Глава 1.

МНОГОЧЛЕНЫ
§1. Основные понятия
Определение 1.1. Многочленом (полиномом, целой рациональной функцией)
от неизвестного х называется f ( x)  an x n  an 1 x n 1  ...  a0 (каноническая форма),
где
a0 , a1 ,..., an – числа из К (кольцо) называются коэффициентами многочлена,
an – старший коэффициент, an x n – старший член, a0 – свободный член,
n – степень многочлена, deg f ( x )  стf ( x)  n .
Определение 1.2. Если an  1 , то многочлен называется приведенным или
нормированным.
Определение 1.3. Два многочлена f1 ( x) и f 2 ( x) называются тождественно
равными f1 ( x)  f 2 ( x) , если они равны для всех значений х.
В дальнейшем f1 ( x)  f 2 ( x) понимаем в смысле тождественного равенства.
Определение 1.4. Два многочлена f1 ( x) и f 2 ( x) называются равными, если
равны соответствующие коэффициенты при одинаковых степенях х.
Множество всех многочленов будем обозначать K  x  .
Определим действия сложения и умножения многочленов.
Суммой многочленов f ( x) и g ( x ) назовем многочлен
f ( x )  g ( x )  an x n  an 1 x n 1  ...  a0  bm x m  bm 1 x m 1  ...  b0  пусть n  m
 cn x n  cn 1 x n 1  ...  c0 , где cn  an  bn , bn  bn1  ...  bm1  0 .
deg( f  g )  max{deg f ; deg g } .
Произведением многочленов f ( x) и g ( x ) назовем многочлен
f ( x)  g ( x )   an x n  an 1 x n 1  ...  a0    bm x m  bm1 x m 1  ...  b0  
n m
 anbm x n  m  (an bm1  bm an 1 ) x n  m 1  ...  a0b0   ci xi , где ci  a k  bl .
i 0 k  l i

deg( f  g )  deg f  deg g Формула справедлива над кольцом K без делителей

нуля.
Замечание 1.1. Может ли выполняться deg( f  g )  deg f  deg g . Если да, то
привести пример. Самостоятельно !
Замечание 1.2. Единственным многочленом, степень которого не
определена является f ( x)  0 , так ка deg( f  0)  deg f  deg 0 и он является
нейтральным элементом по сложению.
Теорема 1.1. K  x  образует кольцо с введенными операциями
сложения и умножения.
Доказательство.
Докажем, что K  x  – ассоциативное, коммутативное кольцо с единицей.
1) Ассоциативность и коммутативность сложения следует из ассоциативности
и коммутативности чисел.
2) Существование нейтрального элемента по сложению f ( x)  0 .
3) Существование противоположного элемента  f ( x)   an x n  an 1 x n 1  ...  a0
4) Дистрибутивность
 h( x )  ( f ( x)  g ( x))  h( x )  f ( x )  h( x)  g ( x )
Рассмотрим коэффициенты при x i в левой и правой части:
 (a
k  l i
k  bk )  cl  a
k  l i
k  cl   bk  cl
k  l i

5) Ассоциативность умножения
( f ( x)  g ( x))  h( x )  f ( x )  ( g ( x)  h( x ))
Рассмотрим коэффициенты при x i в левой и правой части:
 
a
j  mi  k l  j
 bl  cm   ak  bl  cm
k
 k  l  m i

 
 ak    bl  cm    ak  bl  cm .
k  j i  l  m j  k  l  m i
6) Коммутативность умножения следует из коммутативности чисел.
7) Существование нейтрального элемента по умножению f ( x)  1 (многочлен
нулевой степени).
Замечание 1.3. K  x  не является полем лишь потому, что не для любого
ненулевого многочлена существует обратный. Только для многочлена нулевой
степени существует обратный.
1
f ( x )  a0 , f  1 ( x )  f ( x )  f 1 ( x )  1
a0
Если степень deg f ( x )  1 , то deg( f ( x )  f 1 ( x ))  1 , но результатом произведения
является 1 – многочлен нулевой степени. Получили противоречие.
Замечание 1.4.
Множество многочленов с рациональными коэффициентами обозначается Q  x  ,
множество многочленов с действительными коэффициентами – R  x  ,
множество многочленов с комплексными коэффициентами – C  x  ,
множество многочленов с коэффициентами из поля P – P  x  .

§2. Делимость многочленов

13 3
Деление с остатком в целых числах:  2 или 13  2  5  3
5 5
13 – делимое, 5 – делитель, 2 – неполное частное, 3 – остаток (3<5).
Теорема 2.1. (о делении многочленов с остатком)
Для f ( x) и g ( x)  K  x  !h( x) и r ( x)  K [ x ] , таких что f ( x )  g ( x)  h( x)  r ( x) ,
причем deg r ( x )  deg g ( x ) или r ( x )  0 .
Доказательство.
deg f ( x )  n , deg g ( x)  k .
Если n  k , то h( x )  0 и r ( x )  f ( x ) f ( x )  g ( x )  0  f ( x ) и deg f ( x)  deg g ( x ) .
Если n  k
an x n  an 1 x n 1  ...  a0 bk x k  bk 1 x k 1  ...  b0
ab ab an n  k
an x n  n k 1 x n 1  ...  n 0 x
bk bk bk
cn 1 x n 1  ...  c0
 an n  k
Подберем одночлен x так, чтобы после умножения на g ( x) и вычитания,
bk
получился многочлен степени < n. Если n  1  k , то r ( x)  cn 1 x n 1  ...  c0 .
Если n  1  k , то продолжаем аналогично. Так как степень многочлена
уменьшается, то на некотором шаге получим многочлен r ( x) , такой что
deg r ( x)  deg g ( x)  k , т.е. является остатком.
Докажем единственность.
f ( x )  g ( x )  h1 ( x )  r1 ( x ) deg r1 ( x )  deg g ( x )
f ( x )  g ( x)  h2 ( x)  r2 ( x ) deg r2 ( x)  deg g ( x )
Вычтем из первого равенства второе:
0  g ( x)  ( h1 ( x )  h2 ( x ))  r1 ( x)  r2 ( x) или g ( x )  ( h1 ( x )  h2 ( x ))  r2 ( x )  r1 ( x ) , т.к.
deg( r2 ( x )  r1 ( x ))  deg g ( x )  h1 ( x )  h2 ( x)  0  r2 ( x)  r1 ( x )  0 .
Пример 2.1.
Выполнить деление многочлена f ( x)  2 x 4  3x3  6 x  1 на многочлен
g ( x)  x 2  2 x  1 .
Решение.

2 x 4  3x3  6 x  1 x2  2 x  1
2 x 4  4 x3  2 x 2 2x 2  x
x3  2 x 2  6 x  1
x3  2 x 2  x
5x  1

2 x 4  3x3  6 x  1  ( x 2  2 x  1)  (2 x 2  x)  5 x  1 .

Определение 2.1. Будем говорить, что многочлен f ( x) делится на g ( x)

(обозначение f  g ) или g ( x) является делителем f ( x) (обозначение g / f ), если
h( x)  K[ x] , такой что f ( x)  g ( x)  h( x) .

Теоремы 2.2. о свойствах делимости в кольце многочленов над полем.

1) Если f  g , а g   , то f   .
Доказательство.
f ( x)  g ( x)  h1 ( x) , g ( x)   ( x)  h2 ( x) , f ( x)   ( x)  h2 ( x)  h1 ( x) или f ( x)   ( x)  h( x) , где
h( x)  h2 ( x)  h1 ( x)  f   .
2) Если f   и g   , то f  g   .
Доказательство.
f ( x)   ( x)  h1 ( x) , g ( x)   ( x)  h2 ( x) , f ( x)  g ( x)   ( x)  (h1 ( x)  h2 ( x)) или
f ( x)  g ( x)   ( x)  h( x) , где h( x)  h1 ( x)  h2 ( x)  f  g   .
3) Если f   , то f  g   , где g  K[ x] .
Доказательство.
 f ( x)   ( x)  h1 ( x) , f ( x)  g ( x)   ( x)  ( g ( x)  h1 ( x)) или f ( x)  g ( x)   ( x)  h( x) , где
h( x)  g ( x)  h1 ( x)  f  g   .
4) Если f1   , f 2   ,…, f k   то f1  g1  f 2  g2  ...  f k  gk   , где
g1 , g2 ,..., g  K [ x] .
Доказательство. Самостоятельно !
5) f  K[ x] делится на любой многочлен 0–ой степени.
Доказательство.
Многочлен 0–ой степени является c  const  0 ,
a a a 
f ( x)  c   n x n  n 1 x n 1  ...  0  .
 c c c 
6) Если f  , то f  c   , где c  const  0 и c  P .
Доказательство. Самостоятельно !
7) Многочлены c  f ( x) , c  0, c  P и только они будут делителями
многочлена f ( x) , имеющие такую же степень, что и f ( x) .
Доказательство.
1
f ( x )    c  f ( x)   f ( x)  c  f ( x ) .
c
Пусть f ( x)   ( x)  h( x) , deg f  n , deg   n , deg h  0 , тогда
1 1
f ( x)  d   ( x)   ( x)   f ( x ) ,  c .
d d
8) Тогда и только тогда многочлены f ( x) и g ( x) одновременно делятся друг на
друга, если g ( x)  c  f ( x) , где c  0, c  P .
9) Любой делитель одного из двух многочленов f ( x) и c  f ( x) , где c  0, c  P ,
будет делителем и для другого многочлена.
Доказательство. Самостоятельно !
Замечание 2.1. С изменением поля делители многочлена могут меняться.

многочлен делители делители делители

Q  x R  x C  x
x2  5 1, x 2  5 1, x  5 , x  5 , x 2  5 1, x  5 , x  5 , x 2  5
x2  5 1, x 2  5 1, x 2  5 1, x  5i , x  5i , x 2  5

§3. Наибольший общий делитель (НОД).

Алгоритм Евклида

Определение 3.1. Многочлен d ( x) называется наибольшим общим делителем

многочленов f ( x) и g ( x) , d ( x)  НОД( f ; g )  ( f ; g ) , если
1) d / f , d / g ( d ( x) общий делитель многочленов)
2) h / f , h / f , то h / d ( d ( x) наибольший делитель)
3) старший коэффициент равен 1.
Замечание 3.1. НОД( f ; g ) находится с точностью до постоянного множителя:
если d  НОД( f ; g ) , то c  d  НОД( f ; g ) , где c  0, c  P . Поэтому условимся, чтобы
старший коэффициент НОД равнялся 1.
Определение 3.2. Если общими делителями многочленов f ( x) и g ( x) , являются
только многочлены нулевой степени, т.е. НОД( f ; g )  1 , то многочлены f ( x) и g ( x)
называются взаимно простыми.
Алгоритм Евклида (нахождение НОД двух многочленов)
Пусть deg f ( x)  deg g ( x)
Разделим многочлен f ( x) на многочлен g ( x) . По Теореме о делении многочленов
с остатком:
f ( x)  g ( x)  h1 ( x)  r1 ( x) , deg r1 ( x)  deg g ( x)
g ( x)  r1 ( x)  h2 ( x)  r2 ( x) , deg r2 ( x)  deg r1 ( x)
r1 ( x)  r2 ( x)  h3 ( x)  r3 ( x) , deg r3 ( x)  deg r2 ( x)

Степени остатков убывают. Следовательно, на некотором (k +1– ом) шаге остаток
будет равен 0.
rk 3 ( x)  rk 2 ( x)  hk 1 ( x)  rk 1 ( x) , deg rk 1 ( x)  deg rk 2 ( x)
rk 2 ( x)  rk 1 ( x)  hk ( x)  rk ( x) , deg rk ( x)  deg rk 1 ( x)
rk 1 ( x)  rk ( x)  hk 1 ( x) .
Теорема 3.1. (Нахождение НОД по алгоритму Евклида)
Последний ненулевой остаток rk ( x) в алгоритме Евклида является наибольшим
делителем многочленов f ( x) и g ( x) .
rk ( x)  НОД( f ; g ) (3.1.)
Доказательство.
1) Покажем, что rk ( x) – общий делитель многочленов.
Из последнего равенства следует, что rk ( x) / rk 1 ( x) . Из предпоследнего равенства
следует, что rk ( x) / rk 2 ( x) . Поднимаясь по равенствам вверх, получаем, что
rk ( x) / rk 3 ( x),..., rk ( x) / r1 ( x), rk ( x) / g ( x), rk ( x) / f ( x) .
2) Проверим, что rk ( x) наибольший общий делитель.
Пусть  - произвольный общий делитель f ( x) и g ( x) .
Из первого равенства f ( x)  g ( x)  h1 ( x)  r1 ( x) следует, что  делитель r1 ( x) ,
 / r1 ( x) . Спускаясь по равенствам вниз получаем:  / r2 ( x) ,  / r3 ( x) , …,  / rk ( x) .
Таким образом, rk ( x)  НОД( f ; g ) .
Пример 3.1.
Найти НОД( f ; g ) , f ( x)  x 4  x3  3x 2  4 x  1 , g ( x)  x3  x 2  x  1 .
Решение.
deg f ( x)  deg g ( x) . Делим f(x) на g(x).
x 4  x3  3x 2  4 x  1 x3  x 2  x  1
x 4  x3  x 2  x x
2 x 2  3x  1 r1 ( x)  2 x 2  3x  1
Делим g(x) на r1 ( x) . Для простоты вычислений умножим g(x) на 4.
4 x3  4 x 2  4 x  4 2 x 2  3x  1
4 x3  6 x 2  2 x 2 x  1
2 x 2  6 x  4
2 x 2  3x  1 r2 ( x)  3x  3
3x  3

1
Делим r1 ( x) на r2 ( x) . Для простоты вычислений умножим r2 ( x) на  , а r1 ( x) на
3
1 .

2 x 2  3x  1 x 1
2 x2  2 x 2x 1
x 1
x 1
0
Последний ненулевой остаток r2 ( x)  3x  3 , но так как по определению старший
коэффициент в НОД равен 1, то НОД( f ; g )  x  1 .

§4. Линейное представление НОД.

Теорема 4.1. О линейном представлении НОД

Если d =НОД( f ; g ) , то u, v  K[ x] , что
f  u  g  v  d (4.1.), где deg u  deg g , deg v  deg f .
Доказательство.
а) Используем алгоритм Евклида: rk ( x)  d .
Из равенства rk 2 ( x)  rk 1 ( x)  hk ( x)  rk ( x) выразим d.
d  rk 2 ( x)  rk 1 ( x)  hk ( x) , или d  rk 2 ( x)  u1 ( x)  rk 1 ( x)  v1 ( x) , где u1 ( x)  1, v1 ( x)  hk ( x) .
Выразим rk 1 ( x) из предыдущего равенства rk 1 ( x)  rk 3 ( x)  rk 2 ( x)  hk 1 ( x) и подставим
в d.
d  rk 2 ( x)  u1 ( x)  (rk 3 ( x)  rk 2 ( x)  hk 1 ( x))  v1 ( x) или d  rk 3 ( x)  u2 ( x)  rk 2 ( x)  v2 ( x) , где
u2 ( x)  v1 ( x) , v2 ( x)  u1 ( x)  v1 ( x)  hk 1 ( x) .
Продолжаем процесс аналогично.
…
d  f ( x)  u ( x)  g ( x)  v( x) .
б) Докажем, что deg u  deg g , deg v  deg f .
Пусть u и v определены, но deg u  deg g . Разделим u(x) на g(x).
u( x)  g ( x)  h( x)  r ( x) , где deg r  deg g . Подставим u(x) в формулу (4.1.)
f  ( g  h  r )  g  v  d  f  r  g  (v  f  h)  d .
Или f  u1  g  v1  d , где u1  r , v1  v  f  h .
deg u1  deg g . Покажем, что deg v1  deg(v  f  h)  deg f .
Пусть deg(v  f  h)  deg f , тогда deg( g  (v  f  h))  deg( g  f )
deg r  deg g  deg( f  r )  deg( f  g )
deg( f  r  g  (v  f  h))  deg( g  f )  deg d  deg( g  f )  deg f что противоречит, что d
делитель f(x). Следовательно, deg v1  deg(v  f  h)  deg f .
Замечание 4.1. При нахождении линейного разложения НОД, т.е. нахождения
многочленов u(x) и v(x) нельзя допускать искажения частных. Константы, на
которые умножаются многочлены, должны быть учтены в разложении.
Пример 4.1. Найти линейное представление НОД( f ; g ) , где
f ( x )  x 3  8 , g ( x)  x 2  4 .
Решение.
Используем алгоритм Евклида:
deg f ( x)  deg g ( x) . Делим f(x) на g(x).
x3  8 x2  4
x3  4 x x
4x  8 r1 ( x)  4 x  8
4 x 2  16 4x  8
2
4 x  8x x2
8 x  16 r2 ( x)  0  НОД( f ; g )  d  x  2
8 x  16
0

1 x
f ( x)  g ( x)  x  4d или d  f ( x)   g ( x) 
4 4
Пример 4.2. Найти линейное представление НОД( f ; g ) , где
f ( x)  x 3  x 2  3 x  5 , g ( x)  x 3  4 x 2  3 x  8 .
Решение.
Используем алгоритм Евклида:
deg f ( x)  deg g ( x) . Делим f(x) на g(x).
x3  x 2  3x  5 x3  4 x 2  3x  8
x3  4 x 2  3x  8 1
3x 2  3 r1 ( x)  3 x 2  3

3x3  12 x 2  9 x  24 3x 2  3
3x 2  3x x4
2
12 x  12 x  24 r2 ( x)  12 x  12
2
12 x  12
12 x  12

x2  1 x 1
x2  x x 1
 x 1
 x 1
0
Последний ненулевой остаток со старшим коэффициентом равным 1 равен
НОД( f ; g ) : НОД( f ; g )  d  x  1

Запишем результаты деления, с учетом коэффициентов на которые умножали

многочлены.
f ( x )  g ( x)  3 x 2  3
3g ( x)  (3x 2  3)  ( x  4)  12  d
Из первого равенства выражаем остаток: 3x 2  3  f ( x)  g ( x) и подставляем во
второе равенство: 3g ( x)  ( f ( x)  g ( x))  ( x  4)  12  d . Выражаем d :
1  x 1  x 1  x 1
d g ( x)  ( f ( x)  g ( x))      d  f       g     .
4  12 3   12 3   12 12 
Следствие 4.1. Если f ( x) и g ( x) – взаимно простые многочлены, то
u( x) , v( x)  K[ x]: f  u  g  v  1.

§5. Теоремы о взаимно - простых многочленах.

НОД системы функций
Теорема 5.1. Если ( f ; )  1 и ( f ; )  1 , то ( f ;  )  1 .
Доказательство.
f  u    v  1 умножим равенство на  .
f  (u  )  (  )  v  
Если у f и   есть общий делитель, то этот делитель и для  , что невозможно,
т.к. ( f ; )  1 .
Теорема 5.2. Если f  g   , но ( f ; )  1 , то g   .
Доказательство.
f  u    v  1 умножим равенство на g .
( f  g )  u    ( g  v)  g
f  g   (по условию),   ( g  v)   , следовательно g   .
Теорема 5.3. Если ( ; )  1 , f   , f   , то f  (  ) .
Доказательство.
f  f ( x)    h1  по теореме 5.2. h1    .
h1    h2  f ( x)     h2  f  (  ) .

Теорема 5.4. о НОД системы функций

НОД( f1; f 2 ;...; f n )  НОД( f n ; НОД( f1 ; f 2 ;...; f n1 ))
Доказательство.
Метод математической индукции по количеству многочленов.
При n  2 НОД( f1; f 2 )  НОД( f 2 ; f1 ) – верно
Пусть справедливо для n  1 .
d  НОД( f1 ; f 2 ;...; f n 1 )  d / f1 , f 2 ,..., f n 1 , если d1 / f1 , f 2 ,..., f n 1 , то d1 / d .
Обозначим d  НОД(d ; f n ) , покажем, что d  НОД( f1 ; f 2 ;...; f n ) .
 d / d  d / f1 , f 2 ,..., f n 1 
а)   d / f1 , f 2 ,..., f n .
d / fn 
б) Любой общий делитель системы функций f1 , f 2 ,..., f n является общим
делителем f1 , f 2 ,..., f n1  любой другой общий делитель является делителем d 
любой другой общий делитель является делителем d .
Определение 5.1. Система многочленов f1 , f 2 ,..., f n называется взаимно простой,
если общими делителями этих многочленов являются лишь многочлены нулевой
степени, т.е. НОД( f1; f 2 ;...; f n )  1
Пример 5.1. Проверить является ли система многочленов f1 ( x)  x 2  5 x ,
f 2 ( x)  x3  2 x 2  x , f3 ( x)  x 2  6 x  5 взаимно простой.
Решение.
( f1 ( x); f 2 ( x))  x , ( f1 ( x); f3 ( x))  x  5 , ( f 2 ( x); f3 ( x))  x  1.
Таким образом, хотя многочлены попарно не являются взаимно простыми, но
система многочленов взаимно простая ( f1 ( x); f2 ( x); f3 ( x))  1 .

§6. Неприводимые многочлены

Пусть P[ x] – кольцо многочленов над полем P.

