = 2 5 5 и B =  3 7 8 .
 1 −7 6  0 1 9 
 
В соответствии с определением 6 находим
3 1 −1
 
C = A + B =  5 12 13  .
 1 −6 15 
 
Правило сложения матриц распространяется на сумму любого
конечного числа слагаемых.
Определение 7. Произведением матрицы A = aij , i = 1, 2,.., s ,
j = 1, 2,.., n , на вещественное число λ называется такая матрица
C = cij , i = 1, 2,.., s , j = 1, 2,.., n , для которой ∀i ∀j cij = λaij .
Иными словами, чтобы умножить матрицу на число, нужно
умножить на это число все ее элементы и оставить полученные
произведения на прежних местах.
П р и м е р 9 . Найти линейную комбинацию 3 A + 2 B матриц
 2 1 −1   −2 1 0 
A=  и B= .
 0 1 −4   −3 2 2 
Пользуясь определением 7, получаем
 6 3 −3   −4 2 0 
3A =   , 2B =  ,
 0 3 −12   −6 4 4 
далее привлекаем определение суммы матриц (определение 6):
 2 5 −3 
3A + 2B =  .
 −6 7 −8 
Свойства операций сложения матриц
и умножения на число
1. Сложение коммутативно, A + B = B + A .
2. Сложение ассоциативно, ( A + B ) + C = A + ( B + C ) .
3. Существует нулевая матрица Θ , удовлетворяющая
условию A + Θ = A для всех А.
4. Для любой матрицы А существует противоположная матрица В,
удовлетворяющая условию A + B = Θ .
Для любых матриц А и В и любых действительных чисел λ, µ
имеют место равенства:
5. λ ( A + B ) = λA + λB .
6. (λ + µ) A = λA + µA .
7. (λµ) A = λ (µA) .
8. 1 ⋅ A = A .
Проверим свойство 1. Обозначим C = A + B , D = B + A . Пусть
C = cij , D = dij i = 1, 2,.., s , j = 1, 2,.., n . Имеем
cij = bij + aij = bij + aij = dij ,
определение 6 так как сложение чисел
коммутативно
и, так как равенство доказано для произвольного элемента, в
соответствии с определением 5 C = D . Свойство 1 доказано.
Аналогично доказывается свойство 2.
В качестве матрицы Θ возьмем матрицу порядка s × n , все
элементы которой равны нулю.
 0 ... 0  
 
Θ =  ... ... ...   s строк
 0 ... 0  
14 4244 3
n столбцов
Сложив Θ с любой матрицей A по правилу, данному в
определении 6, мы матрицы A не изменим, и свойство 3 справедливо.
 a11 a12 ... a1n 
 
a a ... a2n 
Проверим свойство 4. Пусть A =  21 22 . Положим
 ... ... ... ... 
 
 as1 as 2 ... asn 
 −a11 −a12 ... − a1n 
 
−a − a22 ... −a2 n 
B =  21 . Тогда A + B = Θ , следовательно, свойство
 ... ... ... ... 
 
 −as1 − as 2 ... − asn 
4 справедливо.
Проверку свойств 5 - 8 опустим.
Определение 8. Произведением матрицы A = aik , i = 1, 2,.., s ,
k = 1, 2,.., p , на матрицу B = bkj , k = 1, 2,.., p , j = 1, 2,.., n , называется

матрица C = cij , i = 1, 2,.., s , j = 1, 2, .., n , с элементами


p
cij = ∑ aik bkj = ai1b1 j + ai2b2 j + ... + aipbpj .
k =1
Краткая запись: С = AB .
П р и м е р 1 0 . Найти произведение матриц
 4 9  2 −3 
A=  и B= .
 −1 3  1 5 
В соответствии с определением 8 находим
 4 9   2 −3 
AB =   =
 −1 3   1 5 
 4 ⋅ 2 + 9 ⋅1 4 ⋅ (−3) + 9 ⋅ 5   8 + 9 −12 + 45  17 33 
= = = .
 (−1) ⋅ 2 + 3 ⋅1 (−1) ⋅ (−3) + 3 ⋅ 5   −2 + 3 3 + 15   1 18 
П р и м е р 1 1 . Перемножить матрицы
 −1 3 0 
 
 5 −1 3 1   −2 1 1  .
A=  и B =
 2 0 −1 4   3 0 −2 
 
 4 1 2
Имеем
 −1 3 0
 
 5 −1 3 1   −2 1 1
AB =   ⋅ =
 2 0 −1 4   3 0 −2 
 
 4 1 2 

 −5 + 2 + 9 + 4 15 − 1 + 1 −1 − 6 + 2   10 15 −5 
= = .
 −2 − 3 + 16 6+4 2 + 8   11 10 10 
З а м е ч а н и е 1 . Число элементов в строке матрицы A равно числу
элементов в столбце матрицы B (число столбцов матрицы A равно
числу строк матрицы B ).
З а м е ч а н и е 2 . В матрице C = AB строк столько же, сколько в
матрице A , а столбцов столько же, сколько в B .
З а м е ч а н и е 3 . Вообще говоря, AB ≠ BA (умножение матриц
некоммутативно).
Чтобы обосновать замечание 3, достаточно привести хотя бы один
пример.
П р и м е р 1 2 . Перемножить в обратном порядке матрицы A и B
из примера 10.
 2 −3  4 9   8 + 3 18 − 9   11 9 
BA =   = =  ≠ AB ,
 1 5  −1 3   4 − 5 9 + 15   −1 24 
таким образом, в общем случае AB ≠ BA .
Отметим, что в частном случае равенство AB = BA возможно.
Матрицы A и B , для которых выполняется равенство AB = BA ,
называются перестановочными или коммутирующими.
Упражнения.
1. Найти все матрицы, перестановочные с данной:
 1 2  1 1
а)   ; б)  .
 −1 −1   0 1
2. Найти все матрицы второго порядка, квадраты которых равны
нулевой матрице.
3. Доказать, что ( AB)T = BT ⋅ AT .
Свойства умножения матриц
1. Умножение дистрибутивно,
( A + B )C = AС + BC , A( B + C ) = AB + AC .
2. Умножение ассоциативно, ( AB)C = A( BC ) .

Докажем свойство 1. Пусть A = aik , i = 1, 2,.., s , k = 1, 2,.., p ,


B = bik , i = 1, 2,.., s , k = 1, 2,.., p , C = ckj , k = 1, 2,.., p , j = 1, 2,.., n .
Обозначим A + B = U = uik , i = 1, 2,.., s , k = 1, 2,.., p ,
UC = T = tij , i = 1, 2,.., s , j = 1, 2,.., n , AC = V = vij , BC = W = wij .
Имеем
p p
tij =
по определению, ∑ uik ckj =
так как U = A+ B
∑ (aik + bik )ckj =
k =1 k =1
T =UC
p p p
= ∑ (aik ckj + bik ckj ) = ∑ aik ckj + ∑ bik ckj = vij + wij ,
k =1 k =4
1 1 24 k =4
3 1 124 3
vij wij
и, таким образом, в соответствии с определением 5 T = V + W , или,
возвращаясь к старым обозначениям, ( A + B )C = AС + BC . Свойство 1
доказано.
Так как умножение матриц некоммутативно, следовало бы
доказать и правую дистрибутивность: A( B + C ) = AB + AC . Опустим
доказательство, так как оно аналогично приведенному доказательству
левой дистрибутивности.
Докажем свойство 2. Пусть A = aik , i = 1, 2,.., s , k = 1, 2,.., r ,
B = bkl , k = 1, 2,.., r , l = 1, 2,.., p , C = clj , l = 1, 2,.., p , j = 1, 2,.., n .

Обозначим AB = U = uil , i = 1, 2,.., s , l = 1, 2,.., p , UC = T = tij ,

i = 1, 2,.., s , j = 1, 2,.., n , BC = V = vkj , k = 1, 2,.., r , j = 1, 2,.., n ,

AV = W = wij , i = 1, 2,.., s , j = 1, 2,.., n .


Имеем
p p  r  p  r 
tij =
T =UC
∑ uil clj =
U = AB
∑∑

aik bkl  clj

=
clj вносим под ∑∑ 

aik bkl clj  =

l =1 l =1  k =1  l =1  k =1 
знак внутренней
суммы

 p r  r  p 
=
изменяем порядок

 ∑∑aik bkl clj  =
 aik выносим за
aik 
 ∑ ∑
bkl clj  =

к =1  l =1  k =1  l =1 
суммирования знак внутренней
суммы
r
=
V = BC
∑ aik vkj W ==AV wij ,
k =1
таким образом, T = W .
Вернемся к старым обозначениям и получим: ( AB)C = A( BC ) , т.е.
свойство 2 доказано.
Для квадратных матриц справедливо следующее утверждение,
которое приведем без доказательства.
Теорема 2. Для любых двух квадратных матриц A и B
AB = A ⋅ B .
Приведем пример, иллюстрирующий утверждение теоремы 2.
П р и м е р 1 3 . Даны матрицы
1 2  0 −1
A=  и B= .
 3 5  2 7
Вычислить AB .
Воспользуемся теоремой 2: A = −1, B = 2 ⇒ AB = A ⋅ B = −2 .
Найдем произведение AB непосредственно:
 1 2   0 −1  4 13 
AB =   = .
 3 5   2 7   10 32 
4 13
AB = = 128 − 130 = −2 . Следовательно, результаты совпадают.
10 32
Лекция 2. Обратная матрица. Ранг матрицы

Построение обратной матрицы методом


присоединенной. Ранг матрицы. Нахождение ранга
матрицы методами окаймляющих миноров
и элементарных преобразований

2.1. Обратная матрица


Далее будут рассматриваться квадратные матрицы.
Единичная матрица
 1 0 ... 0  
 
0 1 ... 0  
E =
 ... ... ... ...  
n строк
 
0 0 ... 1  
144 42444 3
n столбцов
в умножении квадратных матриц порядка n играет роль, аналогичную
роли числа единица в умножении чисел:
∀A AE = EA = A . (2.1)
Действительно, пусть
 a11 a12 ... a1n 
 
a a22 ... a2 n 
A =  21 .
 ... ... ... ... 
 
 an1 an 2 ... ann 
Непосредственная проверка дает: AE = A . Аналогично EA = A , и
равенство (2.1) справедливо.
У т в е р ж д е н и е 1 . Матрица E - единственная матрица,
обладающая свойством (2.1).
Доказательство. Пусть ∃E ′ такая, что
∀A AE ′ = E ′A = A . (2.2)
Рассмотрим произведение EE ′ .
EE ′ = E 
(2.2) 
 ⇒ E = E′ .
EE ′ = E ′
(2.1) 
Определение 1. Пусть A - произвольная квадратная матрица.
Матрица B называется правой обратной для A , если AB = E .
Матрица C называется левой обратной для A , если CA = E .
Определение 2. Квадратная матрица A называется
вырожденной (особенной), если A = 0 , и невырожденной
(неособенной), если A ≠ 0 .
У т в е р ж д е н и е 2 . Вырожденная матрица не имеет ни правой,
ни левой обратной.
Доказательство. Пусть A - вырожденная. Допустим, B - правая
обратная для A , т.е. AB = E .
Тогда AB = A ⋅ B = 0 , но AB = E = 1 , - что является
теорема 2 A =0
из лекции 1
противоречием, следовательно, A не имеет правой обратной.
Аналогично доказывается, что A не имеет и левой обратной.
У т в е р ж д е н и е 3 . Пусть ∆ - произвольный определитель
порядка n . Сумма произведений всех элементов любого столбца
(строки) на алгебраические дополнения соответствующих элементов
другого столбца (строки) равна нулю.
Доказательство. Пусть
a11 ... a1 j ... a1n
a21 ... a2 j ... a2n
∆= .
... ... ... ... ...
an1 ... anj ... ann
В силу теоремы о разложении по строке (лекция 1, теорема 1)
имеем
∆ = a1 j A1 j + a2 j A2 j + ... + anj Anj ,
где Akj - алгебраическое дополнение к элементу akj .
Пусть b1 , b2 ,..., bn - произвольные вещественные числа. Рассмотрим
сумму S = b1 A1 j + b2 A2 j + ... + bn Anj .
Привлекая ту же теорему о разложении по строке, можем записать
a11 ... b1 ... a1n
a ... b2 ... a2 n
S = 21
... ... ... ... ...
.
an1 ... bn ... ann
j -й
столбец
Возьмем в качестве чисел bk , k = 1,..., n , элементы i-го столбца
определителя ∆ , i ≠ j , тогда
S ∗ = a1i A1 j + a2i A2 j + ... + ani Anj =
a11 ... a1i ... a1i ... a1n
a21 ... a2i ... a2i ... a2n
= = 0.
... ... ... ... ... ... ... свойство
an1 ... ani ... ani ... ann определителя

i -й j -й
столбец столбец
Утверждение 3 доказано.
Переходим к построению обратной матрицы методом
присоединенной. Пусть A - невырожденная матрица порядка n :
 a11 a12 ... a1n 
 
a a22 ... a2 n 
A =  21 .
 ... ... ... ... 
 
 an1 an 2 ... ann 
Матрица
 A11 A21 ... An1 
 
A A22 ... An 2 
A∗ =  12
 ... ... ... ... 
 
 A1n A2 n ... Ann 
называется присоединенной для A . Элементами матрицы A∗ являются
алгебраические дополнения к элементам матрицы A , причем
алгебраические дополнения к элементам i-й строки матрицы A

помещены в i-й столбец A .
Обозначим A = ∆ .
1 ∗
Матрица B = A является правой и левой обратной для A .

Действительно,
 ∆ 0 ... 0   1 0 ... 0 
   
1  1  0 ∆ ... 0   0 1 ... 0 
AB = A ⋅  A∗  = = = E.
∆  теорема о ∆  ... ... ... ...   ... ... ... ... 
разложении по строке    
и утверждение 3  0 0 ... ∆   0 0 ... 1 

1 ∗
Следовательно, матрица B=
A - правая обратная для A .

1 1
Аналогично A∗ A = E , и матрица B = A∗ является и левой обратной
∆ ∆
для A . Она называется обратной для A и обозначается A−1 .
Итак,
 A11 A21 ... An1 
 
1 A A22 ... An 2 
A−1 =  12 .
∆  ... ... ... ... 
 A 
 1n A2n ... Ann 
У т в е р ж д е н и е 4 . Матрица A−1 - единственная обратная
для A .
Действительно, допустим, ∃C такая, что CA = AC = E .
Рассмотрим ( )
CAA−1 = C AA−1 = CE = C . С другой стороны,

CAA−1 = ( CA ) A−1 = EA−1 = A−1 , следовательно C = A−1 .


2 8
П р и м е р 1 . Найти A−1 для матрицы A =  .
3 7
Решение. Имеем ∆ = A = 14 − 24 = −10 ≠ 0 , следовательно, A−1
существует.
Находим алгебраические дополнения к элементам матрицы A и
составляем присоединенную матрицу:
 7 −8 
A11 = 7, A12 = −3, A21 = −8, A22 = 2, A∗ =  .
 −3 2 
1  7 −8   −0, 7 0,8 
Откуда A−1 = −  = .
10  −3 2   0,3 −0, 2 
П р и м е р 2 . Решить матричное уравнение
 2 4  8 1
 ⋅ X =  .
3 7  2 3
 2 4  8 1
Решение. Обозначим A= , B =   . Тогда исходное
3 7  2 3
уравнение принимает вид
AX = B . (2.3)
Имеем
2 4
A= = 14 − 12 = 2 ≠ 0 ⇒ ∃A−1 .
3 7
Домножим обе части уравнения (2.3) слева на матрицу A−1 и
получим
X = A−1B .
Итак,
1  7 −4 
A−1 =  ,
2  −3 2 
1  7 −4   8 1  1  56 − 8 7 − 12   24 −5 / 2 
X =   =  = .
2  −3 2   2 3  2  −24 + 4 −3 + 6   −10 3 / 2 

Упражнения. Докажите следующие свойства обратной


матрицы.
1
1. Если ∆ = A , то A−1 = .

