Вы находитесь на странице: 1из 93

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Государственное образовательное учреждение высшего профессионального образования


«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ
ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»

А.И. Шерстнёва, О.В. Янущик

ЛИНЕЙНЫЕ ПРОСТРАНСТВА.
ЛИНЕЙНЫЕ ОПЕРАТОРЫ

Рекомендовано в качестве учебного пособия


Редакционно-издательским советом
Томского политехнического университета

Издательство
Томского политехнического университета
2010
УДК 512.64(075.8)
ББК 22.143я73
Ш50

Шерстнёва А.И.
Ш50 Линейные пространства. Линейные операторы: учебное
пособие/ А.И. Шерстнёва, О.В. Янущик; Национальный иссле-
довательский Томский политехнический университет. − Томск:
Изд-во Томского политехнического университета, 2010. – 92 с.

Учебное пособие предназначено для студентов технических вузов всех


форм обучения, изучающих разделы высшей математики «Линейные про-
странства» и «Линейные операторы».
Пособие содержит теоретические сведения по данному курсу, сопрово-
ждается рассмотрением большого количества примеров и задач, облегчаю-
щим усвоение материала. Также приводятся задачи для самостоятельного ре-
шения, к которым прилагаются ответы.

УДК 12.64(075.8)
ББК 22.143я73

Рецензенты
Кандидат физико-математических наук,
доцент кафедры общей математики ТГУ
Н.Ю. Галанова
Кандидат физико-математических наук,
доцент кафедры общей математики ТГУ
Е.А. Тимошенко

© ГОУ ВПО «Национальный исследовательский


Томский политехнический университет», 2010
© Шерстнёва А.И., Янущик О.В., 2010
© Оформление. Издательство Томского
политехнического университета, 2010
Оглавление
Предисловие . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
§ 1. Линейные пространства. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 9
§ 2. Линейная зависимость и независимость векторов . . . . . . . . . . . 10
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 19
§ 3. Базис линейного пространства . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 28
§ 4. Связь между координатами вектора
в различных базисах . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 34
§ 5. Подпространства линейного пространства . . . . . . . . . . . . . . . . 36
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 41
§ 6. Линейные операторы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 47
§7. Матрица линейного оператора . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 52
§8. Связь между координатами вектора
и координатами его образа . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 57
§9. Преобразование матрицы линейного оператора
при переходе к новому базису . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 62
§ 10. Собственные векторы и собственные значения
линейного оператора . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 67

3
§ 11. Характеристический многочлен линейного оператора . . . . . . 68
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 79
§ 12. Диагонализируемость линейного оператора . . . . . . . . . . . . . . 81
Задачи с решениями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Задачи для самостоятельного решения . . . . . . . . . . . . . . . . . . 88
Ответы к задачам для самостоятельного решения . . . . . . . . . . . . . . 89
Рекомендуемая литература . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

4
Предисловие
На практике часто встречаются множества, элементы которых
можно складывать и умножать на действительные числа. Например,
множество матриц одинакового размера, множество векторов, множест-
во функций с одинаковой областью определения и т.д. Все эти множе-
ства, несмотря на то, что состоят из элементов разной природы, обла-
дают одними и теми же свойствами, для них верны одни и те же утвер-
ждения. Линейное пространство – это понятие, обобщающее понятия
всех таких множеств. Таким образом, все факты, доказанные для линей-
ных пространств, переносятся на каждое из этих множеств.

§ 1. Линейные пространства
Пусть L – некоторое множество, элементы которого можно скла-
дывать и умножать на действительные числа. Обозначим через ℝ –
множество действительных чисел.

Определение. Множество L называется линейным пространст-


вом над ℝ или вещественным линейным пространством, если вы-
полняются следующие условия:
1) a  b  b  a для любых a, b  L ;
2) (a  b)  c  a  (b  c) для любых a, b, c  L ;
3) во множестве L существует элемент o , называемый нулевым эле-
ментом, такой, что a  o  a для любого a  L ;
4) для каждого элемента a  L существует элемент  a  L , называе-
мый противоположным элементу a , такой, что a  ( a )  o ;
5)  (  a )  ( )a для любых  ,  ℝ и любого a  L ;
6) (   )a   a   a для любых  ,  ℝ и любого a  L ;
7)  (a  b)   a   b для любого  ℝ и любых a, b  L ;
8) 1a  a для любого a  L .

Рассмотрим, какие из известных множеств являются вещественны-


ми линейными пространствами.
Пример 1.1. Пусть M (m  n, ℝ ) – множество матриц размера m  n
с элементами из ℝ. Для этого множества все условия из определения
линейного пространства выполняются (согласно свойствам линейных

5
операций над матрицами). Следовательно, множество M (m  n, ℝ ) яв-
ляется вещественным линейным пространством.
Пример 1.2. Пусть V (3) ( V ( 2) ) – множество свободных векторов
пространства (плоскости). Для этого множества также выполняются все
условия из определения линейного пространства (согласно свойствам
линейных операций над векторами). Следовательно, множество V (3)
( V ( 2) ) является вещественным линейным пространством.

Пример 1.3. Пусть ℝ n – множество последовательностей n дейст-


вительных чисел. Введем операцию сложения элементов множества ℝ n
и умножения их на число. Пусть a, b  ℝ n , a  ( a1 , a 2 , , a n ) ,
b  (b1 , b2 , , bn ) ,  ℝ. Полагаем
a  b  ( a1  b1 , a 2  b2 , , a n  bn ) ,
  a  (  a1 ,   a 2 , ,   a n ) .
Можно проверить, что все условия из определения линейного простран-
ства в этом случае выполняются (нулевым элементом будет
o  (0, 0, , 0) , противоположным элементу a  ( a1 , a 2 , , a n ) – эле-
мент  a  ( a1 ,  a 2 , ,  a n ) ). Следовательно, множество ℝ n является
вещественным линейным пространством. Его называют арифметиче-
ским линейным пространством, а его элементы – n -мерными векто-
рами.
Пример 1.4. Пусть ℝ [x] – множество многочленов с коэффициен-
тами из ℝ. Можно показать, что все условия из определения линейного
пространства для множества ℝ [x] выполняются. Следовательно, это
множество является вещественным линейным пространством.
Пример 1.5. Пусть C[a, b ] – множество функций, непрерывных на
отрезке [a, b ]. Для этого множества также можно проверить, что все ус-
ловия из определения линейного пространства выполняются. Следова-
тельно, оно является вещественным линейным пространством.

Для действий над элементами линейных пространств верны прави-


ла, аналогичные правилам выполнения арифметических действий над
обычными числами. Используя условия из определения линейного про-
странства, легко доказать следующие утверждения.

6
Лемма 1.1. Пусть L – вещественное линейное пространство. То-
гда для любых элементов a, b  L и любых действительных чисел  , 
справедливы следующие утверждения:
1) 0  a  o ;
2)   o  o ;
3) (  )  a   a ;
4)   ( a )   a ;
5) ( )  (a )   a ;
6)   (a  b)    a    b ;
7) (   )  a    a    a .
Доказательство.
Приведём доказательство только первого из этих равенств. Пока-
жем, что 0  a  o .
Рассмотрим элемент   a . Используя условие 6, получаем
  a  (   0)  a    a  0  a .
Прибавим к левой и правой части этого равенства элемент, проти-
воположный элементу   a , т.е.  (   a ) . Тогда
 (   a )    a   (   a )    a  0  a 
Но по условию 4
 (   a)    a  o ,
а согласно условиям 2 и 3
 (   a)    a  0  a    (   a)  (   a)   0  a  o  0  a  0  a .
Следовательно, 0  a  o .

Замечания. 1. В дальнейшем будем использовать термин линейное


пространство, подразумевая, что оно является вещественным.
2. Элементы линейных пространств принято называть векторами.

Задачи с решениями
Задача 1.6. В примере 1.3 были введены операции сложения эле-
ментов ℝ n и умножения их на действительные числа. Показать, что
множество ℝ 2 является линейным пространством.
Решение.
Для того чтобы показать, что множество ℝ 2 является линейным
пространством, достаточно проверить выполнение условий 1 – 8 из оп-

7
ределения линейного пространства. Заметим, что если a  ( a1 , a 2 ) ,
b  (b1 , b 2 )  ℝ 2 ,   ℝ, то
a  b  ( a1 , a 2 )  (b1 , b 2 )  ( a1 b1 , a 2 b2 ) ,
a   ( a1 , a 2 )  (a1 , a 2 ) .
1) Покажем, что a  b  b  a для всех a  ( a1 , a 2 ) , b  (b1 , b 2 )  ℝ 2 .
Так как a1 ,a 2 , b1 ,b 2  ℝ, то a1 b1  b1  a1 , a2 b 2  b 2  a 2 . Тогда
a  b  ( a1 b1 , a 2 b2 )  (b1  a 1 , b 2  a 2 )  (b1 , b 2 )  ( a1 , a 2 )  b  a .
2) Покажем, что ( a  b)  c  a  (b  c ) для любых a  ( a1 , a 2 ) ,
b  (b1 , b 2 ) , c  (c1 , c 2 )  ℝ 2 .
( a  b)  c  ( a1 , a 2 )  (b1 , b2 )   ( c1 , c 2 )  ( a1 b1 , a 2 b2 )  (c1 , c 2 ) 
 ( a1 b1  c1 , a 2 b2  c 2 )  ( a1 , a 2 )  (b1  c1 , b2  c 2 ) 
 (a1 , a 2 )  (b1 , b2 )  (c1 , c 2 )   a  (b  c ) .
3) Покажем, что существует нулевой элемент o , такой, что для лю-
бого элемента a  ( a1 , a 2 )  ℝ 2 a  o  o .
Обозначим через o  (0, 0) . Тогда
a  o  (a1 , a 2 )  (0, 0)  ( a1  0, a 2  0)  ( a1 , a 2 )  a .
4) Покажем, что для каждого элемента a  ( a1 , a 2 )  ℝ 2 существует
противоположный элемент  a , такой, что a  ( a )  o .
Обозначим через  a  ( a1 ,  a 2 ) . Тогда
a  (  a )  ( a1 , a 2 )  ( a1 ,  a 2 )  ( a1  a1 , a 2  a 2 )  (0, 0)  o .

5) Покажем, что  ( a )  ( )a для любых  ,   ℝ и любого


a  ( a1 , a 2 )  ℝ 2 .
 ( a )   (  (a1 , a 2 ))   ( a1 , a 2 )  (a1 , a 2 ) 
 ( )( a1 , a 2 )  ( )a .
6) Покажем, что (   )a  a  a для любых  ,   ℝ и любого
a  ( a1 , a 2 )  ℝ 2 .
(   )a  (   )( a1 , a 2 )  (   )a1 , (   )a 2  
a1  a1 , a 2  a 2   (a1 , a 2 )  a1 , a 2  
  ( a1 , a 2 )   a1 , a 2    a
.   a

7) Покажем, что  ( a  b)  a  b для любого   ℝ и любых


a  ( a1 , a 2 ) , b  (b1 , b 2 )  ℝ 2 .

8
 ( a  b)   ( a1  b1 , a 2  b2 )   ( a1  b1 ),  ( a 2  b2 )  
a1  b1 , a 2  b2   (a1 , a 2 )  a1 , a 2  
 ( a1 , a 2 )   a1 , a 2   a  b .
8) Покажем, что 1  a  a для любого a  ( a1 , a 2 )  ℝ 2 .
1  a  1  ( a1 , a 2 )  (1  a1 , 1  a 2 )  ( a1 , a 2 )  a .

Задача 1.7. На множестве ℝ   x  ℝ, x  0 следующим образом


вводятся операции сложения и умножения на число:
a  b  a b,
  a  a
для любых a, b  ℝ  ,   ℝ. Является ли множество ℝ  линейным про-
странством?
Решение.
Проверим, выполняются ли условия 1 – 8 из определения линейно-
го пространства. Пусть a, b, c  ℝ  ,  ,   ℝ.
1) a  b  a  b  b  a  b  a .
2) ( a  b)  c  ( a  b)  c  a  b  c  a  (b  c)  a  (b  c )  a  (b  c ) .
3) Обозначим через o  1. Тогда a  o  a 1  a .
4) Обозначим через  a  a 1 . Тогда a  (  a )  a  a 1  1  o .
5)   (   a )    ( a  )  ( a  )  a     a .
6) (   )  a  a     a   a   a   a   (  a )  (   a ) .
7)   ( a  b)    ( a  b)  ( ab)  a   b  a  b 
 (  a )  (  b) .
8) 1  a  a 1  a .
Так как все условия из определения линейного пространства вы-
полняются, то ℝ  – линейное пространство.

Задачи для самостоятельного решения

Задача 1.8. Показать, что множество квадратных матриц второго


порядка является линейным пространством.

9
§ 2. Линейная зависимость и независимость векторов
Напомним, что если M – некоторое множество, элементы которого
можно складывать и умножать на действительные числа, то выражение
1  m1   2  m 2     k  m k , где m1 , m 2 ,  , m k  M , а 1 ,  2 ,  ,  k –
некоторые действительные числа, называют линейной комбинацией
элементов m1 , m 2 ,  , m k с коэффициентами 1 ,  2 ,  ,  k .
Если m  M и m является линейной комбинацией элементов
m1 , m 2 ,  , m k , то есть
m  1  m1   2  m 2     k  m k ,
то говорят, что m линейно выражается через элементы m1 , m 2 ,  , m k
или разложен по элементам m1 , m 2 ,  , m k .

Пусть L – линейное пространство, a1 , a2 ,  , ak  L .


Определение. Говорят, что векторы a1 , a2 ,  , ak – линейно зави-
симы, если существуют числа 1 ,  2 ,  ,  k , не все равные нулю одно-
временно, такие, что линейная комбинация 1  a1   2  a2     k  ak
равна нулевому элементу o линейного пространства L .
Если же равенство 1  a1   2  a2     k  ak  o возможно только
при условии 1   2     k  0 , то векторы a1 , a2 ,  , ak называют ли-
нейно независимыми.

Лемма 2.1. Векторы a1 , a2 ,  , ak линейно зависимы тогда и толь-


ко тогда, когда хотя бы один из них линейно выражается через ос-
тальные.
Доказательство.
1) Пусть векторы a1 , a2 ,  , ak – линейно зависимы. Тогда по опре-
делению существуют числа 1 ,  2 ,  ,  k , не все равные нулю одновре-
менно и такие, что 1  a1   2  a 2     k  a k  o . Пусть, например,
1  0 . Тогда
1  a1   2  a2     k  ak
2 
 a1    a2    k  ak ,
1 1
то есть вектор a1 линейно выражается через векторы a2 ,  , ak .
2) Пусть один из векторов a1 , a2 ,  , ak линейно выражается через
остальные. Например,
a1   2 a2   3 a3     k ak
10
  a1   2 a2   3 a3     k ak  o .
Коэффициент при a1 равен  1 , то есть отличен от нуля. Следовательно,
векторы a1 , a2 ,  , ak – линейно зависимы.
Лемма доказана.
Замечание. В некоторой литературе формулировку леммы 2.1 бе-
рут в качестве определения линейно зависимых векторов.

Рассмотрим некоторые примеры.


Пример 2.1. Рассмотрим матрицы
1 0 0 1 0 0 0 0
E1    , E2    , E3    , E4   .
0 0 0 0 1 0 0 1
Матрицы E1 , E 2 , E 3 , E 4 – линейно независимы, так как
1  2 
1E1   2 E 2   3 E 3   4 E 4   ,
 3  4 
и, следовательно, если 1E1   2 E 2   3 E 3   4 E 4  O , то
 1  2   0 0 
    , откуда
 3 4  0 0
1  0 ,  2  0 ,  3  0 ,  4  0 .
Пример 2.2. Рассмотрим многочлены g1 ( x )  1, g2 ( x )  x ,
g3 ( x )  x 2 , g4 ( x )  (1  x )2 . Так как
(1  x )2  1  2 x  x 2 ,
то g4 ( x ) является линейной комбинацией g1 ( x ) , g2 ( x ) , g3 ( x ) :
g4 ( x )  g1 ( x )  2 g2 ( x )  g3 ( x ) .
Согласно лемме 2.1 многочлены g1 ( x ) , g2 ( x ) , g3 ( x ) , g4 ( x ) – линейно
зависимы.

Пример 2.3. Рассмотрим последовательности a1  ( 2,  3, 1) ,


a 2  (3,  1, 5) , a 3  (1,  4, 3) . Пусть 1a1   2 a 2   3a 3  o . Тогда
1a1   2 a 2   3a 3 
 ( 21 ,  31 , 1 )  (3 2 ,   2 , 5 2 )  ( 3 ,  4 3 , 3 3 ) 
 (21  3 2   3 ,  31   2  4 3 , 1  5 2  3 3 )  (0, 0, 0)
 21  3 2   3  0 ,

  31   2  4 3  0 ,
 1  5 2  3 3  0 .
11
Таким образом, векторы a1 , a 2 , a 3 будут линейно независимыми,
если 1   2   3  0 – единственное решение полученной системы, то
есть если r (A )  n , где A – основная матрица системы, n – число неиз-
вестных.
В данном случае A  35  0 , то есть система имеет единственное
решение 1   2   3  0 , следовательно, a1 , a 2 , a 3 – линейно независи-
мы.