Определение 6.1. Многочлен f  P[ x] называется приводимым над полем P, если
он может быть разложен в произведение двух многочленов меньшей степени из
того же кольца P[ x] .
Определение 6.2. Многочлен f  P[ x] называется неприводимым над полем P,
если
1) deg f  1 ;
2) не раскладывается в произведение многочленов меньшей степени из P[ x] .
Замечание 6.1. Многочлен 0 – й степени нельзя считать приводимым, а также
неприводимым. Аналогично, число 1 не считается простым, не считается
составным.
Пример 6.1. Являются ли многочлены f ( x)  x 4  5x 2  6 и g ( x)  x 4  1
приводимыми над Q. (полем рациональных чисел).
Решение.
f ( x)  x4  5x 2  6  ( x 2  3)  ( x 2  2) , т.к. x2  3  Q[ x] и x 2  2  Q[ x] , то многочлен
f ( x)  x 4  5x 2  6 является приводимым над полем рациональных чисел.
g ( x)  x4  1  x4  2 x2  1  2 x 2  ( x 2  1)2  2 x2  ( x2  1  2 x)  ( x 2  1  2 x)
g(x) – неприводимый над Q[ x] .
Теоремы о неприводимых многочленах
Пусть f , p  P[ x] и p – неприводимый многочлен над полем P.
6.1. Любой многочлен первой степени является неприводимым.
Доказательство.
Если многочлен разложить на множители меньшей степени, т.е. 0 – й степени, то
результат многочлен 0 – й степени.
6.2. c  p – неприводимый многочлен над полем P , где c  const  0 и c  P .
Доказательство.
Если c  p – приводимый многочлен над полем P, то c  p ( x )  f ( x )  g ( x ) 
1 
p ( x)    f ( x)   g ( x) . Получили противоречие.
c 
6.3. f  P[ x] p / f или ( p; f )  1 .
Доказательство.
( p; f )  d  d / p  deg d  0  ( f ; p)  1 или d  c  p, c  0 , т.к. d / f  p / f .
6.4. Если f  g  p , то хотя бы один из многочленов f или g делится на p .
Доказательство.
Пусть f не делится на p , по 6.3. ( p; f )  1 .
Следовательно, u, v , такие что f ( x)  u ( x)  p( x)  v( x)  1 .
Умножим на g ( x) : f ( x)  g ( x)  u ( x)  p( x)  g ( x)  v( x)  g ( x) , т.к. левая часть
делится на p( x) , то p( x) / g ( x) .
Теорема 6.5. Основная теорема арифметики многочленов
f  P[ x] , deg f  n  1 разлагается на неприводимые множители однозначно с
точностью до множителя нулевой степени.
Доказательство.
Если f ( x) – неприводимый многочлен, то f ( x)  f ( x) .
f ( x) – приводимый многочлен, то f ( x)  f1 ( x)  f 2 ( x) , deg f1  deg f , deg f 2  deg f ,
если f1 ( x) и f 2 ( x) приводимы, то раскладываем на множители. Процесс не
бесконечен, после конечного числа шагов получаем: f ( x)  p1 ( x)  p2 ( x)  ...  pk ( x) , k  n
.
Докажем единственность: f ( x)  p1 ( x)  p2 ( x)  ...  pk ( x) и f ( x)  q1 ( x)  q2 ( x)  ...  ql ( x)
Пусть k  l , т.к. p1 ( x) / f ( x)  p1 ( x) / q1 ( x)  q2 ( x)  ...  ql ( x)  p1 ( x) / q1 ( x)  q1 ( x)  c1  p1 ( x)
p2 ( x)  p3 ( x)  ...  pk ( x)  c1  q2 ( x)  ...  ql ( x) , процесс продолжаем.
Если k  l , 1  c1  c2  ...  ck  qk 1 ( x)  ...  ql ( x) , степень левой и правой части не совпадает.
Если k  l : q1 ( x)  c1  p1 ( x) , q2 ( x)  c2  p2 ( x) ,…, qk ( x)  ck  pk ( x) .
f ( x)  c1  p1 ( x)  c2  p2 ( x)  ...  ck  pk ( x)
Замечание 6.2. Если f ( x) разлагается в произведение неприводимых
множителей, то f ( x)  an  p1 ( x)  p2 ( x)  ...  pk ( x) (6.1.), где an – старший коэффициент
многочлена f ( x) , p1 ( x), p2 ( x),..., pk ( x) неприводимые многочлены со старшим
коэффициентом равным 1.
Определение 6.3. Если неприводимый многочлен p1 ( x) встречается в разложении
k раз, то он называется k – кратным множителем для f ( x) .
Формулу (6.1.) можно переписать в виде: f ( x)  an  p1k ( x)  p2k ( x)  ...  plk ( x) , где
1 2 l

pi ( x)  p j ( x) при i  j .
Замечание 6.3. Если даны разложения многочленов f ( x) и g ( x) на неприводимые
множители, то НОД( f ; g ) равен произведению множителей, входящих
одновременно в оба разложения, причем каждый множитель берется в степени,
равной меньшей из его кратностей в обоих многочленах.

§7. Корни многочленов. Схема Горнера

Пусть f ( x)  an x n  an 1 x n 1  ...  a0 многочлен степени n, тогда значение

многочлена f(x) при x=c: f (c)  an c n  an1c n1  ...  a0 .
Определение 7.1. Число с называется корнем многочлена f ( x )  P[ x] , если
f (c )  0 (т.е. при подстановке вместо x = с получаем 0).
Теорема 7.1.(Теорема Безу) Остаток от деления многочлена f ( x )  P[ x] на x  c
равен f (c) .
Доказательство. f ( x)  ( x  c )  h( x)  r , где deg r  deg( x  c )  1 , следовательно
deg r  0, r  const . Подставим x = с в равенство f (c )  0  h( x)  r  r  f (c ) .
Следствие7.1. Число с тогда и только тогда будет являться корнем
многочлена f ( x ) , если f ( x ) делится на x  c без остатка.
Схема Горнера
Рассмотрим метод деления многочлена f ( x ) на x  c , который называется метод
(схема) Горнера.
f ( x)  ( x  c )  h( x)  r , deg h ( x )  n  1 ,
Подставим h( x)  bn x n1  bn1 x n 2  ...  b1 и f ( x)  an x n  an 1 x n 1  ...  a0 в равенство и
раскроем скобки:
an x n  an 1 x n 1  ...  a0  bn x n  bn 1 x n 1  ...  b1 x  cbn x n 1  cbn 1 x n  2  ...  cb1  r
Приравниваем коэффициенты при одинаковых степенях x:
x n : an  bn ,
x n 1 : an 1  bn1  cbn  bn 1  an1  cbn ,
…
x1 : a1  b1  cb2  b1  a1  cb2 ,
x 0 : a0  r  cb1  r  b0  a0  cb1 .
Таким образом, коэффициент bk получается умножением предыдущего
коэффициента на с и прибавлением соответствующего коэффициента ak .
Если r  b0  0 , то с – корень многочлена.
Все вычисления производят в таблице:
an an1 … a1 a0
с bn bn1 … b1 b0

Пример 7.1. Выполнить деление многочлена f ( x)  3x 4  5 x3  3x 2  1 на x  3 ,

используя схему Горнера и записать результат деления.
Решение.
Заполним таблицу:
3 5 3 0 1
3 3 4 9 27 80
Результат деления: f ( x)  ( x  3)(3x3  4 x 2  9 x  27)  80 .
Замечание 7.1. Схема Горнера используется для быстрого вычисления
значения многочлена при данном значении x и разложении многочлена по
(k )
степеням xc, т.е. f ( x)  a0  a1 ( x  c)  a2 ( x  c)2  ...  an ( x  c)n , где ak  f (c) ,
k!
k = 1, … , n.
Пример 7.2. Разложить многочлен f ( x)  3x 4  2 x3  5x  1 по степеням x  2 и
найти значения всех производных многочлена f ( x ) в точке x  2 .
f ( x)  a0  a1 ( x  2)  a2 ( x  2) 2  a3 ( x  2)3  a4 ( x  2) 4
Все вычисления произведем, используя схему Горнера. Последовательно
делим на x  2 , тогда в ячейке остатков стоят значения коэффициентов в
разложении f ( x ) по степеням x  2 .

3 2 0 5 1
2 3 4 8 11 21  a0
2 3 10 28 67  a1
2 3 16 60  a2
2 3 22  a3
2 3  a4

f ( x)  h1 ( x)( x  2)  21  (h2 ( x)( x  2)  67)( x  2)  21 

 h2 ( x)( x  2) 2  67( x  2)  21  (h3 ( x)( x  2)  60)( x  2) 2  67( x  2)  21 и т.д.
Получаем, f ( x)  3( x  2)4  22( x  2)3  60( x  2)2  67( x  2)  21 .
f ( 2)  21 ,
f ( 2)
 67  f (2)  67 ,
1!
f ( 2)
 60  f ( 2)  120 ,
2!
f ( 2)
 22  f (2)  132 ,
3!
f IV ( 2)
 3  f IV ( 2)  72 .
4!

§8. Кратные корни многочленов. Основная теорема алгебры

Определение 8.1. Число с называется k –кратным корнем многочлена , если

k
x  c является корнем многочлена и f ( x ) делится без остатка на ( x  c) , но не
делится на ( x  c)k 1 , т.е. f ( x)  ( x  c)k  h( x) , где h(c )  0 .
k называется кратностью корня.
Если k=1, то корень называется простым.
Кратность корня связана с производной.
Теорема 8.1. k –кратный корень многочлена f ( x ) будет (k –S) – кратным
корнем S –ой производной и впервые не будет служить корнем для k –ой
производной.
Если x  c – корень многочлена кратности k, то
f (c)  f (c)  ...  f ( k 1) (c)  0, f ( k ) (c)  0 .
Доказательство. Самостоятельно!
Доказать, что если x  c является k –кратным корнем многочлена f ( x ) , то он
является корнем кратности k –1 для производной f ( x ) .
Теорема 8.2. (Основная теорема алгебры) Любой многочлен не нулевой
степени имеет над полем C хотя бы один корень.
Следствие 8.1. Если f ( x ) многочлен степени n, то над полем С он
раскладывается на произведение n линейных множителей
f ( x)  an  ( x  c1 )  ( x  c2 )  ...  ( x  cn ) и это разложение единственно.
Замечание 8.1. Если рассмотреть многочлен в кольце с делителями нуля, то
возможно, что число корней многочлена будет больше, чем его степень.
Например,  8  {0,1, 2,...,7} f ( x)  x3 , многочлен третьей степени будет иметь 4
корня, т.к. f (0)  f (2)  f (4)  f (6)  0 .
Если в разложении многочлена на множители есть одинаковые , то многочлен
имеет кратные корни и в этом случае: f ( x)  an  ( x  c1 ) k  ( x  c2 ) k  ...  ( x  cm ) k ,
1 2 m

k1  k2  ...  km  n , c1 , c2 ,..., cm  различные корни.

Любой многочлен ненулевой степени имеет n корней, если каждый из корней
считать столько раз, какова его кратность.
Теорема 8.3. Два многочлена f ( x ) и g ( x)  P  x  , deg f ( x )  n, deg g ( x )  n ,
принимающие одинаковые значения при подстановке n+1 различных
элементов из P равны.
1 ,  2 ,...,  n 1  P : f ( i )  g (i ) i  1,..., n  1  f ( x )  g ( x ) .
Доказательство. Рассмотрим многочлен  ( x )  f ( x )  g ( x ) , степень многочлена
 ( x ) не больше n , а корней более n. Следовательно,  ( x )  0  f ( x )  g ( x ) .
Задача интерполяции
Пусть b0 , b1 ,..., bn  P, c0 , c1 ,..., cn  P , требуется определить многочлен f ( x)  P  x  ,
deg f  n если известны значения многочлена в точках ci : f (ci )  bi , i  0,..., n .
n
gi ( x)
Решение. Рассмотрим многочлен f ( x)   bi  (8.1.), где
i 0 gi (ci )
gi ( x)  ( x  c0 )  ( x  c1 )  ...  ( x  ci 1 )  ( x  ci 1 )  ...  ( x  cn ) .
Формула (8.1.) называется интерполяционная формула Лагранжа. По этой
формуле зная значения многочлена в (n+1) точке, можно вычислять значения
многочлена во всех других точках.
deg f  n , так как в gi ( x) присутствует n линейных множителей, отсутствует
множитель ( x  ci ) . Многочлен f ( x ) определен, так как gi (ci )  0 .
Проверим, что f (c j )  b j .
g i (c j )  (c j  c0 )  (c j  c1 )  ...  (c j  ci 1 )  (c j  ci 1 )  ...  (c j  cn )  0 , так как i  j .
 g j (c j )
f (c j )  0  0  ...  b j   0  ...  0  b j .
g j (c j )
Рациональные корни многочлена с целыми коэффициентами
Пусть f ( x)    x  , многочлен с целыми коэффициентами.
Теорема 8.4. (Теорема о подборе целого и рационального корня)
Целый корень p многочлена с целыми коэффициентами является делителем
свободного члена a0  p , и если x  p – рациональный корень (где (p,q)=1), то
q
a0  p , an  q .
Доказательство.
p  p
f ( x)  an x n  an 1 x n 1  ...  a0 , подставим x  в многочлен f    0
q q
n n 1
p p p
an n
 an 1 n 1  ...  a1  a0  0 умножим на q n .
q q q
an p  an 1 p  q  ...  a1 p  q n 1  a0 q n  0 , первые n слагаемые  p , следовательно
n n 1

a0 q n  p , но так как (p,q)=1, то a0  p .

Аналогично, последние n слагаемые содержат множителем степень q ,
следовательно an p n  q ,но так как (p,q)=1, то an  q .
Пример 8.1. Найти все действительные корни многочлена
f ( x)  6 x4  19 x3  7 x 2  26 x  12 .
Найдем целые и рациональные корни многочлена.
Делители свободного члена: 1, 2, 3, 4, 6, 12 .
1 1 1
Рациональные корни:  ,  ,  (В знаменателе стоят делители старшего
2 3 6
коэффициента, в числителе – делители свободного члена и дробь несократима)
Используем схему Горнера.
6 19 7 26 12
1 6 25 18 8 4 не корень
1 6 13 20 6 18 не корень
2 6 31 55 84 180 не корень
2 6 7 21 16 20 не корень
3 6 1 10 4 0 корень

f ( x)  ( x  3)(6 x3  x 2  10 x  4)
Продолжаем подбор корня, в качестве делимого берем многочлен
1 1 1
6 x 3  x 2  10 x  4 , целые корни: 1, 2, 4 , рациональные корни:  ,  ,  .
2 3 6
Не проверены только 4
6 1 10 4
4 6 25 90 364 не корень
4 6 23 82 324 не корень
 1 6 4 8 0 корень
2
1
f ( x )  ( x  3)( x  )(6 x 2  4 x  8)  ( x  3)(2 x  1)(3 x 2  2 x  4)
2
Найдем корни квадратного трехчлена 3 x 2  2 x  4 .
2  52 1  13
D  52 , x1,2   .
6 3
1 1  13
Ответ: действительные корни: 3, , .
2 3
Замечание 8.2. Проверка всех делителей свободного члена иногда бывает
очень громоздкой. Для упрощения вычислений используют следующее:
проверяют лишь те делители  свободного члена (из числа отличных от 1 и от
f (1) f (1)
–1) для которых каждое из частных , является целым числом.
 1  1
Доказательство. Если x   – целый корень многочлена, то f ( x)  ( x   )  h( x)
f ( x)
или  h( x) . Подставим в равенство вместо x : 1 и –1.
x 
f (1) f (1)
 h(1)  Z ,  h(1)  Z .
1 1  
В нашем примере: f (1)  4 , f (1)  18

Многочлены с действительными коэффициентами

Теорема 8.5. Если комплексное число c является корнем многочлена с

действительными коэффициентами, то c – также корень многочлена, причем
они имеют одинаковую кратность.
Доказательство.
f ( x)  an x n  an 1 x n 1  ...  a0
c  C f (c)  an c n  an 1c n 1  ...  a0  0
f (c )  an c n  an 1c n 1  ...  a0  0
Обозначим,  ( x)  ( x  c)( x  c )  x 2  (c  c ) x  c  c – многочлен с действительными
коэффициентами.
Пусть разная кратность x  c корень кратности k.
x  c корень кратности l, k  l , тогда f ( x)   l ( x)  q( x) , где q ( x) многочлен с
действительными коэффициентами.
x  c корень кратности k  l многочлена q ( x) .
x  c не является корнем многочлена q ( x) . Получили противоречие.

§9. Формулы Виета

Рассмотрим приведенный многочлен степени n: f ( x)  x n  an 1 x n1  ...  a0 ,

имеющий n корней x1 , x2 ,..., xn , т.е. f ( x)  ( x  x1 )  ( x  x2 )  ...  ( x  xn ) .
Раскроем скобки и приравняем коэффициенты при одинаковых степенях x.
 xn : 1  1,
x n 1 :  x1  x2  ...  xn  an1 ,
x n  2 : x1 x2  x1 x3  ...  xn 1 xn  an2 ,
x n 3 : ( x1 x2 x3  ...  xn 2 xn 1 xn )  an 3 ,
…
x 0 : (1) n x1  x2  ...  xn  a0 .
Таким образом, x1  x2  ...  xn  an1 ,
x1 x2  x1 x3  ...  xn 1 xn  an2 ,
x1 x2 x3  ...  xn 2 xn1 xn  an3 (9.1.)
…
x1  x2  ...  xn  (1)n a0 .
an 1
В общем случае, если an  1 : x1  x2  ...  xn   ,
an
an  2
x1 x2  x1 x3  ...  xn 1 xn  ,
an
a
x1 x2 x3  ...  xn  2 xn 1 xn   n 3
an
…
an  k
x1 x2 ...xk  ...  xn  k 1 xn  k xn  (1) k (9.2.)
an
…
a0
x1  x2  ...  xn  (1)n .
an
Пример 9.1. Найти сумму квадратов и произведение всех комплексных корней
многочлена f ( x)  3x3  x  2 .
Решение.
По теореме Виета:
0
x1  x2  x3    0
3
1
x1 x2  x1 x3  x2 x3  
3
2
x1  x2  x3   ,
3
2
x12  x2 2  x32  ( x1  x2  x3 )2  2( x1 x2  x1 x3  x2 x3 ) 
3

§10. МНОГОЧЛЕНЫ ОТ n ПЕРЕМЕННЫХ

Определение 10.1. Многочленом F ( x1 , x2 ,..., xn ) от n неизвестных x1 , x2 ,..., xn над

полем P называется сумма конечного числа членов вида ai i ...i  x1i  x2i  ...  xn i , где 12 n
1 2 n

ai i ...i – коэффициенты из поля P и ik  0, k  1,..., n .

12 n
Рассмотрим кольцо многочленов от n неизвестных
i1 i2 in
K [ x1 , x2 ,..., xn ]  {F ( x1 , x2 ,..., xn )   ai1i2 ...in  x  x2  ...  xn } ,
1 которое является
коммутативным, ассоциативным кольцом с единицей.
Определение 10.2. Степенью по отношению к неизвестному xi многочлена
F ( x1 , x2 ,..., xn ) называется наивысший показатель, с каким входит xi в члены
этого многочлена.
Определение 10.3. Степенью члена ai i ...i  x1i  x2i  ...  xn i называется число равное
12 n
1 2 n

i1  i2  ...  in , т.е. сумму показателей при неизвестных.

Определение 10.4. Многочлен, у которого все члены имеют одинаковую
степень S называется однородным многочленом или формой S – ой степени.
Например, многочлен F ( x1 , x2 )  x13  3x1 x23 не является однородным, так как
степень второго члена 4, а первого 3. Многочлен F ( x1 , x2 )  x13  5 x1 x22  7 x23
является однородным, каждое слагаемое третьей степени.

Лексикографическое упорядочивание многочлена

Для многочлена от n неизвестных производят упорядочивание, которое

называется лексикографическим. Этот прием используется при расположении
слов в словарях.
Дан многочлен F ( x1 , x2 ,..., xn ) из кольца K[ x1 , x2 ,..., xn ] . Рассмотрим два различных
члена этого многочлена x1i  x2i  ...  xni и x1 j  x2 j  ...  xn j (без коэффициентов).
1 2 n 1 2 n

Будем считать, что первый одночлен выше второго (или второй ниже первого),
если k такой что i1  j1 ,..., ik 1  jk 1 , ik  jk .
Пример 10.1. Определить какой член выше
1) x15 или x210 ,
2) x12 x23 x310 или x12 x2 4 x3 .
Решение. 1) Представим члены в виде: x15 x20 и x10 x210 , так как 5>0, то первый
член выше, чем второй, хотя степень второго больше.
1) 2=2, 4>3, поэтому второй член выше, чем первый.
При лексикографической записи многочлена F ( x1 , x2 ,..., xn ) происходит
следующее упорядочивание: на первом месте будет стоять член, который
будет выше всех последующих членов.
Например, определите упорядочен ли многочлен
4 3 3 2 3 3 3 2
F ( x1 , x2 , x3 , x4 )  x1  5 x1 x2 x3  x1 x2 x4  2 x1 x3 x4  7 x2  x3 x4  4 x4 лексикографически?
Замечание 10.1. Произведение высших членов многочленов f и g является
высшим членом многочлена ( f  g ) .
Определение 10.5. Многочлен от n переменных называется симметрическим,
если он не меняется ни при какой перестановке переменных.
Например, многочлен F ( x1 , x2 , x3 )  x2 x12  x3 x12  x1 x2 2  x1 x32  x3 x22  x2 x32 является
симметрическим.
Сумма, разность, произведение двух симметрических многочленов является
симметрическим многочленом, т.е. симметрические многочлены составляют
подкольцо в кольце всех многочленов.
Рассмотрим следующие n симметрических многочленов от n переменных,
которые называются элементарными симметрическими многочленами:
1  x1  x2  x3  ...  xn , число слагаемых равно C1n  n
 2  x1  x2  ...  xn1  xn , число слагаемых равно C2n
 3  x1  x2  x3  ...  xn 2  xn1  xn , число слагаемых равно C3n (10.1.)
…
 n1  x1  x2  xn 1  ...  x2  x3   xn , число слагаемых равно Cnn1
 n  x1  x2   xn , число слагаемых равно C nn  1
Теорема 10.1. (Основная теорема о симметрических многочленах)
Всякий многочлен над полем или кольцом без делителей нуля, представимы
единственным образом в виде многочлена от элементарных симметрических
многочленов 1 , 2 ,...,  n с коэффициентами, принадлежащими полю или
кольцу.
Симметрический многочлен f ( x1 , x2 ,..., xn )  g (1 ,  2 ,...,  n ) , где  i – элементарные
симметрические многочлены ( i  1, , n ).
Алгоритм разложения симметрического многочлена на элементарные
симметрические многочлены
1) Разобьем симметрический многочлен f на группы одночленов однородные
по степеням (формы одинаковой степени).
f  f 0  f1  f 2  ...  f n , где f S – однородный многочлен степени S.
2) Для каждого f S выполняем
2.1. Выписываем высший одночлен a  x1k  x2k  ...  xn k , показатели при 1 2 n

неизвестных должны удовлетворять неравенствам k1  k2  ...  kn , в противном

случае данный член не будет высшим, так как исходный многочлен
симметрический, также k1  k 2  ...  k n  S .
2.2. Выписываем все разбиения числа S на сумму неотрицательных слагаемых
таких что, k1  k2  ...  kn и k1  k2  ...  kn  S . Выбираем из них те, которые ниже
старшего одночлена ( k1 , k2 ,..., k n ).
2.3. Каждому разбиению ( k1 , k2 ,..., k n ) и ( k1 , k2 ,..., kn ) из пункта 2.2. сопоставим
 k2     
слагаемое    k k   1k 1
  2 k2 k3  ...   n1kn1 kn   n kn с неопределенным
1 n

коэффициентом  k k  .
1 n

2.4. Составим сумму слагаемых  для всех разбиений f S    (10.2.)

