Определение 1.

Непустое множество 𝑉 называется линейным пространством, а его элементы – векторами,

если:
1. задан закон (операция сложения), по которому любым двум элементам 𝑥Ԧ и 𝑦Ԧ из 𝑉 сопоставляется
элемент из 𝑉, называемый их суммой и обозначаемый 𝑥Ԧ + 𝑦;
Ԧ
2. задан закон (операция умножения на число), по которому элементу 𝑥Ԧ из 𝑉 и числу 𝛼 сопоставляется
элемент из 𝑉, называемый произведением 𝑥 на 𝛼 и обозначаемый 𝛼𝑥;
Ԧ
3. для любых элементов 𝑥Ԧ и 𝑦Ԧ из 𝑉 и любых чисел 𝛼 и 𝛽 выполнены следующие требования (аксиомы):

(1) 𝑥Ԧ + 𝑦Ԧ = 𝑦Ԧ + 𝑥;
Ԧ
(2) 𝑥Ԧ + 𝑦Ԧ + 𝑧Ԧ = 𝑥Ԧ + (𝑦Ԧ + 𝑧);
Ԧ
(3) существует элемент 𝑜Ԧ (который называется нулевым) такой, что для каждого 𝑥Ԧ из 𝑉 выполнено 𝑥Ԧ + 𝑜Ԧ = 𝑥;
Ԧ
(4) для любого 𝑥Ԧ из 𝑉 существует такой элемент −𝑥Ԧ из 𝑉 (который называется противоположным элементу 𝑥)
такой, что 𝑥Ԧ + (−𝑥)
Ԧ = 𝑜;
Ԧ
(5) для любого 𝑥Ԧ из 𝑉 произведение 𝑥 на число 1 равно
1 ∙ 𝑥Ԧ = 𝑥;
Ԧ
 Для любых рациональных чисел 𝛼 и 𝛽 и любых 𝑥 и 𝑦 из 𝑉
(6) 𝛼 𝑥Ԧ + 𝑦Ԧ = 𝛼𝑥Ԧ + 𝛼𝑦Ԧ
(7) 𝛼 + 𝛽 𝑥Ԧ = 𝛼𝑥Ԧ + 𝛽𝑥;
Ԧ
(8) 𝛼𝛽 𝑥Ԧ = 𝛼 𝛽𝑥Ԧ .

Определение 3. Элементы (векторы) 𝑥,

Ԧ 𝑦,
Ԧ ⋯ , 𝑧Ԧ пространства 𝑉 называются линейно зависимыми, если найдутся
такие вещественные числа 𝛼, 𝛽, ⋯ 𝛾, из которых хотя бы одно отлично от нуля, что линейная комбинация
элементов 𝑥,
Ԧ 𝑦,
Ԧ ⋯ , 𝑧Ԧ с указанными числами является нулевым элементом пространства 𝑉 , т.е. имеет место
равенство 𝛼 𝑥Ԧ + 𝛽 𝑦Ԧ + ⋯ + 𝛾𝑧Ԧ = 𝑜.
Ԧ Элементы 𝑥,
Ԧ 𝑦,
Ԧ ⋯ , 𝑧Ԧ не являющиеся линейно зависимыми, называются
линейно независимыми.

Теорема 1. Для того чтобы элементы (векторы) 𝑥,

Ԧ 𝑦,
Ԧ ⋯ , 𝑧Ԧ пространства 𝑉 были линейно зависимы необходимо и
достаточно, чтобы один из этих элементов являлся линейной комбинацией остальных элементов.

Конечномерные пространства размерности 𝒏 это такие линейные пространства, если в них есть линейно
независимая система 𝑛 векторов, а любая конечная система из большего числа векторов линейно зависима.

