167

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 образов всех элементов
x  A называется полным образом множества A при отображении f .
В литературе встречается обозначение множества f  A  через Im f и
название – область 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».
Если A и B  – числовые множества, всякое отображение
f : A  B называется функцией. Как мы знаем, функции – основной
объект исследований математического анализа.
Среди отображений выделяют следующие три
класса – инъективные, сюръективные и биективные. 
 168

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 тот элемент  x  A , для
которого f  x   y .
 169

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 не коммутативна:
g f  f g . Исключения встречаются крайне редко: 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
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.
 170

Отображения одного линейного пространства в другое принято

называть операторами.
Поскольку главными, характеризующими ЛВП факторами,
являются операции сложения элементов и умножения на
скаляры – вещественные числа, 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
 171

снимаются преобразованные сигналы. Если рассматривают лишь

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  .
 172

Доказательство. Имеем частный случай свойства 2 при   1 .

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    0 , называется
f x
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 ,  R
     чисел 
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  0V . 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 ;
 173
   
f A   x     x   A    x  A   f A  x  .

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 строках и 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 .
 174

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 
 175

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  .
 176
 
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.

§ 5.4. Действия с линейными операторами

 177

Пример 4 из § 5.2 показывает, что между двумя данными

ненулевыми ЛВП существует 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 ) .

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

есть линейный оператор из Hom  Vk , Wn  . Если A f и Ag  – матрицы
 178

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
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  .
 179

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).

§ 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 .
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 .
 180

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

базисе i , j задается матрицей
cos   sin 
Af   .
 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
Пример 3. В пространстве многочленов Rn [ x] степени не выше
n одним из базисов является система функций 1, x, x 2 ,..., x n .
 181

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.
Доказательство. Взаимно однозначное преобразование

 
f : Vn  Vn имеет Ker f  0V . Это означает, что дефект.
 182

 
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 
  
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,
 183

 
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
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
 184

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
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 .
 185

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).

Согласно результатам § 4.9 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 ).
Пусть  0  – один из корней характеристического полинома.
Тогда однородная система линейных уравнений
( A  0 E ) X  0 , (5.7.3)
 186

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 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 
Решение.
1. В соответствии с приведенным выше алгоритмом составим
характеристическое уравнение ( A  E ) X  0 преобразования f :
 187

 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:
 x1  0   1   c1 
   1   c  0  c 
x
 2  c1   2   2 
x  0  1  c 
 3      1
 188

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  x1  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 
   
 x2   c3  0  ,
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 .
Откуда получаем
   r 
xl  1 1 x1  ...   r xr . (5.7.5)
l l
 189

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

§ 5.8. Условия диагонализируемости матрицы

линейного преобразования

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.
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 .
 190

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    к
 1 3 
диагональному виду.
Решение. Нетрудно видеть, что собственные значения этой
матрицы находятся из решения уравнения (2   )(3   )  2  0 , откуда
находим 1  1;  2  4 .
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.
 191

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.
 
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
 
 192

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. Ведь не всякое характеристическое уравнение
над полем вещественных чисел может иметь вещественные корни.

§ 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
 
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 .
 193

В пространстве Rn можно указать много функций p : Rn  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 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))
13
Грамм Йорген Петерсен (27.06.1850 – 29.04.1916) – датский математик, специалист по
теории чисел, алгебре, математической статистике
 194

называется квадратная n  n матрица G  gij   скалярных

  

произведений gij  g ui , u j всех базисных векторов из базиса (1).
 
