Вы находитесь на странице: 1из 96

122

ГЛАВА IV. ЛИНЕЙНЫЕ (ВЕКТОРНЫЕ) ПРОСТРАНСТВА

§ 4.1. Линейные пространства, определение, примеры

Гибкий язык векторной алгебры и средства аналитической


геометрии нашли применение в математике, механике, физике и
других науках. Росло количество объектов в сфере математики по
своим свойствам схожих с классическими векторными
пространствами. В попытках охватить их единым взором родилось
понятие, выражаемое следующим определением.
Пусть V  – непустое множество, элементы которого будем

называть векторами и обозначать латинскими буквами a , b , c .
Предположим, что на множестве V  – заданы:
1) операция сложения,
 
т. е. любой паре элементам a , b множества V поставлен в

соответствие по какому-то закону третий элемент c из V ,
  
называемый их суммой: c  a  b ;
2) операция умножения вещественных чисел на векторы, 

т. е.  R и a V поставлен в соответствие элемент  a из V ,
называемый произведением числа  на вектор a .
Пусть названные операции удовлетворяют следующим
условиям (аксиомам линейного пространства):
     
1.  a  (b  с )  (a  b )  с  – ассоциативность сложения;
     
2. Существует
 элемент 0 V такой, что  0  0  a  a для
a
любого a V ; 

3. Для любого a  V существует b V , называемый
   
противоположным для a , такой, что a  b  0 ;
   
4.  a  b  b  a  – коммутативность
 сложения;
5.  ( )a  a a для любого a V , для произвольных , R ;
    
6.  (a  b )  a  b для любых a, b V , для произвольного
 R ;   
7.  ( a ) ()a для любого a V , для произвольных , R ;

8. 1 a  a для любого a V .
Тогда V называется линейным или векторным пространством
(ЛВП).
123

Пример 1. Множество R3 всех свободных векторов (см. § 2.1)


образует линейное пространство.
Пример 2. Множество всех M mn  R  вещественных матриц
Amn (см. § 1.1) образует линейное пространство.
Пример 3. Множество всех непрерывных на отрезке [ a; b]
функций, обозначаемое C[ a ,b] , образует ЛВП, так как сумма функций
f ( x)  g ( x) и произведение числа   R на f ( x) , т. е.  f ( x ) также
принадлежит этому множеству. Аксиомы 1–8 с очевидностью
выполняются, при этом нулевым элементом является нулевая
функция f ( x)  0 x   a, b  .
Пример 4. Обобщением пространства R3 является пространство
Rn , n  N , элементами которого являются упорядоченные

совокупности по n произвольных действительных чисел a (a1,..., an ) .
 
Пусть a (a1,..., an ), b (b1,..., bn )  Rn . Определим сложение векторов
и умножение чисел на векторы по следующим правилам:
    
a  b  (a1  b1,..., an  bn ), a  (a1,..., an ) .

R
Нулевым элементом в n является вектор 0(0,...,0) . Выполнение
аксиом 1–8 проверяется легко.
Пространство Rn , n  N , называют арифметическим n -мерным
пространством.
Пример 5. Множество C   a  bi i  1; a, b  R всех
комплексных чисел является линейным пространством.
Пример 6. Совокупность всех сигналов одной природы
образует линейное векторное пространство.
Действительно сигнал – это физический процесс, несущий или
передающий информацию. Эта информация зависит от одного или
нескольких параметров. Для теоретического изучения сигнала нужен
не весь сигнал, а несущий информацию параметр, т. е.
математическая модель сигнала. Поэтому, абстрагируясь от
физического содержания, под сигналом понимают функции
s (t ), u (t ), f (t )... , аргументами которых является время t . С этой точки
зрения типичными сигналами являются напряжение на зажимах
электрической цепи или ток в цепи.
124

Сигналы одной природы можно складывать, умножать на них


вещественные числа, т. е. действовать обычными математическими
функциями. Поэтому в силу примера 3 сигналы одной природы
образуют линейное векторное пространство. Типичный конкретный
пример – совокупность простейших гармоник, т. е. функций вида
s (t )  A cos(t  ) , где A  – амплитуда, A  0, A  R , фаза   – любое
вещественное число, частота  фиксирована.
  A cos(t  ),   0;
Тогда  s (t )  
 |  | A cos(t    ),   0;
s1(t )  s2 (t )  A1 cos(t  1)  A2 cos(t  2 )  A3 cos(t  3 ),
A1 sin 1  A2 sin 2
где A3  A12  A22  2 A1 A2 cos(1  2 ) ; 3  arctg ,
A1 cos 1  A2 cos 2

т. е.   s  t  и s1(t )  s 2 (t ) так же являются простейшими


гармониками.
Мы осуществили первое знакомство с понятием линейного
пространства. Это основной объект целого математического
направления  – линейной алгебры. По сути дела, линейная
алгебра – алгебраическое обобщение классических векторной
алгебры и элементов аналитической геометрии.
Следует еще раз напомнить, что элементами линейного
векторного пространства могут быть не только классические векторы,
но и объекты любой другой природы: функции, матрицы, сигналы и
многое-многое другое.

§ 4.2. Подпространства

Пусть V  – произвольное линейное пространство. Непустое


подмножество W  V , называется подпространством, если W , в
свою очередь, является линейным пространством относительно тех
же операций, которые заданы на V .
Пример 1. Каждое ЛВП V содержит «наименьшее»

подпространство. Оно состоит из одного единственного вектора 0 .
125

Разумеется, далеко не всякое подмножество W из ЛВП V будет


подпространством.
Следующее утверждение содержит необходимые и достаточные
требования к подмножеству W , чтобы оно было подпространством.
Теорема 1 (критерий подпространства).
Непустое подмножество W  – является подпространством
линейного пространства V тогда и только тогда, когда
  
1. Для любых a , b  W их сумма a  b принадлежит W ;
 
2. Для любых   R и a  W элемент a принадлежит W ;
то есть тогда и только тогда, когда вместе с двумя любами своими

векторами a, b V содержит и всякую их линейную комбинацию
 
 a  b для произвольных чисел ,  R .
Доказательство достаточно провести лишь в одну сторону: из
условий 1 и 2 вывести, что W  – ЛВП. Действительно, из условия 2
 
 
  
следует, что если a  W , то 0  a  0W и  1  a   a также
принадлежит W , т. е. нулевой вектор принадлежит W , и каждый
 
вектор a W имеет противоположный a W . Все остальные
аксиомы линейного пространства справедливы для подпространства
W , так как они выполняются в V , а W  V .
Пример 2. Из § 2.1 имеем следующую цепочку подпространств
пространства R3 : R1  R2  R3 . Здесь R1  – множество всех свободных
векторов, параллельных конкретной прямой, скажем, оси Ox ; R2  
– множество всех свободных векторов, параллельных конкретной
плоскости, например, плоскости Oxy .
Пример 3. Подмножество W всех векторов плоскости Oxy
(пространства R2 ), выходящего из начала координат в 1-ую четверть,
не является подпространством, так как 2-ое требование критерия не

выполняется для отрицательных  : для вектора a   1,1 W вектор

2 a   2,  2  W .
  
Пример 4.  L  L  u1, u2 ,..., uk   – линейная оболочка системы
  
векторов. Пусть u1, u2 ,..., uk  – система векторов пространства V .
  
Пусть L  u1, u2 ,..., uk   – множество всевозможных сумм
  
1u1   2u2  ...   k uk , i  R, i 1,2,..., k
126

Множество L называют линейной оболочкой векторов


  
u1, u2 ,..., uk . Несложная проверка показывает, что L удовлетворяет
критерию подпространства и, следовательно, является
подпространством пространства V .
Пример 5. Пересечение U1 U 2 подпространств U1 и U 2
данного пространства V также является подпространством в силу
критерия подпространства.
Пример 6. Сумма U1  U 2   u1  u2 u1 U1, u2 U 2  двух
подпространств также является подпространством в силу теоремы
(критерия подпространства).

 
Если при этом U1 U 2  0 , то сумма U1  U 2 называется
прямой. Если же при этом U1  U 2  V , то говорят, что V является
прямой суммой подпространств U1 и U 2 . К примеру, R2  – плоскость
является прямой суммой любых двух различных одномерных
подпространств R1 и R1 .
Пример 7. Множество R[ x] всех полиномов с вещественными
коэффициентами является подпространством в пространстве C( ; )
, так как сумма двух многочленов и произведение числа   R на
многочлен есть полином и непрерывная функция.
Пример 8. Пусть n  – фиксированное натуральное число, и W  
– подмножество R [ x ] , состоящее из всех полиномов степени n (и,
значит, не содержащее полиномов ни большей, ни меньшей степени).
Множество W не является подпространством R [ x ] , так как сумма
двух многочленов степени n не всегда является многочленом той же
степени. К примеру, пусть f ( x)  1  x n и g ( x)  1  x  x n , их сумма
есть многочлен 1-й степени: f ( x)  g ( x)  2  x .
Подмножество U всех полиномов степени, не превосходящей n
, является подпространством пространства R [ x] , так как
удовлетворяет всем условиям теоремы 1.
Пример 9. Подмножество S симметрических матриц (см § 1.1)
в пространстве M n  R  квадратных матриц удовлетворяет критерию
подпространства и, следовательно, является линейным
пространством. Подпространством является и множество K всех
кососимметрических матриц пространства M n  R  .
127

Упражнение 1. Доказать, что M n  R  есть прямая сумма своих


подпространств S и K .
Понятие подпространства расширяет разнообразие примеров
ЛВП, обогащая и насыщая наши представления о линейных
пространствах.
Невозможно охватить небольшим списком весь спектр
линейных пространств. Примеры ЛВП будут появляться в
дальнейшем и в курсе математики, и в технических дисциплинах.
В качестве перспективы назовем некоторые из них: множества
решений линейных однородных алгебраических уравнений, решений
однородных линейных дифференциальных уравнений, множества
дифференцируемых функций, интегрируемых на отрезке функций,
разложимых в абсолютно сходящиеся ряды Тейлора, множества
сигналов, линейные коды и многое другое.

§ 4.3. Линейная зависимость векторов

Пусть V  – произвольное линейное пространство.


Будем говорить, что система векторов пространства V
  
u1, u2 ,..., un линейно зависима, если существуют такие числа
1,  2 ,...,  n , одновременно не равные нулю, что выполняется
равенство
   
1u1   2u2  ...   nun  0. (4.3.1)
Если же равенство (4.3.1) выполняется тогда и только тогда,
  
когда все i  0 (i  1,2,..., n) , то система векторов u1, u2 ,..., un
называется линейно независимой.
   
Пример 1. Любая система векторов u1, u2 ,..., un ,0 , содержащая
нулевой вектор, линейно зависима. 
  
Действительно, сумма 0  u1  0  u2  ...  0  un    0,   0 ,
очевидно, равна нулю, хотя и имеет ненулевой коэффициент.
 
Пример 2. Любая пара u1, u2 коллинеарных векторов в обычном
геометрическом пространстве линейно зависима.
128
 
В самом деле, если u2  0 , то в силу критерия коллинеарности
    
u1  u2 ,   R . Тогда равенство (4.3.1) имеет вид 1  u1  u2  0, где
1  1,  2  ;  1,  2    0,0  .
Пример 3. Любая тройка компланарных векторов линейно
зависима (см. следствие из теоремы 2 гл. II). Сама же теорема
фактически устанавливает линейную зависимость любой четверки
векторов линейного пространства R3 .
  
Теорема. Система векторов u1, u2 ,..., un линейного пространства
линейно зависима тогда и только тогда, когда один из ее векторов
является линейной комбинацией остальных.
  
Доказательство. Пусть система векторов u1, u2 ,..., un линейно
зависима, т. е. справедливо равенство (4.3.1), где хотя бы один из
коэффициентов  k не равен нулю.
Пусть i  0 ,1  i  n , тогда
        
ui   1 u1  ...  i 1 ui 1  i 1 ui 1  ...  n un ,
i i i i
    
т. е. вектор ui есть линейная комбинация векторов u1,..., ui 1, ui 1..., un .

Обратно, если какой-то вектор, например un , есть линейная
комбинация остальных векторов:
   
un  c1  u1  c2  u2  ...  cn 1  un 1 ,
то справедливо равенство
    
c1  u1  c2  u2  ...  cn 1  un 1  1 un  0 ,

в котором есть отличные от нуля коэффициенты ci , к примеру,


cn  1  0 .
Теорема доказана.
Следствие. Всякая система векторов, содержащая линейно
зависимую подсистему, является линейно зависимой системой.
Теорема позволяет привести ряд примеров линейно
независимых систем векторов. Так, в пространстве R3 любая тройка
некомпланарных векторов линейно независима. Иначе бы один из
129

векторов выбранной тройки выражался линейно через остальные два,


значит, такая тройка была бы компланарной. С учетом примера 3 мы
видим, что в пространстве R3 максимальное число линейно
независимых векторов равно трем.
Аналогично, любая пара неколлинеарных векторов образует
линейно независимую систему.
Рассмотрим линейное пространство Rn (из примера 4).
Выберем в нем следующую систему векторов:
  
e1(1,0,...,0), e2 (0,1,0,...,0),..., en (0,0,...,1) .

Предположим, что существуют такие числа 1,  2 ,...,  n , что


   
1e1   2e2  ...   nen  0
или в развернутом виде:
1 (1,0,...,0)   2 (0,1,...,0)  ...   n (0,0,...,1) 
 (1,  2 ,...,  n )  (0,0,...,0) .

Отсюда следует, что 1   2  ...   n  0 . Это означает


  
линейную независимость системы векторов e1, e2 ,..., en .
Таким образом, в пространстве Rn  n  1 мы указали систему из
n линейно независимых векторов.
Однако есть пространства, в которых существуют бесконечные
линейно независимые системы векторов. По определению,
бесконечная система векторов линейно независима, если линейно
независима любая ее конечная часть.
Пример 4. В пространстве функций C( ; ) , непрерывных на
всей числовой оси, система функций
1, x, x 2 ,..., x n ,... (4.3.2)
образует бесконечную линейно независимую систему.
Для доказательства этого факта возьмем в этой системе любую
конечную систему x k1 , x k2 ,..., x kn с условием ki  k j , если i  j .
130

Предположим, что выбранная система одночленов линейно


зависима, т. е. существуют такие не равные нулю одновременно
числа 1,  2 ,...,  n , что

1x k1   2 x k2  ...   n x kn  0 . (4.3.3)

Равенство (4.3.3) должно выполняться при любых x  (; ) ,


в частности, при x  1,2, 22 ,...,2n 1 ,то есть должны выполняться
равенства:
1   2  ...   n  0,
 k k k
2 1 1  2 2  2  ...  2 n  n  0,
 2 k1 2 k 2 k
(2 ) 1  (2 ) 2  2  ...  (2 ) n  n  0, (4.3.4)
. . . . . . . . . . . . . .

(2n 1) k1   (2n 1) k2   ...  (2 n 1) kn   0.
 1 2 n

Систему соотношений (4.3.4) можно рассматривать как систему


линейных уравнений относительно неизвестных 1,  2 ,...,  n .
Эта СЛАУ является однородной системой, ее определитель (см.
пример 2 § 3, гл. I)
1 1 ... 1
2k1 2 k2 ... 2 kn

     
2 2 2
2k1 2 k2 ... 2 kn  0.
. . . .

2 
k1 n 1
2 
k2 n 1
... 2 
kn n 1

Значит, согласно правилу Крамера, система (4.3.4) имеет


единственное решение и это решение нулевое: 1   2  ...   n  0 ,
что и доказывает линейную независимость исходной бесконечной
системы функций (4.3.2).
131

§ 4.4. Эквивалентные системы векторов


     
Две системы векторов a1, a2 ,..., an (1) и b1, b2 ,..., bk (2)
называются эквивалентными, если каждый вектор системы (1) можно
представить в виде линейной
 комбинации векторов системы (2) и
наоборот – каждый вектор b j , j  1, 2,..., k , можно представить в виде
линейной комбинации системы (1).
Пример 1. Всякая линейно зависимая система эквивалентна
некоторой своей подсистеме (см. § 4.3).
Отметим, что эквивалентность систем векторов является
транзитивным понятием: если система векторов (1) эквивалентна
системе (2), а та, в свою очередь, эквивалентна (3), то системы (1) и
(3) эквивалентны.
Пример 2. Две любые тройки некомпланарных векторов из R3
эквивалентны (см. § 2.3).
Теорема 1. Пусть системы векторов (1) и (2) эквивалентны и
система (2) линейно независима. Тогда k  n .
Доказательство. Линейно независимая система векторов (2)
должна полностью состоять из ненулевых векторов. Иначе, как
свидетельствует пример 1 § 4.3, она будет линейно зависимой. Тогда
и эквивалентная ей система (1) должна содержать не только нулевые
векторы. Ведь любая линейная комбинация нулевых векторов равна
нулю и ненулевые векторы из системы (2) тогда никак не могут быть
получены.
На основе метода математической индукции покажем, что
система векторов (1) имеет не менее k ненулевых векторов. Отсюда и
будет следовать, что n  k .
Точнее докажем, что для каждого целого j , 1  j  k , с
точностью до перестановки векторов системы (1) существует система
векторов     
b1, b2 ,..., b j , a j 1,..., an ,  j  2
эквивалентная системе (1) и эквивалентная системе (2).
132

Сначала 
докажем данное вспомогательное утверждение для
j  1. Вектор b1 в силу эквивалентности систем (1) и (2), линейно
выражается через векторы первой системы:
   
b1 11a1   21a2  ...   n1an . (4.4.1)

для подходящих чисел i1 , i  1, 2,..., n .