−1
2. ( AB ) = B −1 ⋅ A−1 .

( ) = ( A−1 )
−1 T
3. AT .
2.2. Ранг матрицы
Пусть A - прямоугольная матрица размера s × n :
 a11 a12 ... a1n 
 
a a ... a2n 
A =  21 22 .
 ... ... ... ... 
 
 as1 as 2 ... asn 
Назовем арифметическими n-мерными векторами упорядоченные
наборы n чисел строки матрицы A и обозначим их через
α1 = (a11 , a12 ,..., a1n ) , α 2 = (a21 , a22 ,..., a2 n ) ,…, α s = (as1 , as 2 ,..., asn ) .
Нулевым арифметическим вектором назовем θ = (0, 0,..., 0) .
Будем говорить, что система векторов α1 , α 2 ,..., α s линейно
зависима, если ∃ki , i = 1,..., s , не все равные нулю, что
k1α1 + k2 α 2 + ... + k s α s = θ .
Система векторов α1 , α 2 ,..., α s называется линейно независимой,
если она не является линейно зависимой.
П р и м е р 3 . В матрице
 1 −1 3 5 7 
 
A =  3 4 −4 −2 −3 
 4 3 −1 3 4 
 
α1 = (1, −1,3,5, 7) , α 2 = (3, 4, −4, −2, −3) , α3 = (4,3, −1,3, 4) .
Решение. Имеем α3 = α1 + α 2 , следовательно,
α1 + α 2 + (−1) ⋅ α3 = θ и система строк матрицы A линейно зависима.
Заметим, что и столбцы матрицы A можно рассматривать как
арифметические s -мерные векторы.
Определение 3. Пусть A - прямоугольная матрица размера s × n .
Выберем в A произвольные k строк и k столбцов. Элементы,
стоящие на пересечении выбранных строк и столбцов, образуют
определитель M порядка k , который называется минором порядка k
матрицы A .
Определение 4. Наивысший порядок отличных от нуля миноров
матрицы A называется рангом матрицы A .
Обозначение ранга A : rang A .
П р и м е р 4 . Найти ранг матрицы A :
 1 −2 2 3 
A= .
 2 −4 −3 5 
Решение. Заметим, что миноры первого порядка - это элементы
матрицы, выпишем их все (в данном случае, миноров первого порядка
восемь): 1, −2, 2, 3, 2, −4, −3, 5 .
Уже на этом шаге можно утверждать, что rang A ≥ 1 , так как
среди миноров первого порядка есть отличные от нуля.
Выпишем все миноры второго порядка:
1 −2 1 2 1 3 −2 2 −2 3 2 3
, , , , ,
2 −4 2 −3 2 5 −4 −3 −4 5 −3 5
13 1 2
и отметим, что, например, M12 = = −7 ≠ 0 и по определению 4
2 −3
rang A = 2 (миноры третьего порядка из элементов матрицы A
составить нельзя, так как содержит всего две строки).
Пусть матрица A имеет размер s × n и rang A = r . Это означает,
что хотя бы один минор M порядка r отличен от нуля, а все миноры
порядка r + 1 и выше равны нулю. Минор M называется базисным, а
столбцы матрицы, его содержащие, - базисными столбцами матрицы A
(строки, содержащие минор M , называются базисными строками).
Теорема 1 (о базисном миноре). Столбцы, содержащие базисный
минор, линейно зависимы. Любой столбец матрицы A является
линейной комбинацией базисных столбцов одного и того же
базисного минора.
Доказательство. Пусть rang A = r и отличен от нуля минор M ,
расположенный в первых r строках и первых r столбцах матрицы A ,
то есть в левом верхнем углу:
 a11 ... a1r ... a1n 
 
 ... ... ... ... ... 
A =  ar1 ... arr ... arn  .
 
 ... ... ... ... ... 
a 
 s1 ... asr ... asn 
Докажем сначала, что арифметические векторы
 a11   a21   a1r 
     
α1 =  ...  , α 2 =  ...  , α r =  ... 
a  a  a 
 s1   s2   sr 
составляют линейно независимую систему.
Допустим, что α1 , α 2 ,..., α r линейно зависимы, тогда
∃k1 ,..., kr , ∃j , 1 ≤ j ≤ r , k j ≠ 0 , что k1α1 + k2 α 2 + ... + kr α r = θ , то есть
выполняется система тождеств:
 a11k1 + a12 k2 + ... + a1r kr = 0,
a k + a k + ... + a k = 0,
 21 1 22 2 2r r
 (2.4)
 ........................................
 as1k1 + as 2 k2 + ... + asr kr = 0.
Первые r равенств системы (2.4) можно переписать в виде
 a11   a1 j   a1r   0 
       
k1  ...  + ... + k j  ...  + ... + kr  ...  =  ...  .
a  a  a   0
 r1   rj   rr   
Учитывая, что k j ≠ 0 , отсюда получим
 a1 j   a1 j 
 a1r 
  k1  
  kr
 ...  = −  ...  − ... −
 ...  ;
a  k j a  a  k j
 rj   rj   rr 
j-й столбец определителя M оказался линейной комбинацией
остальных. Тогда M = 0 - противоречие, и, следовательно, векторы
α1 , α 2 ,..., α r линейно независимы.
Докажем теперь, что любой столбец матрицы A является
линейной комбинацией первых r столбцов.
Рассмотрим вспомогательный определитель
a11 ... a1r a1l
... ... ... ...
∆l = ,
ar1 ... arr arl
ak1 ... akr akl
полученный "окаймлением" минора M элементами k-й строки и l-го
столбца, 1 ≤ k ≤ s, r + 1 ≤ l ≤ n . Утверждается, что ∆l = 0 .
Действительно, возможны два случая.
Случай 1: k > r . Тогда ∆l - минор матрицы A порядка r + 1 и по
условию ∆l = 0 (наивысший порядок отличных от нуля миноров равен
r , следовательно, все миноры порядка r + 1 равны нулю).
Случай 2: k ≤ r . Тогда ∆l содержит две одинаковые строки,
следовательно, ∆l = 0 .
Итак, всегда ∆l = 0 . Разложим ∆l по последней строке.
Отметим, что если Akj - алгебраическое дополнение к элементу
akj из последней строки определителя ∆l , то
a11 ... a1, j −1 a1. j +1 ... a1l
Akj = ... ... ... ... ... ... ⋅ (−1)r +1+ j ,
ar1 ... ar , j −1 ar , j +1 ... arl
и Akj не зависит от k ( k был номером строки в матрице A , а в ∆l эти
элементы занимают r + 1 строку). Поэтому алгебраические дополнения
к элементам akj в ∆l , j = 1,.., n , можем обозначить A j .
∆l = ak1 A1 + ak 2 A2 + ... + akl M = 0 ⇒
M ≠0
A A A
akl = − 1 ak1 − 2 ak 2 − ... − r akr .
M M M
Полагая k = 1,..., s , получим s равенств:
A A A
a1l = − 1 a11 − 2 a12 − ... − r a1r ,
M M M
A A A
a2l = − 1 a21 − 2 a22 − ... − r a2r ,
M M M
…………………………………………
A A A
asl = − 1 as1 − 2 as 2 − ... − r asr ,
M M M
или в матричной форме:
 a1l   a11   a12   a1r 
       
 a2l  = − A1  a21  − A2  a22  A a
− ... − r  2 r  ,
 ...  M  ...  M  ...  M  ... 
       
 asl   a s1   as 2   asr 
то есть l -й столбец матрицы A оказался линейной комбинацией
A A A
первых r столбцов с коэффициентами − 1 , − 2 ,..., − r .
M M M
Было принято, что r + 1 ≤ l ≤ n .
Если 1 ≤ l ≤ r , то
 a1l   a11   a1l   a1r 
       
 a2l  = 0 ⋅  a21  + ... + 1 ⋅  a2l  + ... + 0 ⋅  a2 r  .
 ...   ...   ...   ... 
 a   a   a   a 
 sl   s1   sl   sr 
Таким образом, любой столбец матрицы A является линейной
комбинацией базисных столбцов.
Теорема доказана.
З а м е ч а н и е . Аналогичное утверждение справедливо и для строк:
через строки матрицы, содержащие базисный минор, линейно
выражаются все остальные строки матрицы.
Теорема 2. Если в матрице A некоторый минор M порядка r
отличен от нуля, а все окаймляющие его миноры равны нулю, то
rang A = r .
Доказательство этого утверждения опустим.
П р и м е р 5 . Найти ранг матрицы A :
 2 −1 3 −2 4 
 
A =  4 −2 5 1 7  .
 2 −1 1 8 2 
 
Решение. Имеем M11 = 2 ≠ 0 (следовательно, rang A ≥ 1 ).
12 2 −1 13 2 3
M12 = = 0 ; M12 = = 10 − 12 = −2 ≠ 0 ( ⇒ rang A ≥ 2 );
4 −2 4 5
2 −1 3
123
M123 = 4 −2 5 = 0 ;
2 −1 1
2 3 −2
134
M123 = 4 5 1 = 80 + 6 − 8 + 20 − 2 − 96 = 106 − 106 = 0 ;
2 1 8
2 3 4 2 3 4
135
M123 = 4 5 7 = 0 −1 − 1 = 0 .
2 1 2 0 −2 −2
Таким образом, известен минор второго порядка, отличный от нуля
13
( M12= −2 ≠ 0 ), а все миноры третьего порядка, окаймляющие его,
равны нулю, следовательно, rang A = 2 .
13 2 3
Базисный минор M12 = . Через первый и третий столбцы
4 5
линейно выражаются остальные столбцы матрицы.
Изложенный способ нахождения ранга матрицы называется
методом окаймляющих миноров.
Метод элементарных преобразований
Определение 5. Элементарными преобразованиями матрицы
называются следующие:
1) перестановка двух строк (столбцов) матрицы;
2) умножение всех элементов строки (столбца) на вещественное
число λ ≠ 0 ;
3) прибавление к элементам строки (столбца) соответствующих
элементов другой строки (столбца), умноженных на одно и то же
число.
Справедливо следующее утверждение, которое приводится без
доказательства.
Теорема 3. Элементарные преобразования не изменяют ранга
матрицы.
Определение 6. Матрица A размером s × n имеет диагональную
форму, если ∀i ∀j aij = 0 , кроме a11 ,..., arr , 0 ≤ r ≤ min( s, n) , то есть
 a11 0 ... 0 ... 0 
 
 0 a22 ... 0 ... 0 
 ... ... ... ... ... ... 
A= .
 0 0 ... arr ... 0 
 ... ... ... ... ... ... 
 
 0 0 ... 0 ... 0 
Отметим, что rang A = r , так как минор M порядка r ,
расположенный в левом верхнем углу (в первых r строках и первых r
столбцах), отличен от нуля, а все миноры, окаймляющие его, равны
нулю (они содержат столбец из нулей).
Утверждение. Всякую матрицу элементарными
преобразованиями можно привести к диагональной форме.
Действительно, пусть
 a11 a12 ... a1n 
 
 a21 a22 ... a2n 
A= .
 ... ... ... ... 
 
 as1 as 2 ... asn 
Если ∀i ∀j aij = 0 , то по определению 6 A имеет диагональную
форму.
Если ∃i ∃j aij ≠ 0 , то, переставляя строки и столбцы, можно
добиться того, что a11 ≠ 0 . Умножим все элементы первой строки на
1
:
a11
 a12 a1n 
 1 a11
...
a11 

A′ =  a21
a22 ... a2 n  .
 
 ...... ... ... 
a as 2 ... asn 
 s1
Первую строку, умноженную на −a21 , прибавляем ко второй,
умноженную на −a31 - к третьей,…, умноженную на −as1 - к s -й.
Таким образом, получаем матрицу
 a12a1n 
1 a11
...
a11 

A′′ =  0 ... a2′ n  .

a22
 
 ...
... ... ... 
0
as′ 2 ... asn′ 

a
Первый столбец, умноженный на − 12 , прибавляем ко второму,...,
a11
a1n
умноженный на − - к n -му, получим
a11
 1 0 ... 0 
 ′′ ... a2′′n 
0 a22
A′′′ =  .
 ... ... ... ... 
 
′′ 
 0 as′′2 ... asn
С матрицей, оставшейся в правом нижнем углу, совершаем
аналогичные преобразования. После конечного числа шагов придем к
матрице диагонального вида.
 2 −1 3 −2 4 
 
П р и м е р 6 . Найти ранг матрицы A =  4 −2 5 1 7  с
 2 −1 1 8 2 
 
помощью элементарных преобразований.
Решение. Договоримся об обозначениях. Запись A → A′ будет
означать, что матрица A′ получена из матрицы A с помощью
элементарных преобразований. При этом i -ю строку исходной матрицы
A обозначим αi , а i -ю строку преобразованной матрицы A′ - α% i . Для
i -х столбцов будем использовать соответственно обозначения β , β% .
i i
 2 −1 3 −2 4   1 −1 3 −2 4 
   
 4 −2 5 1 7  β% =0,5⋅β  2 −2 5 1 7  α% 2 =α 2→

+ ( −2)⋅α1
 2 −1 1 8 2  1 1 
   1 −1 1 8 2  α% 3 =α3 + ( −1)⋅α1
 1 −1 3 −2 4  1 0 0 0 0
   
→  0 0 −1 5 −1 →  0 0 −1 5 −1  β% →
%
 0 0 −2 10 −2  β 2 =β 2 +β1  0 0 −2 10 −2  2 =β5
  β% 3 =β3 + ( −3)⋅β1   β% 5 =β 2
β% 4 =β 4 + 2⋅β1
β% 5 =β5 + ( −4)⋅β1

1 0 0 0 0 1 0 0 0 0
   
→  0 −1 −1 5 0  →  0 −1 −1 5 0  β% =β →
 0 −2 −2 10 0  α% 3 =α3 + ( −2)⋅α 2  0 0 0 0 0  3 3 + ( −1)⋅β 2
    β% 4 =β 4 +5⋅β 2
1 0 0 0 0
 
→  0 −1 0 0 0  .
0 0 0 0 0
 
Матрица приобрела диагональную форму, rang A = 2
1 0 
 = −1 ≠ 0  .
 0 −1 
У п р а ж н е н и е . Найти ранг матрицы A методом окаймляющих
миноров и методом элементарных преобразований:
 3 2 −1 2 0 
 