2.5. Первый коэффициент определяется коэффициентом высшего члена. Берем
произвольные числовые наборы значений переменных x1 , x2 ,..., xn (количество
наборов равно числу неизвестных коэффициентов) и подставляем в равенство
(2.2), получаем систему линейных уравнений относительно неизвестных
коэффициентов. Решаем систему и находим все коэффициенты  k k  .
1 n
 Пример10.2. Многочлен F ( x1 , x2 , x3 , x4 )  x12 x2 2  x12 x32  x12 x4 2  x2 2 x32  x2 2 x4 2  x32 x4 2
выразить в виде многочлена от элементарных симметрических многочленов.
Решение.
1) Многочлен является однородным 4-ой степени.
2)
2.1. Старший одночлен x12 x2 2  x12 x2 2 x30 x40 ему соответствует разбиение (2,2,0,0).
2.2. Все разбиения S=4, которые ниже разбиения (2,2,0,0): (2,1,1,0), (1,1,1,1).
2.3. Для каждого разбиения составляем 1  A   122   2 20   300   40  A   2 2 ,
2  B   12 1   211   310   40  B   1   3 , 3  C   111   211   311   41  C   4 .
2.4. Составляем сумму F4  A   12  B   1   3  C   4 .
2.5. Первый коэффициент равен 1 , так как коэффициент у старшего члена
также равен 1.
x12 x2 2  x12 x32  x12 x4 2  x2 2 x32  x2 2 x4 2  x32 x4 2   12  B   1   3  C   4 (**)
Берем числовой набор x1  x2  x3  1, x4  0 и вычисляем значения 1 , 2 , 3 , 4 ,
используя формулы (10.1.): 1  3,  2  3,  3  1, 4  0 . Подставляем числовой
набор в равенство (**) и получаем уравнение 3  9  3B , следовательно, B  2 .
Берем другой числовой набор x1  x2  x3  x4  1 . Вычисляем
 1  4,  2  6,  3  4,  4  1 . Подставляем числовой набор в равенство (**) и
получаем уравнение 6  36  2  4  4  C , следовательно, C  2 .
Итак, F   12  2 1   3  2 4 .
Пример 10.3. Найти сумму кубов всех комплексных корней многочлена
f  x 4  3x3  4 x 2  x  1 .
Решение.
По теореме Виета (формулы (9.1.)):
1  x1  x2  x3  x4  3
 2  x1  x2  x1  x3  x1  x4  x2  x3  x2  x4  x3  x4  4
 3  x1  x2  x3  x1  x2  x4  x1  x3  x4  x2  x3  x4  1
 4  x1  x2  x3  x4  1 , где x1 , x2 , x3 , x4 комплексные корни многочлена.
Требуется найти x13  x23  x33  x43 . Выразим многочлен
3 3 3 3
F ( x1 , x2 , x3 , x4 )  x  x2  x3  x4
1 через многочлен от элементарных
симметрических многочленов.
1) Многочлен является однородным 3-ей степени.
2)
2.1. Старший одночлен x13  x13 x20 x30 x40 ему соответствует разбиение (3,0,0,0).
2.2. Все разбиения S=3, которые ниже разбиения (3,0,0,0): (2,1,0,0), (1,1,1,0).
2.3. Для каждого разбиения составляем 1  A   130   200   300   40  A   13 ,
2  B   121   210   300   40  B   1   2 , 3  C   111   211   310   40  C   3 .
2.4. Составляем сумму F4  A   13  B   1   2  C   3 .
2.5. Первый коэффициент равен 1 , так как коэффициент у старшего члена
также равен 1.
x13  x23  x33  x43   13  B   1   2  C   3 (**)
Берем числовой набор x1  x2  1, x3  x4  0 и вычисляем значения 1 , 2 , 3 , 4 ,
используя формулы (10.1.):  1  2, 2  1,  3  0,  4  0 . Подставляем числовой
набор в равенство (**) и получаем уравнение 2  23  2B , следовательно, B  3 .
Берем другой числовой набор x1  x2  x3  1, x4  0 . Вычисляем
 1  3,  2  3,  3  1,  4  0 . Подставляем числовой набор в равенство (**) и
получаем уравнение 3  27  3  3  3  C , следовательно, C  3 .
Итак, F   13  3 1   2  3 3 , используя теорему Виета, получаем:
3 3 3 3 3
x1  x2  x3  x4  3  3  3  4  3  (1)  12 .
Задачи для самостоятельного решения:
А.И.Кострикин Сборник задач по алгебре 31.9, 31.10, 31.5,31.6, 31.21, 31.25,
31.26.
Глава 2. ВЕКТОРНЫЕ (ЛИНЕЙНЫЕ) ПРОСТРАНСТВА

Линейная зависимость и линейная независимость векторов. Базис (база)

Теорема (Единственность разложения по базису) Критерий базиса

Если e1 , e2 ,..., en базис линейного пространства V, то x  V можно
представить единственным образом в виде линейной комбинации базисных
векторов x  1e1   2 e2  ...   n en , само представление называется разложением
вектора x по базису, а коэффициенты в разложении (1 ,  2 ,...,  n ) называются
координатами вектора х в базисе.

Замечание. Если векторы а и b имеют разложения в базисе e1 , e2 ,..., en :

a  1e1   2 e2  ...   n en , b  1e1   2 e2  ...   n en , то
a  b  (1  1 )e1  ( 2   2 )e2  ...  ( n   n )en ,
 a  1e1   2 e2  ...   n en ,   P
a=b  если равны соответствующие координаты векторов в одном и том же
базисе,

0  0e1  0e2  ...  0en в любом базисе.

Теорема о размерности пространства.

Для того чтобы линейное пространство было n – мерным необходимо и
достаточно, чтобы в нем существовал базис состоящий из n векторов.
Доказательство.
 базис из n векторов  система линейно-независимая и полная  любая
система из (n+1) вектора линейно зависима (по свойству полноты 2) 
dimV  n .
Если dimV  n   базис из n векторов.

Теорема о дополнении до базиса.

Любая линейно-независимая система векторов линейного пространства V
может быть дополнена до базиса этого пространства.
Доказательство.
V – линейное пространство, dimV  n , e1 , e2 ,..., em – линейно-независимая система
векторов, m  n .
Если m  n , то данная система – базис.
Если m  n , то данная система – не базис и em 1  V : e1 , e2 ,..., em , em1 – линейно-
независимая система векторов.
Если m  1  n , то данная система – базис.
Если m  1  n , процесс повторяем. После конечного числа шагов (число
векторов в системе станет равным n) получаем базис.

Связь между базисами. Матрица перехода

Определение 3.1. Пусть в линейном пространстве V заданы два базиса
e1 , e2 ,..., en и e1 , e2 ,..., en , а также e1  t11e1  t21e2  ...  tn1en ,
e2  t12 e1  t22 e2  ...  tn 2 en ,
…
en  t1n e1  t2 n e2  ...  tnn en , тогда матрица, в которой
в i – м столбце стоят координаты вектора ei в базисе e1 , e2 ,..., en называется
матрицей перехода от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en .
 t11 t12  t1n 
 
t t22  t2 n 
T   21
   
 
 tn1 tn 2  tnn 

Теорема о свойствах матрицы перехода

1) Если T – матрица перехода от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en , то
x  V : X  T  X  (3.1.) , где Х – координаты вектора х в базисе e1 , e2 ,..., en
Х´ – координаты вектора х в базисе e1 , e2 ,..., en .
2) Если S – матрица перехода от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en ,
T – матрица перехода от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en , то
матрица перехода от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en .
T S –
3) Матрица перехода от одного базиса к другому всегда является
невырожденной матрицей.
4) Если T – матрица перехода от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en , то
T 1 – матрица перехода от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en и
: X   T 1  X (3.2.)
x  V
Формулы (3.1.) – (3.2.) называются формулами преобразования координат.
Доказательство.
 1) Пусть вектор х имеет координаты в базисе e1 , e2 ,..., en
n
x  x1e1  x2 e2  ...  xn en   xi ei
i 1
n
и в базисе e1 , e2 ,..., en : x  x1e1  x2e2  ...  xnen   x j e j .
j 1

Так как, T – матрица перехода от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en , то
n
e1  t11e1  t21e2  ...  tn1en   ti1ei ,
i 1
n
e2  t12 e1  t22 e2  ...  tn 2 en   ti 2 ei ,
i 1

…
n
en  t1n e1  t2 n e2  ...  tnn en   tin ei .
i 1
n n n
 n 
x   xi ei   x je j   x j   tij ei  = раскроем скобки и перегруппируем
i 1 j 1 j 1  i 1 
n n
слагаемые, выделив коэффициенты при ei =  (t x  )  e
i 1 j 1
ij j i , но так как вектор
n n n
имеет единственное разложение в базисе, то из равенства  xi ei   (tij x j )  ei
i 1 i 1 j 1
n
следует, что xi   tij x j , т.е. сумма произведений i – ой строки матрицы Т на
j 1

столбец Х´.
 x1   t11  t1n   x1 
t12
   
x t t22  t2 n   x2 
Таким образом,  2    21    или X  T  X  .
      
   
 xn   tn1 tn 2  tnn    
 xn 
2) Так как, S – матрица перехода от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en
n n
 n 
ek    s jk e j   s jk   tij ei   раскроем скобки и перегруппируем слагаемые,
j 1 j 1  i 1 
n  n 
выделив коэффициенты при ei     tij s jk   ei .
i 1  j 1 
Таким образом, элемент с номером ik матрицы перехода от базиса
e1 , e2 ,..., en к базису e1 , e2 ,..., en равен сумме произведений элементов i – ой
строки матрицы Т на элементы k – го столбца матрицы S, т.е. матрица
перехода равна T  S .
3) Рассмотрим переход от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en с матрицей T,
затем переход от базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en с матрицей Т1 .
Используем свойство 2), матрица перехода от базиса e1 , e2 ,..., en к базису
 e1 , e2 ,..., en равна T  T1 , с другой стороны матрица перехода равна единичной
матрице E: T  T1  E  det T  0  матрица Т – невырожденная.
4) Из свойства 3) следует T  T1  E  T1  T 1 , т.е. T 1 T 1 – матрица перехода от
базиса e1 , e2 ,..., en к базису e1 , e2 ,..., en и формулы (3.1.) примут вид:
X   T 1  X .
Теорема. Любая невырожденная квадратная матрица порядка n над полем
Р является матрицей перехода от данного базиса n – мерного линейного
пространства над полем Р к некоторому другому базису.
Доказательство.
det T  0 , e1 , e2 ,..., en – базис пространства V.
n
e j   tij ei , j  1,..., n .
i 1

Покажем, что e1 , e2 ,..., en – линейно независимая система векторов.
n n n
 
1e1   2e2  ...   n en    j e j    j   tij ei   раскроем скобки и перегруппируем
j 1 j 1  i 1 
n  n 
слагаемые, выделив коэффициенты при ei     tij j   ei 0 .
i 1  j 1 
n
Так как, система векторов e1 , e2 ,..., en – линейно независимая, то t 
j 1
ij j  0, i  1,..., n .

 1   0 
   
 0
Таким образом, T   2     . det T  0  T 1 , умножим обе части матричного
    
   
n   0 
 1  0  1   0   1 
         
 2  0  0 
1
уравнения на T слева: T  T  1 1 
T  , E  2       2   O 
           
         
 n  0 n   0  n 
e1 , e2 ,..., en – линейно независимая система векторов и образует базис.
Пример 3.1. Дана матрица перехода от базиса e1 , e2 , e3 к базису e1 , e2 , e3
 1 2 1 
 
T   3 1 0  . Найти координаты e2 в базисе e1 , e2 , e3 .
2 0 1 
 
Решение.
Используем определение 3.1., во втором столбце стоят координаты вектора e2 в
базисе e1 , e2 , e3 . Следовательно, координаты вектора e2 : (2;1;0).
Пример 3.2. Даны разложения векторов e1 , e2 , e3 , которые образуют базис, в
e   3e  e  e
1 1 2 3
 
базисе e1 , e2 , e3 . e2  2e1  5e2 . Найти координаты вектора a  e1  4e2  e3 в новом

e3  2e1  e2  e3
базисе e1 , e2 , e3 .
Решение.
 3 2 2 
Составим матрицу перехода от базиса e1 , e2 , e3 к базису e1 , e2 , e3 : T   1 5 1  .
  
 1 0 1
 
Для нахождения координат вектора a  e1  4e2  e3 используем формулы (3.2.)
X   T 1  X .
 A11 A21 A31 
1 1  
Находим T : T 1
   A12 A22 A32 
det T A
 13 A23 A33 
det T  1 , алгебраические дополнения элементов:
A11  5 A12  2 A13  5
A21  2 A22  5 A23  2
A31  8 A32  1 A33  13
 5 2 8 
1  
T   1   2 5 1 
 5 2 13 
 
 5 2 8   1   5 
     
X   T  X   2 5 1   4    19  .
1

 5 2 13   1  16 
     
Пример 3.3. В пространстве обычных векторов на плоскости найти матрицу
перехода от базиса i, j к базису e1 , e2 , полученному поворотом базиса i, j против
часовой стрелки на угол  .
Решение.
y
j
e2 e1
α
O A x
i

Вектор e1 будет иметь координаты cos  ;sin   (используем соотношения в

 
прямоугольном треугольнике) , т.е. e1  cos  i  sin  j .
 
Вектор e2 будет иметь координаты  sin  ;cos   , т.е. e1   sin  i  cos  j .
  cos   sin  
Таким образом, матрица T   .
 sin  cos  

§ 4. Линейные подпространства. Линейная оболочка

Определение. Пусть в линейном пространстве V задано множество векторов L,
L  V и L   , если при тех же операциях, что в пространстве V, множество L –
само является линейным пространством, то оно называется линейным
подпространством линейного пространства V.
Обозначение линейного подпространства L  V .
Замечание. Наименьшее подпространство состоит из нулевого вектора
(нулевое подпространство). Наибольшим подпространством является само
пространство V. Эти два подпространства называются тривиальными,
остальные – нетривиальными.
Теорема о свойствах подпространства (Критерий подпространства)
Для того чтобы L   было линейным подпространством линейного
пространства V над полем P, т.е. L  V достаточно выполнения условий
1) x, y  L  x  y  L
2) x  L,   P    x  L
Выполнение условий 1) и 2) называется замкнутость L относительно линейных
операций.
Доказательство.
Достаточно проверить существование нулевого и противоположного элемента
в L, так как все остальные аксиомы выполняются для всех элементов линейного
пространства V и в частности для его подмножества L.
 
0  0  x  0  L по условию 2).
 x  1  x   x  L по условию 2).
Пример 1) В линейном пространстве квадратных матриц множество всех
верхне-треугольных (нижне-треугольных) матриц образуют линейное
подпространство.
2) Множество всех вырожденных матриц не является линейным
подпространством, так как сумма двух вырожденных матриц может быть
невырожденной матрицей:
1 0 0 0 1 0
0 0  0 1  0 1.
     
Определение Пересечением подпространств L1 и L2 называется множество
всех векторов принадлежащих как L1 так и L2.
Обозначение пересечения подпространств: L   Li .
iI
Теорема о пересечении подпространств
Пересечение подпространств линейного пространства V является
подпространством V.
L   Li , где Li  V , i  I  L  V .
iI
Доказательство. 1) x, y  L  x, y  Li , i  I  x  y   Li  L  x  y  L .
iI

2) ! Доказать самостоятельно.
1,2)  L   Li – линейное подпространство.
iI
Теорема о монотонности размерности
Если L  V , где V – конечно-мерное линейное пространство над полем Р, тогда
1) dim L  dimV
2) dim L  dimV  L  V , т.е. имеется хотя бы один элемент из линейного
пространства V не принадлежащий L.
Доказательство.
1) Пусть базис подпространства L: e1 , e2 ,..., ek  векторы линейно-независимые
из V. По теореме о дополнении до базиса любую систему линейно-независимых
векторов можно дополнить до базиса V. Добавим к системе m векторов:
e1 , e2 ,..., ek , ek 1 , ek  2 ,..., en – базис пространства V.
dimV  n  k  m  k  n  dim L  dimV .
2) Если dim L  dimV  L  V очевидно. Докажем следствие в другую сторону.
Пусть L  V , но dim L  dimV . Так как размерности равны, то базис один и в L и
в V. По критерию базиса любой вектор является линейной комбинацией
базисных векторов. Таким образом, не существует такого вектора
принадлежащего V, но не принадлежащего L, т.е. L  V , что противоречит
условию.
Теорема означает, что в трехмерное пространство может быть вложено только
двухмерное, и не может четырехмерное. Если же в трехмерное вложено
трехмерное, то эти пространства совпадают.
Следствие. Если dim L  dimV (   ), то L совпадает с V, L  V .
Определение. Пусть A – произвольное множество векторов линейного
пространства V над полем P, тогда линейной оболочкой множества А
называется пересечение всех подпространств, содержащих А.
L ( A)  Lin( A)   L , т.е. наименьшее по включению векторное
A L V

подпространство в V, содержащее А.
Замечание 1. Линейная оболочка L(A) является подпространством V.
Замечание 2. Линейную оболочку множества A также называют
подпространством натянутым на А или порожденным А.
Теорема о структуре линейной оболочки

Замечание 3. Любое конечно-мерное пространство является линейной

оболочкой своего базиса.
Определение. Пусть L1 и L2 – подпространства линейного пространства над
полем Р, тогда суммой подпространств L1+L2 называется множество L:
L  {x  x1  x2 , где x1  L1 , x2  L2 }
Равенство x  x1  x2 называется разложением вектора х по подпространствам.
 Определение. Объединением подпространств L  L1  L2 называется
множество векторов каждый из которых принадлежит либо L1, либо L2, либо
обоим подпространствам.
В общем случае, объединение подпространств не является подпространством.
! В каком случае, объединение подпространств является подпространством?
Пример. V – множество векторов на плоскости.
L1 – множество векторов, лежащих на оси OX,
L2 – множество векторов, лежащих на оси OY.
L1  L2  V y

Теорема о свойствах суммы подпространств

Пусть L1 и L2 – подпространства конечно-мерного линейного пространства V
над полем P, тогда
а) L1+L2 является подпространством
б) Сумма подпространств является линейной оболочкой объединения
подпространств L1  L2  Lin( L1  L2 ) (4.1.).
Доказательство.
а) 1) Пусть x и y элементы из L=L1+L2: x  x1  x2 , x1  L1 , x2  L2
y  y1  y2 , y1  L1 , y2  L2 , тогда x  y  ( x1  x2 )  ( y1  y2 ), где x1  x2  L1 и
y1  y2  L2 . Следовательно, x  y  L  L1  L2 .
2) ! Доказать самостоятельно.
б) Докажем включение Lin( L1  L2 )  L1  L2 .
n
Пусть вектор w  Lin( L1  L2 ) , т.е. w    iui , где ui  L1  L2 .
i 1
Разобьем сумму на две суммы: в одной – векторы из подпространства L1 в другой
векторы из L2.
n k n
w    iui    iui  u i i w1  w2  w  L1  L2 , так как w1  L1 , w2  L2 
i 1 i 1 i  k 1
Lin( L1  L2 )  L1  L2 .
С другой стороны, L1  L2  Lin( L1  L2 ) , так как если элемент из L1  L2 , то он
равен x  x1  x2 , что можно рассматривать, как линейную комбинацию двух
векторов из L1  L2 .
 L1  L2  Lin( L1  L2 )
  L1  L2  Lin( L1  L2 ) .
 Lin( L1  L2 )  L1  L2
Теорема о размерности суммы подпространств
L1 и L2 – подпространства конечно-мерного линейного пространства V над полем
P, тогда
dim( L1  L2 )  dim L1  dim L2  dim( L1  L2 ) (4.2.)
Формула (4.1.) называется формулой Грассмана.
Доказательство.
Пусть es   (e1 , e2 ,..., es ) – базис пересечения подпространств L1  L2 ,
dim( L1  L2 )  s . Дополним базис упорядоченным набором
em 1s   (es1, es2 ,..., em 1 ) до базиса подпространства L1 , dim L1  m1 и
упорядоченным набором em 2  s   (es1 , es  2 ,..., em 2 ) до базиса подпространства
L2 , dim L2  m2 . Из трех наборов es  ,em 1  s  ,em 2  s  составим упорядоченный
набор. Покажем, что L1  L2  Lin es  , em1 s , em2 s     .
s m1 s m2
w  L1  L2 , w  w1  w2   i ei    iei   i ei    e , так как w  L
i i 1 1 и
i 1 i  s 1 i 1 i  s 1

 . Из структуры
w2  L2 . Следовательно, L1  L2  Lin es  , em1 s , em2 s   
линейной оболочки, следует, что система векторов e  ,e  ,e  – полная s m1  s m2  s

система. Покажем линейную независимость этой системы.

Рассмотрим линейную комбинацию этой системы векторов

s m1 m2 
 i i  i i  i i (*).

i 1
e   e   e
i  s 1
 0
i  s 1
s m1 m2
Обозначим w1    i ei    i ei , w1  L1 и w2    e , w  L .
i i 2 2
i 1 i  s 1 i  s 1
Тогда равенство (*) перепишется в виде
 w2   w1  L1
w1  w2  0    w2  L1  L2 .
w
 2  L2
s m2
Разложим вектор w2 по базису подпространства L1  L2 : w2    i ei    e  i i
i 1 i  s 1
s m2 
 e    e  0 , но нулевой вектор имеет только нулевые координаты, т.е. все
i 1
i i
i  s 1
i i

коэффициенты в разложении вектора равны 0:

1   2  ...   s  0 и  1   2  ...   m2  0 .
Подставим найденные коэффициенты в равенство (*), получим
s m1 
 i i  i i , что является разложением нулевого вектора в

i 1
e   e 
i  s 1
0

подпространстве L1. Следовательно, 1   2  ...   s  0 и

 1   2  ...   m  0 .
1

Таким образом, все коэффициенты в линейной комбинации (*) равны 0 и

система векторов линейно независимая. Полная, линейно независимая система
по определению – базис пространства L1  L2 .
dim( L1  L2 )  s  (m1  s )  (m2  s )  m1  m2  s или
dim( L1  L2 )  dim L1  dim L2  dim( L1  L2 ) .
Пример 3.1. Доказать, что каждая из систем векторов
E  {(2; 1;0),(2;2;1),(1; 2; 1)} и F  {(3;1;4),(0;1; 1),(2; 1; 2)} является
базисом, найти матрицу перехода от Е к F и координаты вектора xS  (5; 2;3)
в базисах Е и F.
Решение.
Для того, чтобы доказать, что система из трех векторов в трехмерном
пространстве образует базис, достаточно доказать, что эта система линейно
независимая. Рассмотрим линейную комбинацию векторов системы Е
1e1   2e2   3e3  0 . Приравняем соответствующие координаты векторов и
получим систему линейных однородных уравнений:
21  2 2   3  0,

1  2 2  2 3  0,
    0.
 2 3

 2 2 1 
Матрица этой системы A   1 2 2  . Для того чтобы система имела
 0 1 1 
 
лишь тривиальное решение надо чтобы A  0 или rangA  n , где n=3 – число
переменных.
2 2 1
A  1 2 2  1  0  система Е является базисом.
0 1 1
Аналогично, составим матрицу системы векторов F, поставив каждый вектор
столбцом и найдем ее определитель.
3 0 2
B  1 1 1  1  0  система F является базисом.
4 1 2

A T B
S   E   F и S   F , по свойству 4) матриц перехода получаем,
1
что B  A  T  T  A  B .
Для нахождения координат вектора xS  (5; 2;3) в базисе Е используем
формулу (3.2.): X E  A1  X S .
Оба матричных уравнения можно решать элементарными преобразованиями
одновременно, приписав к матрице А матрицу В и матрицу ХS.
 2 2 1  3 0 2  5   1 2 2  1 1 1  2 
 1 2 2  1 1 1  2    0 1 1  4 1 2  3  

0 1 1  4 1 2  3   0 2 3  1 2 0  1 

1 0 0  7 3 3  8   1 0 0  7 3 3  8 
0 1 1  4 1 2  3    0 1 0  13 5 6  8  .

0 0 1  9 4 4  5   0 0 1  9 4 4  5 

 7 3 3 
Матрица перехода от Е к F равна T  13 5 6  или в виде
 9 4 4 
 
 f1  7e1  13e2  9e3

преобразования координат  f 2  3e1  5e2  4e3 .
 f  3e  6e  4e
 3 1 2 3

Координаты вектора xE  8e1  8e2  5e3 в базисе Е.

!Найдите самостоятельно координаты вектора xS  (5; 2;3) в базисе F,
используя формулу X F  B 1  X S .