Задачи с решениями
Задача 2.4. Известно, что векторы некоторого линейного простран-
ства x, y и z – линейно независимы. Будут ли линейно независимы сле-
дующие векторы:
а) x  y , y  z , z  x ;
б) x , x  y , x  y  z .
Решение.
а) Заметим, что x  y   (( y  z )  ( z  x)) , то есть один из векторов
является линейной комбинацией остальных. Тогда согласно лемме 2.1
векторы x  y , y  z , z  x – линейно зависимые.
б) Проверим, будут ли линейно зависимы векторы x , x  y ,
x  y  z . Для этого приравняем линейную комбинацию этих векторов
нулевому вектору:
1 x   2 ( x  y )   3 ( x  y  z )  o .
Если это равенство имеет место только при 1   2   3  0 , то
векторы x , x  y , x  y  z – линейно независимые. Если же это равен-
ство возможно в случае, когда хотя бы один из коэффициентов
1 ,  2 ,  3 отличен от нуля, то векторы x , x  y , x  y  z – линейно за-
висимые.
Преобразуем полученное равенство, учитывая, что выполняются
условия 1 – 8 из определения линейного пространства:
(1   2   3 ) x  ( 2  1 ) y   3 z  o .
Так как векторы x, y и z – линейно независимые, то
1   2   3  0 ,

 2  3  0,
 3  0,
откуда следует, что 1   2   3  0 . Таким образом, векторы x , x  y ,
x  y  z – линейно независимые.
12
Задача 2.5. Исследовать на линейную зависимость:
f1 ( x)  x 2  5, f 2 ( x)  x 2 , f 3 ( x)  1.
Решение.
Заметим, что f1 ( x)  f 2 ( x)  5 f 3 ( x), то есть вектор f1 ( x) – линейная
комбинация векторов f 2 ( x ) и f 3 ( x ) . Тогда согласно лемме 2.1
f1 ( x)  x 2  5, f 2 ( x)  x 2 , f 3 ( x)  1. – линейно зависимы.

Задача 2.6. Исследовать на линейную зависимость:


f1 ( x)  x 2  x, f 2 ( x)  x  1, f 3 ( x )  3 .
Решение.
Пусть 1 f1 ( x )   2 f 2 ( x )   3 f 3 ( x )  0 . Тогда
1 ( x 2  x )   2 ( x  1)   3  3  1 x 2  (1   2 ) x  (  2  3 3 )  0 ,
откуда получаем систему для нахождения коэффициентов 1 ,  2 ,  3 :
1  0,

1   2  0,
   2  3 3  0.
Эта система имеет единственное решение 1   2   3  0 , откуда
следует, что f1 ( x)  x 2  x, f 2 ( x)  x  1, f 3 ( x )  3 – линейно независи-
мы.

Задача 2.7. Исследовать на линейную зависимость:


1 2   2 1  1  1
A1   , A 2   , A 3   .
1 0   1 1 0 2
Решение.
Пусть 1A1   2 A 2   3 A 3  O . Тогда
 1  1  1  2 2   3 21   2  3   0 0 
1 
1 2  2 1
 2   3   
 2  2 3   0 0 
  ,
1 0   1 1  0 2   1   2
откуда получаем систему для нахождения коэффициентов 1 ,  2 ,  3 :
 1  2 2   3  0,
21   2   3  0,
    0,
 1 2
  2  2 3  0.
Чтобы определить, имеет ли эта система ненулевые решения, най-
дем ранг основной матрицы A этой системы:

13
1 2 1
 
2 1  1.
A
1 1 0
0 1 2
 
Для этого с помощью элементарных преобразований строк приведем
матрицу A к ступенчатому виду.
Поменяем местами первую и третью строки:
 1 1 0
 
 2 1  1
A~ .
 1 2 1
0 1 2 
 
Затем прибавим ко второй строке первую строку, умноженную на
–2, и к третьей строке – первую, умноженную на –1. Получаем
 1 1 0
 
 0  1  1
A~ .
 0 1 1
0 1 2
 
Прибавим теперь к третьей строке и к четвертой строке вторую
строку:
 1 1 0
   
0 1 1
A~ .
 0 0 0
 0 0 1
 
У полученной матрицы три ненулевые строки, следовательно, ранг
матрицы A равен 3.
Так как ранг матрицы равен количеству неизвестных, система име-
ет единственное решение 1   2   3  0 , откуда следует, что
1 2   2 1  1  1
A1   , A 2   , A 3    – линейно независимы.
1 0   1 1 0 2

Задача 2.8. Исследовать на линейную зависимость:


 1 0  1  2  2 1
A1   , A2   , A3   .
  2 3  2 5   4 2
Решение.
Пусть 1A1   2 A 2   3 A 3  O . Тогда
 1  2
1 
1 0  2 1
  2    3  
  2 3  2 5   4 2
14
 1   2  2 3  2 2  3   0 0 
  ,
  21  2 2  4 3 31  5 2  2 3   0 0 
откуда получаем систему для нахождения коэффициентов 1 ,  2 ,  3 :
 1   2  2 3  0,
  2 2   3  0,
 2  2  4 3  0,
 1 2
 31  5 2  2 3  0.
Найдем ранг основной матрицы A этой системы:
 1 1 2
 
0  2 1
A 
  2 2  4
 3 5 2 

Прибавим к третьей строке первую строку, умноженную на 2, к
четвертой строке – первую, умноженную на –3. Получаем
 1 1 2
  
0 2 1
A~
 0 0 0
 0 8  4
 
Прибавим к четвертой строке вторую строку, умноженную на 4.
Получаем
 1 1 2
  
 0 2 1
A~
 0 0 0
 0 0 0
 
У полученной матрицы две ненулевые строки, следовательно, ранг
матрицы A равен 2.
Так как ранг матрицы A меньше количества неизвестных, система
 1 0
имеет ненулевое решение, откуда следует, что A 1   ,
  2 3
 1  2  2 1
A2   , A3    – линейно зависимы.
 2 5   4 2

Задача 2.9. Исследовать на линейную зависимость:


a1  (1, 3, 0), a 2  (3, 2, 5), a 3  ( 1, 4,  5).
Решение.
Пусть 1a1   2 a 2   3a 3  o . Тогда

15
1 (1, 3, 0)   2 (3, 2, 5)   3 ( 1, 4,  5) 
 (1  3 2   3 , 31  2 2  4 3 , 5 2  5 3 )  (0, 0, 0) ,
откуда получаем систему для нахождения коэффициентов 1 ,  2 ,  3 :
 1  3 2   3  0,

31  2 2  4 3  0,
 5 2  5 3  0.
Определитель основной матрицы этой системы
1 3 1
A  3 2 4  0.
0 5 5
Так как A  0 , система имеет ненулевое решение. Откуда следует,
что a1  (1, 3, 0), a 2  (3, 2, 5), a 3  ( 1, 4,  5) – линейно зависимы.

Задача 2.10. Исследовать на линейную зависимость:


a1  ( 2,  3, 1), a 2  (3,  1, 5), a 3  (1,  4, 3).
Решение.
Пусть 1a1   2 a 2   3a 3  o Тогда
1 ( 2,  3, 1)   2 (3,  1, 5)   3 (1,  4, 3) 
 ( 21  3 2   3 ,  31   2  4 3 , 1  5 2  3 3 )  (0, 0, 0) ,
откуда получаем систему для нахождения коэффициентов 1 ,  2 ,  3 :
 21  3 2   3  0,

 31   2  4 3  0,
 1  5 2  3 3  0.
Определитель основной матрицы этой системы
2 3 1
A   3  1  4  35.
1 5 3
Так как A  0 , система имеет единственное решение
1   2   3  0 . Откуда следует, что a1  (2,  3, 1), a 2  (3,  1, 5),
a 3  (1,  4, 3) – линейно независимы.

Задача 2.11. Исследовать на линейную зависимость:


f1 ( x)  1, f 2 ( x)  sin x, f 3 ( x)  cos x.
Решение.
Пусть 1 f1 ( x)   2 f 2 ( x)   3 f 3 ( x)  0. Тогда

16
1   2 sin x   3 cos x  0.
Так как это равенство выполняется при любых x , возьмем
 
x  0, x  и x .
2 2
Тогда получаем

1   2 sin 0   3 cos 0  0,
  
1   2 sin   3 cos  0, 
 2 2
1   2 sin      3 cos     0,
  2  2
1   3  0, 1  0,
 
1   2  0,   2  0,
1   2  0,  3  0,
откуда следует, что f1 ( x)  1, f 2 ( x)  sin x и f 3 ( x)  cos x – линейно не-
зависимы.

Задача 2.12. Исследовать на линейную зависимость:


f1 ( x)  x, f 2 ( x )  sin x , f 3 ( x )  cos x .
Решение.
Пусть 1 f1 ( x)   2 f 2 ( x)   3 f 3 ( x)  0. Тогда
1 x   2 sin x   3 cos x  0.
При x  0 имеем 1  0   2 sin 0   3 cos 0  0 , откуда  3  0. Тогда
1 x   2 sin x  0.
Продифференцируем это равенство:
1   2 cos x  0.

Подставим в полученное равенство x  0 и x  :
2
1   2 cos 0  0,
1   2  0, 1  0,
   cos   0,    0,
   0.
 1 2  1  2
2
Итак, 1   2   3  0 , откуда следует, что f1 ( x)  x, f 2 ( x )  sin x ,
f 3 ( x )  cos x – линейно независимы.

Задача 2.13. Исследовать на линейную зависимость:


f1 ( x)  1, f 2 ( x)  x, f 3 ( x)  cos 2 x, f 4 ( x)  sin 2 x.

17
Решение.
2 2
Так как cos x  sin x  1, f1 ( x)  f 3 ( x)  f 4 ( x), следовательно,
f1 ( x)  0  f 2 ( x)  f 3( x)  f 4 ( x), то есть f1 ( x) – это линейная комбинация
f 2 ( x ) , f 3( x ) , f 4 ( x ) . Тогда согласно лемме 2.1 f1 ( x)  1, f 2 ( x)  x,
f 3 ( x)  cos 2 x, f 4 ( x)  sin 2 x – линейно зависимы.

Задача 2.14. Исследовать на линейную зависимость:


f1 ( x )  e x , f 2 ( x )  e 2 x .
Решение.
Пусть 1 f1 ( x)   2 f 2 ( x)  0. Тогда
1e x   2 e 2 x  0.
Продифференцируем это равенство:
1e x  2 2 e 2 x  0.
Подставляя в каждое из равенств x  0 , получаем:
1e 0   2 e 0  0, 1   2  0, 1  0,
 0      0,
1e  2 2 e  0, 1  2 2  0,
0
 2
x 2x
откуда следует, что f1 ( x)  e , f 2 ( x)  e – линейно независимы.

Задача 2.15. Исследовать на линейную зависимость:


f1 ( x)  e x , f 2 ( x)  1, f 3 ( x)  sin x.
Решение.
Пусть 1 f1 ( x)   2 f 2 ( x)   3 f 3 ( x)  0. Тогда
1e x   2   3 sin x  0.
Продифференцируем данное равенство дважды:
1e x   3 cos x  0,
1e x   3 sin x  0.
Подставляя в каждое из равенств x  0 , получаем
1e 0  2   3 sin 0  0, 1   2  0, 1  0,
 0  
1e   3 cos 0  0,  1   3  0,   2  0,
1e 0   3 sin 0  0, 1  0,  3  0,

откуда следует, что f1 ( x)  e x , f 2 ( x)  1, f 3 ( x)  sin x – линейно незави-
симы.

18
Задача 2.16. Исследовать на линейную зависимость:
f1 ( x)  e x , f 2 ( x)  1, f 3 ( x)  x  1, f 4 ( x)  x  e x .
Решение.
Заметим, что f 4 ( x)  f 3 ( x)  f 1( x)  f 2 ( x). Тогда согласно лемме 2.1
f1 ( x)  e x , f 2 ( x)  1, f 3 ( x)  x  1, f 4 ( x)  x  e x – линейно зависимы.

Задачи для самостоятельного решения


Задача 2.17. Исследовать на линейную зависимость:
f1 ( x )  2 , f 2 ( x )  x , f 3 ( x )  x 2 , f 4 ( x )  ( x  1) 2 .

Задача 2.18. Исследовать на линейную зависимость:


 2 5  0 4  2 2
A  , B  , C .
 1 3   2 3   5 1

Задача 2.19. Исследовать на линейную зависимость:


a1  (4,  5, 2, 6) , a 2  ( 2,  2, 1, 3) , a 3  (1,  3, 3, 9) , a 4  ( 4,  1, 5, 6) .

Задача 2.20. Исследовать на линейную зависимость:


f1 ( x )  x 3  2 x 2  3x  4 , f 2 ( x )  2 x 3  3x 2  4 x  5 ,
f 3 ( x )  3x 3  4 x 2  5 x  6 , f 4 ( x )  4 x 3  5 x 2  6 x  7 .

Задача 2.21. Исследовать на линейную зависимость:


f1 ( x )  1 , f 2 ( x )  e x , f 3 ( x )  e  x .

Задача 2.22. Исследовать на линейную зависимость:


f1 ( x )  1 , f 2 ( x )  e x , f 3 ( x )   e x .

Задача 2.23. Исследовать на линейную зависимость:


f1 ( x )  cos x , f 2 ( x )  sin x , f 2 ( x )  sin 2 x .

19
§ 3. Базис линейного пространства
Определение. Максимальная линейно независимая система векто-
ров линейного пространства называется базисом этого линейного про-
странства.
Иначе говоря, векторы e1 , e2 ,  , en линейного пространства обра-
зуют его базис, если выполняются следующие два условия:
1) e1 , e2 ,  , en – линейно независимы;
2) e1 , e2 ,  , en , a – линейно зависимы для любого вектора a этого
линейного пространства.

Очевидно, что базис можно выбрать не единственным образом.


Например, если e1 , e2 ,  , en – базис, то для любого   0 векторы
 e1 ,   e2 ,  ,   en также образуют базис.
Однако справедлива следующая теорема.

Теорема 3.1. Любые два базиса линейного пространства состоят


из одного и того же числа векторов.

Если в линейном пространстве L существует базис из n векторов,


то пространство называют конечномерным, а n называют размерно-
стью линейного пространства (обозначают: dim L  n ).
Если в линейном пространстве L для любого натурального n
можно найти линейно независимую систему, состоящую из n векторов,
то пространство называют бесконечномерным (обозначают: dim L   ).

Найдём базисы некоторых линейных пространств.


Пример 3.1. Линейное пространство V ( 2) свободных векторов
плоскости имеет размерность dim V ( 2 )  2 . Известно, что базисом век-
торов плоскости являются любые два неколлинеарных вектора этой
плоскости.
Пример 3.2. Линейное пространство V ( 3 ) свободных векторов
пространства имеет размерность dim V ( 3 )  3 . В этом линейном про-
странстве базисом являются любые три некомпланарных вектора.

Пример 3.3. Арифметическое линейное пространство ℝ n также


является конечномерным. Его размерность dim ℝ n  n . Базисом явля-
ются, например, векторы
e1  (1; 0; , 0) , e2  (0; 1; , 0) ,  , en  (0; 0; , 1) .
20
Будем называть этот базис стандартным базисом линейного про-
странства ℝ n .
Легко проверить, что 1) эти векторы линейно независимые; 2) лю-
бой вектор a  (1 , 2,,  n )  1e1   2 e2     n en .
Пример 3.4. Линейное пространство M (2  2, ℝ ) матриц второго
порядка с элементами из ℝ имеет размерность dim M (2  2, ℝ )  4 . Его
базисом являются, например, матрицы
1 0 0 1 0 0 0 0
E1    , E2    , E3    , E4   .
0 0 0 0 1 0 0 1
Действительно, 1) E1 , E 2 , E 3 , E 4 – линейно независимы (показали
ранее); 2) E1 , E 2 , E 3 , E 4 , A – линейно зависимы для любой матрицы
A  M (2  2, ℝ ) , так как
a a 
A   11 12   a11E1  a12 E 2  a21E 3  a22 E 4 .
 a21 a22 
Базис E1 , E 2 , E 3 , E 4 в дальнейшем будем называть стандартным ба-
зисом линейного пространства M (2  2, ℝ ) .

Пример 3.5. Обозначим через ℝ n [ x] – линейное пространство


многочленов, степень которых меньше n и имеющих коэффициенты из
ℝ. Это линейное пространство имеет размерность dim ℝ n [ x]  n . Его
базисом являются, например, многочлены
f 0 ( x )  1, f1 ( x )  x , f 2 ( x )  x 2 ,  , f n 1 ( x )  x n 1 .
Будем называть этот базис стандартным базисом линейного про-
странства ℝ n [x] .
Пример 3.6. Линейное пространство ℝ [x] многочленов с коэффи-
циентами из ℝ является бесконечномерным: dim ℝ [x]   . Для любого
натурального n многочлены
f 0 ( x )  1, f1 ( x )  x , f 2 ( x )  x 2 ,  , f n 1 ( x )  x n 1
являются линейно независимыми.

Роль базиса характеризует следующая теорема.

Теорема 3.2 (о базисе). Каждый вектор линейного пространства


линейно выражается через любой его базис, причем единственным об-
разом.
21
Доказательство.
Пусть e1 , e2 ,  , en – базис, a – произвольный вектор. Тогда соглас-
но определению, e1 , e2 ,  , en – линейно независимы, а e1 , e2 ,  , en , a –
линейно зависимы. Следовательно, существуют числа 1 ,  2 ,  ,  n ,  ,
не все равные нулю одновременно и такие, что линейная комбинация
1  e1   2  e2     n  en    a  o .
Покажем, что   0 .
Если   0 , то 1  e1   2  e2     n  en  o , где коэффициенты
1 ,  2 ,  ,  n не все равны нулю. А это означает, что векторы
e1 , e2 ,  , en – линейно зависимые. Но по условию они образуют базис и,
следовательно, линейно независимы. Получили противоречие.
Таким образом,   0 . Тогда
   a  1  e1   2  e2     n  en
1  
 a  e1  2  e2    n  en ,
  
то есть a линейно выражается через векторы e1 , e2 ,  , en .
Докажем, что вектор a линейно выражается через базис единст-
венным образом. Пусть
a  1  e1   2  e2     n  en ,
a  1  e1   2  e2     n  en .
Тогда
a  a  (1  e1   2  e2     n  en )  ( 1  e1   2  e2     n  en ) ,
 o  (1  1 )  e1  ( 2   2 )  e2    ( n   n )  en .
Так как векторы e1 , e2 ,  , en – линейно независимы, то 1  1  0 ,
 2   2  0 , …,  n   n  0 . Откуда получаем, что 1  1 ,  2   2 , …,
n  n .
Теорема доказана.

Пусть e1 , e2 ,  , en – базис, a – произвольный вектор. Тогда соглас-


но теореме 3.2 о базисе, вектор a можно единственным образом пред-
ставить в виде линейной комбинации базисных векторов:
a  1  e1   2  e2     n  en .
При этом коэффициенты 1 ,  2 ,  ,  n называют координатами вектора
a в базисе e1 , e2 ,  , en .