Так как b1  0 , то среди коэффициентов i1 обязательно
найдутся ненулевые. Пусть i1  0 . В противном случае, можно было
бы изменить нумерацию векторов системы (1), чтобы добиться
условия: i1  0 . Тогда равенство (4.4.1) можно привести к виду:
 1   21   
a1  b1  a2  ...  n1 an . (4.4.2)
11 11 11
Равенство (4.4.2) означает, что система (1) эквивалентна системе
   
b1, a2 , a3 ,..., an , (3)
то есть системе  j  2  при j  1.
Пусть система (1) эквивалентна (с точностью до перестановки
векторов системы (1)) системе  j  2  для целого j , 1  j  k , и
докажем вспомогательное утверждение для системы  j  1  2  . В
силу транзитивности свойства эквивалентности систем векторов,
система (2) эквивалентна системе (1) и, следовательно, эквивалентна
системе  j  2  . Поэтому найдутся числа 1 j1 , j  1, 2,..., n , такие,
что выполняется равенство:
    
b j 1 1 j 1 b1  ...   j  j 1 b j   j 1  j 1 a j 1  ...   n j 1 an .(4.4.3)

Заметим, что в равенстве (4.4.3) среди коэффициентов 


 j 1 j 1 ,...,  n j 1 обязательно есть ненулевые (иначе вектор b j 1
  
будет линейной комбинацией векторов b1, b2 ,..., b j и система векторов
  
b1, b2 ,..., b j 1 является линейно зависимой подсистемой системы (2),
что противоречит следствию из теоремы § 4.3). В частности, отсюда
следует, что j  1  n .
133
 
С точностью до перестановки векторов a j 1,..., an можно
считать, что  j 1 j 1  0 , тогда соотношение (4.4.3) преобразуется
к виду:
 1  1 j 1   j  j 1 
a j 1  b j 1  b1  ...  bj 
 j 1 j 1  j 1 j 1  j 1 j 1
(4.4.4)
 j  2   j 1   n j 1 
 a j  2  ...  an .
 j 1 j 1  j 1 j 1

Соотношения (4.4.3) и (4.4.4) означают эквивалентность


системы векторов  j  2 и системы векторов
    
(b1, b2 ,..., b j 1, a j  2 ,..., an )  j  1  2  для j  1  k .
По предположению индукции система (2), эквивалентная (1),
эквивалентна системе  j  2  и по доказанному, эквивалентна
системе  j  1  2  , в частности, системе  k  2  .
Следовательно, k  n , что и требовалось доказать.
Следствие 1. Две эквивалентные системы (1) и (2) из линейно
независимых векторов равномощны: n  k .
Следствие 2. Всякая система векторов (1), содержащая и
ненулевые векторы, эквивалентна своей максимальной (по
количеству векторов) линейно независимой подсистеме.
Доказательство. Если в системе (1) есть нулевые векторы, то
все их выбросим. Получим эквивалентную систему. Поэтому с
самого начала можно считать, что (1) не содержит нулевых векторов.
Применим к системе (1) теорему из § 4.3. Согласно утверждению

этой теоремы один из векторов системы, скажем, an , линейно
выражается через остальные. Значит, система (1) эквивалентна своей
  
подсистеме a1, a2 ,..., an 1 . Ту же процедуру применим к данной
подсистеме. И так далее. В конце концов, получим подсистему
  
a1, a2 ,..., ak , k  1, линейно независимую и максимальную по
построению.
Заметим, что система из одного ненулевого вектора всегда
линейно независима. Поэтому процесс выбрасывания векторов
134

обязательно закончится, по крайней мере, на k  1 . Следствие 2


доказано.
Следствие 1 из теоремы доказывает, что при наличии
нескольких линейно независимых подсистем системы (1) их
мощности должны быть одинаковы. Поэтому имеет место следующее
определение.
Рангом произвольной системы векторов (1) называется
количество векторов ее максимальной линейно независимой
подсистемы.
Следствие 3. Эквивалентные друг другу системы векторов
данного пространства имеют одинаковые ранги.
Доказательство вытекает из следствий 1 и 2.

§ 4.5. Базис и размерность линейного пространства

Одной из главных характеристик ЛВП является понятие базиса.


  
Будем говорить, что система векторов u1, u2 ,..., un (1) некоторого
линейного пространства V образует базис, если
а) система векторов (1) линейно независима;
б) (1) есть система образующих пространства V ; это означает,

что любой вектор a пространства V является линейной комбинацией
системы векторов (1), т. е. найдутся такие числа 1,  2 ,...,  n  R , что
   
a  1  u1   2  u2  ...   n  un . (4.5.1)
Пример 1. В пространстве свободных векторов R3 (гл.II) любая
тройка некомпланарных векторов образует базис этого пространства.
В частности, тройка взаимно перпендикулярных векторов единичной
 
длины i , j , k образует так называемый ортонормированный базис.

Пример 2. В пространстве Rn система векторов


  
e1(1,0,...,0), e2 (0,1,0,...,0),..., en (0,0,...,1)
135

образует базис, так как они линейно независимы и любой вектор



a  (a1,..., an )  Rn можно представить как линейную комбинацию
   
базисных векторов: a  a1e1  a2e2  ...  anen .
Теорема 1. Любые два базиса данного ЛВП V равномощны.
  
Доказательство. Пусть системы векторов u1, u2 ,..., un (1) и
  
v1, v2 ,..., vk (2) являются базисами ЛВП V .
В силу второго требования к базисам системы (1) и (2)
эквивалентны. В силу следствия 1 из теоремы § 4.4 они должны быть
равномощными: n  k , что и требовалось доказать.
На основании теоремы 1 базируется следующее определение.
Размерностью пространства V называется количество векторов
в любом из его базисов и обозначается dimV (от англ.
dimension – размерность).
Когда размерность n пространства V установлена, это
закрепляют обозначением: Vn .
Размерность классических векторных пространств ограничена
числом 3. Физики расшатали это представление, предложив в
качестве четвертой координаты (в начале ХХ века) время. В
настоящее время современные физики чувствуют себя комфортно в
рамках минимум 28-мерного пространства. Фантазия математиков в
этом плане оказалась неограниченной. Пример 2 подтверждает
справедливость следующего утверждения.
Теорема 2. Для всякого (сколь угодно большого) n  1
существует линейное пространство размерности n .
Базисов в пространстве размерностью n  1 очень много. Об
этом свидетельствует
Теорема 3. В линейном пространстве Vn , n  1, любой
ненулевой вектор можно дополнить до базиса этого пространства. 
   
Доказательство. Пусть e1, e2 ,..., en  – базис Vn и a  0  

– произвольный в нем вектор. Вектор a раскладывается по базису:
   
a  1e1   2e2  ...   nen .
136
 
Так как a  0 , то обязательно найдется коэффициент i  0 .
 1  2   
Пусть для определенности 1  0 . Тогда e1  a  e2  ...  n en и
1 1 1
    
система векторов a , e2 ,..., en эквивалентна базису e1, e2 ,..., en , а,
следовательно, и сама является линейно независимой. Мы нашли

базис, содержащий вектор a . Теорема доказана.
Аналогично доказывается
Теорема 4. В n -мерном линейном пространстве Vn , n  1,
  
любую линейно независимую систему векторов a1, a2 ,..., ak , 1  k  n ,
можно дополнить до базиса пространства Vn .
В определении базиса число n  – элементов в базисе – не
обязательно конечно. Тогда, если n   , ЛВП называется
бесконечномерным.
Пример 3. Если R [ x ]  – пространство всех вещественных
многочленов, то базисом этого пространства является бесконечная
система функций 1, x, x 2 ,..., x n ,...
В дальнейшем будем ограничивать себя рамками
конечномерных линейных пространств.

§ 4.6. Координаты векторов в ЛВП, свойства координат


  
Пусть в пространстве Vn система векторов u1, u2 ,..., un (1)

образует базис. Тогда для всякого вектора a Vn справедливо
разложение по данному базису:
   
a  1  u1   2  u2  ...   n  un . (4.6.1)
Числа 1,  2 ,...,  n в равенстве (4.6.1) называются
координатами вектора в данном базисе.
Для координат векторов в пространстве Vn справедливы
свойства, аналогичные таковым в классическом пространстве R3 .
Свойство 1. Координаты вектора в данном базисе определены
однозначно.
Доказательство. Пусть наряду с разложением (4.6.1)
   
справедливо другое разложение a  1u1  2u2  ...  nun .
137

Вычитая из (4.6.1) последнее равенство, получим


  
0   1  1  u1  ...    n  n  un .
  
Так как векторы u1, u2 ,..., un линейно независимы, то полученное
равенство возможно только в одном случае – когда все ее разности
i  i  0, i  1,2,..., n .
Значит, i  i для всех i  1, 2,..., n , что и требовалось доказать.
Свойство 1 означает, что зафиксировав в данном пространстве
  
Vn базис u1, u2 ,..., un , мы устанавливаем взаимно однозначное

соответствие между векторами a Vn и наборами  1,  2 ,...,  n  их
координат в данном базисе. Эту взаимосвязь часто подтверждают
равенством:

a  (1,  2 ,...,  n ) , (4.6.2)
которое служит, фактически, компактной записью равенства (4.6.1).
Свойство 2. При сложении векторов их одноименные
координаты складываются: 

если в базисе (1) Vn a  (1,  2 ,...,  n ), b  (1, 2 ,...,  n ) , то
 
a  b  (1  1,  2  2 ,...,  n  n ) .
Доказательство свойства следует из дистрибутивности
сложения линейных комбинаций векторов.
Свойство 3. При умножении вектора на число все координаты
вектора умножаются на это же число:

если a  (1,  2 ,...,  n ) в базисе (1), то

a  (1,  2 ,...,  n ),   R.
Доказательство свойства получается умножением на  обеих
частей равенства (4.6.1), а, следовательно, и равенства (4.6.2).
Реальное нахождение координат векторов в классическом
случае решалось с помощью проекций векторов. Этот метод не
применим в общих линейных пространствах – как можно
проецировать матрицы или полиномы?! Читатель здесь должен
вдохновиться следующим рассуждением.
138

Необходимо найти координаты вектора a в базисе (1)
   
пространства V . Система из n  1 векторов u1, u2 ,..., un , a линейно
зависима. Следовательно, существует линейная комбинация
   
1  u1   2  u2  ...   n  un   n 1a  0 .

Так как (1) – базис, то в этом равенстве  n1  0 .



Тогда вектор a однозначно выражается в виде линейной
комбинации базисных векторов в базисе (1):
     
a    1 ,  2 ,...,  n  .
  n 1  n 1  n 1 

§ 4.7. Ранг системы векторов, ранг матрицы

В § 4.4 введено понятие ранга системы векторов. Здесь


рассмотрим методики вычисления ранга.
Теорема 1. Если в произвольной системе векторов
  
u1, u2 ,..., un (1)
поменять векторы местами, умножить один из векторов на
произвольное число   0 , к одному из векторов прибавить
линейную комбинацию других векторов этой же системы, то
названные преобразования не изменяют ранга системы векторов (1).
Доказательство. Перечисленные преобразования приводят к
системе векторов, эквивалентной системе (1). Далее применяем
следствие 3 из теоремы 1 § 4.4, что и завершает доказательство.
Рассмотрим произвольную матрицу Amn :
 a11 ... a1n 
Amn   . . . . . .  .
 
 am1 ... amn 

Каждую ( i –ю строку) матрицы Amn можно рассматривать как



координаты вектора ui  (ai1,..., ain )  Rn , i  1,2,..., m .
Строки матрицы A называются линейно зависимыми или
  
линейно независимыми, если соответствующие им векторы u1, u2 ,..., un
линейно зависимы или линейно независимы.
139

Пример 1. Исследуем на линейную зависимость строки


следующей матрицы
1 2 3 4
A2 1 1 1  .
 
 3 1 4 5 

Решение. Здесь строки линейно зависимы, так как 3-я строка


есть сумма первых двух, т. е. является линейной комбинацией первых
двух строк: [3 1 4 5]  [1 2 3 4]  [2 1 1 1] . Первые же две
строки матрицы A не пропорциональны друг другу и потому линейно
независимы.
Рангом матрицы A называется количество линейно
независимых строк этой матрицы (обозначается символом rA или
r  A  ).
Понятие ранга матрицы A тесно связано с понятием базисного
минора этой матрицы.
Минор M r порядка r матрицы A называется базисным, если:
1.  M r  0 ;
2. Все миноры M r 1 матрицы A равны нулю.
Так в предыдущем примере все миноры третьего порядка
матрицы A равны нулю (их всего четыре). Поэтому базисный минор
имеет порядок r  2 , и в качестве такового может быть взят любой
1 2
M
минор второго порядка, отличный от нуля, например, 2  0
2 1
.
Следующая теорема связывает ранг матрицы с размерами ее
базисных миноров.
Теорема 2. Ранг матрицы равен порядку ее базисного минора.
Доказательство. Пусть матрица Amn имеет базисный минор
M порядка r . Докажем, что rA  r .
Предположим для определенности, что базисный минор M
расположен в верхнем левом углу матрицы A :
140

 a11 a12 ... 


a1r ... a1r 1 ... a1n
a a22 ... 
a2r ... a2r 1 ... a2n
 21 
 ... ... ... ... 
 
A   ar1 ar 2 ... arr ... arr 1 ... arn
.
... ... ... ... 
 
 am1 am 2 ... amr ... amr 1 ... amn 
 
 
В противном случае мы могли бы переставить строки и столбцы
матрицы и поместить его в левый верхний угол.
Докажем, что первые r строк матрицы A , содержащие базисный
минор M , линейно независимы. Предположим, от противного,
существование таких одновременно не равных нулю чисел x1, x2 ,..., xr
, что выполняется равенство
   
x1u1  x2u2  ...  xr ur  0 , (4.7.1)
  
где u1  (a11,..., a1n ), u2  (a21,..., a2n ),..., ur  ( ar1,..., arn ) .
В координатной форме равенство (4.7.1) может быть
представлено как система из n линейных уравнений:
 x1a11  x2 a21  ...  xr ar1  0,
 x a  x a  ...  x a  0,
 1 12 2 22 r r2
. . . . . . . . . . .
 (4.7.2)
 x1a1r  x2 a2r  ...  xr arr  0,
. . . . . . . . . . .

 x1a1n  x2a2 n  ...  xr arn  0.

Рассмотрим подсистему системы (4.7.2), состоящую из r


первых уравнений. Определитель этой подсистемы есть базисный
минор M r  0 . Значит, рассмотренная подсистема является
крамеровской и согласно правилу Крамера имеет единственное, а
следовательно, нулевое решение x1  x2  ...  xr  0 .
141

Отсюда следует, что и вся система (4.7.2) имеет единственное


нулевое решение. Таким образом, соотношение (4.7.1) возможно
только при нулевых значениях x1, x2 ,..., xr . Следовательно, первые r
базисных строк матрицы A линейно независимы.
Теперь докажем, что при n  r для l  r  1, r  2,..., n каждая l  – я
строка матрицы линейно выражается через r первых строк.
Для этого рассмотрим вспомогательный определитель порядка
r  1:
a11 a12 ... a1r a1i
a21 a22 ... a2 r a2i
di  ... ... ... ... ,
ar1 ar 2 ... arr ari
al1 al 2 ... alr ali
получающийся «окаймлением» минора M соответствующими
элементами l  – строки и i  – го столбца, i  1, 2,..., n .
Для значений i в диапазоне от 1 до r минор di  0 как минор с
двумя одинаковыми столбцами. Когда r  1  i  n , минор di  0 по
определению базисного минора. Итак, для всех значений i, 1  i  n ,
di  0 .
Разложим этот определитель по последнему столбцу:
a1i A1  a2i A2  ...  ari Ar  ali Al  0 , (4.7.3)
где A1, A2 ,... Ar , Al  – алгебраические дополнения элементов последнего
столбца определителя di , причем эти коэффициенты одинаковы для
всех i, 1  i  n . При этом Al  M  0 .
Поэтому из равенства (4.7.3) получаем:
a a
ali   A1  1i  ...  Ar  ri , i  1,2,..., n . (4.7.4)
M M
Пусть  j   –  j -тая строка матрицы A , 1  j  m .
Равенство (4.7.4) означает, что l  – я строка матрицы
A (l  r  1,..., m) есть линейная комбинация первых r строк матрицы
A:
142

A A2 A
 l    1  1  
 2  ...  r  r  .
M M M
Теорема 2 полностью доказана.
Из свойств определителей вытекает
Следствие 1. Ранг матрицы не меняется при ее
транспонировании, т. е. число линейно независимых строк матрицы
равно числу ее линейно независимых столбцов.
Следствие 2. (Критерий равенства нулю определителя).
Определитель квадратной матрицы равен нулю тогда и только тогда,
когда ее строки (столбцы) линейно зависимы.
Из доказательства теоремы о ранге матрицы вытекает правило
отыскания базисного минора, а, значит, и ранга матрицы:
1) следует вычислять миноры матрицы от меньших порядков к
большим порядкам;
2) если минор M порядка r не равен нулю, а все окаймляющие
его миноры порядка r  1 равны нулю, то M  – базисный минор и ранг
матрицы A равен r .
Пример 2. Найти ранг матрицы
 2 4 6 10 
A   3  1 4 2  .
 