Пример 3.1. Найти базис суммы и пересечения линейных оболочек

S  Lin((1;1;0;0),(0;1;1;0),(0;0;1;1)) и T  Lin((1;0;1;0),(0;2;1;1),(1;2;1;2)) .
1) Найдем размерность и базис линейной оболочки S, для этого составим
матрицу системы векторов и найдем ее ранг.
1 0 0 1 0 0 1 0 0 
1 1 0  0 1 0  0 1 0 
S     , rangS  3  dim S  3 . Столбцы,
 0 1 1   0 1 1   0 0 1 
     
0 0 1 0 0 1 0 0 0 
входящие в базисные минор являются базисом линейной оболочки S: s1, s2, s3.
Аналогично найдем размерность и базис линейной оболочки Т:
1 0 1 1 0 1 1 0 1 1 0 1
0 2 2 0 2 2 0 1 0 0 1 0
T      , rangT  3  dim T  3 .
1 1 1  0 1 0  0 0 2  0 0 2
       
0 1 2 0 1 2 0 0 2 0 0 0
Столбцы, входящие в базисные минор являются базисом линейной оболочки
Т: t1, t2, t3.
1) Перейдем к построению базиса суммы S+T для этого используем теорему
о свойствах суммы подпространств (формула (4.1.)) S  T  Lin( S  T ) . К
базису линейной оболочки S добавим базис линейной оболочки T и найдем
линейно независимые векторы полученной системы.
 1 0 0 1 0 1 1 0 0 1 0 1 1 0 0 1 0 1
 1 1 0 0 2 2   0 1 0 1 2 1   0 1 0 1 2 1 
   
 0 1 1 1 1 1   0 1 1 1 1 1   0 0 1 2 1 0 
     
0 0 1 0 1 2 0 0 1 0 1 2 0 0 1 0 1 2
1 0 0 1 0 1
 0 1 0 1 2 1 
  (**), rang ( S  T )  4  dim( S  T )  4 . В качестве базиса
 0 0 1 2 1 0 
 
 0 0 0 2 2 2 
S+T выберем первые четыре столбца, т.е. базис S+T: s1, s2, s3, t1.
2)Найдем размерность S  T , используя формулу (4.2.):
dim( S  T )  dim L1  dim L2  dim( S  T )  3  3  4  2 .
По определению S  T  {x  1s1   2 s2   3 s3   4t1   5t2   6t3} , так как
векторы лежат как в S, так и в Т.

Перенесем все векторы в одну часть 1s1  1s1  1s1   4t1   5t2   6t3  0 .
Приравнивая соответствующие координаты в равенстве, получим систему
уравнений, матрица которой преобразована к трапециевидному виду (**).
Найдем фундаментальную систему решений. Запишем соответствующую
систему уравнений с матрицей (**), начиная с нижнего уравнения:
2 4  2 5  2 6  0,
  2    0,
 3 4 5

 2   4  2 5   6  0,
1   4   6  0.
Свободным переменным придаем значения  5  1, 6  0 и  5  0, 6  1 . Для
удобства вычисления запишем в таблицу:
1 2 3 4 5 6
–1 –1 –1 1 1 0
–2 0 –2 1 0 1

Подставим найденные значения  i , i=1,…,6 в равенство

x  1s1   2 s2   3 s3   4t1   5t2   6t3
Первый вектор: x   s1  s2  s3  t1  t2
 s1  s2  s3  (1; 2; 2; 1)
t1  t2  (1; 2; 2; 1) . Умножим координаты вектора на –1: (1;2;2;1) .
Второй вектор: x  2 s1  2 s3  t1  t3
2 s1  2 s3  (2; 2; 2; 2)
t1  t3  (2; 2; 2; 2) . Умножим координаты вектора на –1: (1;2;2;1) .
Итак, базис S  T : (1;2;2;1) , (1;2;2;1) .
 § 5. Прямая сумма подпространств
Определение 5.1. Суммой подпространств L1 и L2 линейного пространства V
называется прямой суммой, если их пересечение состоит из одного нулевого

вектора L1  L2  {0} .
Обозначение L1  L2 .
Теорема 5.1. Свойство прямой суммы
Если L  L1  L2 , то x  L существует единственное представление в виде
x  x1  x2 , где x1  L1 и x2  L2 .
Доказательство.
От противного. Пусть существует два представления x  x1  x2  y1  y2 , где
x1 , y1  L1 и x2 , y2  L2 , x1  y1 .
 
x1  x2  y1  y2  x1  y1  y2  x2 , x1  y1  0 , x1  y1  L1 , y2  x2  0 ,
y2  x2  L2 . Получили, что ненулевой вектор принадлежит как L1 так и L2 .
Следовательно, этот вектор принадлежит L1  L2 , что противоречит условию
L  L1  L2 .
Теорема 5.2. Признаки прямых сумм
Сумма L  L1  L2 является прямой, если
1) x  L однозначно представляется в виде x  x1  x2 , где x1  L1 и x2  L2 .
2) Базис пространства L является объединением базисов подпространств L1 и
L2.
3) dim L  dim L1  dim L2 .
Доказательство.
1) Пусть x  L однозначно представляется в виде x  x1  x2 , где x1  L1 и

x2  L2 и z  L1  L2 . Нулевой вектор имеет представление 0  z  (  z ) ,
где z  L1 и  z  L2 (противоположный элемент принадлежит
    
подпространству), с другой стороны 0  0  0 , где 0  L1 и 0  L2 .
 
Из единственности представления следует, что z  0 , т.е. L1  L2  {0} , что
означает, что сумма прямая.
2) Пусть базисом L1  L2 является объединение базисов {ek }
подпространства L1 и {em } подпространства L2 и z  L1  L2 , тогда
z  1e1   2e2  ...   k ek  1e1   2e2  ...   mem или
1e1   2e2  ...   k ek  1e1   2e2  ...   mem  0 , но так как {ek }  {em } – базис,

то все коэффициенты равны 0. 1   2  ...   k  1   2  ...   m  0  z  0 .

Следовательно, L1  L2  {0} , что означает, что сумма прямая.
3) ! Доказать самостоятельно. (Использовать теорему о размерности суммы).
Замечание 5.1. Понятие прямой суммы распространяется на любое конечное
число слагаемых.
 V  L1  L2  ...  Lk , если пересечение каждого из них с суммой остальных
 
равно {0} , Li  {L1  ...  Li 1  Li 1  ...  Lk }  {0} .
Замечание 5.2. Если e1 , e2 ,..., en – базис пространства V, то
V  Lin(e1 )  Lin(e2 )  ...  Lin(en ) , т.е. пространство V прямая сумма n
одномерных подпространств.
Определение 5.2. Пусть V  L  W , где L и W – подпространства линейного
пространства V, тогда W называют прямым дополнением к L, а L прямым
дополнением к W.
Теорема 5.3. Свойство прямого дополнения
Для любого подпространства L линейного пространства V существует прямое
дополнение к нему.
Доказательство.

Если L  {0} , то W  V .

Если L  V , то W  {0} .
В остальных случаях базис подпространства L: e1 , e2 ,..., eS можно дополнить
до базиса пространства V: e1 , e2 ,..., es , es 1 ,..., en , тогда W  Lin(es 1 , es 2 ,..., en ) .

V  L  W , так как L  W  {0} .
Пример 5.1. Для подпространства L1, натянутого на векторы a1  (2;3;0;1) ,
a2  (4;3;2;1) , a3  (8;9;2;3) найти прямое дополнение.

Решение.
Для любого подпространства согласно теореме 5.3. существует прямое
дополнение.
Найдем базис подпространства L1.
 2 4 8 1 1 3 1 1 3
 3 3 9 0 2 2  0 2 2
    , rangL  2  dim L  2 , базис: а1 , а2.
1 1
 0 2 2 0 0 0  0 0 0
     
 1 1 3 0 2 2  0 0 0
dimV  4  dimW  2 . Добавим к первым двум столбцам такие столбцы,
чтобы ранг полученной матрицы был равен 4.
1 1 0 0
0 2 0 0
  W  Lin((0,0,1,1);(0,0,0,1)) .
0 0 1 0
 
0 0 0 1

§ 6. Однородные системы линейных уравнений

Мы знаем, что линейная однородная система уравнений (ЛОСУ) – это система
вида A  X  0 , т.е. правые части всех уравнений равны 0.
Теорема 6.1. Теорема о пространстве решений ЛОСУ
Пусть задана ЛОСУ над полем P, тогда множество всех ее решений образует
подпространство в пространстве P n , где n – число неизвестных в системе.
Доказательство.
Используем свойство решений ЛОСУ:
1) Если x и y – решения ЛОСУ, то x+y – решение ЛОСУ.
Действительно, A( x  y)  Ax  Ay  0  0  0 .
2) Если x – решение ЛОСУ,   P то  x – решение ЛОСУ.
Действительно, A( x)  Ax    0  0 .
Теорема 6.2. Теорема о размерности подпространства решений ЛОСУ
Пусть задана ЛОСУ над полем P, причем rangA= r , тогда размерность
пространства решений системы A  X  0 равна n–r, где n – число
неизвестных в системе.
Доказательство.
Пусть А – матрица системы A  X  0 , d – базисный минор порядка r.
Для удобства будем считать, что элементы d стоят в первых r строках и
столбцах матрицы А. Матрицу из элементов базисного минора обозначим
B. Обозначим A1 , A2 ,..., Ar – первые r строк матрицы А. Докажем, что
A1 , A2 ,..., Ar линейно независимы. Предположим, что A1 , A2 ,..., Ar – линейно
зависимы. Следовательно, один из них является линейной комбинацией
остальных. Ar  1 A1   2 A2  ...   r 1 Ar 1 , причем это равенство справедливо, как
для матрицы А, так и для матрицы В. Умножим первую строку на 1 , вторую
строку на  2 , …, ( r  1) – ую на  r 1 и сложим с последней r – ой строкой.
Получим определитель с нулевой строкой. По свойству определителя следует,
что определитель равен 0. Что противоречит, что d – базисный минор ( d  0 ).
Таким образом, A1 , A2 ,..., Ar – линейно независимые. Так как размерность
пространства порожденного векторами-строками матрицы А имеет размерность r,
а первые r вектор-строк линейно независимы, то они образуют базис. Это
означает, что все вектор-строки, начиная с r+1 являются линейной комбинацией
первых r строк. Вычеркнув все уравнения, начиная с r+1 получим систему из r
уравнений с n неизвестными, r  n .
Если r  n  d  A  0 система имеет нулевое решение. Пространство решений:
 
{0} , dim{0}  0  r  n  n  r  0.
Пусть r  n . Перенесем члены содержащие xr 1 , xr  2 ,..., xn в правую часть.
Система A  X  0 перепишется в виде:
 a11 x1  a12 x2  ...  a1r xr   a1( r 1) xr 1  a1( r  2) xr  2  ...  a1n xn

... (*)
 a x  a x  ...  a x   a
 r1 1 r 2 2 rr r r ( r 1) xr 1  ar ( r  2) xr  2  ...  arn xn

Пусть xr 1  xr01 ,..., xn  xn0 – произвольные значения. Так как определитель

системы d  0 , то существует решение системы ( x10 , x20 ,..., xr0 , xr01 ,..., xn0 ) – решение
системы A  X  0 .
Придадим значения xr 1  1, xr 2  0,..., xn  0 в системе (*), тогда !( f11 , f12 ,..., f1r ) –
решение системы (*) и ( f11 , f12 ,..., f1r ,1,0,...,0) – решение исходной системы
A X  0 .
Придадим значения xr 1  0, xr 2  1,..., xn  0 в системе (*), тогда !( f 21 , f 22 ,..., f 2 r ) –
решение системы (*) и ( f 21 , f 22 ,..., f 2 r ,0,1,...,0) – решение исходной системы
A X  0 .
Сделаем таким образом n  r раз. Получим систему векторов, которые являются
решениями ЛОСУ: f1  ( f11 , f12 ,..., f1r ,1,0,...,0) , f 2  ( f 21 , f 22 ,..., f 2 r ,0,1,...,0) ,…,
f nr  ( f ( nr )1 , f ( n2)2 ,..., f ( n2) r ,0,0,...,1) . Докажем, что векторы f1 , f 2 ,..., f nr образуют
базис.
Составим матрицу системы векторов, записав векторы по строкам:
 f11 f12 ... f1r 1 0 ... 0 
 
C   ... ... ... ... ... ... ... ... 
f 
 ( n r )1 f ( n r )2 ... f ( n r ) r 0 0 ... 1 
rangC  n  r , так как существует минор порядка n  r отличный от 0 (последние
n  r столбцов). Следовательно, система векторов линейна независима. Покажем,
что если добавим решение, то система станет линейно зависимой.
По свойствам решений ЛОСУ 1 f1   2 f 2  ...   nr f nr является решением
системы A  X  0 . Пусть h  (h1 , h2 ,..., hn ) – произвольное решение системы
A  X  0 . Рассмотрим вектор g  hr 1 f1  hr  2 f 2  ...  hn f nr  h , который является
решением системы A  X  0 , как линейная комбинация решений.
(r+1) компонента вектора g: g r 1  0 , так как
g r 1  hr 1  1  hr  2  0  ...  hn  0  hr 1  0 . Аналогично, g r 2  0,..., g n  0 . Первые r
компонент должны удовлетворять системе:
a11 x1  a12 x2  ...  a1r xr  0,

... , так как определитель этой системы   d  0 , то
a x  a x  ...  a x  0.
 r1 1 r 2 2 rr r

система имеет единственное нулевое решение, т.е. g1  0, g 2  0,..., g r  0 .


Таким образом, все компоненты вектора g равны 0 ( g  0 ) и
0  hr 1 f1  hr  2 f 2  ...  hn f nr  h  h  hr 1 f1  hr  2 f 2  ...  hn f nr .
Система f1 , f 2 ,..., f nr , h является линейно зависимой. Следовательно, размерность
пространства решений ЛОСУ равна n  r .
Определение 6.1. Базис пространства решений однородной системы линейных
уравнений называется фундаментальной системой решений (ФСР) этой системы.
Замечание 6.1. Если ЛОСУ имеет единственное (тривиальное) решение, то
фундаментального набора решений не существует.
Замечание 6.2. Пусть дана система A  X  B , тогда множество всех ее решений
имеет вид x0  L , где x0 – частное решение A  X  B , L – подпространство
решений A  X  0 .
 Глава 3 ПРЕОБРАЗОВАНИЯ
§1. Определение линейного преобразования

Определение 1.1. Рассмотрим линейные пространства V и W. Если задан закон,

по которому x V ставится в соответствие единственный y W , то говорят, что
задано отображение f. Обозначение f : V  W .
y  f ( x) , y называется образ вектора x, x – прообраз вектора y
Определение 1.2. Образом преобразования f называется множество таких
векторов y W для которых x V : f ( x)  y .
Обозначение Im f  { y W x V : f ( x)  y} .
Из определения 1.1. следует, что любой вектор имеет единственный образ.
Определение 1.3. Отображение называется взаимно-однозначным (биективным),
если любой вектор имеет единственный прообраз.
Определение 1.4. Отображение f : V  W называется линейным , если
1) x, y V f ( x  y)  f ( x)  f ( y) (аддитивность)
2) x V ,   P f ( x)    f ( x) (однородность).
Замечание 1.1. Терминология: f : V  W – линейный оператор
f : V  V – линейное преобразование
f : V  P – линейный функционал,
Все вместе называется линейное отображение.

Примеры 1.1. 1) f ( x)  0 , x V (нулевой оператор, оператор аннулирования)
2) E ( x)  x , x V (тождественный оператор)
3) C[ a; b ] – пространство непрерывных функций на отрезке [ a; b]
x
f
 ( x) 
   ( x)dx .
a
4) Pn [ x] – пространство многочленов степени, не превосходящей n над полем P
f ( ( x))  ( ( x)) , где  ( x)  an x n  an1 x n1  ...  a0 .
Определение 1.5. Пусть f : V  W – линейный оператор. Ядром оператора f
называется множество векторов пространства, отображающихся при f в нулевой

вектор. Обозначение Kerf  {x V f ( x)  0} .
Образ и ядро оператора можно изобразить следующим образом:

V f W

Imf
Kerf
Теорема 1.1. (О свойствах линейных операторов)
Пусть f : V  W – линейный оператор, где V ,W – линейные пространства над
полем Р.

1) f (0)  0
2) x V f ( x)   f ( x)
3) Образ любого подпространства из V является подпространством в W.
В частности Imf – подпространство W.
4) Полный прообраз любого подпространства из W является подпространством в
V. В частности Kerf – подпространство V.
{x V f ( x)  y}  V – полный прообраз элемента y
Доказательство.

1) f (0)  f ( x  x)  f ( x)  f ( x)  0 .
2) – 4) ! доказать самостоятельно.
Определение 1.6. Дефектом линейного отображения называется размерностью
ядра d ( f )  dimKerf .
Определение 1.7. Рангом линейного отображения называется размерность
образа
r ( f )  dimIm f .
Теорема 1.2. (О размерности ядра и образа линейного отображения)
Пусть V – линейное пространство над полем P, dimV  n .
f : V  W – линейное отображение, тогда
d ( f )  r ( f )  dimKerf  dimIm f  dimV
Доказательство.

Пусть dimKerf  k , 0  k  n , e1 , e2 ,..., ek – базис Kerf  ei : f (ei )  0, i  1, k .
Дополним базис до базиса пространства V векторами ek 1 , ek  2 ,..., en .
Докажем, что Im f  Lin( f (ek 1 ), f (ek 2 ),..., f (en )) .
x V : x  1e1   2e2  ...   nen
f ( x)  f (1e1   2e2  ...   nen )  1 f (e1 )  ...   k f (ek )   k 1 f (ek 1 )  ...   n f (en ) 
 0  ...  0   k 1 f (ek 1 )  ...   n f (en )   k 1 f (ek 1 )  ...   n f (en )  y  Im f .
Докажем, что f (ek 1 ), f (ek 2 ),..., f (en ) – линейно независимые векторы.
Рассмотрим линейную комбинацию векторов

1 f (ek 1 )   2 f (ek  2 )  ...   nk f (en )  0 , по свойствам линейности

f ( 1ek 1   2ek 2  ...   n k en )  0 , таким образом, вектор
z  1ek 1   2ek 2  ...   nk en  Kerf , разложим вектор z по базису ядра

z   1e1   2e2  ...   k ek   1e1   2e2  ...   k ek  1ek 1   2ek 1  ...   nk en  0 , но так
как e1 , e2 ,..., ek , ek 1 ,..., en – базис пространства V
 1   2  ...   k  0, 1   2  ...   nk  0  f (ek 1 ), f (ek 2 ),..., f (en ) – линейно
независимые векторы. Следовательно, dimIm f  n  k .

§2. Матрица линейного оператора

Пусть f : Vn  Wm .
n
Выберем в Vn базис e1 , e2 ,..., en , тогда x V : x    i ei .
i 1

 n  n
Найдем f ( x)  f   j e j     j f (e j ) .
 j 1  j 1
Таким образом, для задания линейного оператора достаточно задать его значения
на векторах некоторого базиса в Vn .
Теперь зафиксируем базис пространства Wm : w1 , w2 ,..., wm . Разложим по этому
m
базису вектор f (ei )   a ji w j .
j 1

Составим матрицу из коэффициентов разложений, ее размер m  n .

Определение 2.1. Матрицей оператора по отношению к базисам {en } и {wm }
называется матрица в i – м столбце которой стоят координаты образа вектора
f (ei ) в базисе {wm } .
 a11 a12 ... a1n 
a a22 ... a2 n  m
Amn   21
, где f (ei )   a ji w j .
 ... ... ... ...  j 1
 
 am1 am 2 ... amn 
Итак, для фиксированных базисов любому линейному оператору однозначно
соответствует матрица размера m  n . Верно и обратное, любая матрица размера
m  n является матрицей некоторого единственным образом определенного
оператора f : Vn  Wm .
Пример 2.1. Найти матрицу линейного преобразования в пространстве
вещественных матриц второго порядка, переводящего каждую матрицу А в
 3 5 
матрицу A    в стандартном базисе.
 2 1
Решение.
Для составления матрицы линейного преобразования найдем образы базисных
1 0 0 1 0 0 0 0
векторов: e1    , e2    , e3    , e3   .
0 0 0 0 1 0 0 1
1 0   3 5   3 5
f (e1 )      (3;5;0;0)
0 0   2 1   0 0 
0 1   3 5  2 1
f (e2 )      (2;1;0;0)
0 0   2 1   0 0 
 0 0   3
5  0 0
f (e3 )      (0;0; 3;5)
1 0   2
1   3 5 
0 0   3
5  0 0
f (e4 )      (0;0;2;1)
0 1   2
1   2 1 
 3 2 0 0 
 5 1 0 0
Матрица преобразования:  .
 0 0 3 2 
 
 0 0 5 1
Пример 2.2. Найти матрицу линейного преобразования f в пространстве
         
обычных векторов, если x  E 3 f ( x )  [a; x ] , где a  2i  3 j  k в базисе i , j , k .
Решение.
Для составления матрицы линейного преобразования найдем образы базисных
векторов:
  
i j k
   
f (i )  [a; i ]  2 3 1  j  3k  (0;1;3)
1 0 0

  
i j k
    
f ( j )  [a; j ]  2 3 1  i  2k  (1;0;2)
0 1 0
  
i j k
    
f (k )  [a; k ]  2 3 1  3i  2 j  (3; 2;0)
0 0 1
 0 1 3 
Матрица преобразования:  1 0 2  .
3 2 0 
 

§3. Операции над линейными операторами

Определение 3.1. Пусть f : Vn  Wm и  : Vn  Wm – линейные операторы.
Сумма линейных операторов: ( f   )( x)  f ( x)   ( x) .
Теорема 3.1. Сумма линейных операторов – линейный оператор.
Доказательство.
( f   )(1 x1   2 x2 )  f (1 x1   2 x2 )   (1 x1   2 x2 ) 
 1 f ( x1 )   2 f ( x2 )  1 ( x1 )   2 ( x2 )  1 ( f ( x1 )   ( x1 ))   2 ( f ( x2 )   ( x2 )) .
Определение 3.2. Пусть f : Vn  Wm – линейный оператор.
Произведением линейного оператора на число   P : ( f )( x)   f ( x) .
Теорема 3.2. Произведение линейного оператора на число – линейный оператор.
Доказательство. ! Самостоятельно.
Определение 3.3.  f  (1)  f называется противоположным оператором.
Теорема 3.3. Множество всех линейных операторов действующих из V в W с
указанными операциями суммы и умножения на скаляр и выбранным нулевым
оператором и противоположным оператором образует линейное пространство.
Обозначение линейного пространства линейных операторов: L(V ,W ) .
Определение 3.4. Пусть заданы три линейных пространства V ,W , G .
f : V  W , : W  G . В этом случае определяют произведение линейных
операторов f   : x V ( f   )( x)   ( f ( x)) .
Теорема 3.4. Произведение линейных операторов – линейный оператор.
Доказательство.
( f   )(1 x1   2 x2 )   ( f (1 x1   2 x2 ))   (1 f ( x1 )   2 f ( x2 )) 
 1 ( f ( x1 ))   2 ( f ( x2 ))  1 ( f   )( x1 )   2 ( f   )( x2 ) .
Пример 3.1. f : R 3  R 4 задано правилом
( x1; x2 ; x3 )  ( x1  2 x2  x3 ; x1  x3 ; x2 ; x1  x2  x3 ) .
Выяснить является ли f – линейным оператором. Найти его матрицу в
стандартном базисе. Найти базис и размерность ядра и базис и размерность образа
отображения f.
Решение.
1) Покажем, что оператор линейный.
Пусть x  ( x1; x2 ; x3 )  R 3 и y  ( y1; y2 ; y3 )  R 3
f ( x1; x2 ; x3 )  ( x1  2 x2  x3 ; x1  x3 ; x2 ; x1  x2  x3 )
f ( y1; y2 ; y3 )  ( y1  2 y2  y3 ; y1  y3 ; y2 ; y1  y2  y3 )
Найдем
f ( x  y )  f ( x1  y1; x2  y2 ; x3  y3 ) 
( x1  y1  2 x2  2 y2  x3  y3 ; x1  y1  x3  y3 ; x2  y2 ; x1  y1  x2  y2  x3  y3 ) 
( x1  2 x2  x3 ; x1  x3 ; x2 ; x1  x2  x3 )  ( y1  2 y2  y3 ; y1  y3 ; y2 ; y1  y2  y3 ) 
 f ( x1; x2 ; x3 )  f ( y1; y2 ; y3 )  f ( x)  f ( y ).
Аналогично,
f ( x)  f ( x1; x2 ; x3 )  ( x1  2 x2   x3 ; x1   x3 ; x2 ; x1   x2   x3 )   f ( x)
2) Составим матрицу оператора f : R 3  R 4 , для этого найдем образы базисных
векторов стандартного базиса f (1;0;0)  (1  2  0  0;1  0;0;1  0  0)  (1;1;0;1)
f (0;1;0)  (0  2 1  0;0  0;1;0  1  0)  (2;0;1;1)
f (0;0;1)  (0  2  0  1;0  1;0;0  0  1)  (1;1;0;1) .
  1 2 1
1 0 1
Составляем матрицу A43   .
0 1 0
 
1 1 1
3) Для нахождения размерности и базиса ядра и образа необходимо найти ФСР
системы уравнений A  X  0 .
 1 2 1  1 2 1  1 2 1
1 0 1 0 2 0 0 1 0
    dim Im f  2 , так как столбцы матрицы
0 1 0 0 1 0 0 0 0
     
1 1 1 0 3 0 0 0 0
А являются образами базисных векторов и мы определили, что среди них два
линейно-независимых. В качестве базиса образа мы можем взять векторы:
(1;1;0;1),(2;0;1;1) .
dimKerf  1 . (число свободных переменных)
  x1  2 x2  x3  0
 , x3  1, x2  0, x1  1 .
 x2  0
Таким образом, базис ядра: (1;0;1) .