4 1 0 −3 0 
A= .
 2 −1 −2 1 1
 
 3 1 3 −9 −1
Лекция 3. Системы линейных алгебраических
уравнений

Первоначальные понятия. Метод Гаусса

3.1. Метод Гаусса


Пусть дана система s уравнений первой степени (линейных) с n
неизвестными. Неизвестные обозначим x1 ,..., xn , уравнения будем
считать пронумерованными: первое, второе,…, s -е. Коэффициент из i -
го уравнения при неизвестном x j обозначим aij , свободный член - bi .
Система запишется в следующем виде:
 a11 x1 + a12 x2 + ... + a1n xn = b1 ,
a x + a x + ... + a x = b ,
 21 1 22 2 2n n 2
 (3.1)
 ...........................................
 as1 x 1 + as 2 x2 + ... + asn xn = bs .
Определение 1. Решением системы линейных уравнений (3.1)
называется такой набор чисел k1 ,..., kn , что каждое из уравнений (3.1)
обращается в тождество после замены неизвестных xi числами ki ,
i = 1,..., n .
Определение 2. Система (3.1) называется несовместной, если она
не имеет решений, и совместной, если она имеет решения.
Определение 3. Совместная система называется определенной,
если она имеет единственное решение, и неопределенной, если решений
более одного.
Определение 4. Две системы линейных уравнений называются
эквивалентными, если они обе несовместны, или обе совместны и
имеют одни и те же решения.
Наиболее удобным для практического разыскания решений
системы (3.1) является метод последовательного исключения
неизвестных, или метод Гаусса.
Выполним следующие преобразования системы: обе части одного
уравнения умножим на некоторое число и прибавим к обеим частям
другого уравнения. Покажем, что мы придем к эквивалентной системе.
Пусть обе части первого уравнения системы (3.1), умноженные на
число λ , прибавляются к обеим частям второго уравнения. Получаем
систему
 a11 x1 + a12 x2 + ... + a1n xn = b1 ,
 ′ x + a ′ x + ... + a ′ x = b′ ,
a21 1 22 2 2n n 2
 (3.2)
 ...........................................
 as1 x 1 + as 2 x2 + ... + asn xn = bs ,
′ = a21 + λa11 , …, a2′ n = a2n + λa1n , b2′ = b2 + λb1 .
где a21
Пусть k1 ,..., kn - решение системы (3.1). Это означает, что
выполняются тождества:
 a11k1 + a12 k2 + ... + a1n kn = b1 ,
a k + a k + ... + a k = b ,
 21 1 22 2 2n n 2
 (3.3)
 ...........................................
 as1k 1 + as 2 k2 + ... + asn kn = bs .
Равенства (3.3) означают, что набор чисел k1 ,..., kn удовлетворяет
первому, третьему,…, s -му уравнению системы (3.2). Удовлетворяют
эти числа и второму уравнению, так как, если к обеим частям второго
тождества в системе (3.3) прибавить обе части первого, умноженные на
λ , получим
(λa11 + a21 )k1 + ... + (λa1n + a2n )k n = b2 + λb1 .
Таким образом, всякое решение системы (3.1) является решением
системы (3.2).
Справедливо обратное. Пусть k1 ,..., kn - решение системы (3.2),
тогда
.
 a11k1 + a12 k2 + ... + a1n kn = b1 ,
 ′ k + a ′ k + ... + a ′ k = b′ ,
a21 1 22 2 2n n 2
 (3.4)
 ...........................................
 as1k 1 + as 2 k2 + ... + asn kn = bs .
Тождества (3.4) означают, что набор чисел k1 ,..., kn удовлетворяет
первому, третьему,…, s -му уравнению системы (3.1). Если к обеим
частям второго тождества в (3.4) прибавить обе части первого,
умноженные на (−λ) , получим
a21k1 + ... + a2 n k n = b2 ,
то есть k1 ,..., kn удовлетворяют также второму уравнению в (3.1), и
всякое решение системы (3.2) является решением системы (3.1).
Системы (3.1) и (3.2) в соответствии с определением 4 эквивалентны.
Перейдем к изложению метода Гаусса.
Дана система (3.1). Пусть a11 ≠ 0 (если это не так, возьмем в
качестве первого любое другое уравнение с коэффициентом при x1 ,
отличным от нуля, и перенумеруем уравнения; хотя бы одно такое
уравнение найдется, - иначе x1 просто отсутствовал бы).
a21
Обе части первого уравнения, умноженные на − , прибавим к
a11
a31
обеим частям второго уравнения, умноженные на − , - к обеим
a11
as1
частям третьего и т.д., умноженные на − - к обеим частям s -го
a11
уравнения. Придем к новой системе:
a11 x1 + a12 x2 + ... + a1n xn = b1 ,
 ′ x2 + ... + a2′ n xn = b2′ ,
a22

 (3.5)
 ..................................
 as′ 2 x2 + ... + asn ′ xn = bs′ .
Система (3.5) эквивалентна системе (3.1).
Первое неизвестное исключили из всех уравнений системы,
начиная со второго.
Уже после первого шага может встретиться уравнение вида
0 ⋅ x1 + 0 ⋅ x2 + ... + 0 ⋅ x n = bi′ , 2 ≤ i ≤ s . (3.6)
Если bi′ = 0 , этому уравнению удовлетворяет любой набор чисел
k1 ,..., kn . В этом случае уравнение будем отбрасывать. Если bi′ ≠ 0 ,
уравнению (3.6) не удовлетворяет никакой набор чисел k1 ,..., kn , и
система, содержащая такое уравнение (3.6), несовместна,
следовательно, несовместна и эквивалентная ей система (3.1). В этом
случае преобразования по методу Гаусса будем прерывать.
Итак, имеем систему (3.5). Среди коэффициентов aij , i = 2,.., s ,
j = 2,.., n , есть отличные от нуля (иначе либо система несовместна,
либо уравнения можно отбросить). Пусть для определенности a22 ′ ≠0
(если a22 = 0 , но отличен от нуля коэффициент при x2 в другом
уравнении, можно перенумеровать уравнения, если ∀j = 2,..., n
a2 j = 0 , можно перенумеровать неизвестные). Обе части второго

a31
уравнения, умноженные на − , прибавим к обеим частям третьего

a22
as′ 2
уравнения и т.д., обе части второго уравнения, умноженные на − ,-

a22
к обеим частям s -го уравнения. Этим исключим неизвестное x2 из
всех уравнений, кроме первого и второго, и придем к системе

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1 ,


 ′ x2 + a23
a22 ′ x3 + ... + a2′ n xn = b2′ ,

 ′′ x3 + ... + a3′′n xn = b3′′,
a33
 ................................

 as′′3 x3 + ... + asn ′′ xn = bs′′.
Аналогичным образом продолжим процесс исключения
неизвестных.
Если после нескольких шагов получим уравнение вида (3.6), в
котором bi′ ≠ 0 , можно сделать вывод о несовместности системы. Если
же такое уравнение не встретится, придем к системе
a11 x1 + a12 x2 + ... + a1k xk + ... + a1n xn = b1 ,
 a ′ x + ... + a ′ x + ... + a ′ x = b′ ,
 22 2 2k k 2n n 2
 (3.7)
...................................................

 ( k −1)
akk xk + ... + akn ( k −1)
xn = bk( k −1) ,

( k −1)
′ ≠ 0 , …, akk
эквивалентной системе (3.1). Здесь a11 ≠ 0 , a22 ≠0,
k ≤ s, k ≤ n .
При k = n система (3.7) имеет вид
a11 x1 + a12 x2 + ... + a1n xn = b1 ,
 ′ x2 + ... + a2′ n xn = b2′ ,
a22

................................................ (3.8)

 ann( n −1)
xn = bn( n −1) .

( n −1)
Из последнего уравнения найдем значение xn ( ann ≠ 0 ),
подставим в n − 1 -е - найдем xn −1 ( an( n−−1,2)
n −1 ≠ 0 ) и т.д., до первого
уравнения, из которого определится x1 . Система (3.8) в этом случае
имеет единственное решение и эквивалентная ей система (3.1) является
определенной.
При k < n в последнем уравнении системы (3.7) присвоим
неизвестным xk +1 ,..., xn произвольные числовые значения:
xk +1 = ck +1 , ..., xn = c n .
Из последнего, k -го уравнения системы (3.7) найдем xk
( k −1)
( akk ≠ 0 ), подставим в k − 1 -е уравнение - найдем xk −1 и т.д.,
двигаясь снизу вверх по системе (3.7), найдем вполне определенные
значения xk ,..., x1 . Так как значения для неизвестных xk +1 ,..., xn можно
выбрать бесчисленным множеством способов, система (3.7) в случае
k < n будет неопределенной.
Итак, метод Гаусса применим к любой системе линейных
уравнений. Если в процессе преобразований встретится уравнение, в
котором все коэффициенты при неизвестных равны нулю, а свободный
член отличен от нуля, система несовместна. Если такое уравнение не
встретится, система совместна. Она является определенной, если
приводится к треугольному виду (3.8), и неопределенной, если
приводится к трапецеидальному виду (3.7).
П р и м е р 1 . Решить систему методом Гаусса:
 x1 + 3x2 + x3 = 5,

 x1 + x2 + 5 x3 = −7,

 2 x1 + x2 + x3 = 2,
2 x1 + 3x2 − 3x3 = 14.
Решение. Исключаем неизвестное x1 . Первое уравнение,
умноженное на −1 , прибавляем ко второму, умноженное на −2 , к
третьему и четвертому, получаем
 x1 + 3x2 + x3 = 5,
 −2 x + 4 x = −12,
 2 3

 − 5 x2 − x3 = −8,
 −3 x2 − 5 x3 = 4.
1
Обе части второго уравнения умножим на − :
2
 x1 + 3x2 + x3 = 5,
 x2 − 2 x3 = 6,

 .
 − 5 x2 − x3 = −8,
 −3 x2 − 5 x3 = 4.
Второе уравнение, умноженное на 5 , прибавляем к третьему,
умноженное на 3 - к четвертому, получим в результате:
 x1 + 3x2 + x3 = 5,
 x2 − 2 x3 = 6,


 −11x3 = 22,
 −11x3 = 22.
Обе части третьего уравнения, умноженные на −1 , прибавляем к
четвертому уравнению, получим
 x1 + 3x2 + x3 = 5,
 x2 − 2 x3 = 6,


 −11x3 = 22,
 0 ⋅ x3 = 0.
Последнее уравнение отбрасываем, из третьего уравнения находим
x3 = −2 , подставляем во второе: x2 + 4 = 6 и находим x2 = 2 . Затем x2
и x3 подставляем в первое уравнение: x1 + 6 − 2 = 5 , откуда x1 = 1 .
Итак, x1 = 1 , x2 = 2 , x3 = −2 - решение исходной системы,
найденное методом Гаусса.
У п р а ж н е н и я . Системы уравнений решить методом Гаусса:
 x1 + x2 − 3 x3 = −1,  2 x1 − x2 + 3x3 = 3,
 2 x + x − 2 x = 1, 3x + x − 5 x = 0,
 
1.  1 2 3
2.  1 2 3

 x1 + x2 + x3 = 3,  4 x1 − x2 + x3 = 3,
 x1 + 2 x2 − 3 x3 = 1.  x1 + 3x2 − 13 x3 = −6.
 x1 − 2 x2 + x3 + x4 = 1,

3.  x1 − 2 x2 + x3 − x4 = −1,
 x − 2 x + x + 5 x = 5.
 1 2 3 4
Лекция 4. Исследование и решение
произвольной системы линейных уравнений

Правило Крамера. Исследование произвольной системы


линейных алгебраических уравнений.
Системы линейных однородных уравнений.
Фундаментальная система решений
4.1. Правило Крамера
Пусть дана система n линейных алгебраических уравнений с n
неизвестными:
 a11 x1 + a12 x2 + ... + a1n xn = b1 ,
a x + a x + ... + a x = b ,
 21 1 22 2 2n n 2
 (4.1)
 ...........................................
 an1 x1 + an 2 x2 + ... + ann xn = bn .

Обозначим A = aij , i, j = 1,..., n . ∆= A будем называть


определителем системы (4.1).
 x1   b1 
   
Обозначим X =  ...  , B =  ...  . Система (4.1) равносильна
x  b 
 n  n
матричному уравнению
AX = B . (4.2)
Теорема 1. Если ∆ = A ≠ 0 , то система (4.1) имеет, притом
единственное, решение.
Доказательство. Так как ∆ = A ≠ 0 , то ∃A−1 . Умножим обе части
(4.2) на A−1 слева:
( )
A−1 ( AX ) = A−1 A X = EX = X = A−1B .
Итак, решением матричного уравнения (4.2) является матрица
X = A−1B - матричное уравнение (4.2) имеет решение, следовательно,
система (4.1) совместна.
1
xj =

( )
A1 j ⋅ b1 + A2 j ⋅ b2 + ... + Anj ⋅ bn =

a11 ... b1 ... a1n


1 a21 ... b2 ... a2n ∆ j
= = , j = 1,...n.
∆ ... ... ... ... ... ∆
an1 ... bn ... ann (4.3)
j -й
столбец
14444
4244444
3
обозначим ∆ j

Решение системы (4.1) дается формулами (4.3), и так как ∆, ∆ j ,


j = 1,..., n , вполне определенные числа, единственно.
Теорема доказана.
Правило Крамера: если ∆ = A ≠ 0 , то решение системы (4.1)
∆j
может быть найдено по формулам x j = , j = 1,..., n , где ∆ j -

определитель, который получится из ∆ , если столбец коэффициентов
при x j заменить столбцом свободных членов.
П р и м е р 1 . По правилу Крамера, если оно применимо, решить
систему
3x1 + 4 x2 − 5 x3 = 2,

 2 x1 − 3x2 + 3 x3 = 2,
 x − 2 x + x = 0.
 1 2 3
Решение. Имеем
3 4 −5
∆ = 2 −3 3 = −9 + 12 + 20 − 15 + 18 − 8 = 18 ≠ 0 ,
1 −2 1
следовательно, правило Крамера применимо.
2 4 −5 2 4 −5
−7 8
∆1 = 2 −3 3 = 0 −7 8 = 2 ⋅ = 2(−7 + 16) = 18 ,
−2 1
0 −2 1 0 −2 1
3 2 −5 3 2 −8
2 −8
∆2 = 2 2 3 = 2 2 1 = 1⋅ = 18 ,
2 1
1 0 1 1 0 0
3 4 2 3 10 2
10 2
∆3 = 2 −3 2 = 2 1 2 = = 18 .
1 2
1 −2 0 1 0 0
По формулам (4.3) находим
∆ ∆ ∆
x1 = 1 = 1 , x2 = 2 = 1 , x3 = 3 = 1 .
∆ ∆ ∆

4.2. Исследование произвольной системы линейных


уравнений
Пусть дана система s уравнений с n неизвестными:
 a11 x1 + a12 x2 + ... + a1n xn = b1 ,
a x + a x + ... + a x = b ,
 21 1 22 2 2n n 2
 (4.4)
 ...........................................
 as1 x1 + as 2 x2 + ... + asn xn = bs .
Обозначим матрицу из коэффициентов A :
 a11 a12 ... a1n 
 
a a ... a2n 
A =  21 22 .
 ... ... ... ... 
 
 as1 as 2 ... asn 
Матрица A содержит матрицу A и еще столбец свободных
членов, она называется расширенной матрицей по отношению к A :
 a11 a12 ... a1n b1 
 
 a21 a22 ... a2n b2 
A= .
 ... ... ... ... ... 
 
 as1 as 2 ... asn bs 
Теорема 2 (Кронекера - Капелли). Система совместна тогда и
только тогда, когда rang A = rang A .
Доказательство. Н е о б х о д им о с т ь . Пусть система (4.4)
совместна и λ1 , λ 2 ,..., λ n - решение (4.4), следовательно,
справедливы тождества
 a11λ1 + a12 λ 2 + ... + a1n λ n = b1 ,
a λ + a λ + ... + a λ = b ,
 21 1 22 2 2n n 2
 (4.5)
 .............................................
 as1λ1 + as 2 λ 2 + ... + asn λ n = bs .
В матрице A к последнему столбцу прибавим первый,
умноженный на −λ1 , второй, умноженный на −λ 2 ,…, n -й,
умноженный на −λ n . Получим, учитывая (4.5),
 a11 a12 ... a1n 0 
 
a a ... a2n 0 
A ~  21 22 = B.
 ... ... ... ... ... 
 
 as1 as 2 ... asn 0 
Поскольку выполнялись элементарные преобразования, то
rang B = rang A , но rang B = rang A (добавление столбца из нулей
не может изменить ранга), отсюда
rang A = rang A .
Д о с т а т о ч н о с т ь . Пусть rang A = rang A = r . Это означает, что
существует минор D ≠ 0 порядка r , а все миноры порядка r + 1 ,
окаймляющие D , равны нулю.
Пусть D расположен в левом верхнем углу матрицы A (это
предположение не ограничивает общности рассуждений, так как можно
переставить уравнения и перенумеровать неизвестные и тем самым
добиться того, что D будет расположен в первых r строках и первых
r столбцах матрицы A ):
 a11 ... a1r ... a1n 
 
 ... ... ... ... ... 
 ar1 ... arr ... arn  .
 