Если матрица G задана, 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.
T T
Для вектор-столбцов X   x1, x2 ,..., xn  и Y   y1, y2 ,..., yn 
произведение
 g11 g12 ... g1n   y1 
  
g
 21 22g ... g 2 n   y2 
X T GY   x1, x2 ,..., xn    
 ... 
 ... ... ... ...   
 g n1 g 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
 195

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
 

ui , u j
H
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
    
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 g 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
 196

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
Грамма. К числу важнейших относится свойство вырожденности или
невырожденности скалярного произведения.
Скалярное произведение g с матрицей Грамма G называется
вырожденным (невырожденным), если det G  0 ( det G  0 ).
Теорема 3. Все матрицы Грамма данного скалярного
произведения на Vn либо одновременно вырождены (их определитель
равен нулю), либо все невырождены.
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 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

   
T T T
S T GS   GS  ST  S T GT S  S T GS  – 
 197

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
 
(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 отвечает за
физическое время. Наиболее близкими к классическому являются

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
 198

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
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.
 199

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,
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 ] .
 200

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:
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
 a1n a12
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 (5.10.1) 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 g , удовлетворяющее
следующим четырем аксиомам (двум аксиомам линейности, аксиоме
коммутативности и аксиоме положительной определенности) – для

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
 201
 
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 .
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 наиболее
простой вид:
n
 
( x , y )  x1 y1  x2 y2  ...  xn yn   xi yi . (5.11.1)
i 1

Скалярное произведение на эвклидовых пространствах имеет

ряд важных 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)
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

 202

   
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 .

( x, y)
Возьмем в качестве      .
( y, y )
Тогда из последнего равенства получим
   
 ( x, y)   ( x, y)2     ( x, y)2
( 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:
 203

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
 
( 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 :
 204
       
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 .
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 линейности скалярного произведения
        
 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 

18
Шмидт Эрхард (14.01.1876 – 06.12.1959) – немецкий математик, первый директор
института математики АН ГДР
 205
  
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.
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
 206

 1 3 3 
Поэтому v2   2,  1,1   1,1,2    ,  ,0  .
2 2 2 
   
Полагаем v3  u3  1v1   2v2 ,
3

 
u3 , v1  1 2  2 5 
 
u3 , v2  3 3 2 1
где 1         ; 2       2    .
 v1, v1  6 6  v2 , v2  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
 207
   
( 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.
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
 208

Свойство 2. Матрица A ортогонального оператора в

ортонормированном базисе является ортогональной, т. е
удовлетворяет условию:
AT A  E . (5.12.4)
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

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.
 209

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:
   
( 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
 210

векторов. Соответствующие им собственные значения являются

действительными числами.
Доказательство теоремы опустим в силу его громоздкости.
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   0   2  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,
 .
2
 1x   5    x2  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
 211

  2 1    1 2 
e1   ; , e2   ; .
 5 5  5 5 
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)
 212

Подставим в формулу (5.14.1) вместо столбца X его выражение

по формуле (5.14.2). Получим:
 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
 213

диагональному виду: T T AT  D . Поэтому из соотношения (5.14.3)

имеем
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
 214

Так при   1 ранг матрицы коэффициентов данной СЛАУ

равен 1, т. е. система эквивалентна одному уравнению x1  x2  x3  0 .
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 
 215
  
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
 x1   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
Ax 2  Bxy  Cy 2  Dx  Ey  F  0 (5.15.1)

в фиксированном ПДСК O, i , j .
 216

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
 217

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:
1. Если 1   2  0 , то уравнение (5.15.1) определяет кривую
эллиптического типа – формулы (1), (6), (8) в теореме 3 §7, гл. II;
 218

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
В данном базисе матрица оператора f диагональна. Составим
матрицу T перехода к новому базису
 219

 1 2 
 5 
5
T  .
 2 1 
 
 5 5 
Тогда формулы преобразования координат имеют вид:
 1 2
 x  x1  y1,
5 5

y  2 x  1 y .
1 1
 5 5
Подставляя их в уравнение кривой, получим
2
2 2 20  10 
x1  6 y1  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
системы Ox1 y1 на вектор