Определение 4 (базиса). Базисом n-мерного линейного пространства 𝑉 называется всякая упорядоченная система
n линейно независимых векторов этого линейного пространства
 Координаты вектора 𝒙 в базисе 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛
Теорема. Если 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 – базис линейного пространства 𝑉, то для любого вектора 𝒙 этого пространства
существует единственная система чисел 𝛼1 , 𝛼2 , ⋯ , 𝛼𝑛 , такая что
𝒙 = 𝛼1 𝒆1 + 𝛼2 𝒆2 + ⋯ + 𝛼𝑛 𝒆𝑛 (14)
Доказательство. Т2 ⟹ 𝛼1 , 𝛼2 , ⋯ , 𝛼𝑛 ⟹ (14)

𝛽1 , 𝛽2 , ⋯ , 𝛽𝑛 ⟹ 𝒙 = 𝛽1 𝒆1 + 𝛽2 𝒆 + ⋯ + 𝛽𝑛 𝒆𝑛

𝛼1 𝒆1 + 𝛼2 𝒆2 + ⋯ + 𝛼𝑛 𝒆𝑛 = 𝛽1 𝒆1 + 𝛽2 𝒆 + ⋯ + 𝛽𝑛 𝒆𝑛

(𝛼1 − 𝛽1 )𝒆1 + (𝛼2 − 𝛽2 )𝒆 + ⋯ + (𝛼т − 𝛽𝑛 )𝒆𝑛 = 0

(𝛼1 − 𝛽1 ) = (𝛼2 − 𝛽2 ) = ⋯ = (𝛼𝑛 − 𝛽𝑛 ) = 0

Теорема. Для того, чтобы вектор 𝑥Ԧ являлся нулевым вектором линейного пространства 𝑉 необходимо и достаточно,
чтобы все его координаты в любом базисе равны нулю.
Доказательство. 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 - базис
Достаточность. Пусть 𝒙(0,0, ⋯ 0). 𝒙 = 0𝒆1 + 0𝒆2 + ⋯ + 0𝒆𝑛 = 0.
Необходимость. Пусть 𝒙 = 0. 𝒙 = 𝛼1 𝒆1 + 𝛼2 𝒆2 + ⋯ + 𝛼𝑛 𝒆𝑛
𝒙=0 ⟹ 𝛼1 𝒆1 + 𝛼2 𝒆2 + ⋯ + 𝛼𝑛 𝒆𝑛 = 0 ⟹ 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑛 = 0
Теорема. Для того чтобы m векторов n-мерного линейного пространства были линейно независимы, необходимо
и достаточно, чтобы ранг r матрицы системы векторов 𝐴 был равен числу векторов m.

Следствие теоремы. Если ранг матрицы системы m векторов равен r, максимальное число линейно независимых
векторов равно r.
Матрица перехода от базиса к базису
(𝒆1′ , 𝒆′2 , ⋯ , 𝒆′𝑛 ) = (𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ) ∗ 𝑇 det 𝑇 ≠ 0
Преобразование координат при замене базиса.

Теорема. Если 𝛼1 , 𝛼2 , ⋯ , 𝛼𝑛 - координаты вектора 𝒙 в базисе 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 , а 𝛼1′ , 𝛼2′ , ⋯ , 𝛼𝑛′ координаты того же
вектора в базисе 𝒆1′ , 𝒆′2 , ⋯ , 𝒆′𝑛 то имеет место следующее соотношение
𝛼1 𝛼1′
𝛼2 𝛼2′
⋮ =𝑇 ⋮
𝛼𝑛 𝛼𝑛′
Доказательство. 𝒙 = 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ∗ 𝐶 𝒙 = 𝒆1′ , 𝒆′2 , ⋯ , 𝒆′𝑛 ∗ 𝐶 ′

(𝒆1′ , 𝒆′2 , ⋯ , 𝒆′𝑛 ) = (𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ) ∗ 𝑇 𝒙 = (𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ) ∗ 𝑇 ∗ 𝐶 ′ 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ∗ 𝐶 = (𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ) ∗ 𝑇 ∗ 𝐶 ′

𝐶 = 𝑇 ∗ 𝐶′ . 𝐶 ′ = 𝑇 −1 ∗ 𝐶.
Определение. Линейное пространство, в котором введено скалярное произведение, называется евклидовом
пространством 𝐸.