 ... ... ... ... ... 
 a 
 s1 ... asr ... asn 
Тогда первые r строк матрицы линейно независимы, а остальные
s − r строк являются их линейной комбинацией (теорема о базисном
миноре), следовательно, через первые r уравнений линейно
выражаются остальные s − r уравнений. Таким образом, вся система
(4.4) эквивалентна первым r уравнениям:
 a11 x1 + ... + a1n xn = b1 ,

 .............................. (4.6)
a x + ... + a x = b .
 r1 1 rn n r
С л у ч а й 1 : r = n . Система (4.6) имеет единственное решение
(определитель системы (4.6) D ≠ 0 , - применяем теорему 1). Его можно
найти, например, по правилу Крамера.
С л у ч а й 2 : r < n . Перепишем (4.6) в виде
 a11 x1 + ... + a1r xr = b1 − a1,r +1 xr +1 − ... − a1n xn ,

 .............................................................. (4.7)
a x + ... + a x = b − a
 r1 1 rr r r r ,r +1 xr +1 − ... − arn xn .
Неизвестные x1 ,..., xr назовем главными, xr +1 ,..., xn - свободными.
Присвоим свободным неизвестным произвольные числовые
значения, положим xr +1 = cr +1 ,..., xn = cn . Тогда согласно теореме 1 из
системы (4.7) определится единственный набор x1 = c1 ,..., xr = cr
главных неизвестных. Таким образом, набор n чисел x1 = c1 ,..., xr = cr ,
xr +1 = cr +1 ,..., xn = cn является решением системы (4.4).
Значения свободных неизвестных можно выбрать бесчисленным
множеством способов, поэтому система (4.4) имеет бесчисленное
множество решений.
И в случае 1 и в случае 2 система оказалась совместной.
Достаточность доказана.
Определение 1. Формула, выражающая решение системы (4.4) в
виде вектор - функции n − r свободных неизвестных, называется
общим решением системы (4.4):
 x1 (cr +1 ,..., cn ) 
 
 ................ 
 x (c ,..., cn 
X =  r r +1 .
 cr +1 
 ................. 
 
 cn 
П р и м е р 2 . Исследовать совместность системы и, если система
совместна, найти общее решение и одно частное:
 2 x1 − x2 + 3 x3 − 2 x4 = 4,

4 x1 − 2 x2 + 5 x3 + x4 = 7,

 2 x1 − x2 + x3 + 8 x4 = 2.
Решение. Найдем ранг матриц A и A :
 2 −1 3 −2 4   2 −1 3 −2 4 
   
A =  4 −2 5 1 7  ~  0 0 −1 5 −1  ~
 2 −1 1 8 2   0 0 −2 10 −2 
   
 2 −1 3 −2 4 
 
~  0 0 −1 5 −1 .
0 0 0 0 0
 
Итак, rang A = 2 = rang A (минор второго порядка
2 3
M = ≠ 0 , все миноры, его окаймляющие, равны нулю и в A , и в
0 −1
A ). Следовательно, согласно теореме 2 система совместна.
Так как rang A < 4 , система имеет бесчисленное множество
решений.
Вся система эквивалентна системе первых двух уравнений:
2 x1 − x2 + 3 x3 − 2 x4 = 4,

 − x3 + 5 x4 = −1.
В качестве главных неизвестных возьмем x1 и x3 ( M ≠ 0 ),
свободных - x2 и x4 и перепишем систему в виде
2 x1 + 3x3 = 4 + x2 + 2 x4 ,
 -
 x3 = 1 + 5 x4
"укороченная" система.
Отсюда
1 1
x3 = 1 + 5 x4 и x1 = (4 + x2 + 2 x4 − 3 − 15 x4 ) = (1 + x2 − 13x4 ) .
2 2
Общее решение
 0,5 + 0,5 x2 − 6,5 x4 
 
x2
X = .
 1 + 5 x4 
 
 x4 
Частное решение получим, присвоив конкретные числовые
значения свободным неизвестным, например, x2 = 0, x4 = 0 , тогда
 0,5 
 
0 
X частное = .
 1 
 
 0 

4.3. Системы линейных однородных алгебраических


уравнений
Пусть дана система линейных однородных уравнений:
a11 x1 + ... + a1n xn = 0,

 ................................. (4.8)
a x + ... + a x = 0.
 s1 1 sn n
Система (4.8) всегда совместна (решение x1 = x2 = ... = xn = 0
всегда присутствует среди решений).
Если rang A = r = n , то это решение - единственное, если r < n ,
система (4.8) имеет бесчисленное множество решений (и,
следовательно, есть решения, отличные от x1 = x2 = ... = xn = 0 ).
Теорема 3. Любая линейная комбинация решений системы
однородных линейных уравнений (4.8) является решением системы
(4.8).
 α1   β1 
   
α β
Доказательство. Пусть X1 =  2  и X 2 =  2  - произвольные
 ...   ... 
   
 αn   βn 
решения системы (4.8).
Пусть i - некоторое число, 1 ≤ i ≤ s . Подставим
 α1 + β1 
 
α + β2 
Y = X1 + X 2 =  2
 ........... 
 
 α n + βn 
в i -е уравнение системы (4.8):
ai1 (α1 + β1 ) + ... + ain (α n + βn ) =
=( ai1α1 + ... + ain α n ) + ... + ( ai1β1 + ... + ainβ n ) = 0.
144 42444 3 1442443
=0, так как X1 - решение (4.8) = 0, так как X 2 - решение (4.8)
Следовательно, Y = X1 + X 2 удовлетворяет i -му уравнению системы
(4.8) при произвольном i , 1 ≤ i ≤ s , то есть Y = X1 + X 2 является
решением (4.8).
 λα1 
 
λα
Пусть λ - произвольное вещественное число, Z = λX1 =  2  .
 ... 
 
 λα n 
Подставим Z в i -е уравнение системы (4.8), 1 ≤ i ≤ s :
ai1 (λα1 ) + ... + ain (λα n ) = λ ( ai1α1 + ... + ain α n )=0
144 42444 3
=0, так как X1 - решение (4.8)
Следовательно, Z = λX1 - решение (4.8).

Итак, сумма любых двух решений системы (4.8) и произведение


любого решения на число являются решениями системы (4.8),
следовательно, любая линейная комбинация решений системы (4.8)
является решением.
Определение 2. Пусть дана система линейных однородных
уравнений с матрицей A , rang A = r . Пусть неизвестные xi1 ,..., xin − r
являются свободными.
Обозначим через ek , k = 1,..., n − r , то единственное решение
системы, которое получится, если неизвестному xik присвоить
значение 1 , а остальным свободным неизвестным - значение 0 .
Система решений e1 ,..., en − r называется фундаментальной
системой решений данной системы линейных однородных уравнений.
Справедливо следующее утверждение, которое приведем без
доказательства.
Теорема 4. Пусть дана система линейных однородных уравнений с
матрицей A , rang A = r , и e1 ,..., en − r - фундаментальная система
решений. Тогда всякое решение системы является линейной
комбинацией решений e1 ,..., en − r .
П р и м е р 3 . Найти общее решение и фундаментальную систему
решений системы
 x1 + x2 + x3 + x4 = 0,
 (4.9)
 x1 + x2 − x3 + x4 = 0.
Решение. Первое уравнение, умноженное на −1 , прибавим ко
второму:
 x1 + x2 + x3 + x4 = 0,

 −2 x3 = 0.
Отсюда x3 = 0, x1 = − x2 − x4 .
Общее решение
 − x2 − x4 
 
x2 
X = ,
 0 
 
 x4 
свободными являются неизвестные x2 и x4 , главными - x1 и x3 .
x1 x2 x3 x4
e1 −1 1 0 0
e2 −1 0 0 1
 −1  −1
   
1 0
Векторы e1 =   и e2 =   составляют фундаментальную
 0  0
   
 0  1
систему решений системы (4.9),
X = x2 e1 + x4 e2 .
Последнее равенство можно проверить непосредственно.
Лекция 5. Линейные пространства

Аксиоматическое определение линейного


пространства. Базис и размерность
линейного пространства

5.1. Аксиоматическое определение линейного


пространства
Определение 1. Совокупность V элементов x, y,... произвольной
природы называется линейным пространством, если для любых
элементов x и y из V установлено понятие суммы x + y , а для
любого элемента x из V и любого действительного числа λ
установлено понятие произведения элемента x на число λ ,
обозначаемое λx . При этом для введенных операций выполнены
следующие восемь аксиом:
1. Сложение коммутативно, x + y = y + x .
2. Сложение ассоциативно, ( x + y ) + z = x + ( y + z ) .
3. Существует нулевой вектор θ , удовлетворяющий условию
x + θ = x для всех x .
4. Для любого вектора x существует противоположенный вектор
y , удовлетворяющий условию x + y = θ .
Для любых векторов x , y и любых действительных чисел α, β
имеют место равенства:
5. (α + β)x = αx + β x .
6. α ( x + y ) = αx + β y .
7. α ( βx ) = ( αβ ) x .
8. 1 ⋅ x = x .
Элементы линейного пространства принято называть векторами.
П р и м е р 1 . Совокупность V = { Pn ( x)} всех многочленов степени
≤ n составляет линейное пространство.
Решение. Проверим выполнение всех аксиом.
В самом деле, пусть
x = Pn ( x) = a0 + a1 x + ... + an x n ;
y = Qn ( x) = b0 + b1 x + ... + bn x n .
По правилу сложения двух многочленов имеем
( ) (
x + y = Pn ( x) + Qn ( x) = a0 + a1 x + ... + an x n + b0 + b1 x + ... + bn x n = )
= ( a0 + b0 ) + ( a1 + b1 ) x + ... + (an + bn ) x =
n

= ( b0 + a0 ) + ( b1 + a1 ) x + ... + (bn + an ) x n = Qn ( x) + Pn ( x) = y + x ,
следовательно, аксиома 1 выполняется.
Аксиома 2 проверяется аналогично.
В качестве нулевого вектора берем многочлен, тождественно
равный нулю, θ( x) ≡ 0 .
Для любого многочлена Pn ( x) имеет место аксиома 3:
Pn ( x) + θ( x) = Pn ( x) + 0 = Pn ( x) .
Проверим выполнение аксиомы 4.
Пусть x = Pn ( x) = a0 + a1 x + ... + an x n - произвольный многочлен из
V . В качестве противоположенного элемента y возьмем многочлен
y = Qn ( x) = − a0 − a1 x − ... − an x n . По свойству сложения многочленов
имеем
x + y = Pn ( x) + Qn ( x) =

( ) (
= a0 + a1 x + ... + an x n + − a0 − a1 x − ... − an x n = )
= ( a0 − a0 ) + ( a1 − a1 ) x + ... + ( an − an ) x n = θ( x) .
Таким образом, аксиома 4 верна.
Аксиомы 5 - 8 проверяются аналогично. Так как все аксиомы
линейного пространства выполняются для множества V многочленов
степени ≤ n , то V является линейным пространством.
П р и м е р 2 . Совокупность V всех квадратных матриц порядка 2
составляет линейное пространство.
Решение. Проверим выполнение аксиом.
a a  b b 
Пусть A =  11 12  , B =  11 12  .
a a
 21 22  b b
 21 22 
По правилу сложения матриц
 a +b a12 + b12 
A + B =  11 11 .
 a21 + b21 a22 + b22 
Но элементы матриц - вещественные числа, следовательно,
∀i ∀j , i, j = 1, 2, aij + bij = bij + aij и
 a +b a12 + b12   b11 + a11 b12 + a12 
A + B =  11 11 =  = B+ A,
 a21 + b21 a22 + b22   b21 + a21 b22 + a22 
аксиома 1 выполняется.
с с 
Пусть С =  11 12  .
 с21 с22 
По правилу сложения матриц
 (a + b ) + с11 (a12 + b12 ) + с12 
( A + B) + С =  11 11 ,
 (a21 + b21 ) + с21 (a22 + b22 ) + с22 
 a + (b11 + с11 ) a12 + (b12 + с12 ) 
A + ( B + С ) =  11 .
 a21 + (b21 + с21 ) a22 + (b22 + с22 ) 
Аналогично, так как элементы матриц - вещественные числа
∀i ∀j , i, j = 1, 2, (aij + bij ) + сij = aij + (bij + cij ) , откуда
( A + B) + C = A + ( B + C ) ,
аксиома 2 выполняется.
0 0
В качестве нулевого вектора выступает матрица θ =  .
0 0
a a 
Действительно, для любой матрицы A =  11 12  имеем:
 a21 a22 
 a + 0 a12 + 0 
A + θ =  11 = A -
 a21 + 0 a22 + 0 
аксиома 3 выполняется.
a a 
Для произвольной матрицы A =  11 12  в качестве
 a21 a22 
 −a − a12 
противоположного элемента возьмем матрицу B =  11 .

 21a − a22 
По правилу сложения матриц
 a11 + (− a11 ) a12 + (− a12 )   0 0 
A+ B =  = -
 a21 + (−a21 ) a22 + (− a22 )   0 0 
аксиома 4 имеет место.
Итак, аксиомы 1 - 4 справедливы. Аналогично проверяется
выполнение аксиом 5 - 8. Таким образом, совокупность V всех
квадратных матриц порядка 2 - линейное пространство.
Упражнения.
1 . Доказать, что множество всех геометрических векторов является
линейным пространством.
2 . Пусть R n - множество всех упорядоченных наборов n чисел
вида ( x1 , x2 ,..., xn ) . Пусть x = ( x1 , x2 ,..., xn ) ∈ R n и
y = ( y1 , y2 ,..., yn ) ∈ R n . Положим x + y = ( x1 + y1 , x2 + y2 ,..., xn + yn ) .
Пусть λ - произвольное действительное число, положим
λx = (λx1 , λx2 , ..., λxn ) . Доказать, что R n - линейное пространство ( R n
называют линейным пространством n -мерных арифметических
векторов).
3 . Доказать, что множество С[a,b ] непрерывных на отрезке [ a, b ]
функций является линейным пространством.
Следует отметить, что, вводя линейное пространство, мы
отвлекаемся не только от конкретной природы изучаемых объектов, но
и от конкретного вида правил образования суммы векторов и
произведения на число, - важно лишь, чтобы эти правила удовлетворяли
аксиомам, сформулированным в определении линейного пространства.
Укажем некоторые следствия из аксиом.
1. Единственность нулевого элемента.
Действительно, допустим, ∃θ1 и ∃θ 2 - нулевые элементы,
следовательно, ∀x ∈ V x + θ1 = x, x + θ 2 = x .
Имеем θ1 + θ 2 = θ1 (так как θ2 - нулевой), но
θ1 + θ 2 = θ2 + θ1 = θ2 (так как θ1 - нулевой), следовательно, θ1 = θ2 .
акс. 1
2. Единственность противоположного элемента.
Пусть a ∈ V и a1 , a 2 - противоположные элементы для a , то есть
a + a1 = θ , a + a 2 = θ .
Рассмотрим вектор a1 + (a + a 2 ) . Имеем
a1 + (a + a 2 ) = a1 + θ = a1 .
С другой стороны,
a1 + (a + a 2 ) = (a1 + a) + a 2 = θ + a 2 = a 2 + θ = a 2 ⇒ a1 = a 2 .
акс. 2 акс.1
Теперь всюду далее противоположный элемент для a будем
обозначать −a .
3. Существование и единственность разности.
Дадим определение разности. Для любых двух векторов a и b
назовем разностью a и b такой вектор d , что b + d = a . Обозначим
d = a−b .
Положим d = a + (−b) .
Имеем
b + d = b + (a + (−b)) = b + ((−b) + a) =
акс. 1 акс.2
= (b + (−b)) + a = θ + a = a + θ = a .
Следовательно, вектор d = a + (−b) удовлетворяет определению
разности.
Покажем, что он единственный вектор, удовлетворяющий этому
определению.
Пусть ∃c : b + с = a .
К обеим частям последнего равенства прибавим вектор (−b) :
(b + c) + (−b) = (c + b) + (−b) = c + (b + (−b)) =
акс.1 акс. 2
= c + θ = c = a + ( −b ) ⇒ c = d -
таким образом, вектор d = a + (−b) - единственный.
4. Для любого вещественного числа α α ⋅ θ = θ .
5. Для любого вектора a ∈ V 0 ⋅ a = θ .
6. Если α ⋅ a = θ , то либо α = 0 , либо a = θ .
Для любого вещественного числа α и любого a ∈ V справедливы
соотношения:
7. α ⋅ (−a) = −(α ⋅ a) ;
8. (−α) ⋅ a = −(α ⋅ a) .
Следствия 4 - 8 докажите самостоятельно.