Рассмотрим следующий пример.

22
 1  2
Пример 3.7. Матрица A    имеет в стандартном базисе
  3 4
E1 , E 2 , E 3 , E 4 линейного пространства M (2  2, ℝ ) координаты
1,  2,  3, 4 . Действительно,
 1  2  1 0  0 1  0 0  0 0
   1    ( 2)     ( 3)     4 
 3 4  0 0  0 0  1 0  0 1
 A  E1  2 E 2  3E 3  4 E 4 .

Теорема 3.3. 1) Если вектор a имеет в базисе e1 , e2 ,  , en коорди-


наты 1 ,  2 ,,  n , а вектор b имеет в том же базисе координаты
1 ,  2 ,,  n , то вектор a  b будет иметь в базисе e1 , e2 ,  , en коор-
динаты 1  1 ,  2   2 ,,  n   n .
2) Если вектор a имеет в базисе e1 , e2 ,  , en координаты
1 ,  2 ,,  n , то для любого числа  ℝ вектор a будет иметь в том
же базисе координаты  1 ,  2 ,,  n .
Доказательство.
По условию a  1e1   2 e2     n en , b  1e1   2 e2     n en .
Тогда используя свойства из определения линейного пространства,
получаем
a  b  (1e1   2 e2     n en )  ( 1e1   2 e2     n en ) 
 (1  1 )e1  ( 2   2 )e2    ( n   n )en ,
a   (1e1   2 e2     n en )  1e1   2 e2     n en .
Теорема доказана.

Задачи с решениями
Задача 3.8. Найти координаты вектора x  ( 2, 3, 5)  ℝ 3
1) в стандартном базисе этого линейного пространства;
2) в базисе b1  (0, 0, 10) , b2  ( 2, 0, 0) , b3  (0, 1, 0) .
Решение.
1) Стандартный базис линейного пространства ℝ 3 образуют векто-
ры
e1  (1, 0, 0) , e2  (0, 1, 0) , e3  (0, 0, 1) .
Тогда
x  ( 2, 3, 5)  ( 2, 0, 0)  (0, 3, 0)  (0, 0, 5) 
2  (1, 0, 0)  3  (0, 1, 0)  5  (0, 0, 1)  2e1  3e2  5e3 ,

23
то есть координатами вектора x в стандартном базисе являются 2, 3, 5 .
2) Разложим вектор x  ( 2, 3, 5) по базису b1  (0, 0, 10) ,
b2  ( 2, 0, 0) , b3  (0, 1, 0) .
1 1
x  ( 2, 3, 5)   (0, 0, 10)  ( 2, 0, 0)  3  (0, 1, 0)  b1  b2  3b3 ,
2 2
то есть координатами вектора x в базисе b1  (0, 0, 10) , b2  ( 2, 0, 0) ,
1
b3  (0, 1, 0) являются , 1, 3 .
2
Задача 3.9. Найти координаты вектора 3 x 2  2 x  2 ℝ 3 [x]
1) в стандартном базисе этого линейного пространства;
2) в базисе x 2 , x  1 , 1 .
Решение.
1) Стандартный базис линейного пространства ℝ 3 [ x] образуют
векторы
e1  1 , e2  x , e3  x 2 .
Тогда
3 x 2  2 x  2  2  1  2  x  3  x 2  2e1  2e2  3e3 ,
то есть координатами вектора 3 x 2  2 x  2 в стандартном базисе явля-
ются 2,  2, 3 .
2) Разложим вектор 3 x 2  2 x  2 по базису x 2 , x  1 , 1 .
3 x 2  2x  2  3  x 2  2( x  1)  0  1,
то есть координатами вектора 3 x 2  2 x  2 в базисе x 2 , x  1 , 1 являют-
ся 3,  2, 0 .
 1 2
Задача 3.10. Найти координаты вектора X     М (2  2, ℝ )
  1 0
1) в стандартном базисе этого линейного пространства;
 0 2  1 0 0 0  0 0
2) в базисе A1    , A2    , A3    , A4   .
0 0  0 0 0 5 1 0
Решение.
1) Стандартный базис линейного пространства М (2  2, ℝ ) обра-
зуют векторы
1 0 0 1  0 0 0 0
E1    , E2    , E3    , E4   .
0 0 0 0 1 0 0 1

24
Тогда
 1 2  1 0  0 2  0 0  0 0
X        
  1 0  0 0  0 0    1 0  0 0
1 0 0 1  0 0  0 0
 1    2   ( 1)     0   E1  2E 2  ( 1)E 3  0  E 4 ,
0 0  0 0  1 0  0 1
то есть координатами вектора X в стандартном базисе являются
1, 2,  1, 0 .
 1 2  0 2
2) Разложим вектор X    по базису A1   ,
  1 0 0 0
 1 0 0 0  0 0
A2    , A3    , A4   .
 0 0  0 5 1 0
 1 2  0 2   1 0 0 0  0 0
X   1    ( 1)     0   ( 1)   
  1 0 0 0  0 0 0 5  1 0
 A1  A 2  0  A 3  A 4 ,
то есть координатами вектора X в базисе A1 , A 2 , A 3 , A 4 являются
1,  1, 0,  1 .
Задача 3.11. Найти размерность линейного пространства диаго-
нальных матриц третьего порядка.
Решение.
Покажем, что одним из базисов этого линейного пространства яв-
ляется система векторов
1 0 0 0 0 0 0 0 0
     
B1   0 0 0 , B 2   0 1 0 , B 3   0 0 0 .
0 0 0 0 0 0 0 0 1
     
Легко показать, что B1 , B 2 , B 3 – линейно независимы, и если A –
диагональная матрица третьего порядка, то
 a1 0 0   1 0 0  0 0 0  0 0 0
 
A   0 a2 0   a1   0 0 0   a 2   0 1 0   a 3   0 0 0  
    
0 0 a   0 0 0  0 0 0  0 0 1
 3      
 a1B1  a2 B 2  a3B 3 .
Таким образом, B1 , B 2 , B 3 – максимальная линейно независимая
система, то есть базис линейного пространства диагональных матриц
третьего порядка.

25
Так как размерность конечномерного линейного пространства – это
количество векторов в базисе, то размерность линейного пространства
диагональных матриц третьего порядка равна 3.

Задача 3.12. Найти размерность линейного пространства матриц


второго порядка с нулевым первым столбцом;
Решение.
Покажем, что одним из базисов этого линейного пространства яв-
ляется система векторов
0 1 0 0
С1   , C 2   .
0 0 0 1
Легко показать, что C1 , C 2 – линейно независимы, и если A – мат-
рица второго порядка с нулевым первым столбцом, то
 0 a1   0 1  0 0
A   a1     a2     a1C1  a2 C 2 .
 0 a2   0 0  0 1
Таким образом, C1 , C 2 – максимальная линейно независимая сис-
тема, то есть базис линейного пространства матриц второго порядка с
нулевым первым столбцом. Размерность этого пространства равна 2.

Задача 3.13. Найти размерность линейного пространства нечётных


многочленов;
Решение.
Легко показать, что для любого натурального n система векторов
x, x 3 ,, x 2 n 1 является линейно независимой. Таким образом, линейное
пространство нечётных многочленов является бесконечномерным.

Задача 3.14. Найти размерность линейного пространства нечётных


многочленов, степень которых меньше 8.
Решение.
Покажем, что одним из базисов этого линейного пространства яв-
ляется система векторов
x, x 3 , x 5 , x 7 .
Легко показать, что x, x 3 , x 5 , x 7 – линейно независимы, и если
f (x) – нечётный многочлен, степень которого меньше 8, то
f (x)  a1 x  a2 x 3  a3 x 5  a4 x 7 .
Таким образом, x, x 3 , x 5 , x 7 – базис линейного пространства не-
чётных многочленов, степень которых меньше 8. Размерность этого ли-
нейного пространства равна 4.
26
Задача 3.15. Доказать, что система векторов f1 ( x )  x  3 ,
f 2 ( x)  2 x  5 образует базис линейного пространства ℝ 2 [x] .
Решение.
Так как dim ℝ 2 [ x]  2 , достаточно показать, что f1 ( x), f 2 ( x) – ли-
нейно независимы.
Пусть
1 f1 ( x)   2 f 2 ( x)  1 ( x  3)   2 (2 x  5) 
 (1   2 ) x  ( 31  5 2 )  0 
 1  2 2  0,
 3  5  0.
 1 2
Определитель основной матрицы этой системы
1 2
 5  6  1  0 ,
3 5
то есть система имеет единственное решение 1   2  0 .
Таким образом, f1 ( x), f 2 ( x) – линейно независимы, следовательно,
образуют базис линейного пространства ℝ 2 [ x] .

Задача 3.16. Доказать, что система векторов f1 ( x)  2 x 2  3x  1 ,


f 2 ( x)  3 x 2  2 x  4, f 3 ( x)  x 2  x  5 образует базис линейного про-
странства ℝ 3 [ x] .
Решение.
Так как dim ℝ [ x]  3 , достаточно показать, что f1 ( x), f 2 ( x), f 3 ( x) –
3

линейно независимы.
Аналогично предыдущему примеру получаем систему
21  3 2   3  0,

31  2 2   3  0,
 1  4 2  5 3  0.
Определитель основной матрицы этой системы
2 3 1
3 2  1  44  0,
1 4 5
то есть система имеет единственное решение 1   2   3  0 .
Таким образом, f1 ( x), f 2 ( x), f 3 ( x) – линейно независимы, следова-
тельно, образуют базис линейного пространства ℝ 3 [ x] .

27
Задача 3.17. Доказать, что система векторов a1  ( 2, 1,  3),
a 2  (3, 2,  5) , a 3  (1,  1, 1) образует базис линейного пространства
ℝ3.
Решение.
Так как dim ℝ  3 , достаточно показать, что a1 , a2 , a3 – линейно
3

независимы.
Пусть
1a1   2 a2   3 a3  1 ( 2, 1,  3)   2 (3, 2,  5)   3 (1,  1, 1) 
 ( 21  3 2   3 , 1  2 2   3 ,  31  5 2   3 )  (0, 0, 0) 
 21  3 2   3  0,

 1  2 2   3  0,
 31  5 2   3  0.
Определитель основной матрицы этой системы
2 3 1
1 2  1  1  0,
3 5 1
то есть система имеет единственное решение 1   2   3  0 .
Таким образом, a1 , a2 , a3 – линейно независимы и, следовательно,
образуют базис линейного пространства ℝ 3 .

Задачи для самостоятельного решения


Задача 3.18. Найти размерность линейного пространства матриц
третьего порядка с нулевой главной диагональю.

Задача 3.19. Найти размерность линейного пространства чётных


многочленов.

Задача 3.20. Доказать, что система векторов a1  (1, 1), a 2  ( 2,  1)


образует базис линейного пространства ℝ 2 .

Задача 3.21. Доказать, что система векторов f1 ( x )  2 x 2  2 x  1,


f 2 ( x )  2 x 2  x  2 , f 3 ( x )   x 2  2 x  2 образует базис линейного про-
странства ℝ 3 [ x ] .

28
Задача 3.22. Доказать, что векторы p  2i  3j и q  i  2 j образу-
ют базис линейного пространства V ( 2) (линейного пространства сво-
бодных векторов плоскости).

Задача 3.23. Доказать, что векторы p  3i  2 j  k , q   i  j  2k ,


r  2i  j  3k образуют базис линейного пространства V (3) (линейного
пространства свободных векторов пространства).

29
§ 4. Связь между координатами вектора
в различных базисах
Координаты вектора определены в данном базисе единственным
образом. Но в другом базисе вектор будет иметь другие координаты.
Связь между координатами вектора в различных базисах дает следую-
щая теорема.

Теорема 4.1. Пусть e1 , e2 ,  , en и e1 , e2 ,  , en – два базиса линей-


ного пространства L . Причем имеют место равенства:
e1  t11e1  t21e2    tn1en ,
e2  t12 e1  t22 e2    tn 2 en ,
        

en  t1n e1  t2 n e2    tnn en .
Если вектор a имеет в базисе e1 , e2 ,  , en координаты
1 ,  2 ,,  n , а в базисе e1 , e2 ,  , en – координаты 1 ,  2 ,,  n , то
справедливо равенство
A  T  B , где
 1   1   t11 t12  t1n 
     
A   2  , B   2  , T   t21 t22  t2 n  .
     

 n 
 n  tn1 tn 2  tnn 

Составленную таким образом матрицу T называют матрицей пе-


рехода от базиса e1 , e2 ,  , en к базису e1 , e2 ,  , en .
Доказательство.
По условию a  1e1   2 e2     n en . Тогда раскладывая векторы
e1 , e2 ,  , en по базису e1 , e2 ,  , en , получим
a  1 (t11e1  t21e2    tn1en )   2 (t12 e1  t22 e2    tn 2 en )   
  n (t1n e1  t2 n e2    tnn en ) .
Раскроем скобки и перегруппируем слагаемые:
a  (1t11  2 t12    n t1n )e1 
 ( 1t 21   2 t 22     n t 2 n )e2 
  
 ( 1t n1   2 t n 2     n t nn )en .
Но по условию a  1e1   2 e2     n en , следовательно,

30
1  1t11   2 t12     n t1n ,
 2  1t 21   2 t 22     n t 2 n ,

 n  1t n1   2 t n 2     n t nn ,
или в матричном виде A  T  B .
Теорема доказана.

Замечания. 1) Столбцы матрицы T – это координаты векторов


e1 , e2 ,  , en в базисе e1 , e2 ,  , en . Но e1 , e2 ,  , en – это базис, то есть ли-
нейно независимая система. Таким образом, столбцы матрицы T – ли-
нейно независимы. Тогда согласно критерию равенства нулю определи-
теля, T  0 .
2) Найдём теперь матрицу перехода от базиса e1 , e2 ,  , en к базису
e1 , e2 ,  , en . Имеем A  T  B . Тогда T 1  A  T 1  T  B  B , то есть
B  T 1  A . Таким образом, если T – это матрица перехода от базиса
e1 , e2 ,  , en к базису e1 , e2 ,  , en , то T 1 – это матрица перехода от ба-
зиса e1 , e2 ,  , en к базису e1 , e2 ,  , en .

Рассмотрим в качестве примера следующую задачу.


Пример 4.1. Вектор x в стандартном базисе линейного пространст-
ва ℝ 2 имеет координаты 2, 3. Найти его координаты в базисе c1  ( 4, 3) ,
c2  (5, 4) .
Стандартный базис линейного пространства ℝ 2 образуют векторы
e1  (1, 0) и e2  (0, 1) .
Найдём матрицу перехода от базиса e1 , e2 к базису c1 , c2 :
c1  4e1  3e2  4 5  2 x  x   2
 T      T   1    1   T 1    .
c2  5e1  4e2  3 4  3  x2   x2   3
 4  5
Можно найти, что T 1    , тогда
  3 4 
 x1   4  5   2    7 
       .
 x2    3 4   3   6 
Координатами вектора x в базисе c1 , c2 будут –7 и 6, то есть
x  7c1  6c2 .

31
Задачи с решениями

Задача 4.2. Найти в базисе f1 ( x)  x  3 , f 2 ( x)  2 x  5 линейного


пространства ℝ 2 [x] координаты вектора g ( x)  x  4 .
Решение.
Решим эту задачу двумя способами.
Способ 1.
Пусть g ( x)  1 f1 ( x)   2 f 2 ( x). Тогда
x  4  1 ( x  3)   2 (2 x  5)  (1  2 2 ) x  ( 31  5 2 ) 
 31  5 2   4,
 
 1  2 2  1.
Решим эту систему методом Крамера:
3 5 4 5 3 4
  1, 1   3,  2  1 
1 2 1 2 1 1
 3  1
1  1   3,  2  2   1.
 1  1
Таким образом, координатами вектора g ( x) в базисе f1 ( x), f 2 ( x)
являются 3,  1, то есть g ( x )  3 f1 ( x )  f 2 ( x ).
Способ 2.
Пусть g ( x)  1 f1 ( x)   2 f 2 ( x). Обозначим через B – столбец ко-
ординат вектора g ( x) в базисе f1 ( x), f 2 ( x) и через A – столбец коорди-
нат вектора g ( x) в стандартном базисе 1, x линейного пространства
ℝ 2 [x] . Тогда
    4
B   1  , A   .
 2   1
Согласно теореме 4.1
A  TB ,
где T – матрица перехода от базиса 1, x к базису f1 ( x), f 2 ( x) . Первый
столбец матрицы T – это координаты вектора f1 ( x) в базисе 1, x , вто-
рой столбец – координаты вектора f 2 ( x) в базисе 1, x . Так как
f1 ( x )  3  1  1  x , f 2 ( x )  5  1  2  x,
  3  5
T .
 1 2

32
Из равенства A  T  B следует, что
B  T 1  A .
Найдем T 1 . Для этого найдем алгебраические дополнения для ка-
ждого из элементов матрицы T :
T11  (1)11  2  2, T12  (1)1 2  1  1,
T21  (1) 21  (5)  5, T22  (1) 2 2  (3)  3.
Тогда
 2  1 T  2 5
S   S   
 5  3   1  3
1 1  2 5   2  5
T 1   S T    .
T  1   1  3  1 3
Получаем, что
  2  5   4   3 
B  T 1  A       .
 1 3 1   1
Таким образом, координатами вектора g ( x) в базисе f1 ( x), f 2 ( x)
являются 3,  1, то есть g ( x )  3 f1 ( x )  f 2 ( x ).

Задача 4.3. Найти в базисе f1 ( x )  2 x 2  3 x  1 ,


f 2 ( x)  3x 2  2 x  4 , f 3 ( x)  x 2  x  5 линейного пространства ℝ 3 [ x]
координаты вектора g ( x)  4 x 2  x  9 .
Решение.
Пусть g ( x)  1 f1 ( x)   2 f 2 ( x)   3 f 3 ( x) . Найдем координаты
1 ,  2 ,  3 , применяя второй способ из предыдущей задачи.
 1    9  1 4  5
 
B    2  , A   1 , T   3 2  1 .
 