Определение. В линейном пространстве 𝐸 определено скалярное произведение, если каждой паре векторов 𝒙, 𝒚 ∈
𝑬 поставлено в соответствие однозначно число, называемое скалярным произведением этих векторов,
обозначаемое 𝒙, 𝒚 и обладающее следующими свойствами:

для всех 𝒙, 𝒚, 𝒛 ∈ 𝐸 и всех 𝛼 ∈ 𝑅

1) 𝒙, 𝒚 = 𝒚, 𝒙 , 2) 𝒙 + 𝒚, 𝒛 = 𝒙, 𝒛 + 𝒚, 𝒛 3) 𝛼𝒙, 𝒚 = α 𝒙, 𝒚

4) 𝒙, 𝒙 > 0: для всех 𝒙 ≠ 0; 𝒙, 𝒙 = 0, если 𝒙 − нулевой элемент

Теорема Коши-Буняковского. Для всех векторов 𝒙, 𝒚 принадлежащих евклидову пространству 𝐸 имеет место быть
неравенство 𝒙, 𝒚 2 ≤ 𝒙, 𝒙 ∙ 𝒚, 𝒚 .
Доказательство. 𝒙 или 𝒚 = 𝟎 неравенство очевидно
𝒙, 𝒚 ≠ 0. Составим 𝒛 = 𝒙 − 𝜆𝒚, 𝜆 – произвольное число, и 𝒛 ∈ 𝐸
0 ≤ 𝒛, 𝒛 = 𝒙 − 𝜆𝒚, 𝒙 − 𝜆𝒚 = 𝒙, 𝒙 − 2𝜆 𝒙, 𝒚 + 𝜆2 (𝒚, 𝒚)
2 𝒙, 𝒚 2 − 𝒙, 𝒙 ∙ 𝒚, 𝒚 ≤ 0 или 𝒙, 𝒚 2 ≤ 𝒙, 𝒙 ∙ 𝒚, 𝒚
𝐷 = 𝒙, 𝒚 − 𝒙, 𝒙 ∙ 𝒚, 𝒚 ; 𝐷≤0

Определение. Нормой (длиной) вектора 𝒙 в евклидовом пространстве называется арифметическое значение

квадратного корня из его скалярного произведения, т.е. 𝑥Ԧ = 𝒙, 𝒙
Теорема. (неравенство треугольника). Для ∀𝒙, 𝒚 ∈ 𝐸 имеет место неравенство 𝒙 + 𝒚 ≤ 𝒙 + 𝒚
Доказательство. 𝒙 + 𝒚 2 2 2 2 2
= 𝒙 + 𝒚, 𝒙 + 𝒚 = 𝒙, 𝒙 + 2 𝒙, 𝒚 + 𝒚, 𝒚 = 𝒙 + 2 𝒙, 𝒚 + 𝒚 ≤ 𝒙 + 2 (𝒙, 𝒚) + 𝒚
𝒙 2 + 2 𝒙, 𝒚 + 𝒚 2 ≤ 𝒙 2 +2 𝒙 ∙ 𝒚 + 𝒚 2 = 𝒙 + 𝒚 2

2 2 𝒙+𝒚 ≤ 𝒙 + 𝒚
𝒙, 𝒚 ≤ (𝒙, 𝒚) 𝒙+𝒚 ≤ 𝒙 + 𝒚

Определение. Углом между двумя элементами 𝒙, 𝒚 ∈ 𝐸 называется угол 𝜑 (0 ≤ 𝜑 ≤ 𝜋), косинус которого определяется
соотношением 𝒙, 𝒚
𝑐𝑜𝑠𝜑 =
𝒙 ∙ 𝒚

Определение. Элементы 𝒙, 𝒚 ∈ 𝐸 называются ортогональными , если (𝒙, 𝒚) = 0.

𝒙 ⊥ 𝒚 - обозначение ортогональных векторов евклидова пространства; 0⊥𝒙 ∀𝒙∈𝑬

Определение. Система векторов евклидова пространства называется ортогональной, если векторы этой системы
попарно ортогональны, т.е. 𝒙𝟏 , 𝒙𝟐 , ⋯ , 𝒙𝒌 ∈ 𝑬 ⟹ 𝒙𝒊 , 𝒙𝒋 = 𝟎, где 𝑖, 𝑗 = 1, 𝑘; 𝑖 ≠ 𝑗.

Теорема. Ортогональная система ненулевых векторов линейно независима.