5.2. Базис линейного пространства


Определение 2. Пусть V - линейное пространство. Вектор u
называется линейной комбинацией векторов x , y ,..., z , если найдутся
такие числа α, β,..., γ , что
u = αx + βy + ... + γz .
Определение 3. Система векторов x , y ,..., z , принадлежащих
линейному пространству V , называется линейно зависимой, если
найдутся такие числа α, β, ..., γ , не все равные нулю одновременно, что
выполняется равенство
αx + βy + ... + γz = θ .
Определение линейно зависимой системы векторов можно дать в
следующей эквивалентной форме, иногда более удобной.
Определение 3'. Система векторов x , y ,..., z , принадлежащих
линейному пространству V , называется линейно зависимой, если один
из векторов является линейной комбинацией остальных.
Определение 4. Система векторов x , y ,..., z , принадлежащих
линейному пространству V , называется линейно независимой, если из
равенства
αx + βy + ... + γz = θ
следует, что α = β = ... = γ = 0 .
П р и м е р 3 . Пусть V - линейное пространство всех матриц
порядка 2 × 2 . Доказать, что векторы
0 1 1 0
A=  и B= 
 0 2  0 0
линейно независимы.
Решение. Рассмотрим линейную комбинацию λA + µB = θ :
0 1 1 0 0 0
λ  + µ = . (5.1)
0 2  0 0 0 0
Привлекая правила умножения матриц на число и сложения
матриц, получим
0 1 1 0  0 λ  µ 0 µ λ 
λ  + µ = + = . (5.2)
0 2  0 0   0 2λ   0 0   0 2λ 
Равенства (5.1) и (5.2) дают
 µ = 0,

 λ = 0,
2λ = 0,

откуда λ = µ = 0 , следовательно, A и B - линейно независимы.
Справедливы следующие два утверждения, которые приведем без
доказательства.
Теорема 1. Всякая система векторов, содержащая нулевой
вектор, линейно зависима.
Теорема 2. Всякая система векторов a1 , a 2 ,..., a r , содержащая
линейно зависимую подсистему k векторов, k < r , линейно зависима.
Определение 5. Система векторов e1 , e2 ,..., en линейного
пространства V называется базисом в V , если
1) e1 , e2 ,..., en линейно независима;
2) ∀x ∈ V ∃λ1 , λ 2 ,..., λ n (вещественные числа):
x = λ1e1 + λ 2e2 + ... + λ n en . (5.3)
Правая часть равенства (5.3) называется разложением вектора
x по базису e1 , e2 ,..., en , а числа λ1 , λ 2 ,..., λ n - координатами вектора
x в базисе e1 , e2 ,..., en .
Приведем примеры базисов в конкретных линейных
пространствах.
П р и м е р 4 . V - линейное пространство всех геометрических
векторов, базисом являются любые три некомпланарных вектора.
П р и м е р 5 . V = { Pn ( x)} - линейное пространство всех
многочленов степени ≤ n . Показать, что базисом является система
векторов e1 = 1, e2 = x, e3 = x 2 ..., en +1 = x n .
Решение. Составим линейную комбинацию векторов e1 , e2 ,..., en+1
и приравняем ее нулевому вектору:
λ1e1 + λ 2e2 + ... + λ n +1en +1 = θ ,
или
λ1 + λ 2 x + ... + λ n +1 x n = 0 .
Имеет место основная теорема алгебры: всякий многочлен степени
n с действительными коэффициентами имеет ровно n корней, при
этом каждый корень считается столько раз, какова его кратность. Это
утверждение означает, что равенство λ1 + λ 2 x + ... + λ n +1 x n = 0
возможно не более, чем в n точках, то есть не может выполняться
тождественно (как равенство между векторами в V ).
Следовательно, допущение, что линейная комбинация векторов
e1 , e2 ,..., en+1 с коэффициентами λ1 , λ 2 ,..., λ n+1 равна нулевому вектору
θ , влечет λ1 = λ 2 = ... = λ n+1 = 0 , это означает, что e1 , e2 ,..., en+1 -
линейно независимы.
Пусть Pn ( x) = a0 + a1 x + ... + an x n - произвольный многочлен
степени ≤ n . В последней записи Pn ( x) представлен в виде линейной
комбинации векторов e1 , e2 ,..., en+1 , что вместе с линейной
независимостью этих векторов доказывает, что система e1 , e2 ,..., en+1 -
базис в пространстве многочленов степени ≤ n (в соответствии с
определением 5).
П р и м е р 6 . V - линейное пространство всех квадратных матриц
порядка 2. Показать, что базисом является система
1 0 0 1 0 0 0 0
E1 =   , E2 =   , E3 =   , E4 =  .
0 0 0 0 1 0 0 1
Решение. Убедимся в том, что система E1 , E2 , E3 , E4 - линейно
независима. Составим линейную комбинацию и приравняем ее θ :
λ1E1 + λ 2 E2 + λ3 E3 + λ 4 E4 = θ ,
или
1 0 0 1 0 0  0 0  0 0
λ1   + λ2   + λ3   + λ4  = ,
0 0 0 0 1 0  0 0  0 0
откуда
 λ1 λ 2   0 0 
 = .
 λ3 λ 4   0 0 
Последнее равенство дает λ1 = λ 2 = λ3 = λ 4 = 0 , следовательно,
система векторов E1 , E2 , E3 , E4 линейно независима.
a a 
Пусть A =  11 12  - произвольный вектор из V .
 a21 a22 
Привлекая определение сложения матриц и произведения матрицы
на число, получим
a a 
A =  11 12  = a11E1 + a12 E2 + a21 E3 + a22 E4 ,
 a21 a22 
то есть любой вектор из V можно представить в виде линейной
комбинации E1 , E2 , E3 , E4 . В соответствии с определением 5 это вместе
с доказанной выше линейной независимостью E1 , E2 , E3 , E4 означает,
что E1 , E2 , E3 , E4 - базис.

У п р а ж н е н и е . Доказать, что в линейном пространстве R n


система векторов ε1 = (1, 0,..., 0) , ε 2 = (0,1,..., 0) , …, ε n = (0, 0,...,1)
является базисом.
Теорема 3. Пусть V - линейное пространство, e1 , e2 ,..., en -
базис в V , x ∈ V . Координаты x относительно базиса определены
однозначно.
Доказательство. Пусть x ∈ V , x = α1e1 + α 2e2 + ... + α n en и
x = β1e1 + β2e2 + ... + βn en .
Имеем
x + ( − x) = θ .
С другой стороны,
x + ( − x) = (α1e1 + α 2 e2 + ... + αn en ) +
следствие 8
из аксиом
+(−1) ⋅ (β1e1 + β2 e2 + ... + βn en ) =
акс. 6
= (α1e1 + α 2e2 + ... + α n en ) + ((−1) ⋅β1e1 + (−1) ⋅β2e2 + ... + (−1)β n en ) =
= (α1e1 + α 2e2 + ... + α n en ) + ((−β1e1 ) + (−β2 e2 ) + ... + (−β n en )) =
акс. 7
= (α1 − β1 )e1 + (α 2 − β2 )e2 + ... + (α n − βn )en = θ .
акс. 2,3,1
Откуда в силу линейной независимости векторов e1 , e2 ,..., en
следует α1 − β1 = 0, ..., α n − βn = 0 , то есть α1 = β1 , ..., α n = βn .
Допустив, что вектор x имеет два разложения по базису
e1 , e2 ,..., en , мы получили, что эти разложения совпадают, это и
означает, что координаты вектора x относительно базиса e1 , e2 ,..., en
определены однозначно.
Теорема доказана.
Теорема 4. Пусть V - линейное пространство, e1 , e2 ,..., en -
базис в V . При сложении любых двух векторов их соответствующие
координаты складываются, при умножении вектора на число каждая
координата умножается на это число.
Докажите самостоятельно.
Теорема 5. Пусть V - линейное пространство, e1 , e2 ,..., en -
базис в V . Всякая система s векторов x1 , x 2 ,..., x s при s > n линейно
зависима.
Доказательство. Достаточно доказать утверждение для s = n + 1
(если s > n + 1 , сошлемся на теорему 2).
Пусть x1 , x 2 ,..., x n +1 - произвольная система векторов в V .
С л у ч а й 1 . Среди x1 , x 2 ,..., x n +1 есть θ , следовательно, система
x1 , x 2 ,..., x n +1 - линейно зависима.
С л у ч а й 2 . ∀j , j = 1,..., n + 1, x j ≠ θ .
Так как система e1 , e2 ,..., en - базис, существуют такие αij
i = 1,..., n + 1, j = 1,..., n , что
x1 = α11e1 + α12e2 + ... + α1,n en ,
x 2 = α 21e1 + α 22e2 + ... + α 2,n en , (5.4)
……………………………………
x n +1 = α n +1,1e1 + α n +1,2e2 + ... + α n +1,n en .
Среди чисел α11 , α12 ,..., α1,n есть отличные от нуля (иначе x1 = θ ).
Не ограничивая общности рассуждений, можно считать, что α11 ≠ 0 (в
противном случае можно перенумеровать базисные векторы),
следовательно,
1 α α1,n
e1 = x1 − 12 e2 − ... − en . (5.5)
α11 α11 α11
Подставив (5.5) во все равенства (5.4), начиная со второго,
получим
x 2 = β21x1 + β22e2 + ... + β2,n en ,
…………………………………… (5.6)
x n +1 = βn +1,1x1 + βn +1,2e2 + ... + βn +1,n en .
Векторы x 2 ,.., x n +1 линейно выражаются через x1 , e2 ,..., en .
Если в первом равенстве в системе (5.6) β22 = β23 = ... = β2,n = 0 , то
x 2 = β21x1 и система векторов x1 , x 2 линейно зависима. Тогда, согласно
теореме 2, система векторов x1 , x 2 ,..., x n +1 также линейно зависима.
Если же среди β22 , β23 ,..., β2,n есть отличные от 0, то, не
ограничивая общности рассуждений, считаем, что β22 ≠ 0 .
Из первого равенства в (5.6) имеем
1 β β β2,n
e2 = x 2 − 21 x1 − 23 e3 − ... − en . (5.7)
β22 β22 β22 β22
Подставим (5.7) во все равенства (5.6), начиная со второго,
получим выражения x3 ,.., x n +1 через x1 , x 2 , e3 ,..., en .
Процедуру повторим n − 2 раза и придем к равенству
x n +1 = γ1x1 + γ 2 x 2 + ... + γ n x n .
Один из векторов системы x1 , x 2 ,..., x n +1 оказался линейной
комбинацией остальных, следовательно, x1 , x 2 ,..., x n +1 линейно
зависимы.
Теорема доказана.
Следствие. Все базисы линейного пространства V состоят из
одного и того же числа векторов.
Действительно, пусть e1 , e2 ,..., en (I) и e1′ , e′2 ,..., e′s (II) - два
базиса в V .
Допустим, s > n . Так как система (I) - базис, то в силу теоремы 5
это означает, что система (II) линейно зависима. Это противоречит
тому, что (II) - базис. Отсюда s ≤ n .
Допустим теперь, что n > s . Так как система (II) - базис, то в силу
теоремы 5 это означает, что система (I) линейно зависима. Это
противоречит тому, что (I) - базис. Следовательно, n ≤ s .
Вместе эти два заключения дают s = n .
Определение 6. Число векторов в любом базисе линейного
пространства V называется размерностью линейного пространства.
Для размерности линейного пространства V принято обозначение
dim V .
В рассмотренных примерах:
1) если V - линейное пространство всех геометрических
векторов пространства, dim V = 3 ;
2) если V - линейное пространство всех многочленов степени
≤ n , dim V = n + 1 ;
3) если V - линейное пространство всех квадратных матриц
порядка 2, dim V = 4 .
Лекция 6. Связь между базисами линейного
пространства. Линейные подпространства

Матрица перехода от базиса к базису. Связь координат


одного и того же вектора в двух базисах. Линейные
подпространства. Примеры

6.1. Связь между базисами линейного пространства


Пусть V - линейное пространство, e1 , e2 ,..., en (I) и e1′ , e′2 ,..., e′n (II) -
два базиса в V .
Так как (I) - базис, любой вектор из V , в частности любой вектор
системы (II), можно представить в виде линейной комбинации векторов
системы (I), то есть найдутся такие числа τij , i, j = 1,..., n , что
e1′ = τ11e1 + τ21e2 + ... + τn1en
e′2 = τ12 e1 + τ22 e2 + ... + τn 2en
………………………………. (6.1)
e′n = τ1,n e1 + τ2,n e2 + ... + τnn en
Определение 1. Матрица T = τij , i, j = 1,..., n называется
матрицей перехода от базиса (I) к базису (II).
З а м е ч а н и е 1 . Столбцы матрицы перехода T = τij , i, j = 1,..., n ,
являются координатами в разложении векторов e1′ , e′2 ,..., e′n по
базису (I).
Справедливость этого замечания непосредственно следует из
равенств (6.1).
З а м е ч а н и е 2 . Матрица перехода от базиса к базису является
невырожденной матрицей.
Доказательство этого факта опустим.
Справедливо следующее утверждение.
Теорема 1. Пусть V - линейное пространство, e1 , e2 ,..., en (I) и
e1′ , e′2 ,..., e′n (II) - два базиса в V , T - матрица перехода от (I) к (II),
x ∈ V , x = α1e1 + α 2e2 + ... + α n en и x = β1e1′ + β2e′2 + ... + βn e′n , тогда
 β1   α1 
   
 β2  = T −1  α 2  . (6.2)
 ...   ... 
   
 βn   αn 
Доказательство. Подставим в разложение x по базису (II)
выражения ei′ , i = 1, 2,..., n из (6.1), получим
n n  n 
x = β1e1′ + β2e′2 + ... + βn e′n = ∑ βi ei′ =
1
∑ ∑ βi 

τki ek  =
 вносим βi под знак
i =1 i =1  k =1  внутренней суммы
n  n   n n 
= ∑∑  βi τki ek 
 
=
меняем порядок  ∑∑
 βi τki ek 

=
выносим ek
i =1  k =1  суммирования k =1  i =1  за знак
внутренней суммы
n n 
= ∑∑
 βi τki  ek .
 
k =1  i =1 
Последнюю сумму запишем развернуто:
n  n   n   n   n 
∑∑   ∑   ∑
 βi τki  ek =  βi τ1i  e1 +  βi τ2i  e2 + ... +  βi τni  en =
   ∑

k =1  i =1   i =1   i =1   i =1 
= (β1τ11 + β2 τ12 + ... + βn τ1n )e1 + (β1τ21 + β2 τ22 + ... + βn τ2 n )e2 + ... +
+(β1τn1 + β2 τn 2 + ... + βn τnn )en .
По условию x = α1e1 + α 2e2 + ... + α n en , используя теорему о
единственности разложения вектора по базису (теорема 3 в лекции 5),
получим
α1 = β1τ11 + β2 τ12 + ... + βn τ1n ,
α 2 = β1τ21 + β2 τ22 + ... + βn τ2n ,
……………………………………
α n = β1τn1 + β2 τn 2 + ... + βn τnn ,
что в матричном виде выглядит как равенство
 α1   β1 
   
 α 2  = T  β2  .
 ...   ... 
 α   β 
 n  n
Отсюда следует
 β1   α1 
   
 β 2  = T −1  α 2  .
 ...   ... 
   