   4  2  3 1
 3    
  1  5  13
T  44 , S   11 11 11 
 6  14  10 
 
  1 11 6
1 T 1 
T 1
 S    5 11  14  
T 44   13 11  10 
 

33
  1 11 6   9  1 
1 
1
B T A    5 11  14   1   0 .
44   13 11  10   4   2 
    
Таким образом, координатами вектора g ( x) в базисе
f1 ( x), f 2 ( x), f 3 ( x) являются 1, 0, 2 , то есть g ( x )  f1 ( x )  2 f 3 ( x ) .

Задача 4.4. Найти в базисе a1  ( 2, 1,  3), a 2  (3, 2,  5) ,


a 3  (1,  1, 1) пространства ℝ 3 координаты вектора b  (6, 2,  7) .
Решение.
Пусть b  1a1   2 a2   3 a3 . Найдем координаты 1 ,  2 ,  3 , приме-
няя способ 1 из задачи 4.2.
(6, 2,  7)  1 ( 2, 1,  3)   2 (3, 2,  5)   3 (1,  1, 1) 
 ( 21  3 2   3 , 1  2 2   3 ,  31  5 2   3 )  (0, 0, 0) 
 21  3 2   3  6,

 1  2 2   3  2,
 31  5 2   3   7.
Решим эту систему методом Крамера:
2 3 1 6 3 1
  1 2  1  1, 1  2 2  1  1,
3 5 1 7 5 1
2 6 1 2 3 6
 2  1 2  1  1,  3  1 2 2  1.
3 7 1 3 5 7
  
1  1  1,  2  2  1,  3  3  1.
  
Таким образом, координатами вектора b в базисе a1 , a2 , a3 являют-
ся 1, 1, 1, то есть b  a1  a 2  a 3 .

Задачи для самостоятельного решения

Задача 4.5. Найти в базисе a1  (1, 1), a 2  ( 2,  1) линейного про-


странства ℝ 2 координаты вектора b  (2,4) .

34
Задача 4.6. Найти в базисе f1 ( x )  2 x 2  2 x  1, f 2 ( x )  2 x 2  x  2 ,
f 3 ( x )   x 2  2 x  2 линейного пространства ℝ 3 [x ] координаты векто-
ра g (x )  x 2  x  1 .

Задача 4.7. Найти в базисе p  2i  3j , q  i  2 j линейного про-


странства V ( 2) (линейного пространства свободных векторов плоскости)
координаты вектора a  9i  4 j .

Задача 4.8. Найти в базисе p  3i  2 j  k , q   i  j  2k ,


( 3)
r  2i  j  3k линейного пространства V (линейного пространства
свободных векторов пространства) координаты вектора c  11i  6 j  5k .

35
§ 5. Подпространства линейного пространства
Пусть L – вещественное линейное пространство, L1 – непустое
подмножество L .
Определение. Множество L1 называют подпространством ли-
нейного пространства L , если оно образует линейное пространство
относительно операций, определенных на L .

Рассмотрим примеры линейных подпространств.


Пример 5.1. Линейное пространство V ( 2) свободных векторов
плоскости является подпространством линейного пространства V (3)
свободных векторов пространства.
Пример 5.2. Линейное пространство ℝ n [x ] является подпростран-
ством линейного пространства ℝ [x] всех многочленов.

Для того чтобы показать, что множество является линейным под-


пространством некоторого линейного пространства, приходится пока-
зывать, что оно само является линейным пространством, то есть прове-
рять, выполняются ли все восемь условий из определения линейного
пространства. Следующая теорема позволяет значительно уменьшить
количество проверяемых условий.

Теорема 5.1 (критерий подпространства). Пусть L – веществен-


ное линейное пространство, L1 – непустое подмножество L . Множе-
ство L1 является подпространством линейного пространства L то-
гда и только тогда, когда для любых элементов a, b  L1 и любого   ℝ
выполняются условия:
1) a  b  L1 ;
2)   a  L1 .
Доказательство.
1) Если L1 – подпространство линейного пространства L , то оно
само является линейным пространством, следовательно, a  b  L1 и
  a  L1 .
2) Пусть a  b  L1 и   a  L1 для любых a, b  L1 ,   ℝ.
Покажем, что L1 является линейным пространством. Проверим,
выполняются ли условия из определения линейного пространства.

36
Для этого надо показать, что а) o  L1 и б) для любого b  L1 эле-
мент  b  L1 . Остальные условия выполняются, так как они выполня-
ются в L , а L1 – подмножество L .
По условию теоремы для любых элементов a, b  L1 a  b  L1 .
а) Пусть a  b  L1 , тогда b  b  o  L1 .
б) Пусть a  o . Так как o  L1 , то o  b  b  L1 .
Кроме этого надо ещё показать, что при умножении элементов
множества L1 на число и их сложении результат этих действий будет
также элементом множества L1 .
По условию теоремы   a  L1 для любого элемента a  L1 и любо-
го   ℝ.
Покажем, что a  b  L1 для любых элементов a, b  L1 и любого
  ℝ. Для любых элементов a, b  L1 a  b  L1 . Так как  b  L1 , то
a  ( b)  a  b  L1 .
Теорема доказана.

Рассмотрим, как применяется критерий подпространства на сле-


дующем примере.
Пример 5.3. Пусть М – множество решений системы линейных од-
нородных уравнений с n неизвестными. Покажем, что это множество
является вещественным линейным пространством.
Для этого покажем, что оно является подпространством ℝ n . По
свойству решений системы линейных однородных уравнений линейная
комбинация решений также является решением этой системы. Следова-
тельно, для любых решений a, b  M и любого   ℝ a  b  M и
  a  M . Тогда согласно критерию подпространства, М – подпростран-
ство ℝ n , то есть само является линейным пространством.
Заметим, что базисом этого линейного пространства является фун-
даментальная система решений. Действительно, согласно теореме о
фундаментальной системе решений, решения, входящие в неё, – линей-
но независимы, а любое другое решение является их линейной комби-
нацией. Таким образом, фундаментальная система решений является
максимальной линейно независимой системой векторов, то есть базисом
линейного пространства решений системы линейных однородных урав-
нений.

37
Задачи с решениями

Задача 5.4. Являются ли следующие множества подпространства-


ми линейного пространства ℝ 5 [ x] :
1) B1 – множество четных многочленов, степень которых меньше 5;
2) B2 – множество многочленов третей степени;
3) ℝ – множество действительных чисел?
Решение.
1) Множество B1 (множество четных многочленов, степень кото-
рых меньше 5) является подмножеством множества ℝ 5 [ x] , которое яв-
ляется линейным пространством. Воспользуемся критерием подпро-
странства.
Пусть g1 ( x), g 2 ( x)  B1 . Тогда
g1 ( x)  a1 x 4  b1 x 2  c1 , g 2 ( x)  a2 x 4  b2 x 2  c2 ,
g1 ( x)  g 2 ( x)  (a1  a2 ) x 4  (b1  b2 ) x 2  (c1  c2 ) ,
то есть g1 ( x)  g 2 ( x)  B1 .
Пусть g (x)  B1 ,   ℝ. Тогда
  g ( x )    ( ax 4  bx 2  c )  (  a ) x 4  (  b) x 2  (  c ) ,
то есть   g (x )  B1 .
Таким образом, согласно критерию подпространства, B1 является
подпространством линейного пространства ℝ 5 [ x] .
2) Множество B2 (множество многочленов третей степени) являет-
ся подмножеством множества ℝ 5 [ x] , которое является линейным про-
странством. Воспользуемся критерием подпространства.
Пусть g1 ( x)  x 3  x , g 2 ( x)  x 3  1 . Тогда
g1 ( x)  g 2 ( x)  x  1 ,
то есть g1 ( x)  g 2 ( x)  B2 .
Таким образом, согласно критерию подпространства, B2 не являет-
ся подпространством линейного пространства ℝ 5 [ x] .
3) Множество ℝ является подмножеством множества ℝ 5 [ x] , кото-
рое является линейным пространством. Воспользуемся критерием под-
пространства.
Пусть a,b,   ℝ. Тогда a  b  ℝ и   a  ℝ.

38
Таким образом, согласно критерию подпространства, ℝ является
подпространством линейного пространства ℝ 5 [ x] .

Задача 5.5. Образуют ли следующие множества матриц линейные


пространства, если сложение и умножение матриц на число произво-
дится стандартным образом (то есть поэлементно):
1) M 1 – множество матриц второго порядка с нулевой первой стро-
кой;
2) M 2 – множество диагональных матриц третьего порядка;
3) M 3 – множество вырожденных матриц третьего порядка (мат-
риц, у которых определитель равен нулю)?
Решение.
1) Множество M 1 (множество матриц второго порядка с нулевой
первой строкой) является подмножеством множества М (2  2, ℝ ) , кото-
рое является линейным пространством. Воспользуемся критерием под-
пространства.
Пусть A, B  M 1 . Тогда
 0 0   0 0   0 0 
A , B   и AB   ,
 a21 a22   b21 b22   a21  b21 a22  b22 
то есть A  B  M 1 .
Пусть A  M 1 ,   ℝ. Тогда

  A    
0 0   0 0 
  ,
 a 21 a 22    a 21   a 22 
то есть   A  M 1 .
Таким образом, согласно критерию подпространства, M 1 является
подпространством линейного пространства М (2  2, ℝ ) , то есть само
является линейным пространством.
2) Множество M 2 (множество диагональных матриц третьего по-
рядка) является подмножеством множества М (3  3, ℝ ) , которое являет-
ся линейным пространством. Воспользуемся критерием подпространст-
ва.
Пусть A, B  M 2 . Тогда

39
 a1 0 0   b1 0 0   a1  b1 0 0 
     
A   0 a2 0  , B   0 b2 0  и A  B   0 a2  b2 0 ,
0 0 a  0 0 b   0 0 a3  b3 
 3  3 
то есть A  B  M 2 .
Пусть A  M 2 ,   ℝ. Тогда

 a1 0 0     a1 0 0 
  A    0 a 2  
0    0   a2 0  ,
0 0 a 3   0 0   a 3 

то есть   A  M 2 .
Таким образом, согласно критерию подпространства, M 2 является
подпространством линейного пространства М (3  3, ℝ ) , то есть само
является линейным пространством.
3) Множество M 3 (множество матриц третьего порядка, у которых
определитель равен нулю) является подмножеством множества
М (3  3, ℝ ) , которое является линейным пространством. Воспользуемся
критерием подпространства.
Пусть
1 0 0 0 0 0 
   
A   0 0 0 , B  0 1 0  .
 0 0 0  0 0  1
   
Так как A  0 и B  0 , то A, B  M 3 . Тогда

1 0 0
 
A  B  0 1 0 .
0 0 1
 
Но A  B  1 , следовательно, A  B  M 3 . Тогда согласно крите-
рию подпространства, M 3 не является подпространством линейного
пространства М (3  3, ℝ ) , то есть не является линейным пространством.

Задача 5.6. Найти размерность и один из базисов линейного про-


странства решений системы уравнений
 x1  2 x2  3 x3  0,
 2 x  x  x  0.
 1 2 3

40
Решение.
Базисом линейного пространства решений системы линейных од-
нородных уравнений является любая из её фундаментальных систем
решений. Найдем одну из них.
Приведем основную матрицу системы к ступенчатому виду:
 1 2  3  1 2  3
 2  1 1 ~  0  5 7 
   
Тогда
 x1  2 x 2  3x 3 ,  x  1.4 x3 ,  x  0.2 x3 ,
   2   1
 5x2   7 x3  x1  3 x3  2 x2  x 2  1. 4 x 3 .
Таким образом, фундаментальная система решений состоит из од-
ного решения, например,
1
7 ,
 
 5
которое и является базисом линейного пространства решений исходной
системы. Размерность этого линейного пространства равна 1.

Задачи для самостоятельного решения


Задача 5.7. Проверить, являются ли следующие множества под-
пространствами линейного пространства M ( 2  2 ,ℝ):
1) M 1 – множество матриц, имеющих вид
 a b
 b c  , где a, b, c  ℝ;
 
2) M 2 – множество матриц второго порядка, у которых главная
диагональ состоит из 1;
3) M 3 – множество матриц, имеющих вид
 0 b
  b 0  , где b  ℝ.
 

Задача 5.8. Образуют ли следующие множества числовых после-


довательностей линейные пространства, если сложение и умножение
последовательностей на число производится стандартным образом (то
есть поэлементно):
1) M 1 – множество последовательностей (a1 , a 2 ,, a8 ) , у которых
a 2  a 4  a 6  a8  0 ;

41
2) M 2 – множество последовательностей ( a1 , a 2 ,, a5 ) , у которых
a1  a5 ;
3) M 3 – множество последовательностей ( a1 , a 2 , a 3 , a 4 ) целых чи-
сел?

Задача 5.9. Найти размерность и один из базисов линейного про-


странства решений системы уравнений
3x1  x 2  x 3  x 4  x5  0,

 x1  3x 2  2 x 3  x 4  x5  0,
4 x1  2 x 2  x 3  2 x 4  2 x5  0.

42
§ 6. Линейные операторы
Пусть L(n ) – линейное пространство размерности n.
Определение. Отображение f линейного пространства L(n ) в L(n )
(то есть в само себя) называется линейным оператором этого линейно-
го пространства, если для любых x, y  L(n ) и любого  ℝ выполняют-
ся следующие два условия:
1) f ( x  y )  f ( x )  f ( y ) ;
2) f (  x )    f ( x ) .
Замечание. Из второго условия определения линейного оператора
и леммы 1.1 следует, что
f (o )  f ( 0  x )  0  f ( x )  o .
Рассмотрим примеры линейных операторов.
Пример 6.1. Пусть f ( x )  o для любого x  L(n ) (o – нулевой эле-
мент линейного пространства L(n ) ). Тогда для любых x, y  L(n ) и любо-
го  ℝ
f ( x  y)  o  o  o  f ( x)  f ( y) ,
f (  x )  o    o    f ( x ) ,
то есть отображение f является линейным оператором. Этот оператор
называют нулевым оператором, будем обозначать его O .
Пример 6.2. Пусть f ( x )  x для любого x  L(n ) . Тогда для любых
x, y  L( n ) и любого  ℝ
f ( x  y)  x  y  f ( x)  f ( y) ,
f (  x )    x    f ( x ) ,
то есть отображение f является линейным оператором. Этот оператор
называют тождественным оператором, будем обозначать его J .
Пример 6.3. Рассмотрим линейное пространство V (3) (свободных
векторов в пространстве). Пусть k – некоторое действительное число,
отличное от нуля, и пусть f ( x )  k  x для любого x  V (3) . Тогда для
любых x, y  L( n ) и любого  ℝ
f ( x  y)  k  ( x  y)  k  x  k  y  f ( x)  f ( y) ,
f (  x )  k  (  x )    ( k  x )    f ( x ) ,
то есть отображение f является линейным оператором. Этот оператор
называют оператором подобия.
43
Задачи с решениями
Задача 6.4. Проверить, является ли отображение f линейным опе-
ратором линейного пространства ℝ3, если для любого
x  ( x1 , x 2 , x 3 )  ℝ 3
f ( x )  ( x 2 , x3 , x1  2 x 2 ) .
Решение.
Отображение f является линейным оператором линейного про-
странства ℝ 3 , если для любых x, y ℝ 3 и любого  ℝ выполняются
следующие два условия:
f ( x  y )  f ( x)  f ( y ),
f ( x )   f ( x ) .
Проверим, выполняется ли первое условие. Пусть x  ( x1 , x 2 , x 3 ) ,
y  ( y1 , y 2 , y 3 )  ℝ 3 . Тогда
f ( x  y )  f (( x1 , x 2 , x3 )  ( y1 , y 2 , y 3 )) 
 f (( x1  y1 , x 2  y 2 , x 3  y 3 )) 
 ( x 2  y 2 , x 3  y 3 , ( x1  y1 )  2( x 2  y 2 )) ,
f ( x)  f ( y )  f (( x1 , x 2 , x3 ))  f (( y1 , y 2 , y 3 )) 
 ( x 2 , x 3 , x1  2 x 2 )  ( y 2 , y 3 , y1  2 y 2 ) 
 ( x 2  y 2 , x3  y 3 , x1  2 x 2  y1  2 y 2 ) 
 ( x 2  y 2 , x 3  y 3 , ( x1  y1 )  2( x 2  y 2 ) ,
следовательно, f ( x  y )  f ( x)  f ( y ).
Проверим, выполняется ли второе условие. Пусть
x  ( x1 , x 2 , x 3 )  ℝ ,  ℝ. Тогда
3

f ( x )  f ( ( x1 , x 2 , x3 ))  f (( x1 ,  x 2 ,  x3 )) 
 ( x 2 ,  x 3 ,  x1  2 x 2 ) ,
 f (x )   f (( x1 , x 2 , x3 ))   ( x 2 , x3 , x1  2 x 2 ) 
 ( x 2 ,  x3 ,  x1  2 x 2 ) ,
следовательно, f ( x )   f ( x ) .
Таким образом, f – линейный оператор линейного пространства
ℝ3.
Задача 6.5. Проверить, является ли отображение f линейным опе-
ратором линейного пространства ℝ 2 , если для любого x  ( x1 , x 2 ) ℝ 2
f ( x )  ( x 2  x1 , 2 x1  x 2 ) .