Теорема 3.5. Связь между координатами вектора и его образа

f : V  W , А – матрица линейного оператора f в базисах {en } и {wm } , тогда
Y  A  X , где X – матрица-столбец из координат вектора х, Y – матрица-столбец
из координат образа х.
Доказательство.
n m
Пусть x   xi ei и y   y j w j , y  f ( x)
i 1 j 1
m
 n  n n m m
 n 

j 1
y j w j  y  f ( x)  f   xi ei    xi  f (ei )  xi  a ji w j     a ji xi  w j
 i 1  i 1 i 1 j 1 j 1  i 1 
n
y j   a ji xi или в матричном виде Y  A  X .
i 1
Замечание 3.1. При сложении операторов из L(V ,W ) соответствующие им
матрицы складываются. При умножении оператора на число соответствующая
матрица умножается на это число.
Доказательство:
1) y  f ( x)  Y  A  X , z   ( x)  Z  B  X ,
Следовательно, Y  Z  ( A  B)  X и матрица f ( x)   ( x) равна A  B .
2) !
Замечание 3.2. Пусть заданы три линейных пространства V ,W , G .
 f : V  W , : W  G . Если А – матрица линейного оператора f, В – матрица
линейного оператора φ, то матрица оператора ( f   )( x)   ( f ( x)) равна B  A .
Доказательство:
y  f ( x)  Y  A  X , z   ( y)  Z  B  Y , ( f   )( x)   ( f ( x))  Z  C  X
Z  B  A X  C  B  A .
Теорема 3.6. Связь матриц одного и того же преобразования в разных базисах
f : V  V – линейное преобразование, два базиса {en } и {en } – два базиса
линейного пространства, А – матрица линейного преобразования f в базисе {en } ,
B – матрица линейного преобразования f в базисе {en } тогда B  T 1  A  T , где Т
– матрица перехода от базиса {en } к базису {en } .
Доказательство.
X  T  X , Y  A X
Y  T Y , Y  B  X 
Умножим первое уравнение слева на А: A  X  A  T  X   Y  A  T  X 
T  Y   A  T  X   Y   T 1  A  T  X   B  T 1  A  T .
Следствие 3.1. Если линейное преобразование имеет в некотором базисе
невырожденную матрицу, то и в любом другом базисе матрица этого
преобразования – невырожденная.

§4. Собственные векторы и значения линейных преобразований.

Характеристические многочлены

Определение 4.1. Ненулевой вектор x V , где V – линейное пространство над

полем P, называется собственным вектором для линейного преобразования
f : V  V , если f ( x)   x для некоторого   P . При этом  называется
собственным значением соответствующим собственному вектору x.

Пример 4.1. 1) f – нулевое преобразование, f ( x)  0 .

Любой вектор x  0 является собственным, соответствующий собственному
значению   0 .

2)  – тождественное преобразование,  ( x)  x . Любой вектор x  0 является
собственным, соответствующий собственному значению   1 .

A  X   X  0  ( A   E)  X  0 (4.1.) – система линейных однородных

уравнений. СЛОУ будет иметь ненулевое решение, если det( A   E)  0 .
Определение 4.2. Многочлен det( A   E) называется характеристическим
многочленом матрицы А (линейного преобразования f ). Корни этого многочлена
называются характеристическими корнями.
Определение 4.3. Спектром преобразования называется множество его
характеристических корней с учетом их кратности.
det( A   E) – в матричном виде, det( f   ) – в операторном виде, где  ( x)  x ,
для x V .
 a11   a12  a1n
a21 a22    a2 n
Обозначим C f ( )  C A ( )  .
   
an1 an 2  ann  

Теорема 4.1. О характеристическом многочлене

Пусть V – линейное пространство над полем P, A  M n ( P ) – пространство
квадратных матриц порядка n, f : V  V .
Тогда, 1) C A ( ) – многочлен степени n над полем P.
2) C A ( ) не зависит от выбора базиса в V, т.е. det( A   E)  det( B   E) ,
где А и В – матрицы линейного преобразования в разных базисах.
Доказательство.
a11   a12  a1n
a21 a22    a2 n
1)  ( a11   )  (a22   )    (ann   )  ...  (1) n   n  ...
   
an1 an 2  ann  
2) Пусть T – матрица перехода от одного базиса в другой.
B  T 1  A  T
det( B   E )  det(T 1  A  T   E )  det(T 1  A  T  T 1  E  T ) 
 det(T 1 ( A   E )  T )  det T 1  det( A   E )  det T  det( A   E )
Теорема 4.2. Гамильтона – Кэли
1) Любая квадратная матрица является корнем (матричным корнем) своего
характеристического многочлена (аннулирует многочлен) C A ( A)  0 .
2) Любое линейное преобразование аннулирует свой характеристический
многочлен.
Без доказательства.

Теорема 4.3. О нахождении собственных значений

Пусть V – линейное пространство над полем P, f : V  V – линейное
преобразование. Все корни характеристического многочлена C f ( ) и только они
являются собственными значениями матрицы А.
Доказательство. 
Пусть  – собственное значение матрицы А с собственным вектором x  0 , т.е.
система (4.1.) имеет нетривиальное решение. Следовательно, det( A   E )  0 
 – характеристический корень.
Пусть  – корень характеристического уравнения, т.е. det( A   E )  0 
rang( A   E )  n  Система (4.1.) имеет бесконечное множество решений.
Следовательно, существует нетривиальное решение и оно является собственным
вектором, а  – соответствующее ему собственное значение.
 Алгоритм нахождения собственных векторов
1) Находим характеристический многочлен
a11   a12  a1n
a21 a22    a2 n
   
an1 an 2  ann  
2) Находим корни характеристического многочлена, т.е. решаем уравнение
det( A   E )  0 : 1, 2 ,..., n .
3) Для каждого корня i решаем систему уравнений (4.1.) и находим ее решение,
которое является собственным вектором.
Пример 4.2. Найти собственные векторы и собственные значения матрицы
 5 1
A .
  1 3 
Решение.
5 1
1)  (5   )  (3   )  1   2  8  16 – характеристический многочлен
1 3  
2)  2  8  16  0  (  4) 2  0  1,2  4 – корень характеристического уравнения
3) Решаем систему уравнений ( A  4 E )  X  0 , матрица этой системы уравнений
5  4 1   1 1  1 1  x1  x2  0,  x1  c,
 
 1 3  4   1 1  0 0   
       x2  c  x2  c
 c   1
X     c   , c  R, c  0 .
c 1
 5 1   1  4 
Проверка:        4 X .
 1 3   1   4 
Определение 4.4. Аннулирующий многочлен наименьшей степени со старшим
коэффициентом равным 1 называется минимальным многочленом матрица А.
Обозначение m(x), т.е. m(x) – минимальный многочлен, если
1) m( A)  0
2) deg(m(x))=min
3) старший коэффициент равен 1.
Теорема 4.4.
Любой многочлен аннулируемый матрицей А делится на минимальный
многочлен.
Доказательство.
Пусть f ( x) – аннулируемый многочлен, т.е f ( A)  0
m(x) – минимальный многочлен, m( A)  0
 f ( x)  m( x)  g ( x)  r ( x)  f ( A)  m( A)  g ( A)  r ( A)  r ( A)  0 , но
deg r ( x)  deg m( x) получили противоречие с deg(m(x))=min.
Следствие 4.1. Минимальный многочлен матрицы является делителем
характеристического многочлена этой матрицы.
Замечание 4.1. Для нахождения минимального многочлена достаточно перебрать
делители характеристического многочлена со старшим коэффициентом 1 и
проверить является и проверить является ли матрица А их корнем.
Пример 4.3. В условии пример 4.2. найти минимальный многочлен матрицы
 5 1
A .
 1 3 
Решение.
Характеристический многочлен равен f ( x)  x 2  8 x  16
Подставим матрицу А в многочлен и найдем f ( A) :
 5 1  5 1  5 1  1 0   24 8   40 8  16 0 
f ( A)   
    8   1 3   16  0 1    8 8    8 24    0 16  
 1 3   1 3           

0 0
  . Следовательно, m( x)  x 2  8 x  16 – минимальный многочлен.
0 0

Теорема 4.5. О свойствах собственных векторов

1) Совокупность всех собственных векторов соответствующие одному
собственному значению вместе с нулевым вектором образует подпространство.
2) Собственные векторы соответствующие различным собственным значениям
линейно независимы.
Доказательство.
Пусть S 0 – множество всех собственных векторов с собственным значением 0 .
Рассмотрим множество S  S 0  {0} .
x1 , x2  S , если x1  x2  0  x1  x2  S .
Пусть x1  x2  0
а) f ( x1  x2 )  f ( x1 )  f ( x2 )  0 x1  0 x2  0 ( x1  x2 )  x1  x2  S 0  x1  x2  S
б) ! Доказать самостоятельно.
Из а) и б) следует, что S – линейное подпространство.
2) Докажем методом математической индукции.
База индукции: k  1 .

x1 – собственный вектор, x1  0 . Линейная комбинация: 1 x1  0  1  0 .
x1 линейно независимый вектор.
Пусть x1 , x2 ,..., xk 1 – линейно независимые векторы, k  1 .
x1 , x2 ,..., xk – собственные векторы относящиеся к попарно различным
собственным значениям 1 , 2 ,..., k
 
1 x1   2 x2  ...   k xk  0 (*)
 
0  f (0)  f (1 x1   2 x2  ...   k xk )  1 f ( x1 )   2 f ( x2 )  ...   k f ( xk ) 
 11 x1   2 2 x2  ...   k k xk (**)
Умножим равенство (*) на k и вычтем из равенства (**).

0  1 (1  k ) x1   2 (2  k ) x2  ...   k 1 (k 1  k ) xk 1   k  0 , так как x1 , x2 ,..., xk 1 –
линейно независимые векторы, то
1 (1  k )   2 (2  k )  ...   k 1 (k 1  k )  0  1   2  ...   k 1  0 .

Подставим найденные значения в (*):  k xk  0   k  0 , так как xk  0 .
Таким образом, 1   2  ...   k  0 .
Замечание 4.2. Кратность корня i характеристического многочлена называется
алгебраической кратностью собственного значения. Количество линейно
независимых собственных векторов, соответствующих собственному значению
i , называется геометрической кратностью. (Количество векторов, входящих в
ФСР системы уравнений ( A  i E )  X  0 или dim Ker( A  i E ) .)

§5. Подобные матрицы

Определение 5.1. Матрицы А и В подобны, если T : B  T 1  A  T .
Обозначение A  B .
А и В квадратные матрицы одного порядка и det T  0 .
Из определения следует, что матрицы одного оператора в различных базисах
подобны.
Все подобные матрицы имеют один и тот же характеристический многочлен C  .
Определение 5.2. След матрицы – это сумма элементов главной диагонали
матрицы.
n
Обозначение: trA  SpA   aii .
i 1
Свойства следа матрицы:
trA  1  2  ...  n (Сумма всех ее собственных значений с учетом их кратности)
tr ( A  B)  tr ( B  A)
trA  trAT
tr ( A)   trA
tr ( A  B)  trA  trB

§6. Прямая сумма и прямое произведение матриц

Рассмотрим матрицы, элементами которых являются матрицы. Эти матрицы

называются блочными матрицами.
An и Bm – квадратные матрицы.
Определение 6.1. Прямой суммой матриц An и Bm называется матрица
  A O
A B   , где О – нулевая матрица.
O B 
Размер матрицы A  B равен (n  m)  (n  m)
Определение 6.2. Прямым произведением матриц An и Bm называется матрица
 a11  B a12  B  a1n  B 
a  B a  B  a  B
A  B   21 22 2n 
     
 
 an1  B an 2  B  ann  B 

Размер матрицы A  B равен (n  m)  (n  m) .

Замечание 6.1. Операция прямой суммы не коммутативна, но ассоциативна.
Операция прямого произведения не коммутативна и не ассоциативна.
Пример 6.1.
 1 2 3 
1 2
Даны матрицы A    и B   4 5 6  найти A  B и A  B .
3 4 7 8 9
 
Решение.

1 2 0 0 0 
3 4 0 0 0 
 
A  B   0 0 1 2 3  –
 
 0 0 4 5 6 
0 0 7 8 9 
 
Матрица является блочно-диагональной, клеточно-диагональной (все блоки кроме
расположенных на главной диагонали равны 0) или квазидиагональной.
 1 2 3 2 4 6 
 4 5 6 8 10 12 
 
 1  B 2  B   7 8 9 14 16 18 
A B      .
 3  B 4  B   3 6 9 4 8 12 
 12 15 18 16 20 24 
 
 21 24 27 28 32 36 

§7. Нормальная жорданова форма матрицы

Определение 7.1. Жордановой клеткой порядка k, относящейся к числу 0  P
называется матрица порядка k , 1  k  n имеющая вид:
  0 1 0  0 0 
0  1  0 0
 0 
 0 0 0  0 0 
J k (0 )   .
       
 0 0 0 0 0 1 
 
 0 0 0 0 0 0 
Из определения следует, что квадратная матрица является жордановой клеткой,
если выполняются три условия:
1) все элементы главной диагонали равны 0
2) над главной диагональю все элементы равны 1
3) все остальные элементы равны 0.

Жорданова клетка 1 – го порядка:  0 

 1
Жорданова клетка 2 – го порядка :  0 
 0 0 
 0 1 0 
Жорданова клетка 3 – го порядка :  0 0 1 
0 0  
 0

Определение 7.2. Жордановой матрицей или нормальной жордановой формой

(НЖФ) порядка n называется квадратная матрица, которая является прямой
суммой жордановых клеток.

 J k1 (1 ) O 
 
J  J k1 (1 )  J k2 (2 )    J ks (s )     , где i  P (не
 O J ks (s ) 

обязательно различные).
Определение 7.3. Жордановым базисом для линейного преобразования f : V  V
называется такой базис пространства V, в котором матрица оператора f имеет
нормальную жорданову форму.

Пример 7.1.
1) Диагональные матрицы являются частным случаем жордановой матрицы. Все
жордановы клетки имеют порядок 1.
  2 1 0 0 0 0 0
 0 2 1 0 0 0 0 

 0 0 2 0 0 0 0
 
2) Матрица  0 0 0 2 0 0 0   J 3 (2)  J1 (2)  J1 (2)  J 2 (2) является
 0 0 0 0 2 0 0
 
 0 0 0 0 0 2 1
 0 0 0 0 0 0 2 

НЖФ.

Постановка задачи: Пусть A – матрица линейного преобразования f : V  V в

некотором базисе , V – линейное пространство над полем P. Требуется определить
базис в котором матрица преобразования будет иметь наиболее простой вид
(НЖФ) и определить матрицу перехода T, т.е. J A  T 1  A  T .
Теорема 7.1. (О нормальной жордановой форме)
Пусть f : Vn  Vn – линейное преобразование линейного пространства V над
полем P. Если f имеет над полем P ровно n собственных значений с учетом их
кратности, то это преобразование f имеет в некотором базисе (жордановом базисе)
НЖФ. Матрица А преобразования имеет блочно-диагональный вид, на главной
диагонали которой стоят жордановы клетки относящиеся к собственным
значениям 1 , 2 ,..., s , причем для каждого i сумма порядков жордановых клеток
равна кратности ki , i  1, s . Эта жорданова форма определяется однозначно с
точностью до перестановки жордановых клеток.

§8. Разложение на корневые подпространства

Определение 8.1. Пусть f : Vn  Vn – линейное преобразование линейного
пространства V над полем P. Элемент x  V называется корневым вектором
пространства V соответствующим элементу   P для преобразования f, если
k  Z 0 : ( f   ) k ( x)  0 , где  – тождественное преобразование.
Замечание 8.1. Если для некоторого k выполнено ( f   )k ( x)  0 , то l  N
выполняется ( f   ) k l ( x)  0 .
Доказательство. Методом математической индукции.
k =1: ( f   ) k 1 ( x)  ( f   )(( f   )k ( x))  ( f   )(0)  0 .
Остальное доказать самостоятельно !
Определение 8.2. Наименьшее число k  Z 0 для которого ( f   )k ( x)  0
называется высотой вектора x.
Замечание 8.2. Если вектор x высоты k, то ( f   )k ( x)  0 , но ( f   ) k 1 ( x)  0 .
Замечание 8.3. Нулевой вектор является корневым вектором для любого
преобразования f и любого числа   P . Причем 0 является единственным
вектором высоты 0.
 
Доказательство. ( f   ) 0 ( x)  0  E  X  0  x  0 .
Замечание 8.4. Любой собственный вектор соответствующий собственному
значению   P и только такой вектор является корневым вектором высоты 1.
Доказательство. x – собственный вектор для собственного значения   P

 f ( x)   x  ( f   )( x)  0 , но ( f   )0 ( x)  0 , так как x  0 . Следовательно,
высота равна 1.
Определение 8.5. Множество всех корневых векторов данного линейного
пространства называется корневым подпространством, соответствующим
элементу  .
Обозначение V f ( )  Ker ( f   ) k , где k – кратность собственного значения 
линейного преобразования f.
Теорема 8.1. (Об определении корневых подпространств)
Пусть f : Vn  Vn – линейное преобразование линейного пространства V над
полем P,   P . V f ( ) – множество всех корневых векторов преобразования f,
соответствующие значению  .
Тогда, 1) V f ( ) – подпространство V.

2) V f ( )  {0}   – собственное значение преобразования f.
Доказательство.
1) x, y  V f ( )  ( f   )m ( x)  0 и ( f   ) k ( y )  0 .
Пусть l  max(m; k ) , используем свойство линейности
( f   )l ( x  y )  ( f   )l ( x)  ( f   )l ( y ) , но так как l  m , то ( f   )l ( x)  0 и
l  k , то ( f   ) k ( y )  0 . Следовательно, ( f   )l ( x  y )  0 .
x V f ( )  ( f   ) m ( x)   ( f   ) m ( x)    0  0   x  V f ( ) .
Следовательно, V f ( ) – подпространство V.

2) Если x – корневой вектор высоты 0, то x  0 .
Пусть x V f ( ), x  0 , x – корневой вектор высоты m
( f   )m ( x)  0 и ( f   )m1 ( x)  y  0
( f   )( f   ) m1 ( x)  0  ( f   )( y )  0 . Следовательно,  – собственное
значение преобразования f.
Если  – собственное значение преобразования f, тогда существует собственный
 
вектор (  0 ) и он является корневым вектором, т.е. V f ( )  {0} .

Теорема 8.2. (О разложении на корневые подпространства)

Пусть f : Vn  Vn – линейное преобразование линейного пространства V над
полем P имеет в точности n собственных значений с учетом их кратности.
1 , 2 ,..., s – все различные собственные значения преобразования f, их кратности
k1 , k2 ,..., k s соответственно, тогда
1) V  V f (1 )  V f (2 )  ...  V f (s ) , линейное пространство является прямой
суммой корневых подпространств.
2) V f (i )  Ker( f  i ) ki , i  1, s .
dim V f (i )  ki , где ki – кратность собственного значения i характеристического
многочлена.
§9. Циклические подпространства

Определение 9.1. Пусть x – корневой вектор высоты k  1 для собственного

значения  линейного преобразования f : Vn  Vn , пусть
v1  ( f   )k 1 ( x)
v2  ( f   ) k 2 ( x)
… (*)
k i
vi  ( f   ) ( x)
…
vk  ( f   )0 ( x)  x . Тогда линейная оболочка, натянутая на векторы v1 , v2 ,..., vk
называется циклическим подпространством пространства V, порожденным
вектором x.
L f ( , x)  Lin(v1 , v2 ,..., vk )
Теорема 9.1. (О циклическом подпространстве)
Пусть f : Vn  Vn – линейное преобразование линейного пространства V над
полем P,   P , x  V f ( ) – корневой вектор высоты k тогда,
1) циклическое подпространство, порожденное вектором x: L f ( , x) под
действием преобразования f переходит в себя.
2) векторы v1 , v2 ,..., vk из (*) образуют базис циклического подпространства
L f ( , x ) .
§10. Алгоритм нахождения НЖФ

1) Находим характеристический многочлен матрицы А: det( A   E ) .