 βn   αn 
Теорема доказана.
П р и м е р 1 . V 2 - линейное пространство всех геометрических
векторов плоскости, e1 , e2 (I) - произвольный декартов базис, e1′ , e′2 (II) -
декартов базис, полученный поворотом векторов e1 и e2 на угол ϕ
против хода часовой стрелки. Найти матрицу перехода от (I) к (II) и
связь координат одного и того же вектора в (I) и (II).
Имеем e1′ = {cos ϕ,sin ϕ} , e′2 = {− sin ϕ, cos ϕ} ( рис. 6.1). Тогда
e2  cos ϕ − sin ϕ 
T = .
e2'  sin ϕ cos ϕ 
e1' T - матрица перехода от (I) к (II).
Найдем T −1 .
ϕ cos ϕ − sin ϕ
T = = cos 2 ϕ + sin 2 ϕ = 1 и
e1 sin ϕ cos ϕ
Рис. 6.1.  cos ϕ sin ϕ 
T −1 =  .
 − sin ϕ cos ϕ 
Формула (6.2) в этом случае имеет вид
 β1   cos ϕ sin ϕ   α1 
 =   ,
 β2   − sin ϕ cos ϕ   α 2 
где α1 , α 2 - координаты произвольного вектора x ∈ V в базисе (I), а
β1 , β2 координаты этого же вектора в базисе (II).
П р и м е р 2 . V - произвольное линейное пространство, dim V = 2 .
Векторы e1′ = (1,1) , e′2 = (1, 2) и x = (6,9) заданы своими координатами в
некотором базисе e1 , e2 . Доказать, что система e1′ , e′2 - базис в V , и
найти координаты вектора x в базисе e1′ , e′2 .
Сначала докажем, что система e1′ , e′2 - базис. Рассмотрим
линейную комбинацию векторов e1′ и e′2 , равную нулевому вектору θ :
λ1e1′ + λ 2e′2 = θ .
Покоординатно последнее равенство запишется в виде системы
двух уравнений:
 λ1 + λ 2 = 0,
 (6.3)
λ1 + 2λ 2 = 0.
1 1
Определитель системы (6.3) ∆ = = 2 − 1 = 1 ≠ 0 , следовательно,
1 2
система (6.3) имеет единственное решение λ1 = λ 2 = 0 .
Итак, допустив, что линейная комбинация векторов e1′ и e′2 , равна
θ , мы с необходимостью получили, что коэффициенты этой линейной
комбинации равны нулю. Это означает, что система векторов e1′ , e′2
линейно независима, а так как dim V = 2 , векторы e1′ , e′2 являются
базисом в V . Обозначим этот базис (II).
Найдем матрицу перехода от (I) к (II).
1 1 
В силу определения 1 T =   (координаты векторов e1′ и e′2 в
1 2 
(I) располагаем по столбцам).
Обозначим (β1 , β2 ) координаты вектора x в (II).
Воспользуемся теоремой 1. Найдем T −1 .
1 1  2 −1 
T = = 2 − 1 = 1 , T −1 =  
1 2  −1 1 
и по формуле (6.2) получим
 β1   2 −1  6   12 − 9   3 
 =   =  = .
 β 2   − 1 1   9   −6 + 9   3 
Итак, x = 3e1′ + 3e′2 .
Уп р а ж н е н и я .
1. V = { P2 ( x)} - линейное пространство многочленов степени
≤ 2 . Доказать, что система многочленов x 2 + 1, − x 2 + 2 x, x 2 − x
образует базис в V . Найти матрицу перехода от базиса 1, x, x 2 к
этому базису и координаты многочлена −2 x 2 + x − 1 в нем.
2. В произвольном линейном пространстве векторы e1′ , e′2 , e3′ и x
заданы своими координатами в некотором базисе e1 , e 2 , e3 : e1′ = (1,1,1) ,
e′2 = (1,1, 2) , e3′ = (1, 2,3) , x = (9, 6,14) .
Доказать, что система векторов e1′ , e′2 , e3′ - базис в V , и найти
координаты x в этом базисе.
3. В произвольном линейном пространстве V векторы e1 , e 2 , e3 (I)
и e1′ , e′2 , e3′ (II) заданы своими координатами в некотором базисе:
e1 = (1, 2,1) , e2 = (2,3,3) , e3 = (3, 7,1) , e1′ = (3,1,1) , e′2 = (5, 2,1) ,
e3′ = (1,1, −6) . Доказать, что системы (I) и (II) являются базисами в V и
найти матрицу перехода от (I) к (II).

6.2. Линейные подпространства


Определение 2. Пусть V - линейное пространство. Непустое
подмножество L линейного пространства V ( L ⊆ V , L ≠ ∅ )
называется линейным подпространством в V , если выполняются два
условия:
1) ∀x ∈ L ∀y ∈ L (x + y ) ∈ L ;
2) ∀x ∈ L при любом вещественном числе λ (λx) ∈ L .
П р и м е р 1 . Пусть V = R n - линейное пространство всех
арифметических n -мерных векторов ( x1 ,...,xn ) ; L - совокупность
всех векторов, у которых первая и последняя компоненты равны нулю,
то есть векторов вида ( 0,x2 ,...,xn −1 , 0 ) . L - подпространство в R n .
Действительно, пусть x∈L и y∈L , следовательно, по
определению L x = ( 0, x2 ,...,xn−1 , 0 ) и y = ( 0, y2 ,..., yn −1 , 0 ) . По
правилу сложения векторов в R n x + y = ( 0, x2 + y2 ,..., xn−1 + yn−1 ,0 ) ∈ L
и, таким образом, сумма любых двух векторов из L принадлежит L .
Пусть x ∈ L и λ - произвольное вещественное число. Но x ∈ R n
(так как L ⊆ R n ), следовательно, по правилу умножения вектора на
число в R n λx = ( λ ⋅ 0, λx2 ,...,λxn−1 , 0 ) = ( 0, λx2 , λx3 ,..., 0 ) ∈ L и вместе с
любым вектором произведение его на λ тоже принадлежит L . В
соответствии с определением 2 это означает, что L - линейное
подпространство в R n .
З а м е ч а н и е . Если L - линейное подпространство в V , то L
само является линейным пространством относительно введенных в V
операций сложения и умножения на число.
Действительно, требования 1) и 2) в определении 2 означают, что в
L определены операции сложения векторов и умножения вектора на
число.
Аксиомы 1 и 2 выполняются в L , так как они имеют место в V .
Убедимся в справедливости аксиомы 3.
Пусть x ∈ L , λ = 0 , следовательно, согласно условию 2) 0 ⋅ x ∈ L ,
но, по следствию 5 из аксиом в V , 0 ⋅ x = θ , таким образом, θ ∈ L и в
L справедлива аксиома 3.
Пусть x ∈ L , λ = −1 . Следовательно, согласно условию 2)
(−1) ⋅ x ∈ L , но, по следствию 8 из аксиом в V (−1) ⋅ x = − x , таким
образом, (− x) ∈ L и в L справедлива аксиома 4.
Аналогично проверяется справедливость аксиом 5 - 8,
следовательно, L - линейное пространство.
Пусть V - произвольное линейное пространство, a1 , a 2 ,..., a k -
некоторая система векторов в V . Рассмотрим совокупность всех
векторов вида λ1a1 + λ 2 a 2 + ... + λ k a k , где λ1 , λ 2 ,..., λ k принимают
всевозможные вещественные значения. Обозначим множество этих
векторов L = {λ1a1 + λ 2 a 2 + ... + λ k a k } . L называется линейной
оболочкой векторов a1 , a 2 ,..., a k . L является подпространством в V .
Действительно, L ⊆ V , L ≠ ∅ (так как, например, сами векторы ai ,
i = 1,..., k , принадлежат L ).
Пусть a ∈ L , b ∈ L , следовательно, по определению L
∃ λ1 , λ 2 ,..., λ k , µ1 , µ 2 ,..., µ k такие, что a = λ1a1 + λ 2a 2 + ... + λ k a k ,
b = µ1a1 + µ 2a 2 + ... + µ k a k .
Имеем a + b = (λ1 + µ1 )a1 + (λ 2 + µ 2 )a 2 + ... + (λ k + µ k )a k и
(a + b) ∈ L .
Пусть a ∈ L , δ - произвольное вещественное число.
Имеем
δa = δ(λ1a1 + λ2a2 + ... + λk ak ) = ( δλ1 ) a1 + ... + ( δλk ) ak и (δa) ∈ L .
Таким образом, выполняются условия 1) и 2) определения 2 и L
является линейным подпространством в V .
Говорят, что L порождено системой векторов a1 , a 2 ,..., a k или L
"натянуто" на систему a1 , a 2 ,..., a k .
Заметим, что само линейное пространство V может
рассматриваться как линейная оболочка любого своего базиса.
П р и м е р 2 . V = R 4 Найти размерность и базис линейной
оболочки векторов x1 = (0, −1, 2, 0) , x 2 = (1, 0, 2, −1) , x3 = (1, −2, 6, −1) .
Найдем ранг матрицы, строками которой являются данные векторы
x1 , x 2 , x3 :
 1 0 2 −1   1 0 2 −1   1 0 2 − 1 
     
A =  0 −1 2 0  ~  0 −1 2 0  ~  0 −1 2 0  .
 1 −2 6 − 1   0 −2 4 0   0 0 0 0 
  
1 0
Минор второго порядка ≠ 0 ⇒ rang A = 2 , следовательно,
0 −1
первые две строки матрицы линейно независимы. Значит, векторы x1 и
x 2 составляют линейно независимую систему векторов в R 4 , а
следовательно, и в линейной оболочке {x1 , x 2 , x3 } , и вектор x3 через
них линейно выражается. Тогда любой вектор y ∈ L тоже линейно
выражается через x1 и x 2 . Векторы x1 и x 2 являются базисом в
L = {x1 , x 2 , x3 } , dim L = 2 .
Упражнение. V - линейное пространство арифметических
4
векторов R . Найти размерность и все базисы линейной оболочки
векторов x1 = (1, 0, 0, −1) , x 2 = (2,1,1, 0) , x3 = (1,1,1,1) , x 4 = (0,1, 2,3) .
Лекция 7. Линейные операторы

Линейный оператор - определение и примеры. Матрица


линейного оператора. Собственные числа и собственные
векторы. Линейные операторы с простым спектром

7.1. Понятие линейного оператора


Определение 1. Пусть V - линейное пространство и каждому
вектору x , принадлежащему V , поставлен в соответствие вектор y ,
y∈V . Соответствие A:x → y называется оператором,
определенным в линейном пространстве V .
Принята также запись: y = A (x) . Вектор x называется
прообразом, а y - образом при отображении оператором A .
Определение 2. Оператор A , определенный в линейном
пространстве V , называется линейным, если:
1) ∀x ∈ V ∀y ∈ V A(x + y) = A(x) + A(y) ;
2) ∀x ∈ V ∀λ - вещественного числа A(λx) = λA(x) .
Пример 1. V- линейное
y
пространство всех геометрических векторов
плоскости, A - зеркальное отражение
относительно оси Ox (рис. 7.1). A - x
линейный оператор.
Убедимся, что выполняется требование
2) в определении 2. x
Пусть λ - произвольное вещественное
число, по определению умножения на λ для A(x)
uuur
геометрического вектора x , вектор OB = λx
имеет то же направление, что и x , если Рис. 7.1.
λ > 0 , и противоположное, если λ < 0 ,
uuur
и OB = λ ⋅ x .
Рис. 7.2 соответствует случаю λ>0, λ >1 (λ < 0
рассматривается аналогично).
uuur uuur uuur
Пусть OK = x , OB = λx , OP - зеркальное отражение вектора
uuur uuur uuur
OK относительно оси Ox , OD - зеркальное отражение вектора OB .
OB OD uuur uuur
Тогда ∆OKP ~ ∆OBD и, значит, = . Но OB = λ ⋅ OK ,
OK OP
uuur uuur uuur
поэтому OD = λ ⋅ OP . Кроме того, направление вектора OP
uuur uuur uuur
совпадает с направлением вектора OD , следовательно, OD = λ ⋅ OP .
y Таким образом, имеем
B uuur
OP = A( x) 
K uuur 
OD = A(λx)  ⇒ A(λx) = λA(x) .
uuur uuur 
OD = λ ⋅ OP 
O C x Также, исходя из геометрических
соображений, можно доказать, что
P A(x + y) = A(x) + A(y) , следовательно,
D
оператор A зеркального отражения
Рис. 7.2. относительно оси Ox является линейным
оператором.
Упражнения.
1. V = { Pn ( x)} - линейное пространство всех многочленов степени
≤ n , A - оператор дифференцирования, A : Pn ( x) → Pn′ ( x) . Доказать,
что A - линейный оператор.
2. V = C[a,b] - линейное пространство всех непрерывных на отрезке
[ a, b ] функций. Для любой f ( x) ∈ V оператор A определен
следующим равенством:
x
A( f ( x)) = ∫ f (t )dt , x ∈ [ a, b] .
a
Доказать, что A - линейный оператор.
Определение 3. Пусть V - линейное пространство, e1 , e2 ,..., en -
базис в V , A - линейный оператор в V . Матрицей линейного
оператора A в базисе e1 , e2 ,..., en называется матрица Q = aij ,
i, j = 1,.., n , такая, что
A(e1 ) = a11e1 + a21e2 + ... + an1en ,
A(e2 ) = a12 e1 + a22e2 + ... + an 2en ,
…………………………………….. (7.1)
A(en ) = a1n e1 + a2n e2 + ... + ann en .
З а м е ч а н и е 1 . Столбцы матрицы Q являются координатами в
разложении векторов A(e1 ), A(e 2 ),..., A(e n ) по базису e1 , e2 ,..., en .
П р и м е р 2 . Найти матрицу линейного y
оператора зеркального отражения
относительно оси Ox в базисе i, j . j
Решение. По определению оператора
A A(i ) = i, A( j) = − j (рис. 7.3). i=A(i)
Используя разложение векторов A (i ) и
O x
A ( j) по базису i, j , находим: A(i ) = i = {1, 0} ,
A( j) = − j = {0, −1} . Полученные строки -j=A(j)
координат располагаем по столбцам:
 1 0 Рис. 7.3.
Q= .
 0 −1 
У п р а ж н е н и е . V 3 - линейное пространство всех геометрических
векторов, i, j, k - декартов базис, Oxyz - декартова система координат,
A - оператор проектирования на ось Ox . Доказать, что A - линейный
оператор, и найти его матрицу в базисе i, j,k .
З а м е ч а н и е 2 . Пусть V - линейное пространство, A - линейный
оператор в V , e1 , e2 ,..., en (I) - базис в V . Матрица оператора в базисе
(I) определена однозначно.
Для того, чтобы в этом убедиться, разложим векторы
A(e1 ), A(e 2 ),..., A(e n ) по базису (I). Столбцы матрицы Q представляют
собой координаты этих векторов, которые согласно теореме 3 лекции 5
определяются единственным образом, следовательно, матрица Q
оператора A в (I) определена однозначно.
Теорема 1. Пусть V - линейное пространство, e1 , e2 ,..., en (I) -
базис в V , A - линейный оператор в V , Q = aij , i, j , = 1,..., n -
матрица линейного оператора A в базисе (I), x∈V ,
x = x1e1 + ... + xn en , y = A(x) , y = y1e1 + ... + yn en . Тогда
 y1   x1 
   
 ...  = Q  ...  .
y  x 
 n  n
Доказательство. Имеем
y = A(x) = A( x1e1 + ... + xn e n ) = x1A(e1 ) + ... + xn A(e n ) =
А − линейный
n n  n  n  n 
= ∑ xi A(ei ) =
(7.1)
∑ ∑ xi 

aki ek 

=
вносим xi под
∑∑

xi aki ek  =

i =1 i =1  k =1  знак внутренней суммы i =1  k =1 
 n
n  n  n 
=
меняем порядок
∑∑

xi aki e k  =
 выносим ел за ∑∑ 

xi aki  ek .