 5 3 10 8 

Решение.
2 4
M1  2  0, M 2   14  0;
3 1
2 4 6 2 4 10
M 3  3 1 4  0; M 3  3 1 2  0
5 3 10 5 3 8

Значит, rA  2 .
Однако такой способ вычисления ранга не всегда удобен.
Существуют некоторые приемы, облегчающие нахождение
ранга. Чтобы их сформулировать, введем понятие элементарных
преобразований матрицы.
143

Под элементарным преобразованием матрицы будем понимать


следующие:
1) перестановку местами двух строк или столбцов;
2) умножение или деление элементов строки (столбца) матрицы
на число   0 ;
3) прибавление к элементам строки (столбца) соответствующих
элементов другой строки (столбца), умноженных на какое-то число;
4) транспонирование матрицы.
Тогда, комбинируя теоремы 1, 2 и следствие 1 из теоремы 2, мы
можем сформулировать следующее утверждение.
Теорема 3. Элементарные преобразования матрицы не меняют
ее ранга.
Данная теорема упрощает вычисление ранга матрицы, т. к. как с
помощью элементарных преобразований матрица приводится к
такому виду, из которого что становится очевидным, чему равен ее
ранг.
Пример 3. Применим к матрице A примера 2 элементарные
преобразования, при этом переход от одной матрицы к другой будем
обозначать символом «~»:
 2 4 6 10  1 2 3 5  1 2 3 5 
 3 1 4 2  3 1 4 2  0 7 5 17 
   ~     ~     ~
 5 3 10 8  5 3 10 8  0 7 5 17 

 1 2 3 5 
 
_ 0 _  7  5 17
~   
 0 0 0 0 
rA  2.
Теперь легко определить ранг любой системы векторов,
заданных своими координатами в каком-либо базисе. Достаточно
построить матрицу из координат этих векторов, записывая их по
столбцам или строкам, затем найти ранг полученной матрицы.
144

§ 4.8. Произвольные системы линейных алгебраических


уравнений. Теорема Кронекера-Капелли11

Пусть дана произвольная система из m линейных


алгебраических уравнений с n неизвестными в матричном виде (см.
§ 5 гл. I)
AX  B, (4.8.1)
 a11 a12 ... a1n   x1  b1 
a a22 ... a2n  x  b 
где A    – матрица системы, X    , B    .
21 2 2
... ... ... ...    
     
 am1 am 2 ... amn  x
 n bm 
Наряду с матрицей A будем рассматривать расширенную
матрицу
 a11 a12 ... a1n b1 
a a ... a2n b2 
A   21 22 .
... ... ... ... ... 
 
 am1 am 2 ... amn bm 

Теорема 1 (Кронекера-Капелли). Система линейных


уравнений (4.8.1) совместна тогда и только тогда, когда ранг
основной матрицы системы равен рангу расширенной матрицы, т. е.
когда
rA  rA . (4.8.2)
Доказательство. Пусть система (4.8.1) совместна и
x1  1, x2   2 ,..., xn   n  – решение системы (4.8.1). Тогда
справедливо равенство

11
Кронекер Леопольд (07.12.1823 – 29.12.1891) – немецкий математик
Капелли Алфредо (05.08.1858 – 28.01.1916) – итальянский математик, ученик Л.Кронекера
145

 a11   a12   a1n  b1 


a  a  a   
 21   22   2 n  b2 
1      2        n        . (4.8.3)
       
 am1   am 2   amn  bn 
       
   
Последнее означает, что в расширенной матрице столбец B из
свободных членов системы есть линейная комбинация первых n
столбцов матрицы, т. е. ранг матрицы A совпадает с рангом A .
Пусть теперь rA  rA . Докажем, что система совместна.
Действительно, из равенства рангов следует, что базисный
минор находится среди столбцов матрицы A . Следовательно, столбец
из свободных членов является не базисным, т. е. представляет
линейную комбинацию базисных столбцов, значит, существуют такие
числа 1,  2 ,...,  n , одновременно не равные нулю, что выполняется
равенство (4.8.3), т. е. числа 1,  2 ,...,  n есть решение системы
(4.8.1).
Теорема доказана.
Следствие (альтернатива Фредгольма12).
Произвольная система линейных алгебраических уравнений
(4.8.1)
– либо не имеет решений (когда rA  rA );
– либо имеет единственное решение (когда rA  rA  n , где n  
– число неизвестных);
– либо имеет бесконечно много решений (когда rA  rA  n ).
Действительно, первое утверждение непосредственно следует из
теоремы Кронекера-Капелли.
Докажем второе утверждение. Пусть rA  rA  n . Значит,
существует минор порядка n , который является базисным как для
матрицы A , так и для матрицы A . Остальные m  n уравнений
системы являются линейной комбинацией уравнений, входящих в
базисный минор. Поэтому система (4.4.1) эквивалента системе,

Фредгольм Эрик Ивар (07.04.1866 – 17.08.1927) – шведский математик, развил теорию


12

интегральных уравнений как предельный случай СЛАУ


146

состоящей из n уравнений с n неизвестными. Последняя система


является крамеровской, а потому имеет единственное решение (см.
§ 5 гл. I).
Если же rA  rA  n , то считая для определенности, что базисный
минор M r расположен в левом верхнем углу матрицы A , заменим
систему (4.8.1) эквивалентной ей системой, состоящей из r
уравнений:
a11x1  a12 x2  ...  a1r xr  a1r 1xr 1  ...  a1n xn  b1;
a x  a x  ...  a x   a
 21 1 22 2 2r r 2 r 1xr 1  ...  a2 n xn  b2 ;
 (4.8.4)
 . . . . . . . . . . . . . . . . . . . . . . .
ar1x1  ar 2 x2  ...  arr xr   arr 1xr 1  ...  arn xn  br .

Переменные x1, x2 ,..., xr называются базисными неизвестными, а


остальные xr 1, xr  2 ,..., xn  – свободными.
Придавая свободным неизвестным произвольные значения
xr 1  cr 1, xr  2  cr  2 ,..., xn  cn ,
будем получать систему r уравнений с r неизвестными
a11x1  a12 x2  ...  a1r xr  a1r 1cr 1  ...  a1ncn  b1;
a x  a x  ...  a x  a
 21 1 22 2 2r r 2 r 1cr 1  ...  a2 ncn  b2 ;
 (4.8.5)
 . . . . . . . . . . . . . . . . . . . . . .
ar1x1  ar 2 x2  ...  arr xr  arr 1cr 1  ...  arncn  br .

Определитель этой системы M r  0 .


Следовательно, при фиксированных cr 1, cr  2 ,..., cn получим по
правилу Крамера решение x1  c1,..., xr  cr . Очевидно, что вектор
 c1, c2 ,..., cn  является решением системы (4.8.1). Но так как
cr 1, cr  2 ,..., cn могут быть взяты произвольно, то множество решений
системы (4.8.1) бесконечно.
Следствие доказано.
Все вышесказанное позволяет предложить следующий
обобщенный алгоритм решения произвольной системы (4.8.1):
1. Находим rA и rA . Если rA  rA , то система не совместна.
147

2. Пусть rA  rA . Тогда выделим базисный минор и базисные


неизвестные. (Отметим, что базисный минор, как и базисные
неизвестные, может быть выбран не единственным образом).
3. Данную систему заменяем эквивалентной системой из r
уравнений, в которые вошли элементы базисного минора.
4. Находим выражение базисных неизвестных через свободные.
Придавая свободным неизвестным произвольные значения, получим
бесконечное множество решений.
Пример 1. Решить систему линейных уравнений
 x1  2 x2  3 x3  4 x4  7,

2 x1  4 x2  5 x3  x4  2,
5 x  10 x  7 x  2 x  11.
 1 2 3 4

Решение. Находим rA и rA , rA  rA  2 . Следовательно, система


совместна.
В качестве базисного минора можно, например, взять
2 3
M2   22  0 .
4 5

Тогда базисными неизвестными являются x2 и x3 , а


свободными –  x1 и x4 .
Заменим исходную систему уравнений эквивалентной системой:
 x1  2 x2  3 x3  4 x4  7,

2 x1  4 x2  5 x3  x4  2.
Пусть x1  c1, x4  c2  – произвольные вещественные числа. Тогда
СЛАУ можно переписать в виде:
2 x2  3 x3  7  c1  4c2 ,

4 x2  5 x3  2  2c1  c2 .
Решая полученную СЛАУ по правилу Крамера, находим:
41  11c1  17c2 24  18c2
x2  , x3  .
22 22
148

Следовательно, система имеет бесконечное множество решений


вида:
 41  11c1  17c2 24  18c2 
(c1; x2  ; x3  ; c2 ) c1, c2  R  .
 22 22 

§ 4.9. Однородные СЛАУ. Свойства решений

Если система линейных алгебраических уравнений (4.8.1) имеет


вид
AX  0, (4.9.1)
то она называется однородной СЛАУ.
Такая система всегда совместна, так как rA  rA .
Отметим основные свойства решений однородных СЛАУ.
Свойство 1. Множество U решений однородной СЛАУ всегда
не пусто.
Действительно, U содержит, по крайней мере, тривиальное
нулевое решение  x1, x2 ,..., xn    0,0,...,0  .

Свойство 2. Если c   c1, c2 ,..., cn   – одно из решений
однородной СЛАУ, то для каждого вещественного числа  вектор

  c  – также является решением той же СЛАУ.
 
Свойство 3. Если c1 и c2  – два вектор-решения системы (4.9.1),
 
то их сумма c1  c2 также есть решение этой же системы.
   
Доказательство. A  (c1  c2 )T  A  c1T  A  c 2T  0.
 
Свойство 4. Если, c1 , c2 U , то и любая их линейная
 
комбинация   c1   c2 , ,  R также принадлежит U .
Доказательство следует из свойств 2 и 3.
Из критерия подпространства (см. § 4.2) и свойства 4 вытекает
Свойство 5. Множество U всех решений любой однородной
СЛАУ является подпространством пространства Rn .
149

Свойство 6. Размерность подпространства решений U равна


n  r , где n  – число неизвестных, r  – ранг матрицы A .
Доказательство. Так как матрица A имеет n столбцов, то r  n
. Если r  n , то согласно доказательству альтернативы Фредгольма
пространство U  – нулевое; dim U  0  n  n  n  r .
Пусть r  n . Пусть для определенности базисный минор
матрицы A расположен, как обычно, в ее левом верхнем углу:
a11 a12 ... a1r
a a ... a2 r
M  21 22  0.
... ... ... ...
ar1 ar 2 ... arr

Тогда СЛАУ (4.9.1) преобразуется к виду (4.8.4). В данном


случае получится система вида:
a11x1  a12 x2  ...  a1r xr  a1r 1xr 1  ...  a1n xn ,
a x  a x  ...  a x   a
 21 1 22 2 2r r 2 r 1xr 1  ...  a2 n xn ,
 (4.9.2)
. . . . . . . . . . . . . . . . . . . . .
ar1x1  ar 2 x2  ...  arr xr  arr 1xr 1  ...  arn xn .

Как видим, среди неизвестных системы (4.9.2), а, следовательно,


и системы (4.9.1), имеется n  r свободных неизвестных:
xr 1, xr  2 ,..., xn . При любом наборе значений свободных неизвестных
xr 1  c1, xr  2  c2 ,..., xn  cn r , ci  R, i  1,2,..., n  r ,

остальные переменные x1, x2 ,..., xr однозначно выражаются через


свободные решением крамеровской СЛАУ (4.9.2).
Докажем, что пространство U решений системы (4.9.2) и
эквивалентной ей системы (4.9.1) содержит не менее n  r линейно
независимых векторов-решений. Для этого придадим свободным
переменным поочередно следующие значения:
150

1) xr 1  1, xr  2  ...  xn  0;
2) xr 1  0, xr  2  1, xr 3  ...  xn  0;
... ... ... ... ... ... ... ... ... ... ... ... ...
n  r ) xr 1  xr  2  ...  xn 1  0, xn  1.
Для каждого из этих наборов свободных неизвестных мы
получим из системы (4.9.2) по правилу Крамера векторы-решения
всей системы: 
d1   d11, d 21,..., d r1, 1,0,0,...,0  ;

d 2   d11, d 21,..., d r 2 ,0,1,0,...,0  ;
... ... ... ... ... ... ... ...

 

d n r  d1 n r  , d 2 n r  ,..., d r  n r  ,0, 0,...,0,1 .
  
Векторы-решения d1, d 2 ,..., d n  r линейно независимы по
построению: матрица со строками-координатами этих векторов в
последних n r столбцах
 содержит ненулевой минор. Покажем, что
векторы d1, d 2 ,..., d n r составляют систему образующих пространства

U . В самом деле, пусть y   y1, y2 ,..., yn   – произвольное решение
системы (4.9.2). Тогда в силу свойства 4 решений однородных СЛАУ
линейная комбинация
    
z  y  yn r 1  d1  yn r  2  d 2  ...  yn  d n r
является также решением системы (4.9.2). При этом последние n  r

координат вектора z по построению равны нулю:
zn r 1  0, zn r  2  0,..., zn  0 .

Как и всякое решение системы (4.9.1), вектор z получается при
подходящих значениях свободных переменных. В данном
случае – это нулевое значение свободных переменных. Это означает,

что первые r координат вектора z получаются решением
однородной СЛАУ:
151

a11x1  a12 x2  ...  a1r xr  0,


a x  a x  ...  a x  0,
 21 1 22 2 2r r
 (4.9.2*)
. . . . . . . . . . . . .
ar1x1  ar 2 x2  ...  arr xr  0.

По правилу Крамера система (4.9.2*) имеет единственное


 
нулевое решение: x1  x2  ...  xr  0 . Значит, z  0 и вектор-решение
   
y  ynr 1  d1  ynr  2  d 2  ...  yn  d n r является линейной
  
комбинацией векторов d1, d 2 ,..., d n r .
  
Таким образом, d1, d 2 ,..., d n  r  – линейно независимая система
образующих, т. е. базис пространства решений U , а, следовательно,
dimU  n  r .
Свойство 6 полностью доказано.
Базис пространства решений однородной системы линейных
уравнений называется ее фундаментальной системой решений
(Ф.С.Р).   
Свойство 7. Если d1, d 2 ,..., d n r  – произвольный базис
пространства решения U , то для произвольных чисел C1, C2 ,..., Cn r
общее решение системы (4.9.1)имеет следующую структуру:
   
y  C1d1  C2d 2  ...  Cn  r d n r . (4.9.3)
Пример. Найти Ф.С.Р. и общее решение СЛАУ
3 x  2 y  z  3u  5v  0,
6 x  4 y  3 z  5u  7v  0,

 (*)
9 x  6 y  5 z  7u  9v  0,
3 x  2 y  4u  8v  0.
Решение. Составим расширенную матрицу данной СЛАУ и
найдем ее ранг с помощью элементарных преобразований строк.
152

3 2 1 3 5 0
6 4 3 5 7 0 
  ~
9 6 5 7 9 0
 
3 2 0 4 8 0
От последней строки вычтем первую; от третьей – 1-ую и 2-ую;
от второй – удвоенную первую:
3 2 1 3 5 0
 0 0 1 1  3 0 
~     ~
 0 0 1 1  3 0 
 
 0 0  1 1 3 0 
Вторую строку вычтем от третьей; 2-ую строку прибавим к
четвертой:
3 2 0 4 8 0 
 0 0 1 1 3 0 
~   
0 0 0 0 0 0
 
 0 0 0 0 0 0 
Ранг полученной матрицы, очевидно, равен 2.
В качестве базисного минора можно взять минор на пересечении
1-ой и 2-ой строк, 2-го и 3-го столбцов. При этом полученную
эквивалентную СЛАУ можно записать в виде:
 3
 y   x  2u  4v,
 2 (**)
 z  u  3v.
Базисные переменные –  y, z ; свободные –  x, u, v . Придадим
свободным переменным три значения:
1)   2,0,0  ; 2)   0,1,0  ; 3)   0,0,1 .
Для каждого из них из системы (**) найдем соответствующие
значения базисных переменных:
1)   3,0  ; 2)   2,1 ; 3)   4,  3 .
153

Эти вычисления проводятся последовательным заполнением


таблицы 1.
Таблица 1. Ф.С.Р. СЛАУ (*)
x y z u v 
ci

2 -3 0 0 0 c1

0 -2 1 1 0 c2

0 -4 -3 0 1 c3
  
Строки таблицы 1 – это координаты базисных векторов 1 , c2 , c3
c
пространства U решений СЛАУ (*). Согласно формуле (4.9.3) общее
решение этой СЛАУ имеет вид:
   
y  C1  c1  C2  c2  C3  c3
или более явно:
 x  2  0  0
 y  3   2   4 
       
 z   C1  0   C2  1   C3  3  .
       
u
   0  1  0
v  0  0  1
       

§ 4.10. Свойства решений произвольных СЛАУ

Пусть дана произвольная СЛАУ из m уравнений от n


неизвестных x1, x2 ,..., xn
AX  B (4.10.1)
и соответствующая однородная СЛАУ с той же матрицей
коэффициентов, что и система (4.10.1),
AX  0 . (4.10.2)
Пусть A   A B   – расширенная матрица системы (4.10.1) и
 
r A  r  A  . Тогда система (4.10.1) имеет решения.
154

Отметим следующие свойства решений совместных


неоднородных СЛАУ:
1. Разность двух решений системы (4.10.1) есть решение
соответствующей однородной системы (4.10.2).
2. Сумма частного решения системы (4.10.2) и любого решения
системы (4.10.1) есть решение системы (4.10.1).
3. Если x  – частное решение (4.10.1), и
   
xодн.  C1d1  C2 d 2  ...  Cn  r d n  r  –
общее решение соответствующей однородной системы (4.10.2), то
общее решение СЛАУ (4.10.1) имеет следующую структуру:
      
x  x *  xодн.  x*  C1d1  C2d 2  ...  Cn r d n r . (4.10.3)
Общее решение неоднородной системы линейных
алгебраических уравнений (4.10.1) имеет следующий
геометрический смысл (рис. 4.1):

L 
x* L

Рис. 4.1. Геометрическая интерпретация взаимосвязи


решений неоднородной и однородной СЛАУ
Если общее решение однородной СЛАУ (4.10.2) – плоскость L в
R3 , проходящая через начало координат, x*  – частное решение
неоднородной СЛАУ (4.10.1), то общее решение L неоднородной
системы (4.10.1) – параллельная плоскость L , получающаяся
сдвигом L на вектор x* :
Пример 1. Найти общее решение системы
155

 x  y  z  1,

2 x  2 y  2 z  2.
Решение. Нетрудно видеть, что rA  rA  1 . Одним из решений
системы является x1  1, y  0, z  0 , т. е.

x   [0 0  1]T .
Соответствующая однородная система эквивалентна уравнению
x  y  z .
Ее фундаментальная система состоит из векторов
 T 
d1   1 1 0 , d 2   1 0 1 .
T

Следовательно, общее решение может быть получено как сумма


 x 0  1 1
 
 y   x   C d  C d   0   C  1   C  0

  1 1 2 2   1  2 .
 z   1  0   1

Решение однородной системы – множество точек плоскости L :


z  x  y ; решение неоднородной системы – точки плоскости L :
z  x  y  1 , параллельной L , получающейся сдвигом L на вектор
x*   0, 0,  1 (рис. 4.2):

z
O y
*
x
x L L

Рис. 4.2. Геометрическая интерпретация
взаимосвязи решений СЛАУ примера 1
156

§ 4.11. Матрица перехода от базиса к базису


в линейном пространстве
     
Пусть u1, u2 ,..., un (1) и v1, v2 ,..., vn (2) – два различных базиса
линейного пространства Vn . Векторы одного из базисов выражаются
линейно через векторы другого и наоборот. В частности, для
подходящих чисел tij  R, 1  i, j  n , справедливы равенства:
   
v1  t11u1  t21u2  ...  tn1un ,
v  t u  t u  ...  t u ,
 2 12 1 22 2 n2 n
 (4.11.1)
. . . . . . . . . . .
vn  t1nu1  t2 nu2  ...  tnnun .

Тогда матрица
t11 t12 ... ... t1n 
t t22 ... ... t2 n 
T   21 ,
... ... ... ... ... 
 
tn1 tn 2 ... ... tnn 

состоящая из координат векторов базиса (2) в базисе (1), выписанных


по столбцам сверху вниз, называется матрицей перехода от базиса (1)
к базису (2).
Матрица T позволяет установить связь между координатами

одного и того же вектора x Vn в разных базисах (1) и (2).