2) Находим корни характеристического многочлена – собственные значения i
матрицы А и их кратности (алгебраические) ki , i  1, s det( A   E )  0 .
3) Для каждого i находим собственные векторы.
Если их количество равно порядку матрицы А, то НЖФ – диагональная и на
главной диагонали стоят собственные значения с учетом их кратности.
Если количество собственных векторов  n , переходим к пункту 4)
4) Для каждого i находим ранги матриц:
r0  rang ( A  i E)0  rangE
r1  rang ( A  i E )1 (10.1)
r2  rang ( A  i E )2
 …
rki  rang ( A  i E )ki , где ki – алгебраическая кратность корня i .
5) Для t  1,2,..., ki найдем количество pt жордановых клеток порядка t по
формуле pt  rt 1  2rt  rt 1 (10.2)
Выписываем все жордановы клетки для каждого i .
6) Составляем НЖФ матрицы А, расположив на главной диагонали найденные в
п.5) для каждого собственного значения жордановы клетки (прямая сумма
жордановых клеток).
Пример 10.1.
 1 1 0 1
  1 3 0 1 
Найти НЖФ для матрицы A   .
0 0 2 0
 
0 0 0 2
1) Характеристический многочлен:
1  1 0 1
1  1 1
1 3   0 1 1  1
 (2   )  1 3   1  (2   ) 2 
0 0 2 0 1 3  
0 0 2
0 0 0 2
 (2   ) 2  ( 2  4  4)  (2   ) 4
2) Находим корни характеристического многочлена – собственные значения:
(2   ) 4  0    2, k  4 – алгебраическая кратность корня   2 .
3) Находим собственные векторы. Решаем систему уравнений (4.1).
 1 1 0 1  x1 
  1 1 0 1   x 
    2   0 . Приводим матрицу системы к трапециевидному виду:
 0 0 0 0   x3 
   
 0 0 0 0   x4 
 1 1 0 1
 1 1 0 1
    1 1 0 1 rang ( A  2 E )  1  ФСР содержит три вектора,
0 0 0 0
 
0 0 0 0
Система перепишется в виде:  x1  x2  x4  0 . Составляем таблицу:

x1 x2 x3 x4
1 1 0 0
0 0 1 0
0 1 0 1
Собственные векторы: (1;1;0;0), (0;0;1;0), (0;1;0;1). Геометрическая кратность
равна 3. Количество собственных векторов  n , поэтому переходим к п.4)
3) Для   2 находим ранги матриц (10.1)
1 0 0 0
 0 1 0 0
r0  rang ( A  2E )  rangE  rang 
0 4
 0 0 1 0
 
0 0 0 1
 1 1 0 1 
 1 1 0 1 
r1  rang ( A  2 E )  rang   1
0 0 0 0
 
0 0 0 0
  1 1 0 1  1 1 0 1 
   1 1 0 1  
 1 1 0  1
r2  rang ( A  2 E )  rang  
2   
 0 0 0 0   0 0 0 0 
     
 0 0 0 0   0 0 0 0 
0 0 0 0
0 0 0 0
 rang  0
0 0 0 0
 
0 0 0 0
0 0 0 0
0 0 0 0
r3  rang ( A  2 E )  rang 
3   r  rang ( A  2 E ) 4  0
0 0 0 0 4
 
0 0 0 0
5) Вычисляем pt по формуле (10.2)
p1  r2  2r1  r0  0  2  4  2 т.е. две жордановых клетки первого порядка
(t=1)
p2  r3  2r2  r1  0  0  1  1 , т.е одна жорданова клетка второго порядка
(t=2)
p3  r4  2r3  r2  0  0  0  0
2 1
Выписываем жордановы клетки: 2 , 2 , .
0 2

6) Cоставляем прямую сумму жордановых клеток.

Сумма порядков жордановых клеток равна алгебраической кратности
корня: 1+1+2=4.
 2 1 0 0
0 2 0 0
JA   .
0 0 2 0
 
 0 0 0 2
НЖФ единственна, с точностью до порядка следования жордановых клеток
на главной диагонали.

§11. Алгоритм нахождения жорданова базиса

1) Для каждого собственного значения  кратности k строим цепочку

подпространств {0}  H 0  H 1  ...  H k 1  H k , где H m  Ker( f   ) m

H0
Hk
H1 H2

Вектор x  H m и не принадлежащий H m1 является корневым вектором высоты m.

2) Находим базисы подпространств H 0 , H1 ,..., H ki .
Если построен базис для H m1 , то для построения базиса H m требуется найти
такой корневой вектор принадлежащий H m , но не принадлежащий H m1 , линейно
независимый с построенным базисом.
Собственные векторы и только они являются корневыми векторами высоты 1.
Если собственному значению  в НЖФ соответствует жорданова клетка
порядка t, то соответствующий ей жорданов базис имеет вид цепочки жордана:
x – вектор высоты t
( A   E ) x – вектор высоты t–1
( A   E)2 x – вектор высоты t–2
…
( A   E )t 1 x – вектор высоты 1.
Векторы в цепочке Жордана располагают по возрастанию высоты, т.е. снизу
вверх.
Замечание 11.1. Если собственному значению  соответствует несколько
жордановых клеток, то для каждой клетки базис строится отдельно. При выборе
вектора нужной высоты из соответствующего базиса необходимо обеспечить его
линейную независимость с уже построенным базисом жордана.
Замечание 11.2. Матрица столбцами которой являются векторы жорданова
базиса является матрицей перехода от данного базиса к жорданову базису и
J A  T 1  A  T  T  J A  A  T (11.3.)
Для проверки правильности построения жорданова базиса проверяют условие
(11.3) .
 1 1 0 1
  1 3 0 1 
Пример 11.1. Для матрицы A    из примера 10.1. найти матрицу
0 0 2 0
 
0 0 0 2
2 1 0 0
0 2 0 0
перехода (жорданов базис) к НЖФ J A   .
0 0 2 0
 
 0 0 0 2
Решение.
В примере 10.1 найдено собственное значение   2 кратности k  4 и
собственные векторы v1  1;1;0;0  , v2   0;0;1;0  , v3   0;1;0;1
1) Строим цепочку подпространств {0}  H 0  H1  H 2  H 3  H 4  R 4 , так как
( A  2 E ) 2  ( A  2 E )3  ( A  2 E ) 4  O , то H 2  H 3  H 4
2) Найдем базисы подпространств H 0 , H 1 , H 2

а) H 0  Ker( A  2 E ) 0  {0}
б) H1  Ker( A  2 E )1  {x  V ( A  2 E ) x  0} , т.е. собственные векторы матрицы А.
v1  1;1;0;0  , v2   0;0;1;0  , v3   0;1;0;1
Таким образом, H1  Lin(1;1;0;0  ,  0;0;1; 0  ,  0;1;0;1)
в) H 2  Ker( A  2 E ) 2 , так как ( A  2 E ) 2  O , то ( A  2 E ) 2 x  O  O  x  O , то x
любой вектор из R 4 . В качестве базиса можно взять стандартный базис R 4
e1  1;0;0 : 0  , e2   0;1;0;0  , e3   0;0;1;0  , e4   0;0;0;1 .
Таким образом H 2  Lin(1;0;0 : 0  ,  0;1;0;0  ,  0;0;1; 0  ,(0;0;0;1)) .
4) Так как   2 соответствует несколько жордановых клеток, то для каждой
клетки строим базис отдельно.
2 1
Построим часть жорданова базиса для клетки J 2 (2)   .
 0 2 
Для этого нужен вектор высоты 2. Этот вектор лежит в H 2 , но не лежит в H1 .
Найдем вектор из базиса H 2 линейно независимый с базисом H1 . Например,
вектор e1  1;0;0 : 0  . Проверим линейную независимость:
 1 0 1 1   1 0 1 1   1 0 1 1   1 0 1 1
 1 0 0 0   0 0 1 1  0 1 0 0   0 1 0 0 
   
 0 1 0 0   0 1 0 0   0 0 1 1  0 0 1 1
       
0 0 1 0 0 0 1 0  0 0 1 0  0 0 0 1
Ранг равен 4, векторы линейно независимые.
Строим цепочку жордана для вектора e1  1;0;0;0 
e1  1;0;0 : 0  – вектор высоты 2
 1 1 0 1  1   1
 1 1 0 1  0   1
( A  2E )e1     – вектор высоты 1
0 0 0 0   0  0 
     
0 0 0 0   0  0 

 1 1 
 1 0 
Таким образом, часть жорданова базиса для клетки J 2 (2) :  .
 0 0
 
 0 0
Строим базис для жордановых клеток первого порядка J1 (2)   2  . В жордановом
базисе будет соответствовать вектор высоты 1, т.е. собственный вектор.
 0 1
0 0 
Добавляем к построенному базису еще два собственных вектора  .
1 0 
 
0 1 
Линейная независимость этих 4–х векторов показана выше.
  1 1 0 1 
 1 0 0 0 
Таким образом, матрица перехода T   .
0 0 1 0
 
0 0 0 1
Проверим условие (11.3.)
 1 1 0 1  2 1 0 0   2 1 0 2 
 1 0 0 0   0 2 0 0   2 1 0 0 
T  JA     
 0 0 1 0  0 0 2 0  0 0 2 0 
     
 0 0 0 1  0 0 0 2  0 0 0 2 
 1 1 0 1  1 1 0 1  2 1 0 2 
 1 3 0 1  1 0 0 0   2 1 0 0 
A T     .
0 0 2 0 0 0 1 0 0 0 2 0
     
0 0 0 2 0 0 0 1 0 0 0 2

Матрицы равны, следовательно, вычисления верны.

Ответ: Жорданов базис: f1   1; 1;0;0  , f 2  1;0;0;0  , f3   0;0;1;0  ,
f 4   1;0;0;1 .
 1 1 3 2 
 1 3 4 2 
Пример 11.2. Для данной матрицы A    найти нормальную
0 0 1 1
 
 0 0 1 3 
жорданову форму, жорданов базис и матрицу перехода Т.

1) Характеристический многочлен:
1  1 3 2
3 4 2 1 3 2
1 3   4 2
 (1   )  0 1  1  0 1  1 
0 0 1  1
0 1 3   0 1 3  
0 0 1 3  
 (1   )  (3   )((1   )(3   )  1)  (1   )  (3   )  1  ( 2  4  4)((1   )  (3   )  1) 
 (  2) 4
2) Находим корни характеристического многочлена – собственные значения:
(  2) 4  0    2, k  4 – алгебраическая кратность корня   2 .
3) Находим собственные векторы. Решаем систему уравнений (4.1).
 1 1 3 2   x1 
 1 1 4 2   x 
    2   0 . Приводим матрицу системы к трапециевидному виду:
 0 0 1 1   x3 
   
 0 0 1 1   x4 
 1 1 3 2   1 1 3 2   1 1 3 2 
 1 1 4 2   0 0 1 0   0 0 1 0 
    rang ( A  2 E )  3 
 0 0 1 1   0 0 1 1   0 0 0 1 
     
 0 0 1 1   0 0 1 1   0 0 0 0 
ФСР содержит один вектор.
 x1  x2  3x3  2 x4  0

Система перепишется в виде:  x3  0 . Составляем таблицу:
x  0
 4
 x1 x2 x3 x4
1 1 0 0

Собственный вектор: (1;1;0:0). Геометрическая кратность равна 1. Количество

собственных векторов  n , поэтому переходим к п.4)
1) Для   2 находим ранги матриц (10.1)
1 0 0 0
 0 1 0 0
r0  rang ( A  2E )  rangE  rang 
0 4
 0 0 1 0
 
0 0 0 1
 1 1 3 2 
 1 1 4 2 
r1  rang ( A  2 E )  rang  3
 0 0 1 1 
 
 0 0 1 1 
  1 1 3 2   1 1 3 2  
   1 1 4 2  
1 1 4  2
r2  rang ( A  2 E )  rang  
2   
  0 0 1 1   0 0 1 1  
     
  0 0 1 1   0 0 1 1  
0 0 0 1
0 0 1 2 
 rang  2
0 0 0 0
 
0 0 0 0
0 0 01   1 1 32  
 
0 0 1 2   1 1 4 2  
r3  rang ( A  2 E )  rang  
3
 
0 0 0 0  0 0 1 1  
    
0 0 0 0  0 0 1 1  
 0 0 1 1 
 0 0 1 1 
 rang   1
 0 0 0 0
 
 0 0 0 0
 5) Вычисляем pt по формуле (10.2)
  0 0 1 1   1 1 3 2  
 
4   0 0 1 1   1 1 4 2  
r4  rang ( A  2 E )  rang  
  0 0 0 0   0 0 1 1  
     
  0 0 0 0   0 0 1 1  
0 0 0 0
0 0 0 0
 rang  0
0 0 0 0
 
0 0 0 0
p1  r2  2r1  r0  2  2  3  4  0 , т.е. нет жордановых клеток первого
порядка (t=1)
p2  r3  2r2  r1  1  2  2  3  0 , т.е нет жордановых клеток второго порядка
(t=2)
p3  r4  2r3  r2  0  2 1  2  0 , т.е нет жордановых клеток третьего порядка
(t=3)
p4  r5  2r4  r3  0  0  1  1, т.е одна жорданова клетка четвертого порядка
(t=4)

Выписываем жорданову клетку: 2 1 0 0

0 2 1 0
0 0 2 1
0 0 0 2

2 1 0 0
0 2 1 0
6) J A   .
0 0 2 1
 
0 0 0 2
Находим жорданов базис.
1) Строим цепочку подпространств {0}  H 0  H1  H 2  H 3  H 4  R 4 , так как
2) Найдем базисы подпространств H 0 , H 1 , H 2

а) H 0  Ker( A  2 E ) 0  {0}
б) H1  Ker( A  2 E )1  {x  V ( A  2 E ) x  0} , т.е. собственный вектор матрицы А.
v1  1;1;0 : 0 
Таким образом, H1  Lin (1;1; 0; 0 )
 0 0 0 1
 0 0 1 2 
в) H 2  Ker( A  2 E )  
2 
0 0 0 0
 
0 0 0 0
Решаем однородную систему ( A  2 E ) 2  X  0
 0 0 0 1   0 0 1 2 
 0 0 1 2   0 0 0 1 
   . rang ( A  2 E )2  2 , ФСР содержит два вектора.
0 0 0 0 0 0 0 0
   
0 0 0 0 0 0 0 0

x1 x2 x3 x4
1 0 0 0
0 1 1 0

u1  1;0;0 : 0  , u2   0;1;1;0 
Таким образом H 2  Lin(1;0;0;0  ,  0;1;1;0 ) .
0
0 1 1 
0
0 1 1 
с) H 3  Ker( A  2 E )  
3
0
0 0 0
 
0
0 0 0
Решаем однородную систему ( A  2 E )3  X  0
 0 0 1 1   0 0 1 1 
 0 0 1 1   0 0 0 0 
   . rang ( A  2 E )3  1 , ФСР содержит три вектора.
 0 0 0 0 0 0 0 0
   
 0 0 0 0 0 0 0 0

x1 x2 x3 x4
1 0 0 0
0 1 0 0
0 0 1 1

g1  1;0;0 : 0  , g 2   0;1;0;0  , g 3   0;0;1;1

Таким образом H 3  Lin(1;0;0;0  ,  0;1;0; 0  ,  0;0;1;1)
 0 0 0 0
0 0 0 0 
d) H 4  Ker( A  2 E )  
4
, так как ( A  2 E )4  O , то
0 0 0 0
 
0 0 0 0
( A  2 E ) 4 x  O  O  x  O , то x любой вектор из R 4 . В качестве базиса можно
взять стандартный базис R 4 :
e1  1;0;0;0  , e2   0;1;0;0  , e3   0;0;1;0  , e4   0;0;0;1 .
Таким образом H 4  Lin(1;0;0;0  ,  0;1;0;0  ,  0;0;1; 0  ,(0;0;0;1)) .

4) Строим жорданов базис для   2 клетки четвертого порядка.

Для этого нужен вектор высоты 4. Этот вектор лежит в H 4 , но не лежит в H3 .
Например, вектор e4   0;0;0;1 .
Строим цепочку жордана для вектора e4   0;0;0;1
e4   0;0;0;1 – вектор высоты 4
 1 1 32   0   2 
 1 1 4 2   0   2 
( A  2E )e4     – вектор высоты 3
0 0 1 1   0   1 
     
0 0 1 1   1   1 

0 0 0 1  0  1
0 0 1 2   0   2 
( A  2E) e4  
2
  – вектор высоты 2
0 0 0 0  0  0
     
0 0 0 0 1  0
0 0 1 1  0 1
0 0 1 1   0   1 
( A  2E ) e4  
3
  – вектор высоты 1
0 0 0 0  0  0
     
0 0 0 0 1  0

1 1 2 0 
1 2 2 0 
Таким образом, часть жорданова базиса для клетки J 4 (2) :  .
0 0 1 0
 
0 0 1 1
 1 1 2 0 
1 2 2 0 
Таким образом, матрица перехода T   .
0 0 1 0
 
0 0 1 1
Проверим условие (11.3.)
 1 1 2 0   2 1 0 0   2 3 3 2 
 1 2 2 0   0 2 1 0   2 5 2 2 
T  JA    
0 0 1 0  0 0 2 1  0 0 2 1
     
0 0 1 1  0 0 0 2  0 0 2 3
 1 1 3 2   1 1 2 0   2 3 3 2 
 1 3 4 2   1 2 2 0   2 5 2 2 
A T     .
 0 0 1 1  0 0 1 0  0 0 2 1
     
 0 0 1 3   0 0 1 1   0 0 2 3

Матрицы равны, следовательно, вычисления верны.

Ответ: Жорданов базис: f1  1;1;0 : 0  , f 2  1;2;0;0  , f 3   2; 2;1;1 ,
 1 1 2 0 
 1 2 2 0 
f 4   0;0;0;1 , матрица перехода T   .
0 0 1 0
 
0 0 1 1
Замечание 11.1. Если НЖФ – диагональная (число собственных векторов равно
n ), то матрица перехода Т состоит из собственных векторов матрицы.

§12. Приводимость матрицы к диагональному виду

Определение 12.1. Матрица А называется приводимой к диагональному виду,

если T ( T  0 ), такая что T 1  A  T – диагональная.
Теорема 12.1. Необходимое и достаточное условие приводимости матрицы к
диагональному виду
Для того, чтобы матрица А линейного преобразования f n–мерного линейного
пространства была приводима к диагональному виду, необходимо и достаточно,
чтобы существовал базис этого пространства, состоящий из собственных
векторов преобразования f.
Доказательство.
Необходимость. Пусть линейное преобразование f имеет в некотором базисе
e1 , e2 ,..., en матрицу А. Пусть А – приводима к диагональному виду, т.е. T , что
T 1  A  T – диагональная матрица. Так как Т – невырожденная, то ее можно
рассматривать как матрицу перехода от базиса e1 , e2 ,..., en к базису e1, e2 ,..., en . В
новом базисе матрица преобразования f T 1  A  T – диагональная. Общий вид
 1 0 ... 0 
 0  ... 0 
диагональной матрицы:  2  . Но столбцами матрицы преобразования
 ... ... ... ... 
 
 0 0 0 n 
являются образы базисных векторов: f (e1 )  1e1 , f (e2 )  2e2 ,…, f (en )  n en . Все
векторы e1, e2 ,..., en ненулевые и следовательно являются собственными
векторами.
Достаточность. Пусть А – матрица линейное преобразование f и существует
базис e1, e2 ,..., en состоящий из собственных векторов преобразования f. Тогда в
этом базисе преобразование f имеет диагональную матрицу. Пусть матрица
перехода от базиса e1 , e2 ,..., en к базису e1, e2 ,..., en . Тогда матрица преобразования f
имеет в новом базисе матрицу T 1  A  T и она диагональная. Следовательно,
матрица А приводима к диагональному виду.
Определение 12.1. Говорят, что линейное преобразование f действительного
линейного пространства Vn , имеет простой спектр, если все его
характеристические корни действительны и различны.
Любое линейное преобразование с простым спектром может быть задано
диагональной матрицей.

4. КВАДРАТИЧНЫЕ ФОРМЫ

§1. Основные понятия

Определение 1.1. Однородным многочленом или формой степени S называют

многочлен от n переменных, все члены которого имеют одну и ту же степень S.
1– ой степени – линейная форма
2– ой степени – квадратичная форма
3– ей степени – кубическая форма
Определение 1.2. Квадратичной формой от n переменных называется сумма
всевозможных парных произведений xi  x j i  1, n , j  1, n с некоторыми
коэффициентами.
n n
f ( x1, x2 ,..., xn )   aij  xi  x j , aij – коэффициенты квадратичной формы.
i 1 j 1

Если aij  R – форма действительная,

aij  C – форма комплексная.
Так как xi  x j = x j  xi , то члены ,содержащие xi  x j и x j  xi являются подобными
и коэффициент при этом произведении обозначим за 2aij ( i  j ), т.е. будем
считать aij  a ji : 2aij  xi  x j  aij  xi  x j  a ji  x j  xi
Из коэффициентов квадратичной формы составим матрицу, которая называется
матрицей квадратичной формы

 a11 a12 ... a1n 

a a22 ... a2 n 
A  21
. Элементы, расположенные симметрично
 ... ... ... ... 
 
 an1 an 2 ... ann 
главной диагонали равны. Такие матрицы называются симметрические матрицы
aij  a ji i, j  1, n, i  j . У симметрических матриц AT  A .
Верно и обратное: любой симметрической матрице соответствует квадратичная
форма.
Рангом квадратичной формы называется ранг матрицы А. Квадратичная форма
называется невырожденной, если А – невырожденная.
 x1 
x 
Обозначим X   2  – матрица столбец из неизвестных, тогда
 ... 
 
 xn 

f ( x1 , x2 ,..., xn )  X T  A  X (1.1.) матричная запись квадратичной формы

 n 
  a 1j  x j 
 j 1 
 n 
 2j j 
a  x T
n n n n
Ann  X n1   j 1  X 1n  Ann  X n1   xi  aij  x j   aij  xi  x j .
i 1 j 1 i 1 j 1
 ... 
 n 
 a x 
  nj j 
 j 1 

Дана квадратичная форма f ( x1 , x2 , x3 )  2 x12  3 x22  8 x1 x2  2 x1 x3

2 4 1
Тогда матрица квадратичной формы A   4 3 0  .
1 0 0
 
 1 1 0 
Пусть дана матрица квадратичной формы A   1 2 2  , тогда квадратичная
 0 2 3
 
форма имеет вид f ( x1 , x2 , x3 )  x12  2 x22  3 x32  2 x1 x2  4 x2 x3 .
Определение 1.3. Каноническим видом квадратичной формы называется форма,
где все aij  0 ( i, j  1, n, i  j ).
f ( x1 , x2 ,..., xn )  a11 x12  a22 x22  ...  ann xn2 .
Матрица канонической квадратичной формы является диагональной.
Определение 1.4. Две формы f и g называются эквивалентными f  g , если
существует линейная замена переменных, приводящая одну форму в другую, т.е.
X  TY .
Замечание 1.1. Эквивалентность квадратичных форм является отношением
эквивалентности, т.е. рефлексивно ( f  f ), симметрично ( f  g и g  f ) и
транзитивно ( f  g , g    f   ). Сходно с отношением равенства.
Теорема 1.1.
Матрица квадратичной формы g ( y1 , y2 ,..., yn ) , полученная из квадратичной
формы f ( x1 , x2 ,..., xn ) линейным преобразованием X  TY , равна T T  A  T .
Доказательство.
Подставим X  TY в данную квадратичную форму f ( x1 , x2 ,..., xn )  X T  A  X .
g ( y1 , y2 ,..., yn )  (TY )T  A  (TY )  Y T  T T  A  T  Y
Обозначим, C  T T  A  T , покажем, что матрица С – симметрическая
C T  (T T  A  T )T  (T T  ( A  T ))T  ( A  T )T  T  T T  AT  T  T T  A  T  C
Таким образом, матрица С является матрицей квадратичной формы
g ( y1 , y2 ,..., yn ) .