44
Решение.
Пусть x  ( x1 , x 2 ) , y  ( y1 , y 2 )  ℝ 2 . Тогда
f ( x  y )  f (( x1  y1 , x 2  y 2 )) 
 (( x 2  y 2 )  ( x1  y1 ), 2( x1  y1 )  ( x 2  y 2 )) 
 ( x 2  y 2  x1  y1 , 2 x1  2 y1  x 2  y 2 ) ,
f ( x)  f ( y )  ( x 2  x 2 , 2 x1  x 2 )  ( y 2  y 2 , 2 y1  y 2 ) 
 ( x 2  y 2  x1  y1 , 2 x1  2 y1  x 2  y 2 ) ,
следовательно, f ( x  y )  f ( x)  f ( y ).
Пусть x  ( x1 , x 2 )  ℝ 2 ,  ℝ. Тогда
f ( x )  f (( x1 ,  x 2 ))  ( x 2   x1 , 2 x1   x 2 ) ,
 f (x )   ( x 2  x1 , 2 x1  2 x1 )  ( x 2   x1 , 2 x1   x 2 )
следовательно, f ( x )   f ( x ) .
Таким образом, f – линейный оператор линейного пространства
ℝ2.
Задача 6.6. Проверить, является ли отображение f линейным опе-
ратором линейного пространства ℝ3, если для любого
x  ( x1 , x 2 , x 3 )  ℝ 3
f ( x)  ( x1 , x2 , x3  1) .
Решение.
Если x  ( x1 , x 2 , x 3 )  ℝ ,  ℝ, то
3

f ( x )  f (( x1 ,  x 2 ,  x 3 ))  ( x1 ,  x 2 ,  x3  1) ,
 f ( x )   ( x1 , x 2 , x3  1)  ( x1 ,  x 2 ,  x3   ) ,
следовательно, f ( x )   f ( x ) при   1 .
Таким образом, f не является линейным оператором линейного
пространства ℝ 3 .
Задача 6.7. Проверить, является ли отображение f линейным опе-
ратором линейного пространства ℝ 2 , если для любого x  ( x1 , x 2 ) ℝ 2
f ( x)  ( x1 , x22 ) .
Решение.
Заметим, что если x  ( x1 , x 2 ) , y  ( y1 , y 2 )  ℝ 2 , то
f ( x  y )  f (( x1  y1 , x 2  y 2 ))  ( x1  x 2 , ( x 2  y 2 ) 2 ) 
 ( x1  x 2 , x 22  y 22  2 x 2 y 2 ) ,

45
f ( x)  f ( y )  ( x1 , x 22 )  ( y1 , y 22 )  ( x1  x 2 , x 22  y 22 ) ,
следовательно, f ( x  y )  f ( x )  f ( y ) при x 2 y 2  0 .
Таким образом, f не является линейным оператором линейного
пространства ℝ 2 .

Задача 6.8. Проверить, является ли отображение f линейным опе-


ратором линейного пространства ℝ 3 [x] , если для любого
g ( x)  ax 2  bx  c ℝ 3 [x]
f ( g ( x))  bx  c .
Решение.
Пусть g1 ( x)  a1 x  b1 x  c1 , g 2 ( x)  a2 x 2  b2 x  c2  ℝ 3 [ x] . Тогда
2

f ( g1 ( x)  g 2 ( x))  f (a1 x 2  b1 x  c1  a2 x 2  b2 x  c2 ) 
 f (( a1  a 2 ) x 2  (b1  b2 ) x  ( c1  c2 )) 
 (b1  b2 ) x  ( c1  c2 ) ,
f ( g1 ( x))  f ( g 2 ( x))  b1 x  c1  b2 x  c2  (b1  b2 ) x  (c1  c2 ) ,
следовательно, f ( g1 ( x)  g 2 ( x))  f ( g1 ( x))  f ( g 2 ( x)) .
Пусть g ( x)  ax 2  bx  c ℝ 3 [x] ,  ℝ. Тогда
f ( g ( x ))  f ( (ax 2  bx  c))  f (ax 2  bx  c)  bx  c ,
 f ( g ( x ))   (bx  c)  bx  c ,
следовательно, f ( g ( x ))   f ( g ( x )) .
Таким образом, f – линейный оператор линейного пространства
ℝ 3 [x] .

Задача 6.9. Проверить, является ли отображение f линейным опе-


ратором линейного пространства М (2  2, ℝ ) , если для любого
Х  М (2  2, ℝ )
f (Х)  Х Т .
Решение.
Согласно свойствам операции транспонирования матриц
f ( X  Y )  ( Х  Y)T  ХT  Y T  f ( X )  f ( Y ) ,
f ( Х )  ( Х ) T   ( Х T )   f (X ) ,
то есть f является линейным оператором линейного пространства
М (2  2, ℝ ) .
46
Задачи для самостоятельного решения
Задача 6.10. Проверить, является ли отображение f линейным
оператором линейного пространства ℝ 3 , если для любого
x  ( x1 , x 2 , x 3 )  ℝ 3
f ( x )  ( x1  x 2  x3 , x3  x 2 , x1 ) .
Задача 6.11. Проверить, является ли отображение f линейным
оператором линейного пространства ℝ3, если для любого
x  ( x1 , x 2 , x3 )  ℝ 3
f ( x )  ( 2 x1  x 2 , x 3  x1 , x 32 ) .

Задача 6.12. Проверить, является ли отображение f линейным


оператором линейного пространства ℝ 3 [x] , если для любого
g ( x)  ax  bx  c ℝ [x]
2 3

f ( g ( x ))  cx 2  bx  a .

Задача 6.13. Проверить, является ли отображение f линейным


оператором линейного пространства М (2  2, ℝ ) , если для любого
x x 
X   11 12   M ( 2  2, ℝ )
 x 21 x 22 
x 0 
f ( X )   22 .
 0 x11 

Задача 6.14. Проверить, является ли отображение f линейным


оператором линейного пространства V 3 , если для любого x  V 3
f ( x )  [ x , a ] , где a  {1, 3,  2} .

47
§7. Матрица линейного оператора
Пусть f – линейный оператор линейного пространства L(n ) ,
e1 , e2 ,, en – некоторый базис этого пространства.
Тогда любой вектор линейного пространства L(n ) линейно выража-
ется через векторы e1 , e2 ,, en . Следовательно,
f ( e1 )  a11e1  a 21e2    a n1en ,
f ( e2 )  a12 e1  a 22 e2    a n 2 en , (7.1)

f ( en )  a1n e1  a 2 n e2    a nn en .
Из коэффициентов в разложении векторов f ( e1 ), f ( e2 ),, f ( en ) по
базису e1 , e2 ,, en составим матрицу A :
 a11 a12  a1n 
 
a a  a
A 21 22 2 n .
   
a a  a 
 n1 n 2 nn 
Эту матрицу называют матрицей линейного оператора в базисе
e1 , e2 ,, en .
Замечание. Отметим, что в столбце с номером i матрицы A стоят
координаты вектора f ( ei ) в базисе e1 , e2 ,, en .

Соотношение (7.1) можно записать в матричном виде:


 f (e1 ) f ( e2 )  f ( en )   e1 e2  en   A . (7.2)

Рассмотрим некоторые примеры.


Пример 7.1. Найдём матрицу нулевого оператора O произвольного
линейного пространства L(n ) в некотором базисе e1 , e2 ,, en .
O ( e1 )  O ( e2 )    O ( en )  o  0  e1  0  e2    0  en
0 0  0
 
 0 0  0
 A  O.
    
0 0  0
 
Таким образом, нулевой оператор любого линейного пространства в
любом базисе имеет нулевую матрицу.
Пример 7.2. Найдём матрицу тождественного оператора J произ-
вольного линейного пространства L(n ) в некотором базисе e1 , e2 ,, en .
48
J ( e1 )  e1  1  e1  0  e2    0  en ,
J ( e2 )  e2  0  e1  1  e2    0  en ,
,
J (en )  en  0  e1  0  e2    1  en
1 0  0
 
 0 1  0
 A  E.
   
0 0  1
 
Таким образом, тождественный оператор любого линейного простран-
ства в любом базисе имеет единичную матрицу.
Пример 7.3. Рассмотрим линейное пространство ℝ n [x ] (простран-
ство многочленов, степень которых меньше n ). Пусть f – оператор
дифференцирования. Найдём матрицу линейного оператора f в стан-
дартном базисе 1, x, x 2 ,, x n 1 .
f (1)  1  0  0  1  0  x  0  x 2    0  x n  2  0  x n 1 ,
f ( x )  x   1  1  1  0  x  0  x 2    0  x n  2  0  x n 1 ,
f ( x 2 )  ( x 2 )   2 x  0  1  2  x  0  x 2    0  x n  2  0  x n 1 ,
f ( x 3 )  ( x 3 )   3x 2  0  1  0  x  3  x 2    0  x n  2  0  x n 1 ,

f ( x n 1 )  ( x n 1 )  ( n  1) x n  2 
 0  1  0  x  0  x 2    ( n  1)  x n  2  0  x n 1
0 1 0 0  0 
0 0 2 0  0 
 
 0 0 0 3  0 
 A .
      
 0 0 0 0 0 n  1
 
0 0 0 0 0 0 

Итак, для каждого линейного оператора можно построить матрицу


этого оператора в данном базисе. Оказывается, справедливо и обратное:
любой матрице порядка n соответствует линейный оператор n -мерного
линейного пространства, более того это соответствие взаимно одно-
значное.
Теорема 7.1. Существует взаимно однозначное соответствие
между множеством линейных операторов n -мерного линейного про-
странства и множеством квадратных матриц порядка n .
49
Задачи с решениями
Задача 7.4. Найти матрицу линейного оператора f линейного про-
странства ℝ 3 в стандартном базисе, если для любого x  ( x1 , x 2 , x3 ) ℝ 3
f ( x )  ( x 2 , x 3 , x1  2 x 2 ) .
Решение.
Стандартным базисом линейного пространства ℝ 3 является базис
e1  (1, 0, 0), e2  (0, 1, 0), e3  (0, 0, 1).
Обозначим матрицу линейного оператора f в стандартном базисе
через A . Согласно определению матрицы линейного оператора, эле-
ментами первого столбца матрицы A являются координаты вектора
f (e1 ) в базисе e1 , e2 , e3 , элементами второго столбца – координаты век-
тора f (e2 ) в базисе e1 , e2 , e3 и элементами третьего – координаты f (e3 )
в том же базисе.
f ( e1 )  f ((1, 0, 0))  0, 0, 1  2  0  0, 0, 1  0  e1  0  e2  1  e3 ,
f ( e2 )  f ((0, 1, 0))  1, 0, 0  2  1  1, 0, 2   1  e1  0  e2  2  e3 ,
f ( e3 )  f ((0, 0, 1))  0, 1, 0  2  0  0, 1, 0  0  e1  1  e2  0  e3
 0 1 0
 
 A  0 0 1 .
1 2 0
 
Задача 7.5. Найти матрицу линейного оператора f линейного про-
странства ℝ 2 в стандартном базисе, если для любого x  ( x1 , x 2 ) ℝ 2
f ( x )  ( x 2  x1 , 2 x1  x 2 ) .
Решение.
Стандартным базисом линейного пространства ℝ 2 является базис
e1  (1, 0), e2  (0, 1) .
Тогда
f ( e1 )  f ((1, 0))  0  1, 2  1  0  1, 2   1  e1  2  e2 ,
f ( e2 )  f ((0, 1))  1  0, 2  0  1  1, 1  1  e1  1  e2
 1 1
 A .
 2 1
Задача 7.6. Найти матрицу линейного оператора f линейного про-
странства ℝ 3 [ x] в стандартном базисе, если для любого
g ( x)  ax 2  bx  c ℝ 3 [ x]

50
f ( g ( x))  bx  c .
Решение.
Стандартным базисом линейного пространства ℝ 3 [ x] является ба-
зис 1, x, x 2 . Тогда
f (1)  1  1  1  0  x  0  x 2 ,
f ( x)  x  0  1  1  x  0  x 2 ,
f ( x 2 )  0  0 1  0  x  0  x 2
1 0 0
 
 A   0 1 0 .
 0 0 0
 

Задача 7.7. Найти матрицу линейного оператора f линейного про-


странства М (2  2, ℝ ) в стандартном базисе, если для любого
Х  М (2  2, ℝ )
f (Х)  Х Т .
Решение.
Стандартным базисом линейного пространства М (2  2, ℝ ) являет-
ся
1 0 0 1  0 0 0 0
E1    , E2    , E3    , E4   .
0 0 0 0 1 0 0 1
Тогда
T
1 0 1 0
f (E1 )       1  E1  0  E 2  0  E 3  0  E 4 ,
 0 0  0 0
T
 0 1  0 0
f (E 2 )       0  E1  0  E 2  1  E 3  0  E 4 ,
 0 0 1 0
T
 0 0  0 1
f (E 3 )       0  E1  1  E 2  0  E 3  0  E 4 ,
1 0  0 0
T
 0 0  0 0
f (E 4 )       0  E1  0  E 2  0  E 3  1  E 4 .
0 1 0 1
1 0 0 0
 
 0 0 1 0
 A .
 0 1 0 0
0 0 0 1
 
51
Задачи для самостоятельного решения
Задача 7.8. Найти матрицу линейного оператора f линейного про-
странства ℝ 3 в стандартном базисе, если для любого
x  ( x1 , x 2 , x 3 )  ℝ 3

f ( x )  ( x1  x 2  x3 , x3  x 2 , x1 ) .

Задача 7.9. Найти матрицу линейного оператора f линейного про-


странства ℝ 3 [ x] в стандартном базисе, если для любого
g ( x)  ax 2  bx  c ℝ 3 [ x]
f ( g ( x ))  cx 2  bx  a .

Задача 7.10. Найти матрицу линейного оператора f линейного


пространства М (2  2, ℝ ) в стандартном базисе, если для любого
x x 
X   11 12   M ( 2  2, ℝ )
 x 21 x 22 
x 0 
f ( X )   22 .
 0 x11 

Задача 7.11. Найти матрицу линейного оператора f линейного


пространства V 3 в базисе i, j, k , если для любого x  V 3
f ( x )  [ x , a ] , где a  {1, 3,  2} .

52
§8. Связь между координатами вектора
и координатами его образа
Определение. Если f – линейный оператор линейного простран-
ства L(n ) , то вектор f ( x ) называют образом вектора x  L(n ) .

Пусть f – линейный оператор линейного пространства L(n ) , A –


матрица этого оператора в некотором базисе e1 , e2 ,, en .

Если x  L(n ) , то x  x1e1  x 2 e2    x n en , где x1 , x2 ,, xn – коор-


динаты вектора x в базисе e1 , e2 ,, en .
Найдем координаты y1 , y2 ,, yn вектора y  f (x ) в этом же бази-
се. Обозначим через
 x1   y1 
x  y 
X   , Y   2 .
2
     
x  y 
 n  n
Тогда
 y1 
y 
f ( x )  y1e1  y 2 e2    y n en  ( e1 e2  en )   2 
  
y 
 n
 f ( x )  ( e1 e2  en )  Y (8.1)

С другой стороны, из определения линейного оператора следует,


что
f ( x )  f ( x1e1  x 2 e2    x n en )  x1 f ( e1 )  x 2 f (e2 )    x n f (en ) 
 x1 
 
x
 ( f ( e1 ) f ( e2 )  f ( en ))   2   ( f (e1 ) f (e2 )  f ( en ))  X .
  
x 
 n
Но из равенства (7.2)
 f (e1 ) f (e2 )  f (en )   e1 e2  en   A .
Следовательно,
f ( x )  e1 e2  en   A  X . (8.2)

Из равенств (8.1) и (8.2) получаем, что


53
f ( x )  ( e1 e2  en )  Y  ( e1 e2  en )  A  X ,
откуда
 y1   x1 
   
y x
Y  A  X или    A   2  .
2
     
y  x 
 n  n

Таким образом, имеет место следующая теорема.

Теорема 8.1. Если A – матрица линейного оператора f в базисе


e1 , e2 ,, en , x1 , x2 ,, xn – координаты вектора x в базисе e1 , e2 ,, en ,
y1 , y2 ,, yn – координаты вектора f ( x ) в базисе e1 , e2 ,, en , то имеет
место следующее соотношение
 y1   x1   y1   x1 
       
 y 2   A   x 2  или Y  A  X , где Y   y 2  , X   x 2  .
           
y  x  y  x 
 n  n  n  n

Рассмотрим следующий пример.

Пример 8.1. Пусть линейный оператор f в базисе e1 , e2 задан мат-


рицей
 1  2
A .
 4 3
Найдем f (x ) , если x  2e1  e2 . Согласно теореме 8.1
 y1   x1   1  2   2   4 
   A             f ( x )  4e1  5e2 .
 y2   x 2   4 3   1  5 

Задачи с решениями

Задача 8.2. Линейный оператор f имеет в стандартном базисе ли-


нейного пространства ℝ 3 матрицу
 1 2  1
 
A   3 1 0  , x  (1, 0, 2) .
0 2 1 
 
Найти вектор f ( x) .

54
Решение.
Стандартным базисом линейного пространства ℝ 3 является базис
(1, 0, 0), (0, 1, 0), (0, 0, 1).
Вектор x в стандартном базисе имеет координаты 1, 0, 2 .
Обозначим через Х – столбец координат вектора x в стандартном
базисе, через Y – вектора f ( x) . Согласно теореме 8.1
 1 2  1 1    1
Y  A  X   3 1 0  0    3 .
 0 2 1 2   2 
    
Тогда f ( x )  ( 1, 3, 2) .

Задача 8.3. Линейный оператор f имеет в стандартном базисе ли-


нейного пространства ℝ 3 матрицу
 3 4  1
A    2 1 2  , x  ( 1, 3, 2) .
 0 5  1
 
Найти вектор f ( x) .
Решение.
Стандартным базисом линейного пространства ℝ 3 является базис
(1, 0, 0), (0, 1, 0), (0, 0, 1).
Вектор x в стандартном базисе имеет координаты  1, 3, 2 .
Обозначим через Х – столбец координат вектора x в стандартном
базисе, через Y – вектора f ( x) . Согласно теореме 8.1
 3 4  1   1  7 
Y  A  X    2 1 2  3    9  .
 0 5  1 2  13
    
Тогда f ( x )  (7, 9, 13) .

Задача 8.4. Линейный оператор f имеет в стандартном базисе ли-


нейного пространства ℝ 2 [ x] матрицу
 2 4
A  , g ( x)  x  3 .
3 1
Найти вектор f ( g ( x)) .

55
Решение.
Стандартным базисом линейного пространства ℝ 2 [ x] является ба-
зис 1, x . Вектор g ( x) в стандартном базисе имеет координаты  3, 1 .
Обозначим через Х – столбец координат вектора g ( x) в стандарт-
ном базисе, через Y – вектора f ( g ( x)) . Согласно теореме 8.1
 2 4   3    2 
Y  AX     1    8  .
 3 1    
Тогда f ( x)  2  8 x .