суммирования k =1  i =1  знак внутренней. суммы k =1  i =1 
n
По условию y = y1e1 + ... + yn en = ∑ yk e k .
k =1
Используя теорему о единственности разложения вектора по
базису (теорема 3 из лекции 5), получим
n
∀k , k = 1...n, yk = ∑ xi aki =x1ak1 + x2 ak 2 + ... + xn akn . (7.2)
i =1
Заметим, что в последнем равенстве числа ak1 , ak 2 ,..., akn -
элементы k-й строки матрицы Q .
Учитывая правило умножения матриц, равенство (7.2) запишем в
виде
 y1   x1 
   
 ...  = Q  ...  .
y  x 
 n  n
Теорема доказана.
П р и м е р 3 . Для линейного оператора зеркального отражения
относительно оси Ox найти, как преобразуются координаты
произвольного вектора.
Решение. Матрица оператора была y x={x1, x2}
найдена в примере 2:
x2
 1 0
Q= .
 0 −1 
x 
В силу теоремы 1, если x =  1  - O x1 x
 x2 
y 
прообраз, а y = A(x) - образ, y =  1  ,
 y2 
1
A(x) ={x ,− x }
 y   1 0   x1   x1  2
то  1  =     =  , то есть Рис. 7.4.
 y2   0 −1  x2   − x2 
первая координата образа остается без изменения, а вторая меняет лишь
знак (рис. 7.4).
Пример 4. V = { P2 ( x)} - линейное пространство всех
многочленов степени ≤ 2 , A - линейный оператор дифференцирования.
Найти его матрицу в базисе 1, x, x 2 и, используя теорему 1,
2
продифференцировать многочлен P2 = −3 x + 4x − 7 .
Решение. Находим образы векторов базиса A(ei ) и разлагаем
полученные векторы по базису 1, x, x 2 :

A(e1 ) = A(1) = (1) = 0 = (0, 0, 0) ,

A(e2 ) = A( x) = ( x ) = 1 = (1, 0, 0) ,

( ) = 2x = (0, 2, 0) .
A(e3 ) = A( x 2 ) = x 2

Матрица оператора A в базисе 1, x, x 2 имеет вид


0 1 0
 
Q = 0 0 2 ,
0 0 0 

 −7   β1 
2    
а вектор P2 = −3 x + 4 x − 7 =  4  . Обозначим A( P2 ) =  β2  . По
 −3   
   β3 
теореме 1 имеем
 β1   0 1 0  −7   4 
      
 β2  =  0 0 2  4  =  −6  ,
 β   0 0 0  −3   0 
 3     
или в виде разложения по базису 1, x, x 2 : A( P2 ) = 4 − 6 x .
У п р а ж н е н и е . V 2 - линейное пространство всех геометрических
векторов плоскости, i , j - декартов базис, Oxy - декартова система
координат, A - оператор поворота плоскости вокруг начала координат
π
на угол ϕ = против часовой стрелки. Доказать, что A - линейный
3
оператор, найти матрицу Q оператора A в базисе i , j и координаты
образа вектора x = {1, 2} .

7.2. Собственные векторы и собственные значения


линейного оператора
Определение 4. Квадратные матрицы B и C называются
подобными, если существует невырожденная матрица Q , такая, что
C = Q −1BQ .
Теорема 2. Пусть V - линейное пространство, e1 , e2 ,..., en (I) и
e1′ , e′2 ,..., e′n (II) - два базиса в V , T - матрица перехода от (I) к (II), A
- линейный оператор в V , B - матрица оператора A в (I), C -
матрица оператора A в (II). Тогда
C = T −1 BT .
Это утверждение примем без доказательства.
Пусть A = aij , i, j , = 1...n . Матрица A − λE , где E - единичная
матрица порядка n , а λ - произвольное вещественное число,
называется характеристической матрицей для A . Она имеет вид
 a11 − λ a12 ... a1n 
 
a a22 − λ ... a2n 
A − λE =  21 .
 .... ... ... ... 
 
 an1 an 2 ... ann − λ 
Определитель A − λE - некоторый многочлен порядка n
относительно λ .
Определение 5. Многочлен A − λE называется
характеристическим многочленом матрицы A , а его корни -
характеристическими корнями матрицы A .
Теорема 3. Подобные матрицы имеют одинаковый набор
характеристических корней.
Доказательство. Пусть C = Q −1BQ , Q - невырожденная матрица.
Имеем
C − λE = Q −1BQ − λE = Q −1BQ − Q −1 (λE )Q =

= Q −1 ( B − λE )Q = Q −1 ⋅ B − λ E ⋅ Q = B − λ E .
свойства теорема об
умножения определителе
матриц произведения
матриц
Характеристические многочлены матриц В и С совпадают,
следовательно, совпадают и характеристические корни.
Теорема доказана.
Следствие. Матрицы, задающие линейный оператор в различных
базисах, имеют один набор характеристических корней. (Теорема 2 +
теорема 3.)
Определение 6. Характеристические корни матрицы линейного
оператора (в любом базисе) называются характеристическими
корнями линейного оператора.
Определение 7. Весь набор характеристических корней
называется спектром оператора.
Определение 8. Пусть V - линейное пространство, A -
линейный оператор в V . Вектор x ≠ θ называется собственным
вектором оператора A , если найдется действительное число λ ,
такое, что
A ( x) = λx .
Число λ называется собственным значением, соответствующим
данному собственному вектору x .
Справедливо следующее утверждение, которое приведем без
доказательства.
Теорема 4. Действительные характеристические корни линейного
оператора, если они существуют, и только они, служат
собственными значениями линейного оператора.
П р и м е р 5 . Найти собственные векторы и собственные значения
линейного оператора зеркального отражения относительно оси Ox .
 1 0
Матрица оператора была найдена в примере 2: Q =  .
 0 −1 
Составляем характеристическое уравнение:
1− λ 0
Q − λE = =0,
0 −1 − λ
откуда (1 − λ )(−1 − λ ) = 0 и λ1 = 1 , λ 2 = −1 .
Числа λ1 = 1 , λ 2 = −1 - характеристические корни линейного
оператора (в соответствии с определением 6), они действительны и,
согласно теореме 4, являются собственными значениями. Найдем
соответствующие им собственные векторы.
По определению собственного вектора x A(x) = λx , но
A(x) = Qx , следовательно, ищем векторы, удовлетворяющие уравнению
Qx = λx , или Qx = λEx , или
(Q − λE )x = θ . (7.3)
0 0 
При λ1 = 1 имеем Q − λ1E =   . Подставим ее в (7.3):
 0 −2 
 0 0   x1   0 
   =   ,
 0 −2   x2   0 
что равносильно системе уравнений
0 ⋅ x1 + 0 ⋅ x2 = 0,
 (7.4)
0 ⋅ x1 − 2 ⋅ x2 = 0,
откуда x2 = 0 , и решением системы (7.4) являются все векторы вида
c 
X (1) =  1  ,
0
c1 - произвольное вещественное число, отличное от нуля.
 2 0
При λ 2 = −1 получаем Q − λ 2 E =   , подставляем в (7.3):
 0 0
 2 0   x1   0 
   =   ,
 0 0   x2   0 
получаем систему уравнений
2 ⋅ x1 + 0 ⋅ x2 = 0,

0 ⋅ x1 + 0 ⋅ x2 = 0,
0
откуда X (2) =   , с2 - произвольное вещественное число, отличное
 с2 
от нуля.
Геометрически это означает, что любой ненулевой вектор,
приложенный к началу координат с концом на оси Ox , является
собственным, отвечающим
собственному значению y
λ1 = 1 (действие на него
оператора A сводится к A(y)
умножению его на λ1 = 1 , а
любой ненулевой вектор с
x =A(x) - собств., λ = 1
концом на оси Oy является
собственным, отвечающим O x
собственному значению
λ 2 = −1 (то есть действие y - собств., λ = –1
оператора A на этот
вектор заключается в Рис 7.5.
умножении его на λ 2 = −1
(рис. 7.5)).
У п р а ж н е н и е . V - линейное пространство всех геометрических
векторов, A - линейный оператор проектирования на ось Ox . Найти
все его собственные числа и собственные векторы.
7.3. Приведение матрицы линейного оператора к
диагональному виду путем перехода к новому базису
Линейный оператор A задается в базисе e1 , e2 ,..., en (I)
диагональной матрицей тогда и только тогда, когда все векторы базиса
(I) - собственные.
Действительно, пусть e1 , e2 ,..., en (I) - собственные векторы,
отвечающие собственным значениям λ1 , λ 2 ,..., λ n соответственно, то
есть
A(e1 ) = λ1e1 ,
A(e 2 ) = λ 2e 2 ,
………………. (7.5)
A(e n ) = λ n en .
Из равенств (7.5) следует справедливость разложений по базису (I):
A(e1 ) = λ1 ⋅ e1 + 0 ⋅ e2 + ... + 0 ⋅ en ,
A(e 2 ) = 0 ⋅ e1 + λ 2 ⋅ e2 + ... + 0 ⋅ en ,
…………………………………….
A(e n ) = 0 ⋅ e1 + 0 ⋅ e2 + ... + λ n ⋅ e n ,
и по определению матрицы оператора (определение 3) имеем
 λ1 0 ... 0 
 
0 λ 2 ... 0 
Q= , (7.6)
 0 0 ... 0 
 
 0 0 0 λn 
то есть матрица Q оператора A в (I) - диагональная (по диагонали
стоят собственные значения).
Обратно. Пусть Q - матрица оператора A в базисе (I) имеет
диагональный вид (7.6), следовательно, A(e1 ) = λ1e1 ,…, A(e n ) = λ n en и,
таким образом, векторы ei , i = 1,..., n - собственные с собственными
значениями λi , i = 1,..., n .
Вопрос о том, можно ли линейный оператор задать в некотором
базисе диагональной матрицей, равносилен вопросу о том, существует
ли для данного оператора базис, состоящий из собственных векторов.
Теорема 5. Пусть V - линейное пространство, A - линейный
оператор в V , b1 , b 2 ,..., b k - собственные векторы оператора A ,
отвечающие собственным значениям λ1 , λ 2 , ..., λ k . Если
∀i ∀j , i ≠ j ⇒ λi ≠ λ j , то b1 , b 2 ,..., b k - линейно независимы.
Доказательство. Доказательство проведем индукцией по числу
векторов k .
При k = 1 имеем один вектор b1 ≠ θ (по определению
собственный вектор отличен от нулевого), вектор b1 составляет
линейно независимую систему.
Пусть утверждение теоремы справедливо для k − 1 : всякая система
k − 1 собственных векторов, отвечающих различным собственным
значениям, является линейно независимой.
Пусть имеется система k собственных векторов b1 , b 2 ,..., b k ,
относящихся к различным собственным значениям λ1 , λ 2 ,..., λ k
( ∀i ∀j , i ≠ j ⇒ λi ≠ λ j ).
Предположим, система b1 , b 2 ,..., b k - линейно зависима, то есть
найдутся числа α1 , α 2 ,..., α k , не все равные нулю, такие, что
выполняется равенство
α1b1 + α 2b 2 + ... + α k b k = θ . (7.7)
Не ограничивая общности рассуждений, можем считать, что
α1 ≠ 0 (иначе перенумеруем векторы).
Применим к обеим частям равенства (7.7) оператор A :
A(α1b1 + α 2 b 2 + ... + α k b k ) = α1A(b1 ) + ... + α k A(b k ) =
A - линейный
= α1λ1b1 + ... + α k λ k b k = A(θ) = θ .
bi - cобственные,
i =1,...,n
Из последнего равенства получаем
α1λ1b1 + ... + α k λ k b k = θ . (7.8)
Обе части равенства (7.7), умноженные на λ k , вычтем почленно из
обеих частей (7.8), получим
α1 (λ1 − λ k )b1 + ... + α k (λ k −1 − λ k )b k −1 = θ . (7.9)
Равенство (7.9) означает, что векторы b1 , b 2 ,..., b k −1 - линейно
зависимы (их линейная комбинация с коэффициентами, не равными
одновременно нулю, например, коэффициент при b1 отличен от нуля,
равна θ ), но это противоречит предположению индукции: векторы
b1 , b 2 , ..., b k −1 - собственные, относящиеся к различным собственным
значениям. Следовательно, b1 , b 2 ,..., b k - линейно независимы, и
утверждение теоремы справедливо при любом k . Теорема доказана.
Определение 9. Линейный оператор A называется линейным
оператором с простым спектром, если все его характеристические
корни действительны и различны.
Теорема 6. Всякий линейный оператор с простым спектром
может быть задан диагональной матрицей.
Доказательство. Пусть V - линейное пространство, dim V = n ,
A - линейный оператор в V , A имеет простой спектр. Тогда
характеристических корней n . Пусть это числа λ1 , λ 2 ,..., λ n , в силу
теоремы 4 λ1 , λ 2 ,..., λ n - собственные значения оператора A .
Пусть e1 , e2 ,..., en - соответствующие этим собственным значениям
собственные векторы, тогда согласно теореме 5 e1 , e2 ,..., en - линейно
независимы, и так как dim V = n , e1 , e2 ,..., en - базис. В этом базисе, как
было отмечено выше, матрица оператора имеет вид
 λ1 0 ... 0 
 
0 λ 2 ... 0 
Q=
 ... ... ... ... 
 
 0 0 ... λ n 
и является диагональной матрицей.
Теорема доказана.
П р и м е р 6 . Линейный оператор A задан своей матрицей
1 4
B=  в некотором базисе. Выяснить, существует ли для данного
 2 3
оператора базис, в котором его матрица имеет диагональный вид. В
случае положительного ответа найти этот базис и соответствующую
ему матрицу Q .
Решение. Составляем и решаем характеристическое уравнение:
1− λ 4
B − λE = = 3 − 4λ + λ 2 − 8 = λ 2 − 4λ − 5 ,
2 3−λ
λ 2 − 4λ − 5 = 0 ,
откуда λ1 = 5 , λ 2 = −1 - характеристические корни оператора A . Они
вещественны и различны, следовательно, согласно теореме 6 для
оператора A существует базис, состоящий из собственных векторов, и
в этом базисе матрица оператора имеет вид
5 0
Q= .
 0 −1 
Находим собственные векторы.
При λ1 = 5 имеем
 −4 4   x1   0 
   =   ,
 2 −2   x2   0 
c 
или 2 x1 − 2 x2 = 0 ⇒ x1 = x2 ⇒ X (1) =  1  . Все ненулевые векторы вида
 c1 
 c1 
  являются собственными с собственным значением λ1 = 5 .
 c1 
При λ 2 = −1 имеем
 2 4   x1   0 
   =   ,
 2 4   x2   0 
 −2c2 
или 2 x1 + 4 x2 = 0 ⇒ x1 = −2 x2 ⇒ X (2) =   . Все ненулевые векторы
 c2 
 −2c2 
вида   - собственные с собственным значением λ 2 = −1 .
 c2 
1  −2 
Полагаем c1 = c2 = 1 , имеем e1 =   , e2 =   .
1  1
В базисе e1 , e2 матрица A оператора имеет вид Q .
Лекция 8. Евклидовы пространства

Определение евклидова пространства.


Ортогональные и ортонормированные базисы.
Процесс ортогонализации Шмидта.