Пусть в базисе (1) вектор x имеет координаты ( x1, x2 ,..., xn ) , а в
базисе (2) –  ( y1, y2 ,..., yn ) , введем обозначения:
X  [ x1 ... xn ]T , Y  [ y1 ... yn ]T .
Тогда с учетом (4.11.1) имеем:
      
x  y1v1  y2v2  ...  ynvn  y1 (t11u1  t21u2  ...  tn1un ) 
     
 y2 (t12u1  t22u2  ...  tn 2un )  ...  yn (t1nu1  t2nu2  ...  tnnun ) 
157
 
 ( y1t11  y2t12  ...  ynt1n )u1  ( y1t21  y2t22  ...  ynt2n )u2  ... 

( y1tn1  y2tn 2  ...  ynt nn )un .
   
С другой стороны, x  x1u1  x2u2  ...  xnun , значит,
справедливы равенства:
 x1  y1t11  y2t12  ...  ynt1n ;
 x  y t  y t  ...  y t ;
 2 1 21 2 22 n 1n
 (4.11.2)
. . . . . . . . . . . . .
 xn  y1tn1  y2tn 2  ...  yntnn .

Равенства (4.11.2) можно записать компактно в следующем


матричном виде:
X  TY . (4.11.3)
Поскольку любой базис является линейно независимой
системой векторов, то матрица T имеет ранг n , т. е. det T  0 , значит,
матрица T невырожденная.
Умножив равенство (4.11.1) на матрицу T 1 слева, получим

Y  T 1 X . (4.11.4)
Итак, формулы (4.11.3) и (4.11.4) устанавливают связь между
координатами одного и того же вектора в разных базисах.
158

ГЛАВА V. ОСНОВЫ ЛИНЕЙНОЙ АЛГЕБРЫ

§ 5.1. Отображения

Здесь для уточнения собраны понятия, о которых читатель уже


имеет некоторое представление. Хотелось бы, чтобы эти
представления были достаточно четкими и усвоенными, так как уже в
следующем параграфе, да и в дальнейшем, мы будем пользоваться
ими как чем-то само собой разумеющимся.
Пусть A и B  – два непустых множества.
Отображением f : A  B из множества A во множество B
называется правило, закон или формула, по которому каждому
элементу x  A ставится в соответствие один однозначно
определенный элемент y  f  x   B .
Элемент y  f  x   B называется образом элемента x при
отображении f , а x называют прообразом элемента y при
отображении f . Подмножество f  A   B называется полным
образом множества A при отображении f . Оно состоит из образов
всех элементов x  A . Иногда f  A  обозначают через Im f и
называют областью значений отображения f .
Пример 1. Пусть A  B  R  – множество вещественных чисел,
f  x   sin x . Здесь f  A    1,1 . Каждый элемент y   1,1 имеет
бесчисленное множество прообразов.
Следует признать, что термин «отображение» в русском языке
является очень глубоким и емким. Он хорошо ложится в рамки
философских понятий гносеологии – теории познания. С середины
ХХ века в математике все большую популярность приобретает
математический синоним «отображения» – «морфизм». Последний
как сигнал «SOS» – совершенно одинаково звучит во всех
цивилизованных языках, где уровень математики поднялся хоть чуть-
чуть выше школьного.
Если A и B  – числовые множества, всякое отображение
f : A  B называется функцией. Как мы знаем, функции – основной
объект исследований математического анализа.
159

Среди отображений выделяют следующие три


класса – инъективные, сюръективные и биективные. 
Отображение f :A B называется инъективным, или
инъекцией, если из условий x1, x2  A, x1  x2 , следует: f  x1   f  x2  .
Русский аналог «инъекции» – «вложение». Действительно, здесь
f  A   – часть B , взаимно однозначно соответствующая A . Наличие
такого отображения свидетельствует, что множество B больше,
богаче множества A , а также, что B содержит внутри себя «слепок»,
аналог множества A .
Отображение f : A  B называется сюръективным, или
сюръекцией, если выполняется условие: f  A   B , то есть для
всякого y  B существует такой x  A , что f  x   y .
Русский аналог «сюръекции» – «наложение». Наличие такого
отображения говорит о том, что A больше (не меньше), богаче
множества B , что B является «фотографией», «слепком», может
быть, грубым образом множества A , так как образы y  B могут
иметь и несколько прообразов.
Отображение f : A  B называется биективным, или биекцией,
если оно одновременно и инъективно и сюръективно.
Русский аналог биективного отображения – взаимно
однозначное отображение. Наличие такого отображения
свидетельствует об определенной идентичности множеств A и B .
Пример 2. Отображение f : Z  Z множества целых чисел в
себя, действующее по правилу: f  n   2n , является инъективным, но
не сюръективным.
Отображение h : R   0,    , действующее по правилу:
h  x   x 2 является сюръективным, но не инъективным.
Линейное отображение g : R  R , действующее по правилу:
g  x   ax  b для a, b  R, a  0 , является, очевидно, биективным.
Каждая биекция f : A  B обратима – однозначно определяет
обратное, также биективное, отображение g : B  A , действующее по
правилу: для каждого y  B g  y   x  – именно то элемент  x  A , для
которого f  x   y .
160

Когда имеем отображения f : A  B и g : B  C , то можно


говорить о композиции g f : AC этих отображений:
 g f   x   g  f  x    z  C для каждого x  A .
Композиция отображений – тот механизм, который порождает
сложные функции, скажем, log 2 sin x или n 7  arctg  x  1 и т. п.
Композиция биективного отображения f : A  B и обратного к
нему отображения g : B  A есть отображение g f : A  A , такое, что
g f  x  g  f  x   x ,

то есть тождественное отображение e : A  A , такое, что e  x   x


для каждого x  A .
Отметим, что композиция отображений явно не коммутативна:
g f  f g , за исключением крайне редких случаев типа: f : A  A и
g  e  – тождественное отображение на множестве A .
Однако композиция отображений есть операция ассоциативная:
для f : A  B , g : B  C , h : C  D отображения  f g  h  f  g h  из
A в D одинаковы.
Напомним, что два отображения  : A  B и  : A  B
различны, если найдется хотя бы один элемент z  A , что   z     z 
.
Лишь для отображений конечного множества в себя из
инъективности следует сюръективность (и биектитвность) и,
наоборот, – из сюръективности следует инъективность и,
следовательно, биективность отображения.

§ 5.2 Линейные операторы, свойства и примеры

Глава IV свидетельствует, что наряду с классическим


векторным пространством R3 существует широкий спектр подобных
или разнообразных линейных пространств. Возникает
необходимость как-то систематизировать это многообразие новых
объектов, ввести какое-то отождествление между ними. В математике
для таких целей служит понятие отображения, применяемое для
множеств любой природы.
161

Отображения одного линейного пространства в другое принято


называть операторами.
Поскольку главными, характеризующими ЛВП факторами,
являются операции сложения элементов и умножения на скаляры,
определенные в ЛВП, то естественно рассматривать отображения,
сохраняющие эти операции. Такие отображения называют
линейными. Приведем точное определение линейного оператора.
Пусть V и W  – два линейных пространства.
Отображение f : V  W , ставящее в соответствие каждому
  
вектору x  V один вполне определенный вектор y  f ( x )  W ,
называется гомоморфизмом или линейным оператором, если при
этом выполняется следующие два условия (свойства):
     
1.  f ( x1  x2 )  f ( x1)  f ( x2 ) для произвольных x1, x2 V ;
  
2.  f (x )  f ( x ) для произвольных x V и   R .
Если в определении W  V , то f называют линейным
преобразованием пространства V .
Отметим, что свойства 1 - 2 в определении линейного оператора
можно заменить одним общим свойством:
     
3.  f (x1   x2 )  f ( x1)  f ( x2 ) для произвольных x1, x2 V и
произвольных ,  R .
Пример 1. Проектирование векторов классического
пространства на прямую L параллельно данной плоскости П , не
содержащей L , является, в силу результатов § 2.2, линейным
преобразованием пространства R3 .
 
Пример 2. Пусть f ( x )  x  – оператор подобия, f : R3  R3 .
Выполнение условий 1 и 2 из определения гомоморфизма очевидно:
       
f ( x1  x2 )  ( x1  x2 )  x1  x2  f ( x1 )  f ( x2 ) ;
   
f (  x )   ( x )   (  x )   f ( x ) .
Следовательно, оператор подобия – линейный.
Пример 3. Практически всякое радиотехническое устройство
можно рассматривать как систему, совокупность физических
объектов, между которыми существуют определенные
взаимодействия. В структуре системы выделяют вход или входы, на
которые подают исходный сигнал, и выход или выходы, где
снимаются преобразованные сигналы. Если рассматривают лишь
162

связь между входными и выходными сигналами, то такую систему


называют «черный ящик».
Если в этом «ящике» имеется m входов и n выходов, то входной
сигнал представляет собой вектор

uвх  (uвх.1, uвх.2 ,..., uвх.m )  Rm ,

а выходной вектор из Rn :

u вых  (u вых.1 , u вых.2 ,..., u вых.n ) .
 
Правило или закон, связывающий uвх и u вых , называют
системным оператором T . Во многих случаях такой оператор
является линейным.
Один из простейших примеров – усилитель на триоде (рис. 5.1):

uвх Rg RA uвых
Eпит
Рис. 5.1. Усилитель на триоде
RA  Ri
Здесь u вых  S   uвх ,
RA  Ri
где S  – крутизна характеристики триода A , RA  – резистор нагрузки,
Ri  – дифференциальное сопротивление триода A , Rg  – резистор
утечки сетки триода A .
Отметим ряд свойств линейных операторов, продолжая список
названных уже свойств 1–3.
Свойство 4. Всякий линейный оператор f :V  W
противоположный вектор преобразует в противоположный:
 
f  a    f  a  .
Доказательство. Имеем частный случай свойства 2 при   1 .
163

Свойство 5. Всякий линейный оператор нулевой вектор


 
преобразует в нулевой: f 0V   
0W.
Доказательство. В силу свойств 1 и 4
  
    
f 0V  f  a  a   f  a   f  a   0W .
  
Множество всех векторов x V , таких, что f  x   0 , называется
ядром линейного оператора f и обозначается Ker f .
Свойство 6.  Ker f  – подпространство пространства V .
Доказательство. В силу свойства 5 Ker f не пусто, так как
  
содержит, по крайней мере, 0V . Если x , y  Ker f , то для
произвольных чисел ,  R
     
f ( x   y )   f  x    f  y     0W   0W  0W .
 
Следовательно, x  y  Ker f . Таким образом, Ker f
удовлетворяет критерию подпространства, что завершает
доказательство данного утверждения.
Свойство 7. Линейный оператор f :V  W является

инъективным тогда и только тогда, когда Ker f  0V .  
Доказательство. Пусть линейный оператор f :V  W
  f  x  f 0  0


инъективен. Тогда для каждого x  V , x  0 ,  V W.

Следовательно, Ker f 
 0 V . Пусть f : V  W  – не инъективный
 
линейный оператор. Тогда существуют векторы x , y V , такие, что
          
f  x   f  y  . Тогда x  y  0V , но f  x  y   0W , то есть x  y  z  
– ненулевой вектор из Ker f . Свойство 7 полностью доказано.

 
Пример 4. Пусть A  aij  k n   – матрица ранга k , k  n .
Отображение f A : Rk  Rn , действующее по правилу:
 
f A  x   x  A является линейным, поскольку для произвольных
 
x , y  Rk и   R
       
fA  x  y   x  y  A  x  A  y  A  fA  x   fA  y ;
   
f A   x     x   A    x  A   f A  x  .
164

Покажем, что Ker f A  0 . Действительно,

пусть
  
x   x1, x2 ,..., xk   Rk  – такой вектор, что f A  x   x  A  0 . Это
равенство в развернутой координатной форме равносильно
следующей однородной СЛАУ:
a11x1  a21x2  ...  ak1xk  0,

... ... ... ... ... ... ... ... ... ... ...
a1k x1  a2k x2  ...  akk xk  0, (5.2.1)
... ... ... ... ... ... ... ... ... ... ...

a1n x1  a2n x2  ...  a2 n xk  0.

По условию ранг r  A   k . Пусть для определенности базисный


минор матрицы A расположен в первых k столбцах. Тогда система
(5.2.1) эквивалентна своей подсистеме из первых k уравнений, то
есть однородной крамеровской СЛАУ с k неизвестными. Как мы
знаем, такая система имеет единственное нулевое решение:

x1  x2  ...  xk  0 . Это и означает тривиальность ядра: Ker f A  0 . 
Согласно свойству 7 линейный оператор f A является инъективным,
то есть вложением пространства Rk в Rn .
Данный пример иллюстрирует процедуру блочного кодирования
информации – для введения избыточности – для защиты ее от помех
при передаче в каналах с шумами.
Областью значений линейного оператора f : V  W называется
множество векторов  y  f ( x ) x V  и обозначается через Im f или
  

f V  .
Свойство 8.  Im f  f  U   – множество значений оператора f  
– подпространство пространства W .
Доказательство. Im f удовлетворяет критерию
  
подпространства: если v и w  Im f , то существуют векторы x , y V ,
   
такие, что f  x   v , f  y   w ; тогда для любых чисел ,  R вектор
   
v w  Im f , поскольку он является образом вектора x  y .
165

Следовательно, множество f V  удовлетворяет критерию


подпространства.
Размерность пространства Im f называется рангом оператора f
; размерность пространства Ker f  – дефектом оператора f .
Если найден линейный оператор f : V  W инъективный и
сюръективный одновременно, то есть взаимно однозначный или
биективный, то такой оператор называют изоморфизмом между
линейными пространствами V и W . Изоморфные объекты в
математике принято считать одинаковыми, тождественными.
Фиксация базиса в линейном пространстве Vn и определение

координат  v1, v2 ,..., vn  каждого вектора v Vn в этом базисе
автоматически строит взаимно однозначное отображение g : Vn  Rn ,

g  v    v1, v2 ,..., vn   Rn .
По свойствам координат векторов это отображение является
линейным. Таким образом, g устанавливает изоморфизм между
произвольным линейным пространством Vn и пространством Rn .
Свойство изоморфности, очевидно, симметрично и транзитивно.
Поэтому имеет место
Свойство 9. Все линейные пространства данной размерности n
изоморфны друг другу.

§ 5.3. Матрицы линейных операторов,


дальнейшие свойства линейных операторов

Свойство 10. Всякий линейный оператор f : V  W однозначно


определяется действием на фиксированный базис пространства V .
  
Доказательство. Пусть e1, e2 ,..., en  e   – базис пространства V .
 
Пусть f  ei   ui W , i  1, 2,..., n . Тогда для каждого вектора x V с

координатами x1, x2 ,..., xn в указанном базисе


   
f ( x )  f  x1e1  x2e2  ...  xnen  
  
 x1 f (e1)  x2 f (e2 )  ...  xn f (en )  (5.3.1)
  
 x1u1  x2u2  ...  xnun 
166

однозначно определенный вектор пространства W , что и требовалось


доказать.
Пусть линейное пространство W является m -мерным с базисом
   
w1, w2 ,..., wm  w  . Каждый вектор ui W разложим по этому базису:
    
f  ei   ui  a1i w1  a2i w2  ...  ami wm , i  1,2,..., n . (5.3.2)

Матрица
 a11 a12 ... a1n 
a a ... a2 n 
A f   21 22 (5.3.3)
 ... ... ... ... 
 
 am1 am 2 ... amn 
порядка m  n , столбцами которой являются координаты векторов
 
f  ei   ui в базисе  w  , называется матрицей линейного оператора
f : Vn  Wm в выбранных базисах  e  и  w  .
Свойство 11. Матрица линейного оператора f :V  W
однозначно определяет действие этого оператора на каждый вектор
x  V , заданный своими координатами  x1, x2 ,..., xn  в базисе  e  , по

формуле:
Y  Af  X , (5.3.4)

где X  – столбец из координат вектора x (вектора f  x  ) в базисе  e 

(в базисе  w  ).
Доказательство. Подставим равенства (5.3.2) в (5.3.1).
Получим:
   
f ( x )  x1  a11u1  a21u2  ...  am1um  
  
 x2  a12u1  a22u2  ...  a2nun   ...
  
...  xn  a1nu1  a2nu2  ...  amnum  

 u1  a11x1  a12 x2  ...  a1n xn  

u2  a21x1  a22 x2  ...  a2n xn   ...

...  um  am1x1  am 2 x2  ...  amn xn  .
167
 
Если y1, y2 ,..., ym  – координаты вектора y  f ( x ) в базисе
      
u1, u2 ,..., um т. е. f ( x )  y1u1  y2u2  ...  ymum , то справедливы
соотношения:
 y1  a11x1  a12 x2  ...  a1n xn ,
 y  a x  a x  ...  a x ,
 2 21 1 22 2 2n n
 (5.3.5)
. . . . . . . . . . . .
 ym  am1x1  am 2 x2  ...  amn xn .

T T
Введем обозначения: Y   y1, y2 ,..., ym  ; X   x1, x2 ,..., xn  .

Тогда матричная запись Y  A f X соотношений (5.3.5) есть


формула (5.3.4), что и завершает доказательство свойства 11.
С первой главы мы так или иначе сталкиваемся с матрицами.
Это двумерные массивы информации, например, коэффициенты
СЛАУ.
В главе 4 мы убедились, что матрицы можно рассматривать как
векторы. Теперь же матрицы стали «лицом», реальным
представлением линейных операторов конечномерных пространств.
И следует сказать, представление это вполне адекватное. С помощью
матрицы оператора можно вычислить любую характеристику самого
оператора.
Так ядро Ker f  – это множество решений однородной СЛАУ
 
Af  X T  0 . (5.3.6)

Дефект d f оператора f , то есть размерность ядра Ker f ,


согласно свойству 3 решений однородной СЛАУ (§ 4.9), равен
 
d  n  r Af .
Если нас интересует сюръективность линейного оператора f , то
 
этот вопрос решается вычислением ранга r A f : если r A f  m , то 
Im f  Vm и ответ на поставленный вопрос – положительный:
оператор f сюръективен.
168

§ 5.4. Действия с линейными операторами

Пример 4 из § 5.2 показывает, что из заданного пространства в


другое можно построить бесконечно много различных линейных
операторов. Более точно об этом свидетельствует следующее
свойство линейных операторов.
  
Свойство 12. Пусть e1, e2 ,..., ek  e   – фиксированный базис
  
линейного пространства Vk . Пусть u1, u2 ,..., uk  – произвольные
векторы пространства Wn . Для каждого вектора
   
x  x1e1  x2e2  ...  xk ek зададим отображение f : Vk  Wn по
k
 
правилу: f  x    xi ui . Тогда f  – линейный оператор из Vk в Wn .
i 1
Доказательство. В силу свойств координат векторов
отображение f удовлетворяет определяющим свойствам 1 и 2
линейного оператора.
  