OO
y1  2e  4e  10 e  0  e . Построение
1 2 1 2
x
51
графика эллипса в новой системе координат, заданного каноническим
уравнением (* *), осуществляется согласно методике из §2, гл. II.
y1  O1
e2 
 e1

e2 
O e1 x
Рис. 5.3. График линии
 220

В заключение отметим, что точно также с применением теории

квадратичных форм, но с более громоздкими выкладками,
проводится классификация поверхностей второго порядка.
 221

СПИСОК ЛИТЕРАТУРЫ

1. Гурский Е.И., Ершова В.В. Основы линейной алгебры и

аналитическая геометрия. (Уч. пособие для радиотехнических и
энергетических специальностей ВТУЗов). – Мн.: Выш. школа,
1968. – 318 с.
2. Гурский Е.И. Основы линейной алгебры и аналитической
геометрии. (Учебник для инженерно-технических и спец.
вузов). – М.:, Выш. школа, 1982. – 272 с.
3. Александров П.С. – Курс аналитической геометрии и
линейной алгебры.  2-ое изд., ….СПб.: Изд-во «Лань», 2009. – 512 с.
(Учебник для вузов).
4. Мальцев А.И. Основы линейной алгебры. – М.: Наука,
1975. – 400 с.
5. Воеводин В.В. Линейная алгебра. (Уч. пособие для
специальности «Прикладная математика» вузов СССР) – М.: Наука,
1980. – 400 с.
6. Апатенок Р.Ф., Маркина А.М., Попова Н.В., Хейман В.Б.
Элементы линейной алгебры и аналитической геометрии. (Под ред.
Воднева В.Г. – 2-ое изд., перераб. изд.) – Мн.: Выш. школа,
1986. – 272 с. (Уч. пособие для инж-техн. спец. вузов)
7. Коваленко Н.С., Чепелева Т.И. Высшая математика. Линейная
алгебра. Векторная алгебра. Аналитическая геометрия. (Уч. пособие
для эк. и инж. специальностей вузов). – Мн.: Юнипресс, 2006. – 208 с.
8. Марков Л.Н., Размыслович Г.П. Высшая математика. Часть 1.
Элементы линейной и векторной алгебры. Основы аналитической
геометрии. (Уч. пособие для студентов эк. специальностей
вузов) – Мн.: Амалфея, 1999. – 208 с.
9. Жевняк Р.М., Карпук А.А. Высшая математика. Часть 1.
Высшая математика (Уч. пособие для ВТУЗов). – Мн.: Выш.школа,
1984. – 224 с.
10. Гиндикин С.Г. Рассказы о физиках и математиках. 3-е изд.,
расширенное. – М.: МЦИМО, 2001 – 448 с.
 222

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
1.2.1. Элементарные сведения о системах уравнений 12
1.2.2. Системы линейных алгебраических уравнений (СЛАУ) 15
1.2.3. Модификации метода Гаусса 19
§ 1.3. Определители 2-го и 3-го порядков. 23
Определители n-го порядка. Рекуррентная формула
§ 1.4. Свойства определителей 26
§ 1.5. Теорема Лапласа, альтернативное и 33
мультипликативное свойство определителей
§ 1.6. Обратная матрица 38
1.6.1. Основные свойства обратной матрицы 38
1.6.2. Явная формула обратной матрицы и ее применение 40
1.6.3. Метод элементарных преобразований нахождения 42
обратной матрицы
§ 1.7. Решение невырожденных линейных систем. 44
Правило Крамера
ГЛАВА II. ВЕКТОРНАЯ АЛГЕБРА 48
§ 2.1. Классические векторы и действия над ними 48
§ 2.2. Проекции векторов и их свойства 52
§ 2.3. Базисы в R2 и R3 55
§ 2.4. Системы координат 58
2.4.1. Декартова система координат 58
2.4.2. Деление отрезка в данном отношении 60
2.4.3. Полярная система координат 63
§ 2.5. Скалярное произведение векторов, его приложения 65
2.5.1. Скалярное произведение векторов и его свойства 65
2.5.2. Скалярное произведение векторов в координатах 66
2.5.3. Приложения скалярного произведения 67
§ 2.6. Векторное произведение и его приложения 69
2.6.1. Векторное произведение векторов и его свойства 69
2.6.2. Векторное произведение в координатах 73
 223