§2. Приведение квадратичной формы к каноническому виду

Теорема 2.1. (Основная теорема о квадратичных формах)

Любая квадратичная форма может быть приведена некоторым невырожденным
Линейным преобразованием к каноническому виду.
Доказательство. В основе доказательства лежит метод Лагранжа – практический
способ приведения квадратичной формы к каноническому виду.
Метод Лагранжа.
Пример 2.1.
Привести квадратичную форму к каноническому виду методом Лагранжа
f ( x, y, z )  x 2  5 y 2  2 z 2  6 xy  4 xz  8 yz .
Решение.
f ( x, y, z )  x 2  5 y 2  2 z 2  6 xy  4 xz  8 yz =
 ( x 2  2 x(3 y  2 z )  (3 y  2 z )2 )  (3 y  2 z ) 2  5 y 2  2 z 2  8 yz 
 ( x  3 y  2 z ) 2  4 y 2  8 yz  12 yz  2 z 2  ( x  3 y  2 z ) 2  4( y 2  yz )  2 z 2 
2 2
 1  1 2  1 
 ( x  3 y  2 z)  4   y  z   z   2z  ( x  3 y  2z)  4  y  z   z 2 .
2 2 2
 2  4   2 

 x1  x  3 y  2 z  1 3 2 
 1  1 
 1

 y1  y  z T  0 1  X 1  T 1  X  X  T  X 1
 2  2
 z1  z 0 0 1 

 1
1 3  2 
 
 1 
T 0 1 .
 2 
0 0 1 
 
 
g ( x1 , y1 , z1 )  x1  4 y12  z12 – канонический вид (определяется не однозначно).
2

Замечание 2.1. Для любой квадратичной формы существует не единственная

эквивалентная каноническая форма.
Замечание 2.2. Если в квадратичной форме нет ни одного квадрата, но
 x  y1  y2
присутствует слагаемое x1  x2 , то сначала делают замену  1 .
x
 2  y1  y 2

Определение 2.1. Нормальным видом квадратичной формы от n переменных

называют форму вида:
x12  ...  x 2p  x 2p 1  ...  x 2p  q , где p  q  n ( p  q  r – ранг квадратичной формы).
Теорема 2.2. Нормальный вид квадратичной формы единственен (с точностью до
нумерации неизвестных).
Закон инерции действительных квадратичных форм
Все канонические формы эквивалентные данной квадратичной форме, имеют:
1) Одно и то же число нулевых коэффициентов ( n  ( p  q) )
2) Одно и то же число положительных коэффициентов (p – положительный
индекс инерции)
3) Одно и то же число отрицательных коэффициентов (q – отрицательный
индекс инерции).
p  q – сигнатура формы.
 x2  x1

Пример 2.1. g ( x1 , y1 , z1 )  x12  4 y12  z12  x22  y22  z22 , где  y2  2 y1 .
z  z
 2 1
 ( x2 , y2 , z2 )  x22  y22  z22 – нормальный вид квадратичной формы.
Замечание 2.3. Рассмотрим метод, который не только приводит квадратичную
форму к каноническому виду, но и сохраняет размеры (углы и расстояния).

Метод собственных векторов (ортогональное преобразование).

Алгоритм приведения уравнения кривой 2-го порядка к каноническому виду
Дано уравнение: Ax 2  2 Bxy  Cy 2  Dx  Ey  F  0 (2.1.) , где A2  B2  C 2  0
 Ax 2  2 Bxy  Cy 2 – квадратичная форма, Dx  Ey – линейная форма, F –
свободный член.
Если B 2  AC  0 , то уравнение (2.1) эллиптического типа и может определять
эллипс, точку или мнимый эллипс.
Если B 2  AC  0 , то уравнение (2.1) гиперболического типа и может определять
гиперболу или пару пересекающихся прямых.
Если B 2  AC  0 , то уравнение (2.1) параболического типа и может определять
параболу, пару параллельных прямых, пару мнимых прямых или пару
совпадающих прямых.
 A B
1) Составляем матрицу квадратичной формы   , найдем ее собственные
 B C 
значения 1, 2 и собственные векторы v1 , v2 .
2) Составляем матрицу T из ортонормированных собственных векторов, так
чтобы T  1 (Если T  1 , умножаем один из столбцов на 1 ).

0 v1  1 2 
Если собственный вектор v1  (1 , 2 ) , v 
1  ; .
v1  12   22 12   22 
 
 x x 
3) Делаем замену переменной X  T  X 1 или    T   1  .
 y  y1 
Уравнение (2.1.) преобразуется к виду 1 x12  2 y12  D1 x1  E1 y1  F  0 .
2 2
2  p  p
4) Дополняем до полного квадрата, используя формулу x  px1   x1     
1
 2 2
2 2
1 ( x1  x0 )  2 ( y1  y0 )  F1  0 .
5) O1 ( x0 ; y0 ) – координаты нового центра системы координат.
x  x  x 
Заменой переменной X 2  X 1  X 0 или  2    1    0  производим
 y2   y1   y0 
параллельный перенос системы координат в O1 ( x0 ; y0 ) .
Уравнение (2.1) преобразуется к виду: 1 x2 2  2 y2 2   F1 :  F1
1x22 2 y22
   1.
F1 F1
Пример 2.2. Определить тип линии, найти каноническое уравнение,
каноническую систему координат: 17 x 2  12 xy  8 y 2  20 5 x  20  0 .
Решение.
1) f ( x; y )  17 x 2  12 xy  8 y 2 , B 2  AC  36  17  8  0 уравнение эллиптического
типа.
17 6  17   6
 6 8 , 6   2  25  100  0, 1  20, 2  5 .
  8
 3 6 
 6 12 
 
 2
Собственный вектор для 1  20 : c   , где c  R, c  0
1
 2 
 2  5
0
Пусть c  1 v1    , v1  5 , v1   
1  1 
 
 5
12 6 
 6 3
 
 1 
Собственный вектор для 1  5 : c   , где c  R, c  0
 2 
 1 
1  5
0
Пусть c  1 v2    , v1  5 , v1   
 2   2 
 
 5
 2 1   2 1 
 5 5   5 5 
2) T   , так как T  1 , то T   .
 1 2   1 2 
   
 5 5  5 5
 2 1 
 x  5 5   x1 
3) Делаем замену переменной      
y
   1 2   y1 
 
 5 5

 2 1
 x  5
x1 
5
y1
 .
y  1 2
x1  y1
 5 5

Исходное уравнение преобразуется к виду:

 2 1 
20 x12  5 y12  20 5  x1  y1   20  0
 5 5 
2 2
20 x1  5 y1  40 x1  20 y1  20  0 .
4) Дополняем до полного квадрата: 20  x12  2 x1   5  y12  4 y1   20  0 ,
20  ( x1  1) 2  1  5  ( y1  2) 2  4   20  0
2 2 ( x1  1)2 ( y1  2) 2
20( x1  1)  5( y1  2)  20   1
1 4
5) Новый центр координат в точке O1 (1;2)
 x   x   1   x2  x1  1
Замена переменой  2    1     или  , тогда уравнение
 y2   y1   2  y
 2  y1  2
x2 2 y2 2
преобразуется к виду   1 – уравнение эллипса, полуоси a  1 , b  2
1 4
Каноническая система координат:
 2 1  2 1 4
 x  ( x2  1)  ( y 2  2)  x  x2  y 2 
5 5 5 5 5
 или 
 y  1 ( x  1)  2 ( y  2) y  1 x  2 y  3
2 2 2 2
 5 5  5 5 5
   4 3 
Каноническая система координат: (O1 , e1 , e2 ) O1   ; 
 5 5
 2  1 
e
 1  i j
5 5
 .
 1  2 
e   i j
 2 5 5

y2
y

y1
x2

x1

O1

O x
 §3. Знакоопределенные квадратичные формы

Определение 3.1. Совокупность значений x1 , x2 ,..., xn называется нулевой, если

x1  x2  ...  xn  0 и ненулевой, если хотя бы одно из значений переменной  0 .
Определение 3.2. Квадратичная форма f ( x1 , x2 ,..., xn ) называется положительно-
определенной, если для любой ненулевой совокупности значений переменных
( x1* , x2* ,..., xn* ) : f ( x1* , x2* ,..., xn* )  0 и отрицательно-определенной, если
* * *
f ( x1 , x2 ,..., xn )  0 . Положительно и отрицательно-определенные формы
называются знакоопределенные.
Например, f ( x, y )  x 2  4 xy  4 y 2  ( x  2 y )2 не является положительно-
определенной, так как существует ненулевая совокупность (2;1) при которой
квадратичная функция равна 0.
f ( x, y, z )  x 2  2 y 2  4 z 2 - положительно-определенная квадратичная форма.
Теорема 3.1. Критерий знакоопределенности квадратичной формы
(Критерий Сильвестра)
Для того, чтобы квадратичная форма была положительно-определенной
необходимо и достаточно, чтобы все главные (угловые) миноры матрицы этой
формы были положительны. Для того чтобы квадратичная форма была
отрицательно-определенной, необходимо и достаточно, чтобы главные миноры
четного порядка этой формы были положительны, а нечетного – отрицательны.
 a11 a12  a1n 
a a  a 
 21 22 2 n 
    
 
 an1 an 2  ann 

Главные миноры – миноры, расположенные в левом верхнем углу.

M 1  a11  a11 ,
a11 a12
M2  ,
a21 a22
…
a11 a12  a1n
a21 a22  a2 n
Mn  .
   
an1 an 2  ann
Пример 3.1. Исследовать на знакоопределенность квадратичные формы
а) f ( x1 , x2 )  2 x12  5 x22  6 x1 x2 , б) f ( x1 , x2 , x3 )  x12  4 x22  x32  4 x1 x2  3 x1 x3  4 x2 x3 .
Решение.
  2 3 
а) Составим матрицу квадратичной формы:  .
 3 5 
Угловые миноры: M 1  2  2  0
2 3
M2   10  9  1  0 по критерию Сильвестра квадратичная форма
3 5
отрицательно-определенная.
 3
 1 2
2
 
б) Составим матрицу квадратичной формы:  2 4 2  .
3 
 2 1
2 
1 2
M1  1  1  0 , M 2   0 . Следовательно, форма не является
2 4
знакоопределенной.

5. ПРОСТРАНСТВА СО СКАЛЯРНЫМ ПРОИЗВЕДЕНИЕМ (ПСП)

§1. Евклидовы и унитарные пространства

Определение 5.1. Линейное пространство V над полем P (R или С), называется

пространством со скалярным произведением (ПСП), если на нем определено
отображение, называемой скалярным произведением, которое любой паре
элементов x, y  V ставит в соответствие число из поля P обозначаемое ( x; y ) так
что выполняются аксиомы:
1) ( x; y )  ( y; x ) , если P = С эрмитовость
( x; y )  ( y; x ) , если P = R симметричность
( x  y ; z )  ( x; z )  ( y ; z ) 
2–3)  линейность по первому аргументу
( x; y )   ( x; y ) 
4) Скалярный квадрат ( x; x )  0 x V , причем ( x; x )  0  x  0 положительно-
определенность.
Замечание 5.1. Если рассмотреть скалярный квадрат без условий эрмитовости, то
получим противоречие 0  (ix; ix)  i ( x; ix)  i (ix; x)  i 2 ( x; x)  ( x; x) .
Определение 5.2. Линейное вещественное пространство со скалярным
произведением (P = R) называется евклидовым пространством. Линейное
комплексное пространство со скалярным произведением (P = С) называется
унитарным пространством.
Замечание 5.2. Скалярный квадрат ( x; x)  R .
Пример 5.1.
1) R n – евклидово пространство
 n
x  ( x1 , x2 ,..., xn ), y  ( y1 , y2 ,..., yn ) ( x; y )   xi  yi Проверить аксиомы !
i 1
2) Пространство обычных векторов E , E2, E3 - евклидово пространство.
1

3) C  a; b 
b
( f ; g )   f ( x)  g ( x)dx . Проверить аксиомы !
a

Теорема 5.1. Линейное пространство V – пространство со скалярным

произведением над полем P   R, C , тогда
1) x, y, z V ,   P ( x, y  z )  ( x; y )  ( x  z )
( x ,  y )   ( x; y ) .
2)  x1 , x2 ,..., xn , y1 , y2 ,..., yn  V
  1 ,  2 ,...,  n , 1 ,  2 ,...,  n  P
n n n
(  i  xi ;   j  y j )    i  j ( xi ; y j )
i 1 j 1 i , j 1

3) x  V ( y, x )  0  y  0 .
Доказательство.
1) ( x, y  z )  ( y  z; x )  ( y; x )  ( z; x )  ( y; x )  ( z ; x )  ( x; y )  ( x; z )
( x,  y )  Самостоятельно !
2) Доказательство следует из аксиом 2–3) линейности по первому аргументу и по
пункту 1) теоремы.
3) () x  V : ( y, x)  0 . Пусть x  y ( y, y )  0  y  0 (аксиома 4)
() y  0 x  V ( y, x)  (0; x)  (0  0; x)  (0; x)  (0; x)  (0; x)  0 .

§2. Длина вектора

Определение 2.1. Линейное пространство V – пространство со скалярным

произведением над полем P . Длиной (нормой) элемента x называется
вещественное число x  ( x; x) .
Теорема 6.1. (Неравенство Коши – Буняковского – Шварца)
x, y V 1) ( x; y )  x  y
2) ( x; y )  x  y  x, y – линейно зависимые.
Доказательство.
1) Если y  0 , то ( x; y )  ( x;0)  0 и x  y  x  0  0  0  0 – верно
Если y  0   P
0  ( x   y; x   y )  ( x; x   y )   ( y; x   y )  ( x; x)   ( x; y )   ( y; x)   ( y; y ) 
2 2 2
 x   ( x; y )   ( y ; x )    y .
( x; y ) ( x; y )
Пусть    2
, тогда
( y; y ) y
 2
2 ( x ; y )  ( x; y ) ( x; y )  ( y ; x ) ( x; y ) 2
0 x  2
 2
 2 2
 y 
y y y  y
2 ( x; y )  ( x; y ) ( x; y )  ( y; x) ( x; y )  ( x; y ) 2 ( x; y )  ( y; x) 2 ( x; y )  ( x; y )
 x  2
 2
 2
 x  2
 x  2
y y y y y
2
Использовали формулу z  z  z
2
2 ( x; y )  ( x; y ) 2 ( x; y ) 2 2 2
x  2
0  x  2
 0 , т.к. y  0 , то ( x; y )  x  y или
y y
( x; y )  x  y .
2) Если y  0 , то x,y – линейно зависимые.
Если y  0 Из п.1) следует
2
 ( x; y ) ( x; y )  2 ( x; y )
x 2
 y; x  2
 y  x  2
 y y  y
 
2 2
 ( x; y ) ( x; y )  2 x  y
Из условия ( x; y )  x  y   x  2
 y; x  2
 y  x  2
0.
 y y  y
 
( x; y ) ( x; y )
Следовательно, по аксиоме 4) x  2
 y  0 , т.е. x    y  0 , где   2
.
y y
1  0 векторы x и y линейно зависимые.

Теорема 6.2. (О свойствах нормы вектора)

Пусть V – ПСП над полем P .
1) x  0 , x  0  x  0
2)  x    x
3) x  y  x  y (неравенство треугольника)
Доказательство.
1) x  ( x; x)  0 Если x  0  ( x; x )  0  ( x; x )  0  x  0
2
2)  x  ( x; x )     ( x; x)    ( x; x )    x
3) x  y  ( x  y; x  y )
2 2
( x  y ; x  y )  ( x; x )  ( x; y )  ( y ; x )  ( y ; y )  x  ( x; y )  ( x; y )  y
Оценим z  z  2 Re z  2  z
2 2 2 2 2 2
x  ( x; y )  ( x; y )  y  x  2 ( x; y )  y  x  2 x  y  y
2 2 2
Таким образом, x  y  x  2 x  y  y  ( x  y ) 2  x  y  x  y .
Пример 6.1.
1) В пространстве R n написать неравенство Коши – Буняковского – Шварца.
 n n n

 xi  yi 
i 1
 xi2 
i 1
y
i 1
2
i .

2) В пространстве C  a; b  написать неравенство Коши – Буняковского – Шварца.

Самостоятельно !
Определение 2.2. Линейное пространство с определенной на нем нормой
называется линейным нормированным пространством.

§3. Ортогональность

Определение 3.1. Пусть V – ПСП над полем P , x, y V . Векторы x и y

называются ортогональными, если ( x; y )  0 . Обозначение x  y .
Замечание 3.1. Нулевой вектор ортогонален любому вектору.
Определение 3.3. Система векторов называется ортогональной, если взаимно
ортогональны любые два вектора системы.
Определение 3.4. Система векторов A называется ортонормированной, если
система 1) ортогональная a, b  A , (a; b)  0
2) нормированная a  A a  1.
0, a  b
A – ортонормированная система  a, b  A,( a; b )   .
1, a  b
Определение 3.3. Два подпространства A и B называются ортогональными,
если любой вектор одного из них ортогонален каждому вектору другого.
Теорема 3.1. об ортогональных множествах
Пусть V – конечномерное ненулевое ПСП над полем P , тогда
1) всякое ортогональное множество ненулевых векторов из V линейно
независимое
2) всякое ортогональное множество ненулевых векторов из V не являющееся
базисом пространства V, можно дополнить до ортогонального базиса
пространства V
3) всякое ортогональное множество ненулевых векторов из V можно дополнить до
ортонормированного базиса V.
Доказательство.
1) Пусть A: x1 , x2 ,..., xn – ненулевые, ортогональные.
Пусть x1 , x2 ,..., xn – линейно зависимые, т.е.  1 x1   2 x2  ...   n xn  0 и  i  0 .
Умножим скалярно на x i : 1 x1   2 x2  ...   n xn ; xi   0 .
1  x1; xi    2  x2 ; xi   ...   i  xi ; xi   ...   n  xn ; xi   0   i  xi ; xi   0 , но  i  0 .
Следовательно, xi  0 , что противоречит условию.
2) Доказательство пункта 2) является процессом ортогонализации
Грама – Шмидта.
dimV  n , x1 , x2 ,..., xm – ортогональное множество  из п.1) линейно независимое
m  n . По теореме о дополнении до базиса x1 , x2 ,..., xm , y m 1 ,..., y n – базис V.
Пусть xm 1  ym 1   1 x1   2 x2  ...   m xm найдем значения скаляров  1 ,  2 ,...,  m из
условия, что xm1 ортогонален x1 , x2 ,..., xm : ( xm 1 ; xi )  0 i  1, m .
 ym1  1 x1   2 x2  ...   m xm ; xi   0   ym1; xi    i  xi ; xi   0 , так как xi  0 , то
 y ;x 
 i  m1 i i  1, m .
 xi ; xi 
x1 , x2 ,..., xm , xm 1 – ортогональная система ненулевых векторов, если m  1  n
процесс продолжаем, пока x1 , x2 ,..., xm , xm 1 ,..., xn – ортогональный базис V.
3) Процесс нормирования.
x x x
x1 , x2 ,..., xn – ортогональный базис V. Пусть z1  1 , z2  2 , …, zn  n
x1 x2 xn
z1 , z 2 ,..., z n – ортонормированный базис V.

0, i  j
 x xj  1 1 
( zi ; z j )   i ;    ( xi ; x j )   1 2
 xi x j  xi xi  x  1, i  j
   x 2 i
 i

Пример 3.1. В евклидовом пространстве V дано подпространство

L  Lin((1;0;1;2),(1;0; 1;0),(0;0;2;1)) с помощью процесса ортогонализации
построить ортонормированный базис пространства L.
Решение.
x1  x1  (1;0;1; 2)
Ищем ортогональный ему вектор в виде: x2  x2   1  x1
( x2 ; x1 )  0  ( x2   1  x1; x1 )  0  ( x2 ; x1 )   1 ( x1; x1 )  0 
( x ; x ) 1  1  0  0  ( 1)  1  0  2 2 1
1  2 1  2 2 2 2
 
( x1; x1 ) 1  0 1  2 6 3

1  2 2 2
x2  (1;0; 1;0)   (1;0;1;2)    ;0;  ; 
3  3 3 3
коллинеарный вектор x2  (  1;0;  1;1) .
Вектор x3  x3   1  x1   2  x2 , где коэффициенты определяем из условий
( x3 ; x1 )  0 и ( x3 ; x2 )  0 .
( x3 ; x1 )  0  ( x3   1  x1   2  x2 ; x1 )  0  ( x3 ; x1 )   1 ( x1; x1 )  0 , так как
( x3 ; x1 ) 0  1  0  0  2  1  1  2 4 2
( x2 ; x1 )  0  1    
( x1; x1 ) 12  0 2  12  2 2 6 3
Аналогично, ( x3 ; x2 )  0  ( x3   1  x1   2  x2 ; x2 )  0  ( x3 ; x2 )   2 ( x2 ; x2 )  0 , так
( x ; x ) 0  ( 1)  0  0  2  (1)  1  1 1
как ( x1; x2 )  0   2  3 2  
( x2 ; x2 ) ( 1) 2  0 2  ( 1) 2  12 3
 2 1
x3  (0;0;2;1)  (1;0;1;2)   (1;0; 1;1)   1;0;1;0 
3 3
x3  (  1;0;1;0)
Ортогональный базис пространства L: (1;0;1;2),(1;0; 1;1),(1;0;1;0) .
Ортонормированный базис пространства L:
 1 1 2  1 1 1  1 1 
 ;0; ; ,
  ;0;  ; ,
  ;0; ;0  .
 6 6 6  3 3 3  2 2 

Теорема 3.2. об ортонормированных множествах

Пусть V – конечномерное ПСП над полем P , e1 , e2 ,..., en – ортонормированное
множество в V.
1) если e1 , e2 ,..., en – ортонормированный базис V, то
а) x  V : x  ( x; e1 )  e1  ( x; e2 )  e2  ...  ( x; en )  en
n
б)  x  x1  e1  ...  xn  en и  y  y1  e1  ...  yn  en ( x; y)   xi yi .
i 1
2 2 2 2
2) x  V : x  ( x; e1 )  ( x; e2 )  ...  ( x; en ) неравенство Бесселя
3) если e1 , e2 ,..., en – ортонормированный базис V  x  V :
2 2 2 2
x  ( x; e1 )  ( x; e2 )  ...  ( x; en ) равенство Парсеваля
Доказательство.
1)а) x  x1  e1  ...  xn  en найдем
( x; ei )  ( x1  e1  ...  xn  en ; ei )  x1  (e1 ; ei )  ...  xi  ( ei ; ei )  ...  xn  ( en ; ei )  xi  1  xi ,
i  1, n .
 n n  n n 0, i  j
б) ( x; y )    xi ei ;  y j e j    xi y j  ei ; e j  , так как  ei ; e j    , то
 i 1 j 1  i 1 j 1 1, i  j
n
( x; y )   xi  yi .
i 1
2-3) без доказательства.