8.1. Понятие евклидова пространства


Определение 1. Евклидовым пространством En называется n-
мерное линейное пространство, в котором каждой паре векторов x, y
поставлено в соответствие вещественное число, называемое
скалярным произведением векторов x и y (это число обозначим
(x, y ) ), причем выполняются следующие аксиомы:
I) ∀x ∈ En ∀y ∈ En (x, y ) = (y , x) ;
II) ∀x ∈ En ∀y ∈ En ∀z ∈ En (x + y , z ) = (x, z ) + (y, z ) ;
III) ∀x ∈ En ∀y ∈ En ∀λ ∈ R (λx, y ) = λ(x, y ) ;
IV) ∀x ∈ En x ≠ θ ⇒ (x, x) > 0 .
З а м е ч а н и е . Аксиомы II и III справедливы также в форме II’:
(x, y + z ) = (x, y ) + (x, z ) и III’: (x, λy ) = λ(x, y )
П р и м е р 1 . Пусть V 3 - линейное пространство геометрических
векторов, скалярное произведение определено равенством
 ∧ 
(x, y ) = x ⋅ y ⋅ cos  x, y  . (8.1)
 
Аксиомы I - IV выполняются (см. алгебраические свойства
скалярного произведения, доказанные в векторной алгебре),
следовательно, со скалярным произведением, определенным равенством
(8.1), V 3 является евклидовым пространством.
П р и м е р 2 . В линейном пространстве арифметических векторов
R n формула
(x, y ) = x1 y1 + x2 y2 + ... + xn yn , (8.2)
где x = ( x1 ,x2 ,...,xn ) , y = ( y1 , y2 ,..., yn ) , задает скалярное произведение.
Докажем это. Проверим выполнение аксиом I - IV. Поскольку
компоненты xi , yi i = 1,..., n - вещественные числа, имеем
(x, y ) = x1 y1 + ... + xn yn = y1 x1 + ... + yn xn = (y, x),
следовательно, аксиома I выполняется.
Пусть z = ( z1 , z2 ,..., zn ) ∈ R n . По определению сложения в R n
x + y = ( x1 + y1 , ..., xn + yn ) . Имеем
(x + y , z ) = ( x1 + y1 ) z1 + ... + ( xn + yn ) zn =
(8.2)
= ( x1 z1 + y1 z1 ) + ... + ( xn zn + yn zn ) =
= ( x1 z1 + ... + xn zn ) + ... + ( y1 z1 + ... + yn zn ) = (x, z) + (y, z) ,
аксиома II справедлива.
Пусть λ - произвольное вещественное число. По определению
умножения вектора на число в R n
λx = (λx1 ,λx2 ,...,λxn ) .
Далее имеем
(λx, y ) = (λx1 ) y1 + ... + (λxn ) yn = λ ( x1 y1 + ...xn yn ) = λ (x, y ) ,
(8.2)
аксиома III выполняется.
Проверим выполнение аксиомы IV: (x, x) = x12 + ... + xn2 .
(8.2)
Если x ≠ θ , то среди компонент вектора x найдется xi ≠ 0 ,
1 ≤ i ≤ n , тогда x12 + ... + xn2 > 0 и (x, x) > 0 , следовательно, аксиома IV
выполняется.
Таким образом, линейное пространство арифметических векторов
R n со скалярным произведением (8.2) является евклидовым
пространством.
В любом евклидовом пространстве En справедливы следствия из
аксиом I - IV:
а) ∀x ∈ E n (x, θ) = 0 ;
б) если x = α1a1 + ... + α k a k , y = β1b1 + ... + βl bl , то
k l
(x, y ) = ∑∑ αiβ j (ai ,b j ).
i =1 j =1
Доказательство следствий проведите самостоятельно.
Определение 2. Нормой вектора x ∈ En называется число, равное
(x, x) .
Обозначим норму: x . Норма x - аналог длины вектора,
определенной для геометрических векторов.
Угол между векторами x и y в евклидовом пространстве
определяется равенством
 ∧  (x, y)
cos  x, y  = . (8.3)
  x ⋅ y
 ∧ 
Покажем, что угол  x, y  действительно можно определить
 
равенством (8.3), то есть покажем, что
( x, y )
≤1.
x ⋅ y
Теорема 1 (неравенство Коши - Буняковского). Для любого
x ∈ En и любого y ∈ En справедливо неравенство
2 2
(x, y)2 ≤ x ⋅ y . (8.4)
Доказательство. Пусть α - произвольное вещественное число.
Положим a = x − αy . Тогда по аксиоме IV имеем
(a,a) = (x − αy, x − αy) ≥ 0 .
Воспользуемся аксиомами I - III:
f (α ) = (x − αy, x − αy) = (x, x) − 2α (x, y ) + α 2 (y, y ) ≥ 0 .
Так как ∀α f (α) ≥ 0 , то дискриминант D квадратного трехчлена
f (α ) неположителен:
D = 4(x, y)2 − 4(x, x)(y, y ) ≤ 0 .
2 2
Отсюда (x, y)2 ≤ (x, x)(y, y ) или (x, y)2 ≤ x ⋅ y , и неравенство
(8.4) выполняется.
Теорема доказана.
Упражнения.
1. Пусть x = ( x1 , x2 ) и y = ( y1 , y2 ) - произвольные векторы
пространства арифметических векторов R 2 . Показать, что скалярное
произведение в R 2 можно определить следующими способами:
а) (x, y ) = 2 x1 y1 + 5 x2 y2 ; б) (x, y ) = x1 y1 + 3 x2 y2 .
Вычислить скалярное произведение векторов x = (1, −2) и y = (5,1)
каждым из указанных способов.
2. Доказать, что в пространстве C[ a,b] соотношение
b
( f , g) = ∫ f ( x) g ( x)dx
a
задает скалярное произведение. Написать неравенство Коши -
Буняковского для этого пространства.

8.2. Ортогональные и ортонормированные базисы в En


Определение 3. Пусть En - евклидово пространство, x ∈ En ,
y ∈ En . Векторы x и y называются ортогональными, если
(x, y ) = 0 .
Определение 4. Система векторов a1 , a 2 ,..., a k называется
ортогональной системой векторов в евклидовом пространстве En ,
если (ai ,a j ) = 0 при i ≠ j , i, j = 1,.., k .
Справедливо следующее утверждение.
Теорема 2. В евклидовом пространстве En всякая система
ненулевых попарно ортогональных векторов линейно независима.
Доказательство. Пусть a1 , a 2 ,..., a k - произвольная ортогональная
система векторов в En ; ∀i = 1,.., k ai ≠ θ .
Пусть
α1a1 + ... + α k a k = θ . (8.5)
Умножим обе части (8.5) скалярно на a1 :
α1 (a1 , a1 ) + α 2 (a 2 ,a1 ) + ... + α k (a k , a1 ) = (θ, a1 ) . (8.6)
Поскольку система векторов a1 , a 2 ,..., a k ортогональна, то верны
равенства: (a 2 ,a1 ) = 0 ,…, (a k , a1 ) = 0 ; следствие а) из аксиом дает
(θ, a1 ) = 0 ; согласно аксиоме IV (a1 , a1 ) > 0 . Тогда из равенства (8.6)
получим α1 = 0 .
Аналогично, скалярно умножая (8.5) последовательно на a 2 ,..., a k ,
получим α 2 = ... = α k = 0 , следовательно, система a1 , a 2 ,..., a k - линейно
независима.
Теорема доказана.
Опишем процесс построения ортогонального базиса в линейной
оболочке любых k линейно независимых векторов.
Пусть a1 , a 2 ,..., a k - линейно независимы.
Ш а г 1 . Примем b1 = a1 .
Ш а г 2 . Примем b 2 = α1b1 + a 2 . Отметим, что b 2 ≠ θ , так как b 2
является линейной комбинацией a1 и a 2 , причем a1 и a 2 линейно
независимы (линейная комбинация векторов a1 и a 2 с
коэффициентами, один из которых, а именно коэффициент при a 2 ,
заведомо отличен от нуля, не может равняться нулю).
Подберем α1 так, чтобы (b1 , b 2 ) = 0 , то есть
(a 2 , b1 )
(α1b1 + a 2 , b1 ) = α1 (b1 , b1 ) + (a 2 , b1 ) = 0 и α1 = − .
b1 ≠θ⇒ (b1 , b1 )
(b1 , b1 ) ≠ 0
Ш а г 3 . Примем b3 = β1b1 + β2b 2 + a3 . Отметим, что b3 ≠ θ , так
как b3 является линейной комбинацией a1 , a 2 и a3 , а эти векторы
линейно независимы. Подберем β1 и β2 так, чтобы (b3 , b1 ) = 0 и
(b3 , b 2 ) = 0 .
 (b3 , b1 ) = (β1b1 + β2b 2 + a3 , b1 ) = β1 (b1 , b1 )+ β2 (b 2 , b1 )+ (a3 , b1 ) = 0,
 ≠0 =0

 (b 3 , b 2 ) = (β1b1 + β 2 b 2 + a 3 , b 2 ) = β1 (b1 , b 2 ) + β 2 (b 2 , b 2 )+ (a3 , b 2 ) = 0,
 =0 ≠0
отсюда
(a , b ) (a , b )
β1 = − 3 1 , β2 = − 3 2 .
(b1 , b1 ) (b 2 , b 2 )
Ш а г 4 . Пусть уже построена ортогональная система ненулевых
векторов b1 ,..., b s , причем ∀i, 1 ≤ i ≤ s , bi является линейной
комбинацией векторов a1 ,..., ai .
Положим
b s +1 = γ1b1 + ... + γ s b s + a s +1 .
Вектор b s+1 ≠ θ , так как является линейной комбинацией линейно
независимых векторов a1 , a 2 ,..., a s+1 с коэффициентами, один из
которых, а именно коэффициент при a s+1 , заведомо отличен от нуля
(поскольку a s+1 не входит в b1 ,..., b s ).
Коэффициенты γ1 ,..., γ s подберем так, чтобы b s+1 был
ортогонален векторам b1 ,..., b s :
(b s +1 , bi ) = 0, i = 1, 2,..., s .
Отсюда
(b s +1 , bi ) = ( γ1b1 + ... + γ s b s + a s +1 , bi ) = γ1 (b1 , bi )+ ... +
=0
+γ i (bi , bi )+ ... + γ s (b s , bi )+ (a s +1 , bi ) = 0
≠0 =0
и
(a s +1 , bi )
γi = − , i = 1,..., s .
(bi , bi )
Продолжая процесс, построим ортогональную систему векторов
b1 ,..., b k , причем ∀i, i = 1,..., k , bi ≠ θ , откуда в силу теоремы 2
следует, что b1 ,..., b k - линейно независимы. Линейная оболочка L
векторов a1 ,..., a k является подпространством размерности
k ( dim L = k ), а это означает, что b1 ,..., b k - базис в L (по построению
- ортогональный).
Описанный выше процесс носит название процесса
ортогонализации Шмидта.
П р и м е р 3 . E3 - евклидово пространство геометрических
векторов. Применяя процесс ортогонализации Шмидта, построить
ортогональный базис в подпространстве, натянутом на векторы
a1 = (1, 2, 2) и a 2 = (−1,1, −5) .
Полагаем
b1 = a1 = (1, 2, 2) , b 2 = α1b1 + a 2 .
Подбираем α1 :
(b 2 , b1 ) = (α1b1 + a 2 , b1 ) = = α1 (b1 , b1 ) + (a 2 , b1 ) = 0 ,
(a 2 , b1 ) −1 + 2 − 10
z откуда α1 = − =− =1.
(b1 , b1 ) 1+ 4 + 4
Итак, b 2 = b1 + a 2 = {0,3, −3} , и
базис в линейной оболочке L(a1 , a 2 )
a1 (b1)
составляют векторы b1 = (1, 2, 2) ,
b 2 = (0,3, −3) .
O y Геометрический смысл процедуры
b2 иллюстрирует рис. 8.1. Подпространство
L , натянутое на вектора a1 , a 2 , -
x a2 плоскость, проходящая через O(0, 0, 0) и
векторы a1 и a 2 , приведенные к точке
O(0, 0, 0) . В этой плоскости построен
Рис. 8.1. базис b1 , b 2 , такой, что b1 ⊥ b 2 .
Упражнения.
1. Проверить ортогональность системы векторов a1 = (1, −2,1,3) и
a 2 = (2,1, −3,1) в евклидовом пространстве R 4 и дополнить ее до
ортогонального базиса.
2. Применяя процесс ортогонализации Шмидта, построить
ортогональный базис в линейной оболочке системы векторов:
f1 = (1, −2, 2) , f 2 = (−1, 0, −1) , f3 = (5, −3, −7) , f 4 = (6, −5, −5) .
З а м е ч а н и е . Всякое евклидово пространство En обладает
ортогональными базисами.
Действительно, пусть En - евклидово пространство, dim En = n ,
e1 , e2 ,..., en - базис в En . Применим к базису e1 , e2 ,..., en процесс
ортогонализации Шмидта - получим некоторый ортогональный базис в
En .
Определение 5. Вектор a, a ∈ En называется нормированным,
если a = 1 .
Если a ≠ θ , то нормированием называется переход к вектору
a  a a 
b= ( b является нормированным, так как (b, b) =  ,  =
a  a a 
 
1
= ⋅ (a, a) = 1 и, следовательно, b = 1 ).
2
a
Определение 6. Система векторов e1 , e2 ,..., ek в евклидовом
пространстве En называется ортонормированной системой, если
 1, если i = j ,
(ei , e j ) = 
0, если i ≠ j , i, j = 1,...k .
Всякое евклидово пространство обладает ортонормированными
базисами.
В самом деле, ранее было показано, что всякое евклидово
пространство обладает ортогональными базисами. Возьмем в En
произвольный ортогональный базис b1 ,..., b n и нормируем все его
векторы, то есть перейдем к системе векторов
b b
e1 = 1 ,..., en = n . (8.7)
b1 bn
Система (8.7) - ортонормированный базис в En .
П р и м е р 4 . E3 - евклидово пространство геометрических
векторов. Указать какой-нибудь ортонормированный базис в линейной
оболочке векторов a1 = (1, 2, 2) и a 2 = (−1,1, −5) .
В примере 3 был построен ортогональный базис b1 = (1, 2, 2) ,
b 2 = (0,3, −3) в L(a1 , a 2 ) .
Имеем
b 1 2 2
b1 = 1 + 4 + 4 = 3 , e1 = 1 =  , ,  ,
b1  3 3 3 
b2  1 1 
b 2 = 0 + 9 + 9 = 18 = 3 2 , e2 = =  0, ,− .
b2  2 2

Векторы e1 , e2 - ортонормированный базис в L(a1 , a 2 ) .


Упражнения.
1. Указать какой-нибудь ортонормированный базис в линейной
оболочке векторов f1 = (1, −2, 2) , f 2 = (−1, 0, −1) , f3 = (5, −3, −7) ,
f 4 = (6, −5, −5) .
2. E3 - евклидово пространство геометрических векторов.
Построить какой-нибудь ортонормированный базис в линейной
оболочке векторов a1 = (1,1,1) , a 2 = (1, 2,3) и a3 = (2,1, 0) .
Оглавление
Лекции по линейной алгебре ................................................... 1
Предисловие .............................................................................. 3
Лекция 1. Матрицы ................................................................... 5
1.1. Основные понятия ......................................................... 5
1.2. Определители порядка n ............................................... 7
1.3. Основные операции над матрицами .......................... 12
Лекция 2. Обратная матрица. Ранг матрицы........................ 19
2.1. Обратная матрица ........................................................ 19
2.2. Ранг матрицы................................................................ 24
Лекция 3. Системы линейных алгебраических уравнений. 33
3.1. Метод Гаусса ................................................................ 33
Лекция 4. Исследование и решение произвольной системы
линейных уравнений............................................................... 40
4.1. Правило Крамера ......................................................... 40
4.2. Исследование произвольной системы линейных
уравнений............................................................................. 42
4.3. Системы линейных однородных алгебраических
уравнений............................................................................. 46
Лекция 5. Линейные пространства........................................ 50
5.1. Аксиоматическое определение линейного
пространства........................................................................ 50
5.2. Базис линейного пространства ................................... 55
Лекция 6. Связь между базисами линейного пространства.
Линейные подпространства ................................................... 62
6.1. Связь между базисами линейного пространства ...... 62
6.2. Линейные подпространства ....................................... 66
Лекция 7. Линейные операторы ............................................ 70
7.1. Понятие линейного оператора.................................... 70
7.2. Собственные векторы и собственные значения
линейного оператора .......................................................... 75
7.3. Приведение матрицы линейного оператора к
диагональному виду путем перехода к новому базису ... 79
Лекция 8. Евклидовы пространства ...................................... 83
8.1. Понятие евклидова пространства............................... 83
8.2. Ортогональные и ортонормированные базисы в En 86
Оглавление............................................................................... 92