Задача 8.5. Линейный оператор f имеет в стандартном базисе ли-


нейного пространства ℝ 3 [ x] матрицу
1 1 0 
A   2 3 5  , g ( x)  2 x 2  3 x  1 .
 4 1  2
 
Найти вектор f ( g ( x)) .
Решение.
Стандартным базисом линейного пространства ℝ 3 [ x] является ба-
зис 1, x, x 2 . Вектор g (x) в стандартном базисе имеет координаты
1,  3, 2 .
Обозначим через Х – столбец координат вектора g (x) в стандарт-
ном базисе, через Y – вектора f ( g ( x)) . Согласно теореме 8.1
 1  1 0  1  4 
 
Y  A  X   2 3 5   3   3 .
 4 1  2  2    3 
    
Тогда f ( x)  4  3x  x 2 .

Задача 8.6. Линейный оператор f имеет в стандартном базисе ли-


нейного пространства М (2  2, ℝ ) матрицу
  2  1 0 3
 
 0 1 3 4  2 1
A , x .
 2 5 1  1  0 1
  1 0 0 3
 
Найти вектор f (x ) .

56
Решение.
Стандартным базисом линейного пространства М (2  2, ℝ ) являет-
ся базис
 1 0  0 1  0 0  0 0
 ,  ,   , .
 0 0  0 0 1 0  0 1
Вектор x в стандартном базисе имеет координаты 2,  1, 0, 1 .
Обозначим через Х – столбец координат вектора x в стандартном
базисе, через Y – вектора f (x) . Согласно теореме 8.1
  2  1 0 3  2   0 
 0 1 3 4    1  5 
      .
Y  AX  
 2 5 1  1  0    2 
  1 0 0 3   1  1 
    
1 0  0 1  0 0  0 0   0 5
Тогда f (x)  0     5    2   1   .
0 0  0 0  1 0  0 1    2 1

Задачи для самостоятельного решения

Задача 8.7. Линейный оператор f имеет в стандартном базисе ли-


нейного пространства ℝ 2 [x] матрицу
 2 1
A  , g ( x)  2 x  5 .
 0  3
Найти вектор f ( g ( x)) .

Задача 8.8. Линейный оператор f имеет в стандартном базисе ли-


нейного пространства М (2  2, ℝ ) матрицу
 1 0 0 2
 
3 1  1 0  , x    1 2  .
A
 0  2 2 1  3  2
 0 1 3  3
 
Найти вектор f (x ) .

57
§9. Преобразование матрицы линейного оператора
при переходе к новому базису
Матрица линейного оператора составляется из координат векторов,
являющихся образами базисных векторов. Поэтому в разных базисах
линейный оператор может иметь разные матрицы. Найдём, как меняется
матрица линейного оператора при переходе от одного базиса к другому.

Лемма 9.1. Если для любого столбца


 x1 
 
x
X  2
  
x 
 n
имеет место равенство A  X  B  X , где A и B – квадратные матри-
цы порядка n , то A  B .
Доказательство.
Так как A  X  B  X для любого столбца X , то пусть
1
 
0
X   .

0
 
Тогда
 1   a11 a12  a1n   1   a11 
  a a  a    a 
0 2n   0 
A  X  A      21 22    21  ,
            
 0  a a  a   0  a 
   n1 n 2 nn     n1 

 1   b11 b12  b1n   1   b11 


  b b22
  
b2 n   0   b21 
0 
B  X  B      21   ,
          
 0  b bn 2  bnn   0   bn1 
   n1

 a11   b11 
   
a b
  21    21  ,
  
a  b 
 n1   n1 
то есть a11  b11 , a 21  b21 , …, a n1  bn1 .

58
Проводя аналогичные рассуждения для столбцов
0 0
   
1 0
X    , , X    ,
 
0 1
   
получаем равенство остальных элементов матрицы A соответствую-
щим элементам матрицы B .
Лемма доказана.

Теорема 9.2. Если A – матрица линейного оператора f в базисе


e1 , e2 ,, en , то матрица B этого линейного оператора в базисе
e1 , e2 ,, en имеет вид:
B  T 1  A  T ,
где T – матрица перехода от базиса e1 , e2 ,, en к базису e1 , e2 ,, en .
Доказательство.
Пусть x – произвольный вектор линейного пространства L(n ) . Обо-
значим через X и Y – столбцы координат векторов x и f (x ) соответ-
ственно в базисе e1 , e2 ,, en , а через X  и Y  – столбцы координат этих
векторов в базисе e1 , e2 ,, en .
Тогда согласно теореме 4.1,
X  T  X  , Y  T  Y ,
и согласно теореме 8.1,
Y  A  X , Y  B  X  .
Из Y  T  Y  и Y  A  X получаем
T  Y  A  X .
Но X  T  X  , следовательно,
A  X  A  T  X,
откуда
T  Y  A  X  A  T  X   T  Y  A  T  X  .
Умножим полученное равенство на матрицу T 1 слева:
T 1  T  Y   T 1  A  T  X   Y   T 1  A  T  X  .
Таким образом, имеем равенства
Y   B  X  и Y   T 1  A  T  X 
 B  X   T 1  A  T  X  .
Из последнего полученного равенства и леммы 9.1 получаем, что
B  T 1  A  T .
Теорема доказана.
59
Задачи с решениями

Задача 9.1. Матрицей линейного оператора f в базисе e1 ,e2 неко-


торого линейного пространства является матрица
 1  2
A .
 5 0
Найти матрицу B этого оператора в базисе
e1  2e1  e2 ,
e2  3e1  2e2 .
Решение.
Согласно теореме 9.2
B  T 1  A  T ,
где T – матрица перехода от базиса e1 , e2 к базису e1 , e2 .
Элементами первого столбца матрицы T является координаты век-
тора e1 в базисе e1 ,e2 , а второго столбца – координаты вектора e2 в ба-
зисе e1 , e2 . Тогда
 2  3
T  , T  1.
 1 2
Найдем T 1 . Для этого найдем алгебраическое дополнение каждого
из элементов матрицы T :
T11  (1)11  2  2, T12  (1)1 2  (1)  1,
T21  (1) 2 1  (3)  3, T22  (1) 2 2  2  2.
Тогда
2 1 T  2 3 1 1 T 1  2 3  2 3
S   S    T  S    .
 3 2  1 2 T 1 1 2  1 2
Получаем
 2 3    1  2   2  3
B  T 1  A  T     
 1 2  5 0   1 2
 2  ( 1)  3  5 2  ( 2)  3  0   2  3

1  ( 1)  2  5 1  ( 2 )  2  0    1 2 
   
13  4   2  3 13  2  4  ( 1) 13  ( 3)  4  2 
   
 9  2    1 2   9  2  2  ( 1) 9  ( 3)  2  2 
 30  47 
 .
 20  31 

60
Задача 9.2. Матрицей линейного оператора f в базисе e1 ,e2 неко-
торого линейного пространства является матрица
  3 1
A .
 2  1
Найти матрицу B этого оператора в базисе
e1  e2 ,
e2  e1  e2 .
Решение.
Согласно теореме 9.2
B  T 1  A  T ,
где T – матрица перехода от базиса e1 ,e2 к базису e1 , e2 .
 0 1 1 1  1  1   1  1
T  , T  1 , T     .
 1 1 T   1 0   1 0
Получаем
 1  1   3 1  0 1  5  2   0 1
B  T 1  A  T         
  1 0   2  1  1 1   3 1  1 1
  2 3
 .
 1  2

Задача 9.3. В стандартном базисе линейного пространства ℝ 3 [x]


оператор f задан матрицей
0 0 1
 
A   0 1 0 .
1 0 0
 
Найти матрицу этого линейного оператора в базисе f1 ( x)  3 x 2  2 x ,
f 2 ( x)  5 x 2  3 x  1, f 3 ( x)  7 x 2  5 x  3 .
Решение.
Согласно теореме 9.2
B  T 1  A  T ,
где T – матрица перехода от стандартного базиса 1, x, x 2 линейного
пространства ℝ 3 [ x] к базису f1 ( x), f 2 ( x), f 3 ( x) . Элементами первого
столбца матрицы T являются координаты вектора f1 ( x) в базисе
1, x, x 2 , второго столбца – координаты вектора f 2 ( x) в базисе 1, x, x 2 ,
третьего – координаты вектора f 3 ( x) в базисе 1, x, x 2 .
61
Тогда
 0 1 3   4 8  4
  1 
1
T  2 3 5 , T  4 , T    1  9 6  .
3 5 7 T  1 3  2
   
Получаем
  4 8  4 0 0 1  0 1 3
1   
1
B  T AT    1  9 6    0 1 0    2 3 5  
4  1 3  2 1 0 0   3 5 7 
  
  4 8  4  0 1 3  4 0 0  1 0 0
1 
1   2  1 
  6  9 3 5      15  16  20     3.75  4  5  .
 
4   2 3 1  3 5 7  4  9 12 16   2.25 3 4 
  

Задачи для самостоятельного решения


Задача 9.4. Матрицей линейного оператора f в базисе e1 , e2 , e3 не-
которого линейного пространства является матрица
 15  11 5 
A   20  15 8  .
 8  7 6
 
Найти матрицу B этого оператора в базисе
e1  2e1  3e2  e3 ,
e2  3e1  4e2  e3 ,
e3  e1  2e2  2e3 .

Задача 9.5. Матрицей линейного оператора f в базисе e1 , e2 , e3 не-


которого линейного пространства является матрица
 2  1 1
A   3 2 2  .
 1  2 1
 
Найти матрицу B этого оператора в базисе
e1  e2  e3 ,
e2  e1  e3 ,
e3  e1  e2 .

62
§ 10. Собственные векторы и собственные значения
линейного оператора
Определение. Ненулевой вектор x  L(n ) называется собственным
вектором линейного оператора f , если существует такое 0  ℝ, что
f ( x )  0 x , при этом 0 называют собственным значением этого ли-
нейного оператора и говорят, что собственный вектор x относится к
собственному значению 0 .

Имеют место следующие теоремы.

Теорема 10.1. Собственный вектор линейного оператора отно-


сится к единственному собственному значению.
Доказательство.
Допустим, что собственный вектор x относится к собственным
значениям 1 и 2 . Тогда f ( x )  1 x и f ( x )  2 x , откуда 1 x  2 x , то
есть (1  2 ) x  o .
Если 1  2  0 , то x  (1  2 ) 1  o  o (согласно лемме 1.1). Но
x – собственный вектор, то есть ненулевой. Таким образом, 1  2  0 .
Следовательно, 1  2 .
Теорема доказана.

Теорема 10.2. (свойство собственных векторов). Если


x1 , x 2 , , x n – линейно независимые собственные векторы линейного
оператора f , относящиеся к одному и тому же собственному значе-
нию  , то любая нетривиальная линейная комбинация этих векторов
является собственным вектором, относящимся к этому же собствен-
ному значению.
Доказательство.
Так как x1 , x 2 , , x n – собственные векторы линейного оператора
f , относящиеся к собственному значению  , то
f ( x1 )  x1 , f ( x 2 )  x 2 , …, f ( x n )  x n .
Пусть 1  x1   2  x 2     n  x n – нетривиальная линейная комби-
нация векторов x1 , x 2 , , x n , то есть 1 ,  2 , n – числа, не все равные
нулю одновременно. Тогда так как векторы x1 , x 2 , , x n – линейно не-
зависимы, то 1  x1   2  x 2     n  x n  o , причём,
f (1  x1   2  x 2     n  x n )  1  f ( x1 )   2  f ( x 2 )     n  f ( x n ) 

63
 1    x1   2    x 2     n    x n    (1  x1   2  x 2     n  x n ) .
Следовательно, 1  x1   2  x 2     n  x n – собственный вектор,
относящийся к собственному значению  .
Теорема доказана.

Теорема 10.3. Собственные векторы x1 и x 2 линейного операто-


ра f , относящиеся к различным собственным значениям, линейно неза-
висимы.
Доказательство.
Векторы x1 и x 2 являются собственными векторами линейного
оператора f . Тогда f ( x1 )  1 x1 , f ( x 2 )  2 x 2 , причём из условия тео-
ремы 1  2 .
Рассмотрим равенство
1  x1   2  x 2  o . (10.1)
Векторы x1 и x 2 – линейно независимы, если это равенство возможно
только при условии 1   2  0 .
Покажем, что 1   2  0 .
Подействуем линейным оператором f на левую и правую часть
равенства (10.1):
f (1  x1   2  x 2 )  f (o)  o 
f (1  x1   2  x 2 )  1  f ( x1 )   2  f ( x 2 ) 
 1  1  x1   2  2  x 2  o (10.2)
1) Умножим равенство (10.1) на  2 и прибавим к (10.2). Тогда
1  1  x1  1  2  x1  o 
1  (1  x1  2  x1 )  1  (1  2 )  x1  o .
По условию теоремы 1  2  0 . Если 1  0 , то из последнего равен-
1
ства получаем x1  1  (1  2 ) 1  o  o (согласно лемме 1.1). Но x1 –
собственный вектор, то есть ненулевой. Таким образом, 1  0 .
2) Умножим равенство (10.1) на  1 и прибавим к (10.2). Тогда
 2  2  x 2   2  1  x 2  o 
 2  (2  x 2  1  x 2 )   2  (2  1 )  x 2  o .
По условию теоремы 2  1  0 . Если  2  0 , то из последнего равен-
1
ства получаем x 2   2  (2  1 ) 1  o  o (согласно лемме 1.1). Но x 2 –
собственный вектор, то есть ненулевой. Таким образом,  2  0 .
Теорема доказана.
64
Применяя метод математической индукции, по аналогии с доказа-
тельством теоремы 10.3. можно доказать более широкое утверждение.

Теорема 10.4. Собственные векторы линейного оператора, отно-


сящиеся к его попарно различным собственным значениям, линейно не-
зависимы.

Задачи с решениями

Задача 10.1. Линейный оператор f задан матрицей


 1 1
A 
  1 3
в некотором базисе e1 ,e2 . Выяснить, является ли вектор x собственным
вектором этого линейного оператора. Если да, то к какому собственно-
му значению он относится?
1) x  e1  2e2 ;
2) x  e1  e2 .
Решение.
1) Допустим, что вектор x  e1  2e2 является собственным векто-
ром линейного оператора f . Тогда согласно определению собственного
вектора, для некоторого  ℝ
f ( x )    x   ( e1  2e2 )  e1  2e2 .
Обозначим через Х – столбец координат вектора x , через Y – век-
тора f ( x) . Согласно теореме 8.1
    1 1 1   1 
Y  AX        
  2    1 3    2    7 
    1,    1,
   
  2   7   3,5.
Пришли к противоречию. Следовательно, вектор x  e1  2e2 не яв-
ляется собственным вектором линейного оператора f .
2) Допустим, что вектор x  e1  e2 является собственным вектором
линейного оператора f . Тогда для некоторого  ℝ
f ( x )    x   ( e1  e2 )  e1  e2 .
Обозначим через Х – столбец координат вектора x , через Y – век-
тора f ( x) . Согласно теореме 8.1

65
    1 1  1  2    2,
Y  AX            2    2.
     1 3   1  2  
Получаем, что вектор f ( x)  2e1  2e2  2(e1  e2 )  2 x . Следова-
тельно, вектор x  e1  e2 – собственный вектор линейного оператора f ,
относящийся к собственному значению   2 .

Задача 10.2. Линейный оператор f задан матрицей


 0 3 0
 
A   3 0 0
 0 0 3
 
в некотором базисе e1 , e2 , e3 . Выяснить, является ли вектор x собствен-
ным вектором этого линейного оператора. Если да, то к какому собст-
венному значению он относится?
1) x  e1  e2  2e3 ;
2) x  3e1  3e2  4e3 .
Решение.
1) Если вектор x  e1  e2  2e3 является собственным вектором ли-
нейного оператора f , то для некоторого  ℝ
f ( x )    x   ( e1  e2  2e3 )  e1  e2  2e3 .
Аналогично решению предыдущего примера получаем
    0 3 0  1   3    3,
       
 
   3 0 0 1  3
         3,    3 .
 2   0 0 3   2   6  2  6
Следовательно, вектор x  e1  e2  2e3 является собственным вектором
линейного оператора f , относящимся к   3 .
2) Если вектор x  3e1  3e2  4e3 является собственным вектором
линейного оператора f , то для некоторого  ℝ
f ( x )    x   (3e1  3e2  4e3 )  3e1  3e2  4e3 ,
откуда
 3   0 3 0   3   9   3   9,    3,
  3         
   3 0 0 3 
    9     3  9,     3,
  4   0 0 3    4    12   4   12   3.
Следовательно, вектор x  e1  e2  2e3 не является собственным векто-
ром линейного оператора f .

66
Задачи для самостоятельного решения

Задача 10.3. Линейный оператор f задан матрицей


 0 1 0
A   6 3 2 
 3 0 1
 
в некотором базисе e1 , e2 , e3 . Выяснить, является ли вектор x собствен-
ным вектором этого линейного оператора. Если да, то к какому собст-
венному значению он относится?
1) x   e1  2e2  2e3 ;
2) x  e1  3e3 .

67
§ 11. Характеристический многочлен линейного оператора
Пусть f – линейный оператор, A – его матрица в некотором бази-
се e1 , e2 ,, en .

Пусть  – произвольное число, E – единичная матрица порядка n .


Рассмотрим матрицу E  A , её определитель

λ 0  0   a11 a12  a1n 


   a 2 n 
0 λ  0   a 21 a 22 
E  A    
        
0 0     a n1 an2  a nn 

λ  a11  a12   a1n


 a 21 λ  a 22   a 2n
 .
   
 a n1  a n 2  λ  a nn
Заметим, что полученный определитель является многочленом сте-
пени n относительно  .

Определение. Матрица E  A называется характеристической


матрицей линейного оператора f , а определитель E  A – его ха-
рактеристическим многочленом.