§4. Ортогональное дополнение

Определение 4.1. Пусть V – ПСП над полем P и A  V . Тогда ортогональным

дополнением к множеству А называется множество A   x V a  A : x  a 
  x V a  A : ( x; a )  0 .
Так как любой вектор (отличный от нуля) не ортогонален самому себе, то ни
один вектор (отличный от нуля) ортогональный A не лежит в этом
подпространстве. Из линейности скалярного произведения следует, что вектор
ортогональный ко всем векторам некоторого базиса подпространства A будет
ортогонален ко всему подпространству.
Теорема 4.1. об ортогональном дополнении
Пусть V – ненулевое ПСП над полем P и A  V , тогда
1) A – подпространство V.
2) Если A – подпространство V, тогда
а) V  A  A

б)  A   A
 
в) B – подпространство V, тогда  A  B   A  B  ,  A  B   A  B  .
Доказательство.
1) а) x  A , y  A и a  A
( x; a)  0 , ( y; a)  0 Сложим равенства ( x; a)  ( y; a)  0  ( x  y; a)  0 .
Следовательно, x  y  A .
б) доказать самостоятельно !.
Из а) и б) следует, что A – подпространство V.
2) A   V , e1 , e2 ,..., em – ортонормированный базис A.
Дополним до ортонормированного базиса V: e1 , e2 ,..., em , em 1 ,..., en
Обозначим W  Lin(em 1 ,..., en ) , покажем, что W  A .
Пусть x W x  xm 1em 1  ...  xn en
a  A a  a1e1  ...  am em
 n m  n m
( x; a)    xi ei ;  a j e j     xi a j  ei ; e j   0  x  a a  A  x  A .
 i m1 j 1  i m1 j 1
x W  x  A . Следовательно, W  A .
Пусть x  A  a  A x  a или ( x; a )  0 , так как A   V , то x V
x  x1e1  ...  xm em  xm 1em 1  ...  xn en и ( x; a)  0 
( x1e1  ...  xm em  xm 1em 1  ...  xn en ; a )  0 
x1 (e1; a )  ...  xm (em ; a )  xm 1 (em 1 ; a )  ...  xn (en ; a )  0 , так как равенство
справедливо для a  A , то и для a  ei , i  1, m .
x1 (e1; ei )  ...  xm (em ; ei )  xm 1 (em 1; ei )  ...  xn (en ; ei )  0  xi (ei ; ei )  0  xi  0 ,
i  1, m . Таким образом, x  xm 1em 1  ...  xn en  x W .
x  A  x W . Следовательно, A  W и A  W .
Пример 4.1. Найти ортогональное дополнение к подпространству L заданному
 x1  2 x2  3 x3  0
системой уравнений:  .
 x1  3 x2  2 x3  0
Решение.
Перейдем к внутреннему описанию подпространству L, для этого найдем ФСР
системы уравнений.
  x3  1  x3  1
1 2 3   1 2 3   
1 3 2    0 1 1  rangA  2 ,  x2  x3  0   x2  1 , a  (5;1;1)
     x  2 x  3x  0  x  5
 1 2 3  1
L  Lin((5;1;1)) .
Найдем ортогональное дополнение к L: x  L  ( x; a)  0  5 x1  x2  x3  0 .
Найдем ФСР системы:

 5 1 1

x1 x2 x3
1 5 0
0 –1 1

L  Lin((1;5;0),(0; 1;1)) .
Геометрическая интерпретация:

x3

x2

x1

Пример 4.2. Дополнить до ортогонального базиса пространства V ортогональный

базис, построенный в примере 3.1. Найти ортогональное дополнение к L.
Решение.
В примере 3.1. построен ортогональный базис:
L  Lin((1;0;1;2),(1;0; 1;1),(1;0;1;0)) x1  (1;0;1; 2) , x2  (  1;0;  1;1) ,
x3  (  1;0;1;0)
Найдем ортогональное дополнение к L: x  L  ( x; xi)  0, i  1,2,3 
 x1  x3  2 x4  0

 x1  x3  x4  0 . Найдем ФСР системы уравнений.
 x  x  0
 1 3
  x2  1
 1 0 1 2 1 0 1 2 1 0 1 2 x  0
 1 0 1 1    0 0 0 3    0 0 1 1  rangA  3  4
       
 1 0 1 0   0 0 2 2   0 0 0 1   3x  x4  0
       x1  x3  2 x4  0

 x2  1
x  0
 4
  L  Lin((0;1;0;0)) , V  Lin((1;0;1;2),(1;0; 1;1),(1;0;1;0),(0;1;0;0)) .
 x3  0
 x1  0

§5. Ортогональная проекция и ортогональная составляющая вектора.

Матрица Грама.

Определение 5.1. Если V  L  L , то x V y  L, z  L , такие что x  y  z ,

то вектор y называется ортогональной (проекцией) компонентой, z –
ортогональной составляющей. Обозначение z  x , y  пр Lх.

z
x
φ

y
L

( x; y ) ( x; y)
Из неравенства Коши – Буняковского следует, что  1 или 1   1.
x  y x  y
( x; y )
Определение 5.2. Угол φ, для которого cos   , назовем углом между
x  y
векторами x и y ( 0    2 ).

Определение 5.3. Пусть V – ПСП над полем P , a1 , a2 ,..., am  V , тогда матрицей

Грама элементов a1 , a2 ,..., am называется матрица
 (a1; a1 ) (a1; a2 ) ... (a1; am ) 
 (a ; a ) (a ; a ) ... (a ; a ) 
G (a1 , a2 ,..., am )   2 1 2 2 2 m 
.
 ... ... ... ... 
 
 (am ; a1 ) (am ; a2 ) ... (am ; am ) mm

Матрица Грама ортонормированного базиса является единичной матрицей.

Замечание 5.1. Если G(e1, e2 ,..., en ) – матрица Грама для базиса e1 , e2 ,..., en ,
x  x1e1  x2e2  ...  xnen и y  y1e1  y2e2  ...  yn en , то скалярное произведение
( x; y )  X T  G  Y , где X T – строка координат вектора x, Y – строка координат
вектора y.
Таким образом, скалярное произведение может быть задано матрицей Грама.
Пример 5.1. В базисе e1, e2 , e3 пространства Е3 скалярное произведение задано
 4 1 2 
 
матрицей Грама  1 6 0  . Найти скалярное произведение векторов
 2 0 1
 
a  (2; 1;2) и b  (4;1; 1) .
Решение.
 4 1 1   4  4
(a; b)  AT  G  B   2 1 2    1 6 0    1   11 8 4    1   32
 1 0 1   1   1
     
Теорема 5.1. о матрице Грама
Пусть V – ПСП над полем P , a1 , a2 ,..., am  V , тогда det G ( a1 , a2 ,..., am )  0 
a1 , a2 ,..., am – линейно зависимые.
Доказательство.
Векторы a1 , a2 ,..., am – линейно зависимые, если среди них есть нулевой вектор или
какой-либо можно выразить через линейную комбинацию оставшихся.
Если ai  0 , то в матрице G есть нулевая строка  det G  0 .
Если ai  1a1  ...   m am , вычислим (ai ; a j )  1 (a1; a j )  ...   m (am ; a j ) , т .е. j – ый
столбец равен линейной комбинации остальных столбцов. По свойству
определителя  det G  0 .
Замечание 5.2. Процесс ортогонализации не меняет определитель матрицы
Грама.
Доказательство.
Пусть векторы a1 , a2 ,..., am – линейно независимые. В процессе ортогонализации
построена система векторов: b1 , b2 ,..., bm , где b1  a1 , b2  a2   b1 ,…
det(G ( a1 , a2 ,..., am ))  det(G (b1 , a2 ,..., am )) . Преобразуем последний определитель
следующим образом: ко второй строке прибавим первую умноженную на  и ко
второму столбцу первый умноженный на 
 (b1; b1 ) (b1; a2 ) ... (b1; am )
(a2 ; b1 ) (a2 ; a2 ) ... (a2 ; am )
det(G (b1 , a2 ,..., am ))  
... ... ... ...
(am ; b1 ) (am ; a2 ) ... (am ; am )
(b1; b1 ) (b1; a2 ) ... (b1; am )
(a2 ; b1 )   (b1; b1 ) (a2 ; a2 )   (b1; a2 ) ... (a2 ; am )   (b1; am )
 
... ... ... ...
(am ; b1 ) (am ; a2 ) ... (am ; am )
(b1; b1 ) (b1; a2 ) ... (b1; am )
(a2   b1; b1 ) (a2   b1; a2 ) ... (a2   b1; am )
 =
... ... ... ...
(am ; b1 ) (am ; a2 ) ... (am ; am )
(b1; b1 ) (b1; a2 )   (b1; b1 ) ... (b1; am )
(a2   b1; b1 ) (a2   b1; a2 )   (a2   b1; b1 ) ... (a2   b1; am )
 
... ... ... ...
(am ; b1 ) (am ; a2 )   (am ; b1 ) ... (am ; am )
(b1; b1 ) (b1; a2   b1 ) ... (b1; am )
(a2   b1; b1 ) (a2   b1; a2   b1 ) ... (a2   b1; am )
  det(G (b1 , a2   b1 ,..., am )) 
... ... ... ...
(am ; b1 ) (am ; a2   b1 ) ... (am ; am )
 det(G (b1 , b2 ,..., am )) . Процесс повторяем.
Замечание 5.3. Определитель матрицы Грамма неотрицателен.
Доказательство. Самостоятельно !
Теорема 5.2. Связь матриц Грама в разных базисах
Пусть e1 , e2 ,..., en и e1, e2 ,..., en базисы ПСП V, G и G матрицы Грама данного
скалярного произведения в базисах e1 , e2 ,..., en и e1, e2 ,..., en соответственно,
матрица и T – матрица перехода от базиса e1 , e2 ,..., en к базису e1, e2 ,..., en , тогда
G  T T  G  T .
Доказательство.
Используем замечание 5.1. ( x; y )  X T  G  Y и формулы преобразования
координат X  T  X  и Y  T  Y 
T T T T
X T  T  X     X    T T  ( x; y)   X    T T  G  T  Y    X   (T T  G  T )  Y  
G  T T  G  T .
Определение 5.4. Расстоянием d (a; L ) от вектора a до подпространства L
называется наименьшее из всех возможных длин векторов, соединяющих векторы
(точки) подпространства L с данным вектором , т.е. d ( a; L)  min a  a1 .
a1L

Определение 5.5. Углом между вектором а и подпространством L (a ; L)

называется наименьший из всех углов между вектором a и произвольным
вектором из L, т.е. (a
; L)  min(a
; a1 ) .
a1L

Замечание 5.4. Докажем, что d (a; L)  a – расстояние от вектора до

подпространства равно длине ортогональной составляющей при проекции вектора
на подпространство

z x
φ
y
L x1

x  y  x  x  x  y , y  L
Пусть x  x1  x2  x2  x  x1 , x1  L .
2 2
Покажем, что x2  a .
2
x2  ( x2 ; x2 )  ( y  x  x1; y  x  x1 )  ( y; y )  ( x ; x )  ( x1; x1 )  2( y; x1 ) 
2 2 2
 ( x ; x )  ( y  x1; y  x1 )  x  y  x1  x
Замечание 5.5. Угол (a ; L)  (a
; np a) – между вектором и подпространством равен
L
углу между вектором и его проекцией на данное подпространство.

Пример 5.2. Найти проекцию вектора x на подпространство L и ортогональную

составляющую вектора x  (1;0;2; 2) , L  Lin((1; 1;1;0),(2; 1;0;1)) . Определить
угол между вектором x и подпространством L.
Решение.
 1 2  1 2 1 2
 1 1  0 1   0 1 
Найдем базис L:     , rangA  2 , следовательно, векторы
 1 0  0 2 0 0
     
 0 1  0 1 0 0
a1  (1; 1;1;0) и a2  (2; 1;0;1) образуют базис.

y  L  y  1a1   2 a2 , так как x  y  z , то x  1a1   2 a2  z , где z  L .
Найдем скалярные произведения ( x; a1 ) и ( x; a2 ) и получим систему уравнений:
( x; a1 )  1 (a1; a1 )   2 (a2 ; a1 )  ( z; a1 ) ( x; a1 )  1 (a1; a1 )   2 (a2 ; a1 )  0
 или 
( x; a2 )  1 (a1; a2 )   2 (a2 ; a2 )  ( z; a2 ) ( x; a2 )  1 (a1; a2 )   2 (a2 ; a2 )  0
( x; a1 )  1  1  0  ( 1)  2  1  ( 2)  0  3
(a1; a1 )  12  (1) 2  02  12  3
(a2 ; a1 )  1  2  (1)2  1  0  0  1  3
( x; a2 )  1  2  0  ( 1)  2  0  ( 2)  1  0
(a2 ; a2 )  22  (1)2  02  12  6
3  31  3 2  2  1
 
0  31  6 2 1  2
y  2a1  a2  2  (1; 1;1;0)  (2; 1;0;1)  (0; 1;2;1) – проекция (ортогональная
компонента)
z  x  y  (1;1;0; 1) – ортогональная составляющая.
Проверка: ( z; a1 )  0 и ( z ; a2 )  0 .
Найдем угол между вектором x и подпространством L. Этот угол равен углу
между вектором x и проекцией.
( x; y ) 1  0  0  (1)  2  2  (2)  (1) 6 6
cos     
x  y 12  02  22  (2) 2  02  (1) 2  22  (1) 2 3 6 3
6
  arccos .
3
Определение 5.6. Пусть a1 , a2 ,..., an система векторов из линейного пространства
V. Параллелепипедом, натянутым на векторы a1 , a2 ,..., an называется множество
векторов
П (a1 , a2 ,..., an )  {c V c  x1a1  x2 a2  ...  xn an ,0  x1 , x2 ,..., xn  1}
При n=1 – привычный отрезок, при n=2 – параллелограмм , при n=3 – обычный
трехмерный параллелепипед.
Определение 5.7. Определим n - мерный объем Voln параллелепипеда
П ( a1 , a2 ,..., an ) индуктивно:
1) Одномерный объем Vol1 П (a1 )  a1 .
2) Voln П (a1 , a2 ,..., an )  Voln1 П (a1 , a2 ,..., an1 )  d (an ; a1 , a2 ,..., an1 )
Корректность определения, т.е. независимость объема от порядка векторов при
индуктивном переходе вытекает из теоремы.
Теорема 5.3.
(Voln П (a1 , a2 ,..., an )) 2  det G (a1 , a2 ,..., an )
Доказательство.
2
1) a1  (a1 , a1 )
2) Пусть формула верна для n  1 , докажем для n.
Спроектируем вектор an на линейную оболочку a1 , a2 ,..., an1 : an  пр L an  an  =
 1a1   2 a2  ...   n 1an 1  z , где z  an  ортогонален векторам a1 , a2 ,..., an 1 и
 z  d ( an ; a1 , a2 ,..., an1 ) .

(a1; a1 ) (a1; a2 ) ... (a1; an )

(a2 ; a1 ) (a2 ; a2 ) ... (a2 ; an )
G (a1 , a2 ,..., an )  
... ... ... ...
(an ; a1 ) (an ; a2 ) ... (an ; an )

(a1; a1 ) (a1; a2 ) ... (a1;1a1   2 a2  ...   n1an1  z )

(a2 ; a1 ) (a2 ; a2 ) ... (a2 ;1a1   2 a2  ...   n1an1  z )
 
... ... ... ...
(an ; a1 ) (an ; a2 ) ... (an ;1a1   2 a2  ...   n1an1  z )

(a1; a1 ) (a1; a2 ) ... 1 (a1; a1 )   2 (a1; a2 )  ...   n1 (a1; an1 )  (a1; z )
(a2 ; a1 ) (a2 ; a2 ) ... 1 (a2 ; a1 )   2 (a2 ; a2 )  ...   n1 (a2 ; an1 )  (a2 ; z )
 
... ... ... ...
(an ; a1 ) (an ; a2 ) ... 1 (an ; a1 )   2 (an ; a2 )  ...   n1 (an ; an1 )  (an ; z )

(a1; a1 ) (a1; a2 ) ... (a1; a1 ) (a1; a1 ) (a1; a2 ) ... (a1; a2 )

(a2 ; a1 ) (a2 ; a2 ) ... (a2 ; a1 ) (a2 ; a1 ) (a2 ; a2 ) ... (a2 ; a2 )
 1  2 
... ... ... ... ... ... ... ...
(an ; a1 ) (an ; a2 ) ... (an ; a1 ) (an ; a1 ) (an ; a2 ) ... (an ; a2 )

(a1; a1 ) (a1; a2 ) ... (a1; an1 ) (a1; a1 ) (a1; a2 ) ... (a1; z )

(a2 ; a1 ) (a2 ; a2 ) ... (a2 ; an1 ) (a2 ; a1 ) (a2 ; a2 ) ... (a2 ; z )
...   n1  =
... ... ... ... ... ... ... ...
(an ; a1 ) (an ; a2 ) ... (an ; an1 ) (an ; a1 ) (an ; a2 ) ... (an ; z )

(a1; a1 ) (a1; a2 ) ... 0 (a1; a1 ) (a1; a2 ) ... (a1; an1 )

(a2 ; a1 ) (a2 ; a2 ) ... 0 (a ; a ) (a2 ; a2 ) ... (a2 ; an1 )
  ( z; z )  2 1 
... ... ... ... ... ... ... ...
(an ; a1 ) (an ; a2 ) ... ( z; z ) (an1; a1 ) (an1; a2 ) ... (an1; an1 )
 2
 (Voln1 П (a1; a2 ;...; an1 ))2  z  (Voln1 П (a1; a2 ;...; an1 ))2  (d (an ; a1 , a2 ,..., an1 ))2 

 (Voln П (a1; a2 ;...; an ))2

Пример 5.3. Найти расстояние от вектора x  (3;3; 1;1; 1) до подпространства

x1  3x2  2 x4  x5  0 , используя матрицу Грама.
Решение.
Найдем ФСР x1  3x2  2 x4  x5  0
x1 x2 x3 x4 x5
3 1 0 0 0
0 0 1 0 0
–2 0 0 1 0
1 0 0 0 1

v1  (3;1;0;0;0) v2  (0;0;1;0;0) v3  (2;0;0;1;0) v4  (1;0;0;0;1)

det(G ( x, v1 , v2 , v3 , v4 ))
d 2 ( x; v1 , v2 , v3 , v4 ) 
det(G (v1 , v2 , v3 , v4 ))

10 0 6 3
10 6 3
0 1 0
0
det(G (v1 , v2 , v3 , v4 ))   6 5 2  15
6 0 5
2
3 2 2
3 0 2 2

21 12 1 5 2 20 12 0 5 2
20 12 5 2
12 10 0 6 3 12 10 0 6 3
12 10 6 3
det(G ( x, v1 , v2 , v3 , v4 ))  1 0 1 0 0  1 0 1 0 0  
5 6 5 2
5 6 0 5 2 5 6 0 5 2
2 3 2 2
2 3 0 2 2 2 3 0 2 2
20 12 5 2 6 4 3 0
6 4 3
7 4 1 1 7 4
1 1
   9 2 3 9
5 6 5 2 9 2
3 0
12 5 0
2 3 2 2 12 5 0 0

det(G ( x, v1 , v2 , v3 , v4 )) 9 3
d 2 ( x; v1 , v2 , v3 , v4 )   d 
det(G (v1 , v2 , v3 , v4 )) 15 5

§6. Ортогональные матрицы.

 a12  a1n 
 a11
 
a a22  a2 n 
Определение 6.1. Квадратная матрица A   21 называется
   
 
an 2  ann 
 an1
ортогональной, если соответствующая ей система векторов x1   a11 , a21 ,..., an1  , …,
xn   a1n , a2 n ,..., ann  ортонормированная. При этом предполагается, что векторы
x1 ,..., xn являются элементами евклидова пространства, в котором скалярное
n
произведение определяется ( xi , x j )   aki  akj .
k 1
n
1, i  j
Если А – ортогональная матрица, то a ki  akj   ij   i, j  1, n .
k 1 0, i  j ,
1 0 0
Примеры ортогональных матриц:   ,  cos   sin  
.
0  1 0  

 0 0 1   sin  cos  
 
Теорема 6.1. Необходимым и достаточным условием ортогональности матрицы
А является условие AT  A  E .
Доказательство.
А – ортогональная матрица, A  ( aij ) , AT  (aij ) .
n n
1, i  j T
AT  A  C  (cij ) , где cij   aik akj   aki akj   ij    A A E.
k 1 k 1 0, i  j ,
n n
1, i  j
Пусть AT  A  E   aik akj   aki akj   ij    А – ортогональная матрица.
k 1 k 1 0, i  j ,
Следствие 6.1. Определитель ортогональной матрицы по абсолютной величине
равен 1.
Доказательство. Самостоятельно !.
Следствие 6.2. Ортогональная матрица является невырожденной.
Следствие 6.3. Произведение двух ортогональных матриц есть ортогональная
матрица.
Доказательство.
А и В – ортогональные матрицы.
( AB )T  ( AB )  ( BT  AT )  ( A  B )  BT  ( AT  A)  B  BT  B  E
Следствие 6.4. Необходимым и достаточным условием ортогональности матрицы
А является AT  A1 .
Следствие 6.5. Если матрица А ортогональная, то AT также ортогональная.
Доказательство.
( AT )T  AT  AAT  A  A1  E
Следствие 6.6. Если матрица А ортогональная, то A1 также ортогональная.
Теорема 6.2. Матрица перехода от одного ортонормированного базиса к другому
является ортогональной.
Доказательство.
Пусть e1 ,..., en и e1,..., en – ортонормированные базисы и T – матрица перехода от
e1 ,..., en к e1,..., en .
  t11 t12  t1n  e1  t11e1  t21e2  ...  tn1en
 
t t22  t2 n  e2  t12 e1  t22 e2  ...  tn 2 en
T   21 ,
    ...
 
 tn1 tn 2  tnn  en  t1n e1  t2 n e2  ...  tnn en .

n
1, i  j
e1,..., en – ортонормированный базис  (ei, ej )   (ei, ej )   tki tkj  матрица T –
0, i  j , k 1

ортогональная.
Определение 6.2. Линейное преобразование евклидова пространства называется
ортогональным, если в некотором базисе его матрица ортогональна.
Теорема 6.3. Для того чтобы линейное преобразование евклидова пространства
было ортогональным, необходимо и достаточно, чтобы оно ортонормированный
базис переводило в ортонормированный.
Доказательство.
Пусть f – ортогональное преобразование евклидова пространства V, имеюшее в
некотором ортонормированном базисе e1 ,..., en матрицу
 a11 a12  a1n 
 
a a22  a2 n 
A   21 – ортогональная.
   
 
 an1 an 2  ann 
1, i  j
В i-м столбце стоят координаты ei  f (ei ) , i  1, n ,  (ei, ej )    e1,..., en –
0, i  j
ортонормированный базис.
Пусть преобразование f переводит ортонормированный базис e1 ,..., en в
ортонормированный e1,..., en  матрица А преобразования f в базисе e1 ,..., en
является матрицей перехода от базиса e1 ,..., en к базису e1,..., en  А – ортогональная
матрица и преобразование f – ортогональное.
Теорема 6.4. Ортогональное преобразование не меняет скалярное произведение.
Доказательство.
e1 ,..., en – ортонормированный базис, x  x1e1  x2 e2  ...  xn en и y  y1e1  y2 e2  ...  yn en
( x; y )  x1 y1  x2 y2  ...  xn yn
f – ортогональное преобразование, f ( x)  x1 f (e1 )  x2 f (e2 )  ...  xn f (en ) ,
f ( y )  y1 f (e1 )  y2 f (e2 )  ...  yn f (en ) , где f (e1 ), f (e2 ),..., f (en ) – ортонормированный
базис: ( f ( x); f ( y))  x1 y1  x2 y2  ...  xn yn  ( x; y ) .
Следствие 6.7. Ортогональное преобразование f не меняет длины вектора, т.е.
x  f ( x) .
Следствие 6.8. Ортогональное преобразование не меняет угла между векторами.