Зафиксируем базис w1, w2 ,..., wn  w  в линейном (векторном)
пространстве Wn .
Следствие. Для всякой k  n матрицы B с вещественными
коэффициентами существует линейный оператор f : Vk  Wn , такой,
что его матрица в базисах  e  и  w  A f  B .
Доказательство. Возьмем в соответствии со свойством 12 в
   
качестве u1, u2 ,..., uk векторы из Wn , такие, что координаты u j в
базисе  w  совпадают с коэффициентами j -ого столбца матрицы B .

Множество всех гомоморфизмов (линейных операторов) из Vk в


Wn в современной литературе принято обозначать через Hom  Vk , Wn 
. На этом множестве зададим две алгебраические
операции – сложение операторов и умножение гомоморфизмов на
числа.
Суммой двух линейных операторов f , g  Hom  Vk , Wn 
называется оператор h : Vk  Wn , такой, что
   
x  Vk h( x )  f ( x )  g ( x ) .
169

Свойство 13. Сумма гомоморфизмов f : Vk  Wn и g : Vk  Wn


есть линейный оператор из Hom  Vk , Wn  . Если A f и Ag  – матрицы
операторов f и g соответственно в базисах  e  и  w  , то матрицей
оператора h  f  g в тех же базисах является матрица Ah  A f  Ag .
Доказательство следует из свойства 11 линейных операторов.
Произведением линейного оператора f : Vk  Wn на число   R
  
называется оператор f , такой, что (f )( x )  f ( x ) x  Vk .

Свойство 14. Если f  Hom  Vk ,Wn  , то f также является


линейным оператором. Если A f  – матрица f в заданных базисах, то
A f  – матрица оператора f в тех же базисах.
Непосредственная проверка показывает, что названные
операции на Hom  Vk , Wn  удовлетворяют аксиомам линейного
пространства. Следующее свойство дает четкую характеристику
нового ЛВП.
Свойство 15. Множество Hom  Vk , Wn  всех линейных
операторов из Vk в Wn является линейным пространством,
изоморфным пространству M k n  R  всех прямоугольных матриц
порядка k  n с вещественными коэффициентами.
Операция композиции отображений, о которой шла речь в § 5.1,
вполне применима и к линейным операторам.
Произведением или композицией g  f  g f двух линейных
операторов f : V  W и g : W  U называется такой оператор
h : V  U , что
   
h( x )  ( g  f )( x )   g f  ( x )  g ( f ( x )).
  
Пусть d imU  m . Зафиксируем базис u1, u2 ,..., um  u  в
пространстве U m .
Свойство 16. Произведение или композиция линейных
операторов f : Vk  Wn и g : Wn  U m есть линейный оператор
h : Vk  U m . При этом если A f и Ag  – матрицы операторов f и g в
170

согласованных базисах  e  и  w  для f ,  w  и  u   – для g , то


матрица Ah  Bg  A f  – матрица оператора h в базисах  e  и  u  .
Доказательство. Линейность оператора h  g  f вытекает из
следующего равенства:
     
h(1x1   2 x2 )  ( g  f )(1x1   2 x2 )  g (1 f ( x1)   2 f ( x2 )) 
   
 1  g  f  ( x1 )   2  g  f  ( x2 )  1h  x1    2 h  x2  .
Утверждение о матрицах получается кратным применением
формулы (5.3.4).
Говорят, в Библии имеется высказывание примерно следующего
содержания: «Многие знания умножают печали…». Вот
непосредственная иллюстрация к нему. Изучая операции с матрицами
в § 1.1, некоторые студенты, вероятно, задавались вопросом – почему
так странно и сложно определяется умножение матриц?!
Накопленные знания позволяют, наконец, ответить на него. Только
таким образом определенное умножение матриц (§ 1.1) согласуется с
композицией линейных операторов многомерных векторных
пространств (свойства 16).

§ 5.5. Линейные преобразования и их матрицы

Линейные операторы f :V  W при W  V называют


эндоморфизмами или линейными преобразованиями пространства V .
Эндоморфизмы, конечно же, обладают всеми свойствами
линейных операторов, однако имеют и ряд специфических, присущих
только им особенностей.
Прежде всего, надо отметить первую и самую характерную их
особенность: матрица линейного преобразования f : Vn  Vn является
квадратной порядка n  n . Из первой вытекает вторая
особенность – для задания матрицы линейного преобразования нет
никакой необходимости брать два базиса – достаточно одного.
По общепринятому соглашению матрица A f линейного
преобразования f : Vn  Vn задается в фиксированном базисе
  
e1, e2 ,..., ek  e  : i -ый столбец матрицы A f состоит из координат

вектора f  ei  в базисе  e  для каждого целого i, 1  i  n .
171

Пример 1. Рассмотрим на плоскости Oxy , т. е. в пространстве


R2 , оператор (преобразование) вращения всех векторов вокруг точки
O на угол  против часовой стрелки.
Нетрудно видеть, что этот оператор линейный. Найдем матрицу
этого оператора f (рис. 5.2.) в ортонормированном базисе i , j .
y
 K j f (i)
f ( j)  L
 
P O Mi x
Рис. 5.2. Действие оператора вращения векторов на плоскости

Из рисунка 5.2 видно, что


       
f (i )  OM  ML  cos   i  cos(  )  j  cos   i  sin   j .
2
       
f ( j )  OP  PK  cos(  )  i  cos   j   sin   i  cos   j .
2
Следовательно, оператор f вращения на угол  в стандартном
 cos   sin 
базисе i , j задается матрицей A f   .
 sin  cos  
Пример 2. Пусть V  C1  a, b   – пространство всех функций
f  x  непрерывных вместе со своей первой производной f   x  в
каждой точке интервала  a, b  ,   a  b   . Один из базовых
результатов дифференциального исчисления гласит, что оператор
d
дифференцирования является линейным, а следовательно,
dx
является линейным преобразованием пространства C1  a, b  . Согласно
одному из свойств интеграла с переменным верхним пределом
d
оператор является сюръективным на C1  a, b  .
dx
172

Пример 3. В пространстве многочленов Rn [ x] степени не выше


n одним из базисов является система функций 1, x, x 2 ,..., x n .
Пусть d  – оператор дифференцирования (линейный оператор),
рассмотренный в примере 2. Найдем матрицу Ad оператора d в
базисе 1, x, x 2 ,..., x n . Для этого запишем действие d на каждый из
базисных векторов в координатной форме:
d (1)  0  (0,0,...,0);
d ( x)  1  (1,0,...,0);
. . . . . . . . . .
d ( x n )  nx n 1  (0,0,..., n,0).
Отсюда следует, что искомая матрица
0 1 0 ... 0
0 0 2 ... 0
 
Ad   . . . . 
. .
 
0 0 0 ... n
0 0 0 ... 0 

Уже из вида матрицы Ad вытекает, что


d im( Im d )  n, d im( Ker d )  1.
Свойство 15 для линейных преобразований также имеет свою
специфику и выглядит следующим образом.
Теорема 1. Множество всех линейных преобразований
конечномерного линейного пространства Vn в себя есть линейное
пространство размерности n 2 , изоморфное пространству M n  R  всех
квадратных матриц порядка n с вещественными коэффициентами.
Линейное преобразование f : Vn  Vn называется
невырожденным, если det A f  0 .
Теорема 2. Линейное преобразование f : Vn  Vn является
невырожденным тогда и только тогда, когда оно является взаимно
однозначным.
173

Доказательство. Взаимно однозначное преобразование



f : Vn  Vn имеет Ker f  0V .   Это означает, что дефект.
 
d ( f )  n  r  d im Ker f  0 Следовательно, r A f  n . Это означает
линейную независимость столбцов матрицы A f в любом базисе. В
силу следствия 2 из теоремы о ранге отсюда следует, что det A f  0 .
Теорема доказана.
Доказанную теорему дополняет
Теорема 3. Всякое инъективное линейное преобразование
конечномерного пространства Vn является сюръективным и
наоборот. Три класса инъективных, сюръективных и биективных
линейных преобразований в случае конечномерных пространств
совпадают.
Доказательство. Пусть f  – инъективное линейное
преобразование пространства Vn . Согласно свойству 7 линейных

 
операторов Ker f  0V . Предположим, что Im ( f )  Vn . Это
  
означает, что для заданного базиса e1, e2 ,..., en  e  пространства Vn
  
система векторов f  e1  , f  e2  ,..., f  en  линейно зависима, т. е.
существуют числа 1,  2 ,...,  n не все равные нулю и такие, что
   
1 f  e1    2 f  e2   ...   n f  en   0 .
В силу линейности f это равенство можно переписать в виде:
   
f  1e1   2e2  ...   nen   0 .
Это означает, что отличный от нуля вектор
   
z  1e1   2e2  ...   nen  ker f ,

чего быть не может. Следовательно, система векторов


  
f  e1  , f  e2  ,..., f  en   – базис пространства V . Отсюда следует, что
Im f  Vn , т. е. следует сюръективность преобразования f .
Пусть g  – сюръективное преобразование пространства Vn .
  
Тогда Im g  Vn и для фиксированного базиса e1, e2 ,..., en  e 
174
  
пространства Vn система векторов g  e1  , g  e2  ,..., g  en  также
является базисом. Значит, матрица Ag в базисе  e  имеет ранг n .
Значит, дефект преобразования g равен 0 , а, следовательно,

 
ker g  0V . Согласно свойству 7 линейных операторов g
инъективно, что и требовалось доказать.

§ 5.6. Взаимосвязь матриц линейного преобразования


в различных базисах
     
Пусть u1, u2 ,..., un (1) и v1, v2 ,..., vn (2) – два базиса пространства
Vn . Пусть f  – линейное преобразование пространства Vn . Пусть A , и
B  – матрицы линейного оператора f в базисах (1) и (2)
соответсвтенно. Пусть T  – матрица перехода от базиса (1) к базису

(2). Для произвольного вектора x Vn с координатами  x1, x2 ,..., xn  в
базисе (1) и координатами  x1 , x2 ,..., xn   – в базисе (2) его образ
 
y  f  x  имеет свои координаты  y1, y2 ,..., yn  в базисе (1) и
 y1 , y2 ,..., yn   – в базисе (2). Согласно формулам (4.2.4)
X  TX  и Y  TY  ,
T T
для вектор-столбцов X   x1, x2 ,..., xn  ; X    x1 , x2 ,..., xn  ;
T T
Y   y1, y2 ,..., yn  ; Y    y1 , y2 ,..., yn  .
Согласно свойству 11 линейных операторов
Y  AX ; Y   BX  .
Следовательно, Y  AX  ATX  ; Y  TY   TBX  .
Таким образом, ATX   TBX  . В силу произвольности вектор-
столбца X  это означает, что AT  TB или
B  T 1 AT . (5.6.1)
Таким образом, доказана следующая
175

Теорема. Матрицы A и B линейного преобразования f в


различных базисах (1) и (2) соответственно связаны матрицей
перехода T от базиса (1) к базису (2) по формуле (5.6.1).
Матрицы A и B , связанные соотношением (5.6.1), называются
подобными. Матрицы одного и того же линейного оператора,
записанные в различных базисах, подобны. Среди всех подобных
матриц представляет интерес наипростейшая матрица, по которой
легче судить о свойствах оператора. По общепринятому мнению
такой матрицей является диагональная матрица.

§ 5.7. Собственные значения и собственные векторы


линейного оператора

Произвольные квадратные матрицы K и L , связанные


соотношением L  S 1KS для некоторой квадратной обратимой
матрицы S , называются подобными.
Теорема из § 5.6 гласит, что матрицы линейного преобразования
в различных базисах подобны.
Так как произведение матриц коммутативно в очень редких
случаях, то классы подобных матриц достаточно обширны. Поэтому
возникла задача среди подобных матриц линейного преобразования
найти те, которые наиболее наглядно демонстрируют действия
оператора в пространстве.
Первым шагом в решении поставленной задачи является
нахождение собственных векторов преобразования.
Пусть f  – линейный оператор, f : Vn  Vn и A  – его матрица в
  
базисе e1, e2 ,..., en (1).

Вектор x Vn называется собственным вектором оператора f ,
  
если x  0 и f ( x )  x . Число  в этом случае называется
собственным значением оператора f (матрицы A ).
Пример 1. Пусть f  – оператор проектирования всех векторов в
классическом векторном пространстве R3 с ПДСК Oxyz , выходящих
из начала координат, на плоскость Oxy параллельно оси Oz .
Тогда все векторы плоскости Oxy являются собственным для
оператора f с собственным значением   1. Векторы, лежащие на
176

оси Oz , также являются собственными, но соответствующие


собственному значению   0 .

Пусть x ( x1, x2 ,..., xn ) Vn есть собственный вектор оператора f
с матрицей A в базисе (1) и с неизвестным пока собственным
значением  . Следовательно, AX  X , где X  [ x1 ... xn ]T .
Последнее равенство равносильно векторно-матричному

соотношению ( A  E ) X  0 . Поскольку x  – ненулевой вектор по
определению, то данное равенство эквивалентно однородной системе
n уравнений относительно координат собственного вектора
x1, x2 ,..., xn :

(a11  ) x1  ...  a1n xn  0,


a x  (a  ) x  ...  a x  0,
 21 1 22 2 2n n
 (5.7.1)
. . . . . . . . . . . . . . .
an1x1  ...  (ann   ) xn  0.

Нас интересует нетривиальные решения системы (5.7.1). В силу


правила Крамера такие решения существуют лишь при условии: ранг
r  A  n или, другими словами, определитель матрицы
коэффициентов СЛАУ равен нулю:
a11   a12 ... a1n
a21 a22   ... a2 n
det( A  E )   0. (5.7.2)
. . . . . . . . .
an1 an 2 ... ann  

Если провести все необходимые вычисления определителя


(5.7.2), то получится полином порядка n от неизвестной  . Так уже
сложилось, что этот полином по-прежнему обозначают через
det( A  E ) . Поэтому полиноминальное уравнение
det( A  E )  0 (5.7.2')
называется характеристическим уравнением оператора f (матрицы
A ), а многочлен det( A  E ) называется характеристическим
полиномом оператора f (матрицы A ).
177

Пусть  0  – один из корней характеристического полинома.


Тогда однородная система линейных уравнений
( A  0 E ) X  0 , (5.7.3)
которая получается подстановкой вместо  числа  0 , заведомо имеет
ненулевые решения (т. к. r ( A   0 E )  n ) – собственные векторы
оператора f с собственным значением  0 .
Тем самым доказана
Теорема 1. Все собственные значения оператора f (матрицы A
) являются корнями характеристического уравнения (5.7.2'). Все
собственные векторы с собственным значением  0 являются
решениями однородной СЛАУ (5.7.3).
Эта теорема дает непосредственный алгоритм для нахождения
собственных значений и собственных векторов линейного оператора
и / или его матрицы.
1. Составляем характеристическое уравнение (5.7.2) и
вычислением соответствующего определителя приводим уравнение к
явному полиноминальному виду (5.7.2').
2. Находим корни 1,  2 ,...,  k алгебраического уравнения
(5.7.2').
3. Поочередно для каждого найденного корня – собственного
значения i ,1  i  k , составляем однородную СЛАУ
( A  i E ) X  0 , (5.7.3')
находим Ф.С.Р. и общее решение каждой из полученных СЛАУ. Тем
самым находим все собственные векторы оператора с собственным
значением i .
Пример 2. Найти собственные значения и собственные векторы
линейного преобразования f пространства R3 с матрицей
0 0 1 
A  0 1 0  в базисе i , j , k .
 
 
1 0 0 
178

Решение.
1. В соответствии с приведенным выше алгоритмом составим
характеристическое уравнение ( A  E ) X  0 преобразования f :
 0 1
0 1  0  0
1 0 
Вычислим определитель. Получим явное кубическое уравнение
от неизвестной  :
 2  3  (1   )  0 или

3   2    1  0.
2. Найдем корни характеристического уравнения. Для этого
сгруппируем слагаемые левой части уравнения:  2    1     1  0.
Следовательно,    1   2  1  0 . Таким образом, корни
1   2  1, 3  1. Исходный оператор f имеет два собственных
значения: 1  1 и  2  1.
3. Составим системы вида (5.7.3) для нахождения координат
соответствующих собственных векторов.
При   1 система (5.7.3) имеет вид:
1  x1  0  x2  1 x3  0,

 0  x1  0  x2  0  x3  0,
 x1  0  x2  1  x3  0,

или x1  x3  0 , т. е. x1  x3 .
Ранг системы равен 1, свободных переменных две: x2 , x3 .
Ф.С.Р. находится из таблицы 2:
Таблица 2.

x1 x2 x3 c
0 1 0  
c1  j
1 0 1   
c2  i  k
Таким образом, все собственные векторы с собственным
значением   1 имеют вид:
179

 x1  0   1   c1 
   1   c  0  c 
x
 2  c1   2   2 
x  0  1  c 
 3      1
для произвольных с1, с2  R3 ,  с1, с2    0,0  .
При   1 система (5.7.3) имеет вид:
 x1  0  x2  x3  0,
  x1   x3 ,
0
 1  x  2  x2  0  x3  0, или 
 x  0  x  x  0,  x2  0.
 1 2 3

Ранг системы равен 2 . Свободных переменных – одна x3 . Все


собственные векторы с собственным значением   1 имеют вид:
 x1   1 
   0
x
 2  c3  ,
x   1
 3  
где с3  – произвольное вещественное число, не равное нулю.
Отметим некоторые свойства собственных векторов.
Теорема 2. Собственные векторы линейного оператора,
соответствующие различным собственным значениям, линейно
независимы.
Доказательство. Пусть 1,  2 ...,  k  – попарно различные
  
собственные значения линейного оператора f и x1, x2 ,..., xk  
– соответствующие им собственные векторы. Предположим, что эти
  
векторы линейно зависимы и векторы x1, x2 ..., xr , где r  k , образуют
базис системы. Тогда остальные k  r векторов являются линейной
комбинацией базисных векторов, т. е.
  
xl  1x1  ...   r xr ; l  r  1, r  2,..., k . (5.7.4)
  
Так как xi  – собственный вектор, то f ( xl )  l xl .
С другой стороны,
     
l xl  f ( xl )  1 f ( x1)  ...   r f ( xr )  11x1  ...   r  r xr .
180

Откуда получаем
   r 
xl  1 1 x1  ...   r xr . (5.7.5)
l l
Вычитая из (5.7.4) равенство (5.7.5), имеем
     
0  1 1  1  x1  ...   r 1  r  xr .
 l   l 
  
Поскольку векторы x1, x2 ..., xr  – линейно независимы, то

  
i 1  1   0, i  1, 2,..., r.
 l 
Однако в силу (5.7.4) среди коэффициентов i есть, по крайней
мере, один ненулевой для некоторого s, 1  s  r . Пусть  s  0 . Тогда

1  s  0 , т. е.  s   k , что противоречит условию теоремы.
k
Полученное противоречие и доказывает теорему.