Теорема 11.1. Характеристический многочлен линейного операто-


ра не зависит от выбора базиса, то есть является инвариантом линей-
ного оператора.
Доказательство.
Пусть A – матрица линейного оператора f в базисе e1 , e2 ,, en ,
B – матрица этого линейного оператора в базисе e1 , e2 ,, en , T – мат-
рица перехода от базиса e1 , e2 ,, en к базису e1 , e2 ,, en .
Надо доказать, что E  B  E  A .
По теореме 9.2 B  T 1  A  T . Используя определение обратной
матрицы и свойства линейных операций над матрицами, получаем
E  B  E  T 1  A  T  T 1  T  T 1  A  T 
 T 1  E  T  T 1  A  T  T 1  E  T  T 1  A  T  T 1  (E  A )  T

68
Так как определитель произведения матриц равен произведению
определителей каждого из сомножителей,
E  B  T 1  (E  A )  T  T 1  E  A  T .
Но T 1  T  E , следовательно, T 1  T  T 1  T  E  1 . Тогда
E  B  T 1  E  A  T  E  A .
Теорема доказана.

Таким образом, характеристический многочлен линейного опера-


тора определяется однозначно, независимо от того, в каком базисе была
найдена его матрица.

Определение. Уравнение E  A  0 называют характеристиче-


ским уравнением линейного оператора f , а корни этого уравнения –
характеристическими корнями линейного оператора f .

Теорема 11.2. 1) Любое собственное значение линейного операто-


ра f является его характеристическим корнем.
2) Любой вещественный характеристический корень линейного
оператора f является его собственным значением.

Замечание. Из теоремы 11.2 следует, что для нахождения всех соб-


ственных значений линейного оператора достаточно найти все вещест-
венные корни уравнения E  A  0 .
Покажем, как находятся все собственные векторы и собственные
значения линейного оператора, рассмотрев следующий пример.
Пример 11.1. Линейный оператор f в базисе e1 , e2 задан матрицей
 1 1
A .
 2 0
Для того чтобы найти собственные значения этого оператора, най-
дём его характеристические корни.
λ 1 1
E  A   ( λ  1)  ( 2)( 1)  2    2  0 .
2 λ
Это уравнение имеет два корня 1  2 и 2  1 , которые и явля-
ются собственными значениями линейного оператора f . Других собст-
венных значений этот оператор не имеет.
1) Найдем все собственные векторы x , относящиеся к 1  2 .

69
Пусть x1 , x 2 – координаты вектора x , а y1 , y 2 – координаты векто-
ра f (x ) в базисе e1 , e2 ,
x  y 
X   1 , Y   1 .
 x2   y2 
Тогда согласно теореме 8.1 Y  A  X . Но x – собственный вектор,
относящийся к 1  2 , следовательно, Y  1  X . Получаем
2  1  1 x1   0 
1  X  A  X  (1E  A )  X  O     
 2 2  x 2   0 

 x1  x 2  0
 2 x  2 x  0 .
 1 2
Для нахождения всех собственных векторов, относящихся к 1  2 ,
достаточно найти все решения полученной системы.
Общим решением этой системы является x1  x 2 , то есть любое
решение имеет вид:
k 
 k  , где k ℝ.
 
Таким образом, собственными векторами, относящимися к 1  2 ,
являются векторы x  ke1  ke2 , где k ℝ, k  0 . Отметим, что условие
k  0 необходимо в связи с тем, что согласно определению собствен-
ными векторами являются только ненулевые векторы.

2) Найдем все собственные векторы x , относящиеся к 2  1 .


Аналогично предыдущему получаем
  1  1  1 x1   0   2 x1  x 2  0
(2 E  A )  X  O         .
  2  1 x 2   0   2 x1  x 2  0
Общим решением этой системы является x 2  2x1 . Тогда любое
решение имеет вид
 k 
  2k  , где k ℝ.
 
Таким образом, собственными векторами, относящимися к 2  1 ,
являются векторы x  ke1  2ke2 , где k ℝ, k  0 .

70
Задачи с решениями
Задача 11.2. Найти все собственные векторы и собственные значе-
ния линейного оператора f , заданного в некотором базисе матрицей
 2 0 0
 
A   3 1 3
 0 0 2
 
Решение.
Найдем собственные значения этого линейного оператора. Для это-
го найдем характеристические корни. Составляем характеристический
многочлен
 2 0 0
E  A   3   1  3 .
0 0  2
Раскладывая этот определитель по второму столбцу, получаем
 2 0
E  A  (  1)  (1) 2 2  (  1)  (  2) 2 .
0  2
Характеристическими корнями линейного оператора f являются
решения уравнения
(  1)  (  2) 2  0.
Это уравнение имеет два корня 1  2 и 2  1 , которые и являются соб-
ственными значениями линейного оператора f .
1) Найдем все собственные векторы x , относящиеся к 1  2 .
Пусть x1 , x 2 , x 3 – координаты собственного вектора x , Х – столбец, со-
ставленный из этих координат. Тогда
2  2 0 0   x1   0 
   
(1E  A )  X  O    3 2  1  3   x 2    0  
 0
 0 2  2   x 3   0 
 3x1  x 2  3x3  0
Общим решением является x2  3 x1  3 x3 . Придавая переменным в пра-
вой части произвольные значения x1  k1 , x3  k 2 , получаем, что любое
решение имеет вид
 k1 
 3k  3k  .
 1 2

 k2 
71
Следовательно, собственными векторами линейного оператора f , отно-
сящимися к 1  2 , являются векторы, имеющие в исходном базисе ко-
ординаты k1 , 3k1  3k 2 , k 2 , где k1 , k 2 ℝ, k1 и k 2 не равны нулю одно-
временно (если k1  k 2  0 , то вектор является нулевым, то есть не явля-
ется собственным).
2) Найдем все собственные векторы x , относящиеся к 2  1 . Ана-
логично предыдущему
1  2 0 0   x1   0 
   
(1E  A )  X  O    3 1  1  3   x 2    0  
 0
 0 1  2   x 3   0 
  x1  0,

 3x1  3x 3  0,  x1  0 , x3  0 , x2 – любое число.
  x3  0
Тогда любое решение имеет вид
0
k .
 3 
0
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к 2  1 , – это векторы, имеющие в исходном базисе координаты
0, k 3 , 0 , где k3  ℝ, k3  0 .

Задача 11.3. Найти все собственные векторы и собственные значе-


ния линейного оператора f , заданного в некотором базисе матрицей
 2  1  1
A   0  1 0  .
 0 2 1
 
Решение.
Найдем собственные значения этого линейного оператора.
 2
1 1
 1 0
E  A  0   1 0  (   2)  
 2  1
0  2  1
 (  2)(   1)(  1)  0.
Линейный оператор f имеет собственные значения 1  2 , 2  1 ,
3  1.

72
1) Пусть 1  2 . Получаем
2  2 1 1   x1   0   x 2  x 3  0,
     
 0 2  1 0   x 2    0    3x 2  0, 
 0  2 2  1  x 3   0   2 x 2  x 3  0
x 2  0 , x3  0 , x1 – любое число.
Тогда любое решение имеет вид
 k1 
 0 .
 
0
Следовательно, собственными векторами линейного оператора f , отно-
сящимися к 1  2 , являются векторы с координатами k1 , 0, 0 , где
k1 ℝ, k1  0 .
2) Пусть 2  1 . Получаем
1 2 1 1   x1   0 
      3x1  x 2  x 3  0,
 0  1  1 0 x  0
      
2
  2 x2  2 x3  0
 0  2  1  1  x 3   0 
 x   x3 ,
  2
 x1  0.
Тогда любое решение имеет вид
 0 
 k .
 2 
 k2 
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к 2  1 , – это векторы с координатами 0,  k 2 , k 2 , где k 2  ℝ,
k2  0 .
3) Пусть 3  1. Получаем
1  2 1 1   x1   0   x1  x 2  x 3  0,
     
 0 1  1 0   x 2    0    2 x2  0,
 0  2 1  1  x 3   0    2 x2  0
x  x3 ,
  1
 x2  0.
Тогда любое решение имеет вид

73
 k3 
 0 .
 
 k3 
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к 3  1, – это векторы с координатами k 3 , 0, k 3 , где k3  ℝ,
k3  0 .

Задача 11.4. Найти все собственные векторы и собственные значе-


ния линейного оператора f , заданного в некотором базисе матрицей
 2 1 1
 
A   1 2 2 .
 1 0 0
 
Решение.
Найдем собственные значения этого линейного оператора.
 2
1 1
E  A  1   2  2 .
1 0 
Раскладывая этот определитель по второму столбцу, получаем
1 2   2 1
E  A  ( 1)( 1)1 2  (  2)( 1) 2  2 
1  1 
 (  2)  (  2)(  2)  1  (  2)(1  2  2  1) 
 (  2)(2  2 )  (  2) 2   0.
Линейный оператор f имеет собственные значения 1  2 и 2  0 .
1) Пусть 1  2 . Получаем
 2  2  1  1   x1   0   x2  x3  0,
     
 1 2  2  2   x 2    0    x1  2 x3  0, 
 1 0 2   x3   0    x1  2 x3  0
 2k1 
 x2   x3 ,
 x  2x    k1  – общее решение.
 1 3  k 
 1
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к 1  2 , – это векторы с координатами 2k1 ,  k1 , k1 , где k1 ℝ,
k1  0 .

74
2) Пусть 2  0 . Получаем

 0  2  1  1   x1   0   2 x1  x 2  x 3  0,
 1 0  2  2   x   0   x  0, 
   2     1  2 x2  2 x3
 1 0 2  2   x3   0    x1  0
 0 
 x1  0,  
 x   x    k 2  – общее решение.
 2 3  k 
 2 
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к 2  0 , – это векторы с координатами 0,  k 2 , k 2 , где k 2  ℝ,
k2  0 .

Задача 11.5. Найти все собственные векторы и собственные значе-


ния линейного оператора f , заданного в некотором базисе матрицей
 2 1 2
A   5  3 3 .
 1 0  2
 
Решение.
Найдем собственные значения этого линейного оператора.
1 2 2
E  A   5   3  3
1 0 2
Раскладывая этот определитель по третьей строке, получаем
1 2  2 1
E  A  1  ( 1) 31  (  2)( 1) 3 3 
 3 3 5  3
 (3  2(  3))  (  2)(  2)(  3)  5 
 2  3  (  2)(2    6  5)  2  3  (  2)(2    1) 
 2  3  3  2    22  2  2  3  32  3  1 
 (  1) 3  0
Линейный оператор f имеет единственное собственное значение
  1 .
Найдем собственные векторы:
1 2 1  2   x1   0   3x1  x 2  2 x3  0,
     
  5  1  3  3   x 2    0    5 x1  2 x 2  3x 3  0,
 1 0  1  2   x3   0    x1  x 3  0.
75
Решим эту систему с помощью метода Гаусса. Основной матрицей сис-
темы является
  3 1  1
  5 2 3 .
 
 1 0 1 
Поменяем местами первую и третью строки, затем ко второй строке
прибавим первую, умноженную на 5, а к третьей – первую, умножен-
ную на 3. Тогда
  3 1  1  1 0 1  1 0 1  1 0 1   1 0 1
  5 2 3 ~   5 2  3 ~  0 2 2  ~  0 2 2  ~  0 1 1  
        
 1 0 1    3 1  2    3 1  2   0 1 1  0 0 0 
 k 
 x1   x 3 ,
x   x    k  – общее решение.
 2 3  k
 
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к   1 , – это векторы с координатами  k ,  k , k , где k ℝ,
k  0.

Задача 11.6. Найти все собственные векторы и собственные значе-


ния линейного оператора f , заданного в некотором базисе матрицей
 5 4 6
A   4 5 6  .
  4  4  5
 
Решение.
Найдем собственные значения этого линейного оператора.
 5 4 6
E  A   4   5  6 
4 4  5
(вычтем из первого столбца второй)
 1  4  6
   1   5  6 
0 4  5
(вынесем из первого столбца за знак определителя множитель (  1) )
1 4 6
 (  1)  1   5  6 
0 4  5
76
(прибавим ко второй строке первую)
1 4 6
 (  1) 0   9  12 .
0 4  5
Раскладывая этот определитель по первому столбцу, получаем
  9  12
E  A  (  1)  (  1)((   9)(  5)  48) 
4  5
 (  1)(2  4  45  48)  (  1)(2  4  3) 
 (  1)(  1)(  3)  0.
Линейный оператор f имеет собственные значения 1  1 и 2  3 .
1) Пусть 1  1 . Получаем
1  5  4  6   x1   0   4 x1  4 x2  6 x3  0,
     
  4 1  5  6   x 2    0    4 x1  4 x2  6 x3  0, 
 4 4 1  5   x3   0   4 x1  4 x2  6 x3  0
1
x1   (4 x2  6 x3 )  4 x 2  1.5 x3 
4
  k1  1.5k 2 
  k  – общее решение.
 1 
 k2 
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к 1  1 , – это векторы с координатами  k1  1.5k 2 ,  k1 , k 2 , где
k1 , k 2 ℝ, k1 и k 2 не равны нулю одновременно.
2) Пусть 2  3 .
 3  5  4  6   x1   0   2 x1  4 x2  6 x3  0,
     
  4 3  5  6   x 2    0    4 x1  2 x2  6 x3  0,
 4 4 3  5   x 3   0   4 x1  4 x2  8 x3  0.
Решим эту систему с помощью метода Гаусса.
  2  4  6   2  4  6
  4  2  6  ~  0 6 6  ~   2  4  6  ~   1  2  3 
     0 6 6   0 1 1
 4 4 8  0  4  4 
 x1  2 x 2  3x 3 ,  x1   2 x 2  3x 3 ,
  x   x 
 x2   x3  2 3

77
  k3 
 x1   x3 ,  
 x   x .    k 3  – общее решение.
 2 3  k 
 3
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к 2  3 , – это векторы с координатами  k 3 ,  k 3 , k 3 , где k3 ℝ,
k3  0 .

Задача 11.7. Найти все собственные векторы и собственные значе-


ния линейного оператора f , заданного в некотором базисе матрицей
  1 3  1
A    3 5  1 .
  3 3 1
 
Решение.
Найдем собственные значения этого линейного оператора.
 1  3 1
E  A  3   5 1 
3 3  1
(прибавим ко второму столбцу первый)
 1   2 1
 3  2 1 
3 0  1
(вынесем из второго столбца (  2) )
 1 1 1
 (  2) 3 1 1 
3 0  1
(вычтем из первой строки вторую)
 2 0
0
 (  2) 3 1 1
3 0  1
Раскладывая этот определитель по первой строке, получаем
1 1
E  A  (  2)(  2)  (  2) 2 (  1)  0.
0  1
Линейный оператор f имеет собственные значения 1  2 и 2  1 .

78
1) Пусть 1  2 . Получаем
2 1  3 1   x1   0  3 x1  3 x2  x3  0,
     
 3 2  5 1   x 2    0   3 x1  3 x2  x3  0, 
 3  3 2  1  x 3   0  3 x1  3 x2  x3  0
 k1 
x3  3x2  3x1   k 2   – общее решение.
 3k  3k 
 2 1
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к 1  2 , – это векторы с координатами k1 , k 2 , 3k 2  3k1 , где
k1 , k 2 ℝ, k1 и k 2 не равны нулю одновременно.
2) Пусть 2  1 .
1  1  3 1   x1   0  2 x1  3x 2  x 3  0,
     
 3 1  5 1   x 2    0   3x1  4 x 2  x 3  0,
 3  3 1  1  x 3   0  3x1  3x 2  0.
Решим эту систему с помощью метода Гаусса.
 2  3 1   2  3 1  2  3 1  1  1 0  1  1 0
         
 3  4 1  ~  1  1 0  ~  1  1 0  ~  2  3 1  ~  0  1 1  
 3  3 0  3  3 0  0 0 0  0 0 0  0 0 0
 k3 
 x1  x 2  0,  x  x2 ,  
   1   k3  – общее решение.
  x2   x3  x3  x2 k 
 3
Следовательно, собственные векторы линейного оператора f , относя-
щиеся к 2  1 , – это векторы с координатами k 3 , k 3 , k 3 , где k3 ℝ,
k3  0 .

Задачи для самостоятельного решения


Задача 11.8. Найти все собственные векторы и собственные значе-
ния линейного оператора f , заданного в некотором базисе матрицей
  2  1 0
 
 0 1 0  .
 0 1 4

79
Задача 11.9. Найти все собственные векторы и собственные значе-
ния линейного оператора f , заданного в некотором базисе матрицей
 0 1 0
 .
 4 4 0 
  2 1 2

Задача 11.10. Найти все собственные векторы и собственные зна-


чения линейного оператора f , заданного в некотором базисе матрицей
 1 1 1
  .
 1 1 1 
 1  1 1

Задача 11.11. Найти все собственные векторы и собственные зна-


чения линейного оператора f , заданного в некотором базисе матрицей
 1 4 6
   
 3 7 7  .
 4 8 7

Задача 11.12. Найти все собственные векторы и собственные зна-


чения линейного оператора f , заданного в некотором базисе матрицей
 4 1  2
 
 2 1  2  .
 1  1 1

80
§ 12. Диагонализируемость линейного оператора
Ранее уже было отмечено, что в различных базисах линейный опе-
ратор имеет различные матрицы.

Определение. Линейный оператор называется диагонализируе-


мым, если существует базис, относительно которого его матрица явля-
ется диагональной.

Оказывается, что не все линейные операторы являются диагонали-


зируемыми.

Теорема 12.1 (критерий диагонализируемости линейного опе-


ратора). Линейный оператор является диагонализируемым тогда и
только тогда, когда в линейном пространстве существует базис, ка-
ждый вектор которого является собственным вектором этого опера-
тора.
Доказательство.
1) Пусть f – диагонализируемый линейный оператор. Тогда суще-
ствует базис e1 , e2 ,, en , относительно которого его матрица A – диаго-
нальная:
 λ1 0  0 
 
 0 λ2  0 
A .
   