2.6.3. Применение векторного произведения 74

§ 2.7. Смешанное произведение векторов и его приложения 77
2.7.1. Смешанное произведение векторов 77
2.7.2. Смешанное произведение в координатах 79
2.7.3. Геометрические приложения 80
ГЛАВА III. АНАЛИТИЧЕСКАЯ ГЕОМЕТРИЯ 81
§ 3.1. Линии на плоскости 81
§ 3.2. Линии первого порядка 84
§ 3.3. Девять видов уравнений прямой на плоскости 85
§ 3.4. Задачи с прямыми на плоскости 90
§ 3.5. Линии второго порядка 94
3.5.1. Эллипсы 95
3.5.2. Гипербола 97
3.5.3. Парабола 98
3.5.4. Единое задание эллипса, гиперболы, параболы 100
3.5.5. Классификация линий второго порядка 101
3.5.6. Свойства эксцентриситета и фокусов линий второго 103
порядка
3.5.7. Полярные уравнения эллипса, гиперболы, параболы 106
§ 3.6. Поверхности и линии в пространстве 109
§ 3.7. Поверхности первого порядка 111
§ 3.8. Шесть видов уравнений плоскости в пространстве 113
§ 3.9. Задачи с плоскостями в пространстве 116
§ 3.10. Прямая в пространстве 118
§ 3.11. Взаимное расположение прямой и плоскости 120
§ 3.12. Взаимное расположение двух прямых в 122
пространстве
§ 3.13. Поверхности второго порядка 124
ГЛАВА IV. ЛИНЕЙНЫЕ (ВЕКТОРНЫЕ)
ПРОСТРАНСТВА 132
§ 4.1. Линейные пространства, определение, примеры 132
§ 4.2. Подпространства 134
§ 4.3. Линейная зависимость векторов 137
§ 4.4. Эквивалентные системы векторов 140
§ 4.5. Базис и размерность линейного пространства 144
§ 4.6. Координаты векторов в ЛВП, свойства координат 146
§ 4.7. Ранг системы векторов, ранг матрицы 148
 224

§ 4.8. Произвольные системы линейных алгебраических 153

уравнений. Теорема Кронекера-Капелли
§ 4.9. Однородные СЛАУ. Свойства решений 157
§ 4.10. Свойства решений произвольных СЛАУ 163
§ 4.11. Матрица перехода от базиса к базису 165
в линейном пространстве
ГЛАВА V. ОСНОВЫ ЛИНЕЙНОЙ АЛГЕБРЫ 167
§ 5.1. Отображения 167
§ 5.2 Линейные операторы, свойства и примеры 169
§ 5.3. Матрицы линейных операторов, 174
дальнейшие свойства линейных операторов
§ 5.4. Действия с линейными операторами 176
§ 5.5. Линейные преобразования и их матрицы 179
§ 5.6. Взаимосвязь матриц линейного преобразования 182
в различных базисах
§ 5.7. Собственные значения и собственные векторы 183
линейного оператора
§ 5.8. Условия диагонализируемости матрицы 189
линейного преобразования
§ 5.9. Скалярные произведения в линейных пространствах 191
§ 5.10. Квадратичные формы в Rn . Критерий 197
знакоопределенности
§ 5.11. Евклидовы пространства 200
§ 5.12. Ортогональные операторы в евклидовых 206
пространствах и их свойства
§ 5.13. Самосопряженные операторы и их свойства 208
§ 5.14. Эквивалентные квадратичные формы, 211
приведение к каноническому виду
§ 5.15. Квадратичные формы и классификация квадрик 215
СПИСОК ЛИТЕРАТУРЫ 220
 225

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.