§ 5.8. Условия диагонализируемости матрицы


линейного преобразования

Далее будут сформулированы три независимых признака


существования канонических базисов, в которых матрица линейного
преобразования диагональна. Прежде всего, отметим, что имеет
место
Теорема 1. Для того чтобы матрица A f линейного оператора
f : Rn  Rn была диагональной в некотором базисе, необходимо и
достаточно, чтобы этот базис состоял из собственных векторов
матрицы A .
Доказательство.
Необходимость. Пусть матрица оператора f в базисе
  
e1, e2 ,..., en диагональная, т. е.
181

1 0 ... 0 
 0  ... 0 
A D 2 . (5.8.1)
. . . . 
 
 0 0 ...  n 
  
Тогда f (ei )  i ei , i  1,2,..., n , откуда следует, что векторы ei
являются собственными векторами матрицы A .
Достаточность. Пусть базис пространства Rn состоит из
 
собственных векторов матрицы A , т. е. f (ei )  i ei , i  1,2,..., n .
Значит, матрица этого оператора имеет вид (5.8.1).
Теорема доказана.
  
Базис e1, e2 ,..., en (1) линейного пространства Vn называется
каноническим (относительно линейного преобразования f : Vn  Vn ),
если он целиком состоит из собственных векторов этого
преобразования.
  
Итак, если x1, x2 ,..., xn  – собственные векторы оператора f с
матрицей A образуют базис в Rn , то матрица перехода T к этому
  
базису своими столбцами имеет координаты векторов x1, x2 ,..., xn (§
11 гл. IV). Матрица T  – невырожденная, т. е. существует T 1 , и
матрица A приводится к диагональному виду по формуле
D  T 1 AT . (5.8.2)
Из теоремы 1 и теоремы 2 § 5.7 непосредственно вытекает
Теорема 2 (первый признак существования канонического
базиса). Если линейный оператор f : Vn  Vn имеет n различных
собственных значений, то существует базис в Vn , состоящий из
собственных векторов оператора f .
2 2
Пример 1. Найти матрицу T , приводящую A  1 3  к
 
диагональному виду.
Решение. Нетрудно видеть, что собственные значения этой
матрицы находятся из решения уравнения (2   )(3   )  2  0 , откуда
находим 1  1;  2  4 .
182

Координаты  x1, x2  собственных векторов удовлетворяют


однородной системе уравнений
(2  ) x1  2 x2  0,

 x1  (3   ) x2  0.

При 1  1 имеем: x1  c1 (2; 1) , при  2  4 получаем

x2  c2 (1;1) , где с1 и с2  – произвольные постоянные.
Для простоты возьмем с1  c2  1. Тогда матрица T строится из
координат собственных векторов, записанных по столбцам:
 2 1
T  .
 1 1

1 1  1 1
Находим обратную матрицу T   .
3  1 2 
Тогда согласно формуле (5.8.2)
1 1 1  2 2   2 1 1 0  .
D  T 1 AT   
3 1 2  1 3   1 1 0 4 
Теорема 3 (второй признак – критерий диагонализируемости
квадратной матрицы). Квадратная матрица A , имеющая s
различных собственных значений 1,  2 ,...,  s , 1  s  n ,
диагонализируема тогда и только тогда, когда выполняется
следующее равенство:
dim Ker  A  1E   dim Ker  A   2 E   ...  dim Ker  A   s E   n .(5.8.3)

Доказательство. Пусть выполняется равенство (5.8.3). Пусть


  
dim Ker  A  i E   ki , 1  i  s . Пусть a1i1 , a1i2 ,..., a1ki  – базис ядра
Ker  A  i E  . Объединение этих базисов состоит, согласно (5.8.3), из
n векторов, причем линейно независимых в силу теоремы 2 из § 5.7.
Значит, объединение базисов ядер образует канонический базис.
Теорема доказана.
183
 
Пример 2. В примере 1 § 5.7 векторы i , j , k являются
собственными для оператора проектирования f на плоскость Oxy ,
 
      
при этом f  i   i , f  j   j , f k  0  k  0 . Поэтому базис i , j , k
 

является каноническим и в этом базисе матрица оператора f имеет


вид:
1 0 0 
A f   0 1 0  .
0 0 0
 
Теорема 4 (третий признак диагонализируемости матриц).
Всякая симметрическая матрица (не меняющая при
транспонировании) подобна диагональной.
О доказательстве этой теоремы см. § 5.13.
Выше мы показали, что матрица линейного оператора
принимает диагональный вид, если в качестве базиса принять
собственные векторы. Матричное представление линейного
оператора в таком базисе оказывается наиболее простым. К
сожалению, не для всякого линейного оператора возможно такое
упрощение матрицы.

§ 5.9. Скалярные произведения в линейных пространствах

Существенную роль в аналитической геометрии и ее


приложениях играют метрические понятия, т. е. понятия,
позволяющие находить длины векторов и углы между ними. Удобно
было бы ввести такие понятия и для произвольного линейного
пространства. К сожалению, в общем случае наша геометрическая
интуиция не поможет: как определить длину матрицы или сигнала?
Вероятно, следует выяснить основные свойства метрики в R3 и
постараться перенести их на ЛВП. Возьмем понятие длины вектора в
R3 .
 
Длина или норма x вектора x  R3 есть значение некоторой
 
функции p : R3  R, p ( x )  x .

Если вектор x  R3 задан своими координатами x1, x2 , x3 в
некоторой декартовой системе координат, то
184

 
p( x )  x  x12  x22  x32 .

Нетрудно видеть, что функция p( x ) обладает следующими
свойствами:   
1.  p ( x )  0 и p ( x )  0 тогда и только тогда, когда x  0 ;
  
2.  p(x )   p( x )   R, x  R3 ;
    
3.  p ( x  y )  p ( x )  p ( y ) x , y  R3 .
В пространстве Rn можно указать много функций p : R3  R ,
удовлетворяющих указанным свойствам, например:
n
  
1.  p( x )  x   xi x  Rn (октоэдрическая норма);
i 1
 
2.  p ( x )  x  max xi (кубическая норма);
1i  n
1
 n  
3.  p ( x )     xi  q  q x  Rn , q  1 .
 i 1 
Можно привести и ряд других норм, удовлетворяющих
условиям 1–3. К сожалению, понятие нормы вектора в Vn не дает
способа ввести понятие угла между векторами.
Если обратиться опять к пространству R3 , то длина вектора и
угол между векторами в нем находятся с помощью скалярного
произведения. Рассматривая свойства скалярного произведения в R3 ,
исследователи пришли к следующему определению скалярного
произведения на произвольном линейном пространстве Vn .
Скалярным умножением векторов пространства Vn , называется
 
правило g , по которому каждой паре векторов x , y V ставится в
 
соответствие однозначно определенное вещественное число g ( x , y ) ,
 
так что для произвольных x , y, z Vn и ,  R выполняются
следующие свойства (аксиомы линейности скалярного
произведения):
       
1.  g ( x  y, z )  g ( x , z )  g ( y, z ); g ( x , y  z )  g ( x , y )  g ( x , z );
       
2.  g (x , y )  g ( x , y ); g ( x , y )  g ( x , y ) . Благодаря свойствам
линейности 1 и 2 скалярные произведения, как и линейные
185

операторы, однозначно задаются действием на фиксированный базис


линейного пространства.
  
Пусть u1, u2 ,..., un (1) – базис пространства с заданным на Vn
скалярным произведением g . Матрицей Грамма13 (в базисе (1))
называется квадратная n  n матрица G  gij   скалярных
  

произведений gij  g ui , u j всех базисных векторов из базиса (1).
 
Если матрица G вычислена, то скалярное произведение g  x , y 

для любых векторов x , y Vn с координатами  x1, x2 ,..., xn  и
 y1, y2 ,..., yn  в базисе (1) соответственно в силу свойств 1,2
однозначно вычисляется по формулам:
       
g ( x , y )  g  x1u1  x2u2  ...  xnun , y1u1  y2u2  ...  ynu n  
 x1 y1g11  x1 y2 g12  ...  x1 yn g1n  x2 y1g11  x2 y2 g12  (5.9.1)
...  x2 yn g 2n  ...  xn y1g n1  xn y2 g n2  ...  xn yn g nn .
Формулу (5.9.1) можно записать более компактно. Для вектор-
столбцов X   x1, x2 ,..., xn  и Y   y1, y2 ,..., yn  произведение
T

13
Грамм Йорген Петерсен (27.06.1850 – 29.04.1916) – датский математик, специалист по
теории чисел, алгебре, математической статистике
186

 g11 g12 ... g1n   y 


  1 
 g 21 g 22 ... g 2 n  y2
 
X T GY   x1, x2 ,..., xn   
 ... ... ... ...   ... 
 
 g n1g n 2 ... g nn   yn 

 y1 
 n n n   y2 
   xi gi1,  xi gi 2 ,...  xi gin      (5.9.2)
   ... 
 i 1 i 1 i 1   
 yn 
 x1 y1g11  x2 y2 g 21  ...  xn y1g n1 
 x1 y2 g12  x2 y2 g 22  ...  xn y2 g n 2 
... ... ... ... ... ... ... ... 
 x1 yn g1n  x2 yn g 2n  ...  xn yn g nn .
Слагаемые строк в формуле (5.9.2) совпадают со слагаемыми
столбцов формулы (5.9.1). Поэтому в целом обе суммы совпадают и
мы имеем следующую компактную формулу для скалярного
произведения векторов с координатами в базисе (1):
 
g  x , y   X T GY . (5.9.3)
Для настоящего момента мы не увидели никаких ограничений
на матрицу Грамма. Их и не существует.
 
Теорема 1. Пусть H  hij  – любая квадратная матрица порядка
n  1. Пусть Vn  – линейное n -мерное пространство с базисом (1).
Каждый элемент hij матрицы H назовем скалярным произведением
 
H
ui , u j
 
базисных векторов ui и u j . Тогда скалярное произведение
 
 x, y  H  X T HY (5.9.4)

обладает свойствами линейности 1 и 2.


Доказательство следует из соответствующих свойств
линейности матричных операций (см. глава I). Ведь для
187
    
произвольных ,  R и произвольных векторов x , y, x1, y1, x2 , y2 Vn
справедливы равенства:
 X1  X 2  T GY    X1T GY     X 2T GY  ;
 
X T G  Y1  Y2    X T GY1    XGY2  .

Они и гарантируют выполнение свойств линейности скалярного


произведения, задаваемого формулой (5.9.4). Теорема доказана.
Таким образом, найдена новая ипостась квадратной матрицы.
Это и двумерный массив информации, и вектор, и линейное
преобразование, и, оказывается, форма задания скалярного
произведения.
В § 4.8 мы установили взаимосвязь матриц линейного
преобразования в различных базисах. Подобная взаимосвязь имеется
и у матриц Грамма.
Теорема 2. Пусть G1 и G2  – матрицы Грамма скалярного
произведения  ,  на линейном (векторном) пространстве Vn в базисах
  
(1) и v1, v2 ,..., vn (2) соответственно. Пусть S  – матрица перехода от
базиса (1) к базису (2). Тогда
G  S T GS . (5.9.5)
Доказательство. Пусть X и X  ( Y и Y  ) – столбцы из

координат вектора x (вектора y ) в базисах (1) и (2) соответственно.
Согласно формуле (5.9.3)
 
 x , y   X T GY   X   T GY  . (5.9.6)

Из § 4.9 мы знаем, что X  SX  ; Y  SY  . Подставим эти данные


в равенство (5.9.6). Получим:

 
 x , y   X T GY   SX  T G  SY    X   T S T GS Y    X  T GY  .
 
В силу произвольности векторов x и y из последнего равенства
следует, что G  S T GS , что и требовалось доказать.
Различные свойства скалярных произведений часто выражаются
через матрицы Грамма. Установленная теоремой 2 взаимосвязь
позволяет доказывать, что эти свойства не зависят от выбора матриц
188

Грамма. К числу важнейших относится свойство вырожденности или


невырожденности скалярного произведения.
Теорема 3. Все матрицы Грамма данного скалярного
произведения  ,  g на Vn либо одновременно вырождены (их
определитель равен 0 ), либо все невырожденны.
Доказательство. В силу формулы (5.9.5)
2
G  S T  G  S  G  S . Так как S  0 , то G  0 тогда и только
тогда, когда G  0 , что и требовалось доказать.
Теорема 3 обеспечивает корректность следующего определения.
Скалярное произведение  ,  g с матрицей Грамма G называется
вырожденной (невырожденной), если det G  0 ( det G  0 ).
Теорема 4. Если матрица Грамма G скалярного произведения g
на пространстве Vn в базисе (1) оказалась симметрической
(кососимметрической), то и во всех остальных базисах матрица
Грамма будет обладать тем же свойством.
Доказательство. Пусть GT  G . Тогда для любой
невырожденной матрицы S

S  S 
T T T T
T
GS   GS   S T GT S  S T GS  – 
также является симметрической.
Аналогично проверяется вторая часть теоремы.

Линейное пространство V со скалярным произведением  ,  g


называется
  симплектическим (ортогональным), если для любых
x , y V помимо свойств линейности 1 и 2 выполняется и свойство
     
3.  g  x , y    g  y , x  , ( g  y, x   g  x , y  ).
Ясно, что в конечномерных пространствах симплектическое
скалярное произведение задается кососимметрическими матрицами
Грамма, а ортогональное – симметрическими.
Пусть  V , g   – линейное пространство со скалярным

произведением g . Векторы x , y V называются ортогональными
189
 
(относительно g ), если g  x , y   0 . Вектор x называется


изотропным, если g  x , x   0
Интерес к симплектическим и ортогональным пространствам
обусловлен прежде всего тем, что практически только в этих

пространствах понятие ортогональности симметрично: g  y, x   0
 
тогда и только тогда, когда g  x , y   0 .
Антикоммутативность скалярного произведения в
симплектическом пространстве V влечет изотропность всех его

векторов: g  x , x   0 для всех x V .

Несмотря на всю экзотичность, симплектические пространства
имеют немало различных приложений. К примеру, теория гироскопа
хорошо укладывается в рамки 6-мерного симплектического
пространства.
Из ортогональностых пространств, пожалуй, наиболее
популярным является пространство Минковского14, которое лежит в
основании теории относительности Эйнштейна15. Это пространство
R4    x1, x2 , x3 , x4  xi  R со скалярным произведением
 
 x , y   x1 y1  x2 y2  x3 y3  x4 y4 . Первые три координаты
интерпретируются как обычные пространственные, 4-я – временн а я.
Наиболее близкими к классическому являются положительно
определенные ортогональные скалярные произведения. К их
изучению мы и переходим.

§ 5.10. Квадратичные формы в Rn .


Критерий знакоопределенности

Квадратичной формой от n переменных x1, x2 ..., xn называется


однородный многочлен второй степени

14
Минковский Герман (22.06.1864 – 12.01.1909) – немецкий математик и физик, основатель
геттингенской математической школы
15
Эйнштейн Альберт (14.03.1879 – 18.04.1955) – физик, создатель теории относительности,
лауреат Нобелевской премии по физике за 1921 год
190

n n
q ( x1, x2 ,..., xn )   aij xi x j 
j 1 i 1

 a11x12  a12 x1x2  ...  a1n x1xn 


(5.10.1)
 a21x2 x1  a22 x22  ...  a2 n x2 xn 
 . . . . . . . . . . . . .
 an1xn x1  an 2 xn x2  ...  ann xn2 ,
где
aij  a ji , 1  i  n, 1  j  n (5.10.2)
Если в первоначальной записи квадратичной формы
коэффициенты при xi x j и x j xi были различными, то можно их
сложить и, разделив сумму на 2, получить равные.
Матрица A  [aij ], i, j  1, 2,..., n называется матрицей
квадратичной формы (5.10.1). В силу равенств (5.10.2) эта матрица
всегда симметрическая.
Если X T  [ x1 ... xn ]  – матрица-строка переменных, то нетрудно
убедиться, что квадратичная форма может быть записана в
матричном виде:
q( x1, x2 ,..., xn )  X T AX . (5.10.3)
Пример 1. Записать в матричном виде квадратичную форму
q( x1, x2 )  x12  6 x1x2  x22 .
Решение.
1 3  x1 
A  , X  x 
3 1   2
1 3  x1 
q ( x1, x2 )  [ x1 x2 ]    x .
 3 1  2
Квадратичная форма (5.10.1) называется положительно-
определенной, если для любых значений входящих в нее переменных,
среди которых хотя бы одно отлично от нуля,
191

q ( x1, x2 ,..., xn )  0,
и отрицательно-определенной, если
q ( x1, x2 ,..., xn )  0 .
Положительно и отрицательно-определенные квадратичные
формы называются знакоопределенными.
Пример 2. Квадратичная форма
q( x1, x2 , x3 )  x12  2 x1x2  4 x2 x3  3x22  2 x32
положительно определена, так как
q( x1, x2 , x3 )  ( x1  x2 ) 2  2( x2  x3 ) 2  0   x1, x2 , x3    0,0,0  .

Квадратичные формы имеют различные применения. Одно из


них связано со скалярными произведениями.
Матрица A квадратичной формы от n переменных задает
ортогональное скалярное произведение  ,  на n -мерном линейном
пространстве, являясь матрицей Грамма в заданном базисе.

Тогда скалярный квадрат


n n

( x , x )   xi aii  2  aij xi x j
2
(5.10.4)
i 1 i , j 1
i j

представляет не что иное, как квадратичную форму относительно


переменных x1, x2 ..., xn с матрицей Грамма A  [aij ] .
Чтобы ортогональное скалярное произведение помимо свойств
1-3 удовлетворяло
 также и условию:
4.  ( x , x )  0 ,
квадратичная форма в равенстве (5.10.4) должна быть положительно
определена.
Приведем без доказательства критерий знакоопределенности
квадратичных форм:
192

Теорема (критерий Сильвестра16). Для того чтобы


квадратичная форма (5.10.1) была положительно-определенной,
необходимо и достаточно, чтобы все главные миноры матрицы этой
формы были положительны, т. е.
a11 a12  a1n
a a a a  a2n
A1  a11  0, A2  11 12  0, ..., An  21 22  0.
a21 a22    
an1 an 2  ann

Для того чтобы квадратичная форма (5.11.1) была отрицательно-


определенной, необходимо и достаточно, чтобы главные миноры
четного порядка матрицы этой формы были положительны, а
нечетного – отрицательны, т. е. A1  0, A2  0,...
Пример 3. Квадратичная форма q ( x1, x2 )  x12  x22 не является
знакоопределенной формой, так как
1 0 
A  , A1  1  0, A2  1  0.
 0 1
§ 5.11. Евклидовы пространства

Евклидовым пространством называется линейное пространство


En , на котором задано скалярное произведение  ,  , удовлетворяющее
следующим четырем аксиомам (двум аксиомам линейности, аксиоме
коммутативности и аксиоме положительной определенности) – для
 
произвольных x , y, z Vn и произвольного   R справедливы
следующие соотношения (свойства):
        
1.  ( x  y, z )  ( x , z )  ( y, z );( x , y  z )  ( x , y )  ( x , z );
    
2.  (x , y )  ( x , y )  ( x , y );
 
3.  ( x , y )  ( y, x ) ;
  
4.  ( x , x )  0 и ( x , x )  0 тогда и только тогда, когда x  0 .