0 0   
 n
Согласно определению матрицы линейного оператора, в первом
столбце матрицы A находятся координаты вектора f ( e1 ) в базисе
e1 , e2 ,, en , во втором – координаты вектора f ( e2 ) и так далее. Таким
образом,
f ( e1 )  1  e1  0  e2    0  en  1  e1 ,
f ( e2 )  0  e1  2  e2    0  en  2  e2 ,

f ( en )  0  e1  0  e2    n  en  n  en ,
то есть e1 , e2 ,, en – собственные векторы линейного оператора f .
2) Пусть e1 , e2 ,, en – базис, состоящий из собственных векторов
линейного оператора f . Тогда из определения собственного вектора
следует, что
f ( e1 )  1  e1 , f ( e2 )  2  e2 ,  , f ( en )  n  en ,

81
где 1 , 2 ,, n ℝ – собственные значения линейного оператора f .
Тогда в базисе e1 , e2 ,, en матрица линейного оператора f имеет вид:
 λ1 0  0 
 
 0 λ2  0  .
   
0 0   
 n
Эта матрица – диагональная, откуда следует, что f – диагонализируе-
мый оператор.
Теорема доказана.

Замечание. С помощью теоремы 12.1 можно выяснить, является ли


линейный оператор диагонализируемым.

Рассмотрим следующие примеры.


Пример 12.1. Линейный оператор f линейного пространства L( 2 )
в базисе e1 , e2 задан матрицей
 1 0
A .
 2 3
Выясним, является ли он диагонализируемым. Для этого найдём
все собственные векторы этого линейного оператора. Если из них мож-
но выбрать векторы, образующие базис линейного пространства L( 2 ) , то
согласно критерию диагонализируемости линейного оператора (теорема
12.1), линейный оператор f – диагонализируемый, в противном слу-
чае – нет.
Найдем собственные значения линейного оператора f .
λ 1 0
E  A   ( λ  1)(  3)  0 .
2  3
Это уравнение имеет два корня 1  1 и 2  3 , которые и являются
собственными значениями линейного оператора f .
Обозначим через x – собственный вектор, относящийся к 1  1 ,
через y – собственный вектор, относящийся к 2  3 . Согласно теореме
10.3, собственные векторы, относящиеся к различным собственным зна-
чениям, – линейно независимы. Следовательно, x и y – линейно неза-
висимы. Линейное пространство L( 2 ) имеет размерность dim L( 2 )  2 ,
поэтому векторы x и y являются базисом этого пространства. Таким
образом, линейный оператор f – диагонализируемый.

82
Найдём матрицу линейного оператора f в базисе x, y . Согласно
определению матрицы линейного оператора, элементы первого столбца
этой матрицы – это коэффициенты в разложении вектора f ( x ) по бази-
су x, y , а второго столбца – коэффициенты в разложении f ( y ) . Так как
f ( x )  1  x  x  1  x  0  y ,
f ( y )  2  y  3  y  0  x  3  y ,
матрица линейного оператора f в базисе x, y имеет вид:
 1 0
D .
 0 3
Пример 12.2. Линейный оператор f линейного пространства L( 2 )
в базисе e1 , e2 задан матрицей
 1 1
A .
  1 3
Выясним, является ли он диагонализируемым.
Найдём собственные значения линейного оператора f .
λ 1 1
E  A   ( λ  1)(  3)  1( 1)  2  4  4  (  2) 2  0 .
1  3
Это уравнение имеет один корень   2 , который и является собствен-
ным значением линейного оператора f .
Найдем все собственные векторы линейного оператора f , то есть
все собственные векторы, относящиеся к   2 .
 2  1  1  x1   0   x1  x 2  0
( E  A )  X  O         .
 1 2  3  x 2   0   x1  x 2  0
Общим решением этой системы является x1  x 2 . Фундаментальная
система состоит из одного решения, например,
 1
 1 .
 
Тогда все остальные решения линейно выражаются через это решение,
то есть любые два собственных вектора линейного оператора f про-
порциональны, откуда следует, что они линейно зависимы. Получаем,
что в линейном пространстве L( 2 ) , которое имеет размерность
dim L( 2 )  2 , не существует базиса из собственных векторов линейного
оператора f . Согласно критерию диагонализируемости линейного опе-
ратора (теорема 12.1), линейный оператор f не является диагонализи-
руемым.
83
Задачи с решениями
Задача 12.3. Является ли линейный оператор f , заданный в неко-
тором базисе матрицей
 2  1  1
A   0  1 0 
 0 2 1
 
диагонализируемым? Если да, то найти диагональную матрицу этого
оператора и указать базис, в котором она имеет такой вид.
Решение.
Воспользуемся критерием диагонализируемости линейного опера-
тора (теорема 12.1), согласно которому линейный оператор – диагона-
лизируемый, если в линейном пространстве существует базис из собст-
венных векторов этого оператора.
Из определения матрицы линейного оператора следует, что её по-
рядок равен размерности линейного пространства. Так как матрица A
имеет порядок три, базис линейного пространства состоит из трех век-
торов.
При решении задачи 11.3 были найдены все собственные значения
и собственные векторы линейного оператора f . Собственным значе-
ниями линейного оператора f являются 1  2 , 2  1 , 3  1.
Обозначим через e1 – собственный вектор, относящийся к 1  2 ,
через e2 – собственный вектор, относящийся к 2  1 , через e3 – соб-
ственный вектор, относящийся к 3  1.
Согласно теореме 10.4, собственные векторы, относящиеся к по-
парно различным собственным значениям, – линейно независимы. Сле-
довательно, векторы e1 , e2 , e3 – линейно независимы, то есть образуют
базис линейного пространства. Тогда согласно критерию диагонализи-
руемости линейного оператора, f – диагонализируемый оператор.
Найдем матрицу D линейного оператора f в базисе e1 , e2 , e3 .
f (e1 )  1e1  2e1  2e1  0  e2  0  e3 ,
f (e2 )  2 e2  1  e2  0  e1  1  e2  0  e3 ,
f (e3 )  3e3  1  e3  0  e1  0  e2  1  e3 ,
откуда получаем, что
 2 0 0
D   0  1 0  .
 0 0 1
 

84
Задача 12.4. Является ли линейный оператор f , заданный в неко-
тором базисе матрицей
 2 1 1
A    1 2 2 
 1 0 0
 
диагонализируемым? Если да, то найти диагональную матрицу этого
оператора и указать базис, в котором она имеет такой вид.
Решение.
Воспользуемся критерием диагонализируемости линейного опера-
тора (теорема 12.1). Покажем, что в рассматриваемом линейном про-
странстве не существует базиса из собственных векторов линейного
оператора f . Заметим, что базис линейного пространства состоит из
трёх векторов, так как матрица A имеет порядок три.
При решении задачи 11.4 было получено, что собственные векторы
линейного оператора f – это векторы с координатами 2k1 ,  k1 , k1 и
0,  k 2 , k 2 , где k1 , k 2  ℝ, k1  0 , k 2  0 . Следовательно, любой собст-
венный вектор линейного оператора f пропорционален либо вектору с
координатами 2,  1, 1 , либо вектору с координатами 0,  1, 1 . Таким об-
разом, система из любых трех собственных векторов линейного опера-
тора f обязательно содержит два пропорциональных вектора, откуда
следует, что она является линейно зависимой, то есть не является бази-
сом линейного пространства. Тогда согласно критерию диагонализи-
руемости линейного оператора, линейный оператор f не является диа-
гонализируемым.

Задача 12.5. Является ли линейный оператор f , заданный в неко-


тором базисе матрицей
 2  1 2
A   5  3 3
  1 0 2
 
диагонализируемым? Если да, то найти диагональную матрицу этого
оператора и указать базис, в котором она имеет такой вид.
Решение.
При решении задачи 11.5 было получено, что собственные векторы
линейного оператора f – это векторы с координатами  k ,  k , k , где
k  ℝ, k  0 . Следовательно, любой собственный вектор линейного
оператора f пропорционален вектору с координатами  1,  1, 1. Тогда
85
система из любых трех собственных векторов линейного оператора f
обязательно содержит пропорциональные векторы, откуда следует, что
она является линейно зависимой. Таким образом, так как линейное про-
странство имеет размерность три, в нём не существует базиса из собст-
венных векторов линейного оператора f . Получаем, что линейный опе-
ратор f не является диагонализируемым согласно критерию диагона-
лизируемости линейного оператора (теорема 12.1).

Задача 12.6. Является ли линейный оператор f , заданный в неко-


тором базисе матрицей
 2 0 0
 
A   3 1 3
 0 0 2
 
диагонализируемым? Если да, то найти диагональную матрицу этого
оператора и указать базис, в котором она имеет такой вид.
Решение.
При решении задачи 11.2 были найдены все собственные значения
и собственные векторы линейного оператора f .
Собственными значениями являются 1  2 , 2  1 . Собственные
векторы, относящиеся к 2  1 , – это векторы с координатами 0, k 3 , 0 ,
где k3  ℝ, k3  0 . Координаты собственных векторов, относящихся к
1  2 , находятся из общего решения системы линейных однородных
уравнений, имеющего вид:
 k1 
 
 3k1  3k 2 
 k2 
Найдем фундаментальную систему решений этой системы. Она со-
стоит из двух решений.
1) k1  1, k 2  0  3k1  3k 2  3,
2) k1  0, k 2  1  3k1  3k 2  3
 1   0
 
  3  и  3  – фундаментальная система решений.
 0  1
   
Обозначим через e1 – собственный вектор линейного оператора f
с координатами 1, 3, 0 , через e2 – собственный вектор с координатами
0, 3, 1 , через e3 – собственный вектор с координатами 0, 1, 0 .

86
Собственные векторы e1 и e2 относятся к 1  2 . Они линейно не-
зависимы, так как решения, входящие в фундаментальную систему ре-
шений, линейно независимы. Собственный вектор e3 относится к
2  1 . Из теоремы 10.3 следует, что собственные векторы, относящиеся
к различным собственным значениям, линейно независимы. Тогда век-
торы e1 , e2 , e3 – линейно независимы. Линейное пространство имеет раз-
мерность три, следовательно, e1 ,e2 ,e3 – базис. Таким образом, согласно
критерию диагонализируемости линейного оператора (теорема 12.1),
линейный оператор f – диагонализируемый.
Найдем матрицу D линейного оператора f в базисе e1 , e2 , e3 .
f (e1 )  1e1  2e1  2e1  0  e2  0  e3 ,
f (e2 )  1e2  2е2  0  e1  2e2  0  e3 ,
f (e3 )  2 e3  e3  0  e1  0  e2  1  e3 ,
откуда получаем, что
 2 0 0
 
D   0 2 0 .
 0 0 1
 

Задача 12.7. Является ли линейный оператор f , заданный в неко-


тором базисе матрицей
 5 4 6
A   4 5 6 
  4  4  5
 
диагонализируемым? Если да, то найти диагональную матрицу этого
оператора и указать базис, в котором она имеет такой вид.
Решение.
При решении задачи 11.6 были найдены все собственные значения
и собственные векторы линейного оператора f . Собственными значе-
ниями являются 1  1 и 2  3 . Собственные векторы, относящиеся к
2  3 , – это векторы с координатами  k 3 ,  k 3 , k 3 , где k3  ℝ, k3  0 .
Координаты собственных векторов, относящихся к 1  1 , находятся из
общего решения системы линейных однородных уравнений, имеющего
вид:
 k1  1.5k2 
 k .
 1 
 k 2 
87
Найдем фундаментальную систему решений этой системы. Она со-
стоит из двух решений.
1) k1  1, k 2  0   k1  1.5k2  1,
2) k1  0, k 2  2   k1  1.5k 2  3,
  1   3
  1 и  0  – фундаментальная система решений.
 0  2
   
Обозначим через e1 – собственный вектор линейного оператора f
с координатами  1, 1, 0 , через e2 – собственный вектор с координатами
 3, 0, 2 , через e3 – собственный вектор, с координатами  1,  1, 1 .
Собственные векторы e1 и e2 относятся 1  1 , а e3 относится к
2  3 . Векторы e1 , e2 , e3 – линейно независимы, следовательно, образу-
ют базис. Тогда согласно критерию диагонализируемости линейного
оператора (теорема 12.1), линейный оператор f – диагонализируемый.
Матрицей линейного оператора f в базисе e1 , e2 , e3 является
1 0 0
 
D  0 1 0 .
0 0 3 

Задачи для самостоятельного решения

Задача 12.8. Выяснить, является ли линейный оператор f из зада-


чи 11.8 диагонализируемым? Если да, то найти диагональную матрицу
этого оператора и указать базис, в котором она имеет такой вид.

Задача 12.9. Выяснить, является ли линейный оператор f из зада-


чи 11.9 диагонализируемым? Если да, то найти диагональную матрицу
этого оператора и указать базис, в котором она имеет такой вид.

Задача 12.10. Выяснить, является ли линейный оператор f из за-


дачи 11.10 диагонализируемым? Если да, то найти диагональную мат-
рицу этого оператора и указать базис, в котором она имеет такой вид.

Задача 12.11. Выяснить, является ли линейный оператор f из за-


дачи 11.11 диагонализируемым? Если да, то найти диагональную мат-
рицу этого оператора и указать базис, в котором она имеет такой вид.

88
Ответы к задачам для самостоятельного решения

2.17. Линейно зависимы. 2.18. Линейно независимы. 2.19. Линей-


но независимы. 2.20. Линейно зависимы. 2.21. Линейно независимы.
2.22. Линейно зависимы. 2.23. Линейно независимы.

3.18. Размерность 6. 3.19. Бесконечномерное линейное пространст-


во.

1 1 1
4.5. b  2a1  2a 2 ;  2, 2 . 4.6. g ( x )  f1 ( x )  f 2 ( x )  f 3 ( x ) ;
3 3 3
1 1 1
, , . 4.7. a  2 p  5q ; 2, 5 . 4.8. c  2 p  3q  r ; 2,  3, 1 .
3 3 3

5.7. 1) Да. 2) Нет. 3) Да. 5.8. 1) Да. 2) Да. 3) Нет. 5.9. Размерность
 2   3  0
 1  0  0
     
3; базис  0  ,  2 ,  0 .
  5  7  1
 0  0  1
     

6.10. Да. 6.11. Нет. 6.12. Да. 6.13. Да. 6.14. Да.

0 0 0 1
 1  1 1  0 0 1    0  2  3
7.8.  0 1 1 . 7.9.  0 1 0  . 7.10. 0 0 0 0
. 7.11.  2 0 1 .
 1 0 0   0 0 0 0  
1 0 0 1 3  1 0
   
 0 0 0   

  3  4
8.7. f ( g ( x ))  12  6 x . 8.8. f ( x )   .
 0 15 

 1 0 0  3 / 2 2 5 / 2
9.4.  0 2 0  . 9.5.   5 / 2 0  5 / 2  .
 
 0 0 3  5 / 2 3 7 / 2
   

10.3. 1) Нет. 2) Да, к собственному значению 0.

89
11.8. 1  2 , k1 , 0, 0 , где k1  0 ; 2  1 , k 2 ,  3k 2 , k 2 , где k 2  0 ;
3  4 , 0, 0, k 3 , где k3  0 . 11.9.   2 , k1 , 2k1 , k 2 , где k1 и k 2 не равны
нулю одновременно. 11.10. 1  2 , k1  k 2 , k1 , k 2 , где k1 и k 2 не равны
нулю одновременно; 2  1 ,  k 3 , k 3 , k 3 , где k3  0 . 11.11. 1  1 ,
 2k1 , k1 , 0 , где k1  0 ; 2  3 , k 2 ,  k 2 , k 2 , где k 2  0 . 11.12. 1  3 ,
k1 , k1 , 0 , где k1  0 ; 2  2 , k 2 , 0, k 2 , где k 2  0 ; 3  1 , k 3 , k 3 , k 3 , где
k3  0 .

  2 0 0  2 0 0
12.8. Да,  0 1 0  . 12.9. Нет. 12.10. Да,  0 2 0  . 12.11. Нет.
 
 0 0 4 0 0 1
   

90
Рекомендуемая литература

1. Апатенок Р.Ф., Маркина А.М., Попова Н.В, Хейнман В.Б. Элементы


линейной алгебры и аналитической геометрии. – Минск: Высшая
школа, 1986. – 272 с.
2. Апатенок Р.Ф., Маркина А.М., Хейнман В.Б. Сборник задач по ли-
нейной алгебре и аналитической геометрии. – Минск: Высшая школа,
1990. – 286 с.
3. Беклемишев Д.В. Курс аналитической геометрии и линейной алгеб-
ры. – М.: Физматлит, 2008. – 312 с.
4. Икрамов Х.Д. Задачник по линейной алгебре. – СПб.: Лань, 2006. –
320 с.
5. Ильин В.А., Позняк Э. Г. Линейная алгебра. – М.: Физматлит, 2007. –
280 с.
6. Кострикин А.И. Введение в алгебру. Ч.2: Линейная алгебра. – М.:
Физматлит, 2004. – 368 с
7. Сборник задач по алгебре / Под ред. А. И. Кострикина. – М.: Физико-
математическая литература, 2001. – 464 с.
8. Фаддеев Д. К. Лекции по алгебре. – СПб.: Лань, 2005. – 416 с.
9. Фаддеев, Д. К., Соминский И.С. Задачи по высшей алгебре. – СПб.:
Лань, 2008. – 288 с.

91
Учебное издание

ШЕРСТНЁВА Анна Игоревна


ЯНУЩИК Ольга Владимировна

ЛИНЕЙНЫЕ ПРОСТРАНСТВА.
ЛИНЕЙНЫЕ ОПЕРАТОРЫ

Учебное пособие

Научный редактор доктор физико-математических наук,


профессор К.П. Арефьев
Редактор А.И. Шерстнёва
Компьютерная верстка А.И. Шерстнёва
Дизайн обложки А.С. Пыжик

Подписано к печати 05.11.2010. Формат 60х84/16. Бумага «Снегурочка».


Печать XEROX. Усл.печ.л. 5,35. Уч.-изд.л. 4,84.
Заказ 1907-10. Тираж 100 экз.
Национальный исследовательский Томский политехнический университет
Система менеджмента качества
Томского политехнического университета сертифицирована
NATIONAL QUALITY ASSURANCE по стандарту ISO 9001:2008

. 634050, г. Томск, пр. Ленина, 30


Тел./факс: 8(3822)56-35-35, www.tpu.ru

Оценить