16
Сильвестр Джеймс Джозеф (03.09.1814 – 15.03.1897) – английский математик. С 1840 г.
работал в США. Основатель (с 1978 г.) первого американского математического журнала
193

Теорема 1. На каждом линейном n -мерном пространстве Vn ,


n  1 , можно задать евклидово скалярное произведение.
  
Доказательство. Зафиксируем базис u1, u2 ,..., un (1) в Vn .
Выберем симметрическую матрицу    ij порядка n,  
удовлетворяющую условиям
положительной определенности
критерия Сильвестра. Положим

 

ui , u j   ij . 
Скалярное
произведение произвольных x , y V , заданных своими координатами
в базисе (1), определим по формуле (5.9.3). Выполнение аксиом 1-4
гарантировано теоремой 1 из § 5.9 и свойствами матрицы  .
Теорема доказана.
Предельно простое задание евклидова скалярного произведения
получается, если в качестве  взять единичную матрицу En ,
выполнение критерия положительной определенности для которой
очевидно. В этом случае формула (5.9.3) приобретает фантастически
простой вид:
n
 
( x , y )  x1 y1  x2 y2  ...  xn yn   xi yi . (5.11.1)
i 1

Скалярное произведение эвклидовых пространств имеет ряд


важных специальных свойств, дополняющих базовые свойства  1-4.

Свойство 5. Для любых двух векторов x и y евклидова
пространства справедливо неравенство, называемое неравенством
Коши-Буняковского17:
    
( x , y )  ( x , x ) ( y, y ) . (5.11.2)
   
Доказательство. Пусть z  x  y,   R . Поскольку ( z , z )  0 ,
то на основании аксиом 1-3 евклидовых пространств
       
( z , z )  ( x  y , x   y )  ( x , x )  2 ( x , y )   2 ( y , y )  0 .

Буняковский Виктор Яковлевич (16.12.1804 – 12.12.1889) – российский математик, ученик


17

О. Коши и А. М. Ампера, специалист по теории вероятностей и теории чисел


194

( x, y)
Возьмем в качестве      . Тогда из последнего равенства
( y, y )
   
 ( x, y)   ( x, y)2     ( x, y)2
получим ( x , x )  2   ( x , y )    2 ( y, y )  ( x , x )     0 .
( y, y ) ( y, y ) ( y, y )
   
Из последнего следует неравенство ( x , y ) 2  ( x , x )( y, y ) , что
равносильно неравенству (5.11.2).

В частности, для произвольных x  ( x1, x2 ,..., xn ) и

y  ( y1, y2 ,..., yn ) из пространства строк Rn со скалярным
произведением (5.11.1) выполняется неравенство:
n n n
 xi yi   xi2   yi2 .
i 1 i 1 i 1

Определим норму (длину) вектора в евклидовом пространстве


E по формуле:
 
x  ( x, x) . (5.11.3)

Тогда в пространстве Rn со скалярным произведением (5.11.1)


n

норма (длина) x   xi2 . Такое понятие нормы обобщает понятие
i 1
длины вектора в R3 .
Свойство 6. Введенная по формуле (5.11.3) норма
удовлетворяет неравенству треугольника (неравенству Минковского)
   
xy  x  y . (5.11.4)
         
Доказательство. x  y 2  ( x  y , x  y )  ( x , x )  2( x , y )  ( y, y ) .
В силу неравенства Коши-Буняковского (5.11.2) получаем:

x y  x 2 x  y  y  x  y  ,
 2 2   2   2

что равносильно неравенству (5.11.4).


Теперь мы можем определить косинус угла между векторами
евклидового пространства.
Действительно, из неравенства (5.11.2) следует
195

 
( x, y)
1     1 .
x  y
Значит, существует, и притом единственное, значение угла
, 0     , для которого

( x, y)
cos     . (5.11.5)
x  y
 
Таким образом, углом между векторами x и y в евклидовом
пространстве V назовем угол  , косинус которого определяется
соотношением (5.11.5).
 
Векторы x и y называются ортогональными, если косинус угла

между ними равен нулю, т. е. их скалярное произведение ( x , y )  0 .
Такое понятие ортогональности в евклидовом пространстве
соответствует обычному понятию перпендикулярности в R3 .
  
Будем говорить, что система векторов e1, e2 ,..., en ортогональна,
если ее векторы попарно ортогональны, т. е.
 
(ei , e j )  0, i  j, i, j  1, 2,...n .
  
Свойство 7. Если система векторов e1, e2 ,..., en ортогональна и
среди них нет нулевого вектора, то эти векторы линейно независимы.
Доказательство. Действительно, если бы эти векторы были
линейно зависимы, то выполнялось бы равенство
  
1e1   2e2  ... nen  0 , (5.11.6)
где хотя бы одно i  0 .
Предположим, что 1  0 . Умножим скалярно равенство (5.11.6)

на e1 :
       
1 (e1, e1 )   2 (e1, e2 )  ...   n (e1, en )  1(e1, e1)  0 .
  
Так как e1  0 , то  e1, e1   0 , значит 1  0 . Полученное
противоречие показывает, что (5.11.6) верно тогда и только тогда,
когда все i  0, i  1,2,..., n , что и доказывает линейную
  
независимость векторов e1, e2 ,..., en .
196

Ортогональные базисы в En существуют. Об этом


свидетельствует
Свойство 8. Всякий базис пространства En линейным
преобразованием векторов (ортогонализацией Грамма-Шмидта18)
приводится к ортогональному базису.
  
Доказательство. Возьмем базис u1, u2 ,..., un (1). С его помощью
  
строим ортогональный базис v1, v2 ,..., vn следующим образом.
 
1. Полагаем v1  u1 .
  
2. Полагаем v2  u2  u1 , где  подбираем таким образом, чтобы
 
 v2 , v1   0 . В силу свойств 1, 2 скалярных произведений
        
 v2 , v1    u2  u1, u1    u2 , u1     u1, u1   0 .
 
 u2 , u1 
Следовательно,      .
 u1, u1 
   
3. Полагаем v3  u3  1v1   2v2 , где 1,  2 подбираем из
   
условий:  v3 , v1   0 ,  v3 , v2   0 .
         
 v3 , v1    u3  1v1  2v2 , v1    u3 , v1   1  v1, v1   0 .
 
 u3 , v1 
Следовательно, 1     .
 v1, v1 
         
 v3 , v2    u3  1v1  2v2 , v2    u3 , v2    2  v2 , v2   0 .
 
 u3 , v2 
Следовательно,  2     . И так далее.
 v2 , v2 
  
Итак, если векторы e1, e2 ,..., en ортогональны и n  – размерность
пространства, то эти векторы в силу свойства 7 евклидовых
скалярных произведений образуют базис пространства, называемый
ортогональным базисом.
Если же нормы векторов ортогонального базиса равны единице,
то базис называется ортонормированным.

18
Шмидт Эрхард (14.01.1876 – 06.12.1959) – немецкий математик, первый директор
института математики АН ГДР
197

Скалярные произведения векторов ортонормированного базиса


подчиняются закону:
  0, i  j ,
(ei , e j )  ij  
1, i  j.
Свойство 9. Во всяком евклидовом пространстве En , n  1 ,
существуют ортонормированные базисы.
  
Доказательство. Пусть v1, v2 ,..., vn  – ортогональный базис

 vi    
пространства En . Пусть ei   . Тогда ei  1 и базис e1, e2 ,..., en
vi
является ортонормированным
 
Пример 1. Убедиться, что векторы u1   1,1,2  ; u2   2,  1,1 ;
  
u3   1,2,1  с координатами в стандартном базисе i , j , k  R3
образуют базис и построить с его помощью ортонормированный
базис.
Решение. Матрица из координат данных векторов имеет
определитель
1 1 2
2 1 1   1  2    2  1  2  4  1  3  1  10  6  0 .
1 2 1
  
Следовательно, векторы u1, u2 , u3 не компланарны, образуют
базис в пространстве R3 .
  
Построим ортогональный базис v1, v2 , v3 приведенным выше
процессом ортогонализации.
    
Полагаем v1  u1   1,1,2  ; v2  u2  u1 ,
 
 u2 , u1  2 1 2 3 1
где          .
 u1, u1  11 4 6 2
 1 3 3 
Поэтому v2   2,  1,1   1,1,2    ,  ,0  .
2 2 2 
   
Полагаем v3  u3  1v1   2v2 ,
198

3

 
u3 , v1  1 2  2 5 
 
u3 , v2  3 3 2 1
где 1         ; 2       2    .
 1 1
v , v 6 6  2 2
v , v 9

9 2 9 3
4 4
 5 1 3 3   2 2 2 
Таким образом, v3   1,2,1   1,1,2    ;  ;0    ; ;   .
6 3 2 2   3 3 3 
  
Непосредственная проверка показывает, что векторы v1, v2 , v3
попарно ортогональны и, следовательно, образуют ортогональный
базис. Осталось эти векторы нормализовать.
  9 9 9 9
v1  1  1  4  6 ; v2   0   ;
4 4 2 2
 4 4 4 4 2
v3      .
9 9 9 3 3

 v1  1 1 2 
Полагаем e1     ; ; ;
v1  6 6 6

 v2  2 2 
e2     ; ;0  ;
v2  2 2 

 v3  3 3 3
e3     ; ; .
v3  3 3 3 
  
e1, e2 , e3  – искомый ортонормированный базис.
§ 5.12. Ортогональные операторы в евклидовых
пространствах и их свойства

Линейный оператор f : E  E называется ортогональным или



изометрией, если для любых x , y V
   
( f ( x ), f ( y ))  ( x , y ) . (5.12.1)
Пример 1. Линейный оператор (см.§ 5.5, пример 1) f : R2  R2 ,
совершающий поворот на угол  против часовой стрелки вокруг
начала координат, – ортогональный оператор.
199

Действительно, пусть в прямоугольной декартовой системе


 
координат x  ( x1, x2 ), y  ( y1, y2 ) .
Тогда
  x  cos   sin   x1   cos   sin   y1 
f (x)  A  1     x  , f ( y ) y .
x
 2  sin  cos   2  sin  cos   2
  
Нетрудно проверить, что ( f ( x ), f ( y ))  x1 y1  x2 y2  ( x , y ) .
Отметим некоторые свойства изометрий. Из определения
(5.12.1) следует, что ортогональный оператор сохраняет скалярное
произведение векторов, а значит, он сохраняет длины векторов и
углы между ними. Отсюда получаем
  
Свойство 1. Если e1, e2 ,..., en  – ортонормированный базис, а f  
  
– ортогональный оператор, то f  e1  , f  e2  ,..., f  en   – тоже
ортонормированный базис.
  
Пусть e1, e2 ,..., en  – ортонормированный базис в пространстве En
. Тогда столбцами матрицы A оператора f в этом базисе являются
  
координаты векторов f  e1  , f  e2  ,..., f  en  . Поскольку для векторов

 
f  ei  , f e j справедливо разложение
   
f (ei )  a1i e1  a2i e2  ...  ani en ,
    (5.12.2)
f (e j )  a1 j e1  a2 j e2  ...  anj en ,

то скалярное произведение в силу определения (5.12.1) равно


n
    0, i  j
( f (ei ), f (e j ))   aki akj  (ei , e j )   (5.12.3)
k 1 1, i  j.
Условие (5.12.3) есть условие ортогональности матрицы A
ортогонального оператора f .
Из условия (5.12.3) непосредственно следует
Свойство 2. Матрица A ортогонального оператора в
ортонормированном базисе является ортогональной, т. е
удовлетворяет условию:
AT A  E . (5.12.4)
200

Доказательство. По правилу умножения матриц произведение


AT A есть матрица C , элементы которой cij находятся как
n
 
cij   aki akj  (ei , e j )  ij , i, j  1,2,..., n.
k 1

Значит, AT A  E или A1  AT .

Свойство 3. Определитель A ортогональной матрицы A равен


1 или же A  1.
  2
Доказательство. det A A   det A   det E  det A  1.
T

Свойство 4. Композиция изометрий как отображений является


изометрией. Изометрии – обратимые операторы.
Изометрии с определителем равным 1 по традиции с примером 1
называют вращениями. Известно, что композиция вращений
плоскости коммутативна, а в пространстве – нет. Знаменитый
американский физик Ричард Фейнман19 прекрасно это
демонстрировал на своих лекциях с помощью записной книжки.
Попробуйте и Вы себя в роли Р. Фейнмана. Нет, его знаменитые
многотомные «Лекции по физике» переписывать не надо. Хотя было
бы здорово сделать это сейчас, спустя добрых полвека, да еще с
бозоном Хигса в руках!
Нет! Попробуйте повернуть на 90 книжку вокруг разных осей
координат, меняя порядок поворотов. Результаты будут впечатляюще
разными.

§ 5.13. Самосопряженные операторы и их свойства

В геометрии, алгебре, механике часто применяется еще один


класс линейных операторов –  симметрические операторы.
Линейный оператор f : Vn  Vn называется самосопряженным
  
оператором, если x , y Vn скалярные произведения ( x , f ( y )) и
 
( f ( x ), y ) равны:

19
Фейнман Ричард Филипс (11.05.1918 – 15.02.1988) – американский ученый-физик, один из
разработчиков атомной бомбы, лауреат Нобелевской премии по физике 1965 г.
201
   
( x , f ( y ))  ( f ( x ), y ) . (5.13.1)
Отметим основные свойства самосопряженных операторов.
Свойство 1. Самосопряженный оператор в ортонормированном
базисе имеет симметрическую матрицу A , т. е. aij  a ji , i, j  1,2,..., n. .
  
Доказательство. Пусть e1, e2 ,..., en  e   – ортонормированный
базис пространства Vn , в котором действует самосопряженное
преобразование f и A  A f в базисе  e  . Для базисных векторов
  
e1, e2 ,..., en справедливы разложения (5.12.2), поэтому
 
( f (ei ), e j )  a ji ;
 
(ei , f (e j ))  aij .

В силу определения (5.13.1) эти произведения равны, т. е.


aij  a ji , что и требовалось доказать.
Собственные векторы самосопряженных операторов обладают
дополнительными свойствами.
Свойство 2. Собственные векторы самосопряженного
оператора, соответствующие различным собственным значениям,
попарно ортогональны.
Доказательство. Пусть f  – самосопряженный оператор, а
x1, x2 его собственные векторы, 1,  2  – собственные значения,
   
причем 1   2 . Значит f  x1   1x1 , f  x2    2 x2 .

По определению (5.13.1)
       
( x1, f ( x2 ))  ( x2 , f ( x1))   2  x1, x2   1  x2 , x1  .
   
Но поскольку 1   2 , то  x1, x2    x2 , x1   0 , т. е. векторы x1, x2
ортогональны, что и требовалось доказать.
Теорема (о полноте собственных векторов). У каждого
самосопряженного линейного оператора в n -мерном евклидовом
пространстве существует n попарно ортогональных собственных
векторов. Соответствующие им собственные значения являются
действительными числами.
Доказательство теоремы опустим в силу его громоздкости.
202

Следствие. Для всякой симметрической матрицы A существует


ортогональная матрица T такая, что T 1 AT  T T AT  – диагональная
матрица.
Действительно, по теореме о полноте собственных векторов у
каждой симметрической матрицы существует n попарно
ортогональных собственных векторов. Если их нормировать и взять в
качестве базиса пространства, то в силу теоремы 3 предыдущего
параграфа матрица A в этом базисе будет диагональной. Поскольку
матрица перехода T к новому базису из ортонормированных
собственных векторов ортогональная, т. е. T 1  T T , то получаем
формулу диагонализации симметрической матрицы
D  T 1 AT  T T AT .
Пример. Привести с помощью ортогонального преобразования
к диагональному виду матрицу
2 2
A .
 2 5 
Решение. Матрица A  – симметрическая. Интерпретируем ее как
матрицу
 самосопряженного оператора в ортонормированном базисе
i , j пространства R2 . Составим характеристическое уравнение

2   2  2
2   0    7  6  0 .
 5   
Корни его 1  1 и  2  6 .
Находим собственные векторы из решения однородной системы
линейных уравнений
 2    x1  2 x2  0,
 .
 1 
2 x  5    2
x  0.
 
При 1  1 x1  c1  2;  1 , при  2  6 x2  c2  1;2  ; c1, c2  R .
Нормируя собственные векторы, получаем векторы нового
ортонормированного базиса
  2 1    1 2 
e1   ;  , e2   ; .
 5 5   5 5 
203

Составляем матрицу перехода к новому базису


 2 1   2 1 
 5 
5  1 T
 5 5
T  , T  T   
 1 2   1 2 
   
 5 5  5 5 
Тогда матрица A приводится к диагональному виду:
 2 1   2 1 
 
T 5 5  2 2 5 5  1 0
D  T AT      .
 1 2   2 5   1 2   0 6 
   
 5 5   5 5

§ 5.14. Эквивалентные квадратичные формы,


приведение к каноническому виду

Пусть g  x   – квадратичная форма от переменных x1, x2 ,..., xn ,
записанная в матричном виде

g  x   X T AX , (5.14.1)

где X   x1 x2 ... xn  ,  A  – матрица квадратичной формы.


T

Это симметрическая матрица: aij  a ji . Согласно результатам


§ 2.13 матрицу A можно интерпретировать как матрицу некоторого
самосопряженного оператора f пространства Rn в выбранном
  
ортонормированном базисе e1, e2 ,..., en .
Если T  – матрица перехода от базиса  e  к новому базису
   
e1 , e2 ,..., en  e  , а Y   y1, y2 ,..., yn  T  – вектор-столбец из новых
координат, то справедлива, как мы знаем, следующая формула,
связывающая старые и новые координаты:
X  TY (5.14.2)
Подставим в формулу (5.14.1) вместо столбца X его выражение
по формуле (5.14.2). Получим:
204

 T
 
g  x    TY  A  TY   Y T T T AT Y  g  y  .

(5.14.3)
Мы получили новую квадратичную форму g  y  с матрицей
B  T T AT , (5.14.4)
причем матрица B симметрическая, так как

   
T T T
BT  T T AT   AT  TT  T T AT T  T T AT  B .

Две квадратичные формы называются эквивалентными, если


существует невырожденное линейное преобразование переменных,
переводящее одну форму в другую.
При этом матрицы эквивалентных квадратичных форм связаны
соотношением (5.14.4).
Будем говорить, что квадратичная форма (5.14.1) имеет
канонический вид, если ее матрица диагональна, т. е. все aij  0, i  j .
Сказанное означает, что
n

g  x   a11x1  a22 x2  ...  ann xn   aij xi 2 .
2 2 2

i 1

Возникает вопрос: существует ли для заданной квадратичной


формы (5.14.1) такое линейное преобразование переменных
x1, x2 ,..., xn , задаваемое невырожденной матрицей T , чтобы
полученная при замене (5.14.2) эквивалентная квадратичная форма с
матрицей B (5.14.4) имела канонический вид?
Четкий и однозначный ответ на этот вопрос дает следующая
Теорема 1. Всякая квадратичная форма с помощью
невырожденного линейного преобразования переменных может быть
приведена к каноническому виду.
Доказательство. Так как матрица квадратичной формы (5.14.1)
симметрична, то в силу следствия из теоремы 2 предыдущего
параграфа для этой матрицы существует ортогональная матрица
T  det T  0  , с помощью которой матрица A преобразуется к
диагональному виду: T T AT  D . Поэтому из соотношения (5.14.3)
имеем
205

n

g  x   Y DY  1 y1   2 y2  ...   n yn    i yi 2 ; Y  T T X .(5.14.5)
T 2 2 2

i 1
Теорема доказана.
Замечание. В силу однозначной определенности собственных
значений матрицы, канонический вид квадратичной формы
определяется однозначно с точностью до порядка следования
слагаемых.
Алгоритм приведения квадратичной формы к каноническому
виду, по сути дела, заключается в алгоритме диагонализации
матрицы квадратичной формы и записи квадратичной формы в виде
(5.14.5).
Пример. Квадратичную форму
g  x12  x2 2  x32  4 x1x2  4 x1x3  4 x2 x3
привести к каноническому виду и найти соответствующие формулы
преобразования переменных.
Решение:
1.  Выпишем матрицу квадратичной формы q :
1 2 2 
A  2 1 2 .
 
 2 2 1 
2.  Составим характеристическое уравнение
det  A  E   0  3  3 2  9  5  0  1,2  1;  3  5 .
3. Искомый канонический вид квадратичной формы:
g  y    y12  y2 2  5 y32 .
4. Находим собственные векторы матрицы A , для чего решаем
однородные системы линейных уравнений при соответствующих
значениях  .
(1  ) x1  2 x2  2 x3  0,
 (*)
2 x1  (1  ) x2  2 x3  0,
2 x  2 x  (1  ) x  0.
 1 2 3

Так при   1 ранг матрицы коэффициентов данной СЛАУ


равен 1, т. е. система эквивалентна одному уравнению x1  x2  x3  0 .
206

В данном уравнении имеются две свободные неизвестные,


например, x2 и x3 . Полагая x2  1, x3  0 , получим x1  1 , тогда

соответствующий собственный вектор v1   1,1,0  . Второй
собственный вектор с этим же собственным значением 1  1
подберем так, чтобы он удовлетворял уравнению и одновременно

был ортогонален вектору v1 , т. е. его координаты найдем из условий:

 x1  x2  x3  0,  x1  x2  x3  0,  2 x2  x3  0,
    ~    ~  
 v1, v2   0,  x1  x2  0,  x1  x2  0.
В последней системе x2  – свободная переменная. Полагая x2  1
, имеем x1  1, x3  2 .

Значит, v2   1,1,  2  .
Для 3  5 система (*) принимает вид:
2 x1  x2  2 x3  0,

 x1  2 x2  x3  0,
 x  x  2 x  0.
 1 2 3

Ранг этой системы равен 2 , значит, есть одна свободная


переменная, например, x3 . Полагая x3  1 , находим x1  x2  1.
Таким образом, получен третий собственный третий вектор
  
v3   1,1,1 , образующий с векторами v1, v2 ортогональную и,
следовательно, линейно независимую тройку.
  
Нормируем собственные векторы v1, v2 , v3 , получаем

 v1  1 1 
e1      ; ;0  ,
v1  2 2 

 v2  1 1 2 
e2     ; ; ,
v2  6 6 6

 v3  1 1 1 
e3     ; ; .
v3  3 3 3 
207
  
Система векторов e1, e2 , e3 образует канонический
ортонормированный базис матрицы A .
5. Записываем матрицу T ортогонального преобразования,
приводящего квадратичную форму к каноническому виду:
 1 1 1 
 2 6 3 

 1 1 1 
T  .
2 6 3
 
 0 2 1 

 6 3 
Старые переменные x1, x2 , x3 связаны с новыми y1, y2 , y3 по
формулам
 1 1 1
x
 1   y 1  y 2  y3 ,
 2 6 3
 1 1 1
X  TY или  x2  y1  y2  y3 ,
 2 6 3
 2 1
 x3   y2  y3.
 6 3
Это и есть формулы преобразования переменных, приводящие
квадратичную форму g  x  к каноническому виду g  y  .

§ 5.15. Квадратичные формы и классификация квадрик

Квадрика – это множество точек пространства,


удовлетворяющих уравнению второго порядка. На плоскости – это
линии второго порядка, в трехмерном пространстве – поверхности
второго порядка.
Докажем здесь теорему 1 из § 5 гл. III о классификации линий
второго порядка и тем самым сформулируем алгоритм приведения к
каноническому виду кривой, заданной общим уравнением
208

Ax 2  Bxy  Cy 2  Dx  Ey  F  0 (5.15.1)

в фиксированном ПДСК O, i , j .
Пусть B  0 . Тогда выражение Ax 2  Bxy  Cy 2 есть
квадратичная форма g  x, y  от двух переменных с матрицей
 1 
 A B
2
M  .
1
 B C 
 2 
Квадратичную форму g  x, y  можно привести, согласно
теореме 1 из § 5.14, к каноническому виду: g  x1, y1   1x12   2 y12 .
Для этого следует найти собственные значения 1,  2 и
 
ортонормированный базис e1, e2 из собственных векторов матрицы
M.
Пусть T  – матрица, столбцами которой являются координаты
ортонормированных собственных векторов матрицы  M . Матрица T
 
является также матрицей перехода от базиса i , j к базису e1, e2 .
 0
Поэтому произведение T T MT   1   – диагональная
 0  2
матрица.
Значит, преобразование переменных
 x  x1 
 y  T y 
   1
приведет квадратичную форму к каноническому виду, а уравнение
(5.15.1) к виду:
1x12   2 y12  D1x1  E1 y1  F1  0 . (5.15.2)
Это уравнение можно упростить. Если 1  0,  2  0 , то выделив
полные квадраты в уравнении (5.15.2)
2 2
 D1   E1  D12 E12
1  x1     2  y1    F1  2  2  0
 2 1  2  2 41 41
209

D1 E
и, введя новые переменные x  x1  , y  y1  1 , мы получим в
21 2 2
 D E 
системе координат O x y , где O   1 ,  1  , уравнение вида:
 21 2 2 
2 2
1  x    2  y   F2 , (5.15.3)
D1 2 E12
где F2   F1  2  2 .
41 4 2

Если в уравнении (5.15.3) 1,  2 одного знака, то оно задает


либо эллипс, либо точку с координатами O в системе координат
 
O e1, e2 , либо пустое множество.

Если же 1,  2 разных знаков, то уравнение (5.15.3) задает


гиперболу, либо пару пересекающихся прямых.
В том случае, когда одно из чисел  , например  2 , равно нулю (
 2  0 ), уравнение (5.15.2) преобразуется к виду:

1  x 2  E1  y , (5.15.4)

D1 F1 D12
где x  x1  , y  y1   2 2 .
21 E1 41 E1
Уравнение (5.15.4) задает параболу.
Если в уравнении (5.15.3)  2  0 и E1  0 , то уравнение (5.15.2)
преобразуется к виду:
2
1  x   a , (5.15.5)
D1 2
где a   F1 .
412
При этом если 1 и a одного знака, то уравнение (5.15.5) задает
две параллельные прямые, если 1 и a разных знаков – то пустое
множество, если же a  0 , то x  0 есть уравнение прямой, а именно,
оси Oy .
Итак, мы доказали, следующие утверждения:
210

1. Если 1   2  0 , то уравнение (5.15.1) определяет кривую


эллиптического типа – формулы (1), (6), (8) в теореме 3 §7, гл. II;
2. Если 1   2  0 , то уравнение (5.15.1) определяет кривую
гиперболического типа – формулы (2), (4) в теореме 3 §7, гл. II;
3. Если 1   2  0 , то уравнение (5.15.1) определяет кривую
параболического типа – формулы (3), (5), (7) и (9) в теореме 3 §7, гл.
II.
Пример. Привести к каноническому виду уравнение
5 x 2  4 xy  2 y 2  4 x  8 y  16  0 ,

полученное в ПДСК O, i , j и построить кривую.
Решение. Матрица квадратичной формы 5 x 2  4 xy  2 y 2
 5 2 
A .
 2 2 
Характеристическое уравнение матрицы A имеет вид:
 2  7  6  0 .
Отсюда 1  1,  2  6 .
Корни характеристического уравнения положительны, значит,
данная кривая – кривая эллиптического типа.
Найдем собственные векторы матрицы A для найденных
значений  , решая систему уравнений:
(5   ) x1  2 x2  0,

2 x1  (2   ) x2  0.

При 1  1 одно из решений системы: x1  1, x2  2 , т. е. v1   1,2 
.
  
При  2  6 :  x1  2, x2  1, т. е. v2   2,1 . Очевидно, v1  v2 .
Нормируем полученные собственные векторы, тем самым
найдем ортонормированный канонический базис  самосопряженного
оператора f , задаваемого матрицей A в базисе i , j .
  1 2    2 1 
e1   ;  , e2    ; .
 5 5  5 5 
211

В данном базисе матрица оператора f диагональна. Составим


матрицу T перехода к новому базису
 1 2 
 5 
5
T  .
 2 1 
 
 5 5 
Тогда формулы преобразования координат имеют вид:
 1 2
 x  5
x1 
5
y1,

y  2 1
x1  y1.
 5 5
Подставляя их в уравнение кривой, получим
2
20  10 
x12  6 y12  x1  16  0 или  x1    6 y12  4 . (*)
5  5
10
Введем новые переменные x  x1  , y  y1 и из уравнения (*)
5
получим каноническое уравнение эллипса:

x 2 y 2
 1 (* *)
4 2
3
 10 
в системе координат O1xy  , где O1 имеет координаты  ;0  в
 5 
системе Ox1 y1 или координаты  2;4  в ПДСК Oxy .
Чтобы построить эллипс, сначала построим систему координат
Ox1 y1 , которая получается путем поворота Oxy на угол  , где
1 2
cos   ,sin   . Затем осуществим параллельный перенос
5 5
   10  
системы Ox1 y1 на вектор OO1  2e1  4e2  e1  0  e2 . Построение
5
212

графика эллипса в новой системе координат, заданного каноническим


уравнением (* *), осуществляется согласно методике из §2, гл. II.

y
x1

y1  O1
e2 
 e1

e2 
O e1 x
Рис. 5.3. График линии

В заключение отметим, что точно также с применением теории


квадратичных форм, но с более громоздкими выкладками,
проводится классификация поверхностей второго порядка.
213

СПИСОК ЛИТЕРАТУРЫ

1. Тышкевич Р.И., Феденко А.С. Линейная и аналитическая


геометрия. – Мн.: Вышэйшая школа, 1968. – 504 с.
2. Кострикин А.И., Манин Ю.И. Линейная алгебра и
геометрия. – М.: Изд-во МГУ, 1980. – 320 с.
3. Дьедонне Ж. Линейная алгебра и элементарная
геометрия. – М.: Наука, 1972. – 336 с.
4. Артин Э. Геометрическая алгебра. – М.: Мир, 1970. – 284 с.
5. Беклемишев Д.В. Курс аналитической геометрии и линейной
алгебры. – М.: Наука, 1974. – 320 с.
6. Липницкий В.А., Конюх Л.А. Методические указания к теме
«Элементы линейной алгебры и аналитической геометрии» для
студентов радиотехнических специальностей в двух частях. – Мн.:
МРТИ, 1991. Часть 1 – 46 с., часть 2 – 60 c.
214

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ …………………………………………………... 3
ГЛАВА I. МАТРИЦЫ И ОПРЕДЕЛИТЕЛИ.
СИСТЕМЫ ЛИНЕЙНЫХ УРАВНЕНИЙ…….. 6
§ 1.1. Матрицы и действия над ними ……………………… 6
§ 1.2. Системы линейных уравнений. Метод Гаусса.......... 12
§ 1.3. Определители 2-го и 3-го порядков. 20
Определители n-го порядка. Рекуррентная формула
§ 1.4. Свойства определителей 23
§ 1.5. Теорема Лапласа, альтернативное и 30
мультипликативное свойство определителей
§ 1.6. Обратная матрица 34
§ 1.7. Решение невырожденных линейных систем. 38
Правило Крамера
§ 1.8. Метод элементарных преобразований нахождения 41
обратной матрицы
ГЛАВА II. ВЕКТОРНАЯ АЛГЕБРА 44
§ 2.1. Классические векторы и действия над ними 44
§ 2.2. Проекции векторов и их свойства 48
§ 2.3. Базисы в R2 и R3 51
§ 2.4. Системы координат 54
2.4.1. Декартова система координат 54
2.4.2. Деление отрезка в данном отношении 56
2.4.3. Полярная система координат 59
§ 2.5. Скалярное произведение векторов, его приложения 61
2.5.1. Скалярное произведение векторов и его свойства 61
2.5.2. Скалярное произведение векторов в координатах 62
2.5.3. Приложения скалярного произведения 63
§ 2.6. Векторное произведение и его приложения 65
2.6.1. Векторное произведение векторов и его свойства 65
2.6.2. Векторное произведение в координатах 68
2.6.3. Применение векторного произведения 69
§ 2.7. Смешанное произведение векторов и его приложения 72
2.7.1. Смешанное произведение векторов 72
2.7.2. Смешанное произведение в координатах 74
2.7.3. Геометрические приложения 75
215

ГЛАВА III. АНАЛИТИЧЕСКАЯ ГЕОМЕТРИЯ 77


§ 3.1. Линии на плоскости 77
§ 3.2. Линии первого порядка 80
§ 3.3. Девять уравнений прямой на плоскости 81
§ 3.4. Задачи с прямыми на плоскости 86
§ 3.5. Линии второго порядка 90
3.5.1. Три вида линий второго порядка 90
3.5.2. Единое задание линий второго порядка 95
3.5.3. Эксцентриситет и фокусы линий второго порядка 96
§ 3.6. Поверхности и линии в пространстве 99
§ 3.7. Поверхности первого порядка 102
§ 3.8. Шесть уравнений плоскости в пространстве 103
§ 3.9. Задачи с плоскостями в пространстве 106
§ 3.10. Прямая в пространстве 108
§ 3.11. Взаимное расположение прямой и плоскости 110
§ 3.12. Взаимное расположение двух прямых в 113
пространстве
§ 3.13. Поверхности второго порядка 114
ГЛАВА IV. ЛИНЕЙНЫЕ (ВЕКТОРНЫЕ)
ПРОСТРАНСТВА 122
§ 4.1. Линейные пространства, определение, примеры 122
§ 4.2. Подпространства 124
§ 4.3. Линейная зависимость векторов 127
§ 4.4. Эквивалентные системы векторов 131
§ 4.5. Базис и размерность линейного пространства 134
§ 4.6. Координаты векторов в ЛВП, свойства координат 136
§ 4.7. Ранг системы векторов, ранг матрицы 138
§ 4.8. Произвольные системы линейных алгебраических 144
уравнений. Теорема Кронекера-Капелли
§ 4.9. Однородные СЛАУ. Свойства решений 148
§ 4.10. Свойства решений произвольных СЛАУ 153
§ 4.11. Матрица перехода от базиса к базису 155
в линейном пространстве
ГЛАВА V. ОСНОВЫ ЛИНЕЙНОЙ АЛГЕБРЫ 158
§ 5.1. Отображения 158
§ 5.2 Линейные операторы, свойства и примеры 160
§ 5.3. Матрицы линейных операторов, 165
216

дальнейшие свойства линейных операторов


§ 5.4. Действия с линейными операторами 168
§ 5.5. Линейные преобразования и их матрицы 170
§ 5.6. Взаимосвязь матриц линейного преобразования 174
в различных базисах
§ 5.7. Собственные значения и собственные векторы 175
линейного оператора
§ 5.8. Условия диагонализируемости матрицы 180
линейного преобразования
§ 5.9. Скалярные произведения в линейных пространствах 183
§ 5.10. Квадратичные формы в Rn . Критерий 189
знакоопределенности
§ 5.11. Евклидовы пространства 192
§ 5.12. Ортогональные операторы в евклидовых 198
пространствах и их свойства
§ 5.13. Самосопряженные операторы и их свойства 200
§ 5.14. Эквивалентные квадратичные формы,
приведение к каноническому виду 202
§ 5.15. Квадратичные формы и классификация квадрик 207
СПИСОК ЛИТЕРАТУРЫ 212
217

Учебное издание

Липницкий Валерий Антонович

ВЫСШАЯ МАТЕМАТИКА

ОСНОВЫ ЛИНЕЙНОЙ АЛГЕБРЫ


И
АНАЛИТИЧЕСКОЙ ГЕОМЕТРИИ

Учебно-методическое пособие

Редактор
Корректор

Изд. лиц. № 02330/0494406 от 27.03.09. Подп. в печ.


Формат 60×84/16. Бумага офсетная. Печать офсетная.
Уч.-изд. л. 1,8. Усл. печ. л. 2,09. Тираж 200 экз. Зак.
Издательство УО «Военная академия Республики Беларусь». 220057, Минск-57.
Типография учреждения образования «ВА РБ». 220057, Минск-57.
Лиц. № 02330/0150499 от 11.03.09.