Доказательство. Пусть 𝒙1 , 𝒙2 , ⋯ , 𝒙𝑘 ∈ 𝐸 ортогональная система векторов и 𝒙𝑖 ≠ 0 𝑖 = 1, 𝑘
𝛼1 𝒙1 + 𝛼2 𝒙2 + ⋯ 𝛼𝑘 𝒙𝑘 = 0, 𝛼𝑖 – численные коэффициенты

𝛼1 𝒙1 + 𝛼2 𝒙2 + ⋯ 𝛼𝑘 𝒙𝑘 , 𝒙𝑖 = 0, 𝒙𝑖 = 0; 𝛼1 (𝒙1 , 𝒙𝑖 ) + 𝛼2 𝒙2 , 𝒙𝑖 + ⋯ 𝛼𝑘 𝒙𝑘 , 𝒙𝑖 = 0

𝒙𝑖 ⊥ 𝒙𝑗 при 𝑖 ≠ 𝑗 (𝒙1 , 𝒙𝑖 ) = 0; (𝒙2 , 𝒙𝑖 ) = 0; ⋯ (𝒙𝑘 , 𝒙𝑖 ) = 0; (𝒙𝑖 , 𝒙𝑖 ) ≠ 0 𝛼𝑖 (𝒙𝑖 , 𝒙𝑖 ) = 0 𝒙𝑖 ≠ 0; 𝛼𝑖 = 0

 Определение. Базис евклидова пространства называется ортогональным, если базисные элементы составляют
ортогональную систему.
1
Определение. Ненулевой элемент 𝒙0 ∈ 𝐸 называется нормированным, если 𝒙0 = 1. 𝒙0 = ∙𝒙
𝒙

Определение. Система элементов 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ∈ 𝐸 (𝑛 ≥ 2) называется ортонормированной, если она

1, 𝑖 = 𝑗
ортогональна и каждый ее элемент является нормированным, т.е. 𝒆𝑖 , 𝒆𝑗 = ൜ ; 𝒆𝑖 , 𝒆𝑗 = 𝛿𝑖𝑗
0, 𝑖 ≠ 𝑗
Определение. Базис n-мерного пространства называется ортонормированным, если базисные векторы образуют
ортонормированную систему.
Теорема. Во всяком конечномерном евклидовом пространстве можно построить ортонормированный базис (метод
ортогонализации Грама-Шмидта)
(𝑘)
𝒇𝑖 , 𝒈3
(𝑘) (𝑘) (𝑘)
𝒇𝑘 = 𝒈𝑘 + 𝜆1 𝒇1 + 𝜆2 𝒇2 + ⋯ + 𝜆𝑘−1 𝒇𝑘−1 ; 𝜆𝑖 = − 2 𝑖 = 1, 𝑘 − 1
𝒇𝑖

𝒙 = 𝑥1 𝒆1 + 𝑥2 𝒆2 + ⋯ + 𝑥𝑛 𝒆𝑛
Теорема. Пусть в пространстве 𝐸𝑛 задан базис 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 и - произвольные
𝒚 = 𝑦1 𝒆1 + 𝑦2 𝒆2 + ⋯ + 𝑦𝑛 𝒆𝑛
векторы 𝐸𝑛 . Для того чтобы скалярное произведение вычислялось по правилу 𝒙, 𝒚 = 𝑥1 𝑦1 + 𝑥2 𝑦2 + ⋯ + 𝑥𝑛 𝑦𝑛
необходимо и достаточно, чтобы базис 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 был ортонормированным.
 Линейные операторы
𝑉 и 𝑊 − линейные пространства размерности dim 𝑉 = 𝑛 и dim(W)=m
Определение. Задано отображение линейного пространства V в W или оператор f , действующий
из V в W (обозначение 𝑓: 𝑉 → 𝑊), сопоставляющее каждому элементу (вектору) 𝑥Ԧ пространства V (𝑥Ԧ ∈
𝑉) единственный элемент (вектор) 𝑦Ԧ пространства W (𝑦Ԧ ∈ 𝑊). Вектор 𝑦Ԧ называют образом вектора 𝑥Ԧ , а вектор 𝑥Ԧ -
прообразом вектора 𝑦.
Ԧ
Определение. Два оператора 𝑓: 𝑉 → 𝑊 и 𝑔: 𝑉 → 𝑊 называются равными, если 𝑓𝒙 = 𝑔𝒙 (т.е. образы равны) для всех 𝒙
пространства 𝑉 (𝒙 ∈ 𝑉).
Определение. Оператор 𝑓: 𝑉 → 𝑊 называются взаимно однозначным, если каждый вектор 𝒚 пространства 𝑊 имеет
прообраз, и при том единственный.
Определение. Оператор 𝑓: 𝑉 → 𝑊 называется линейным, если для любых векторов 𝒙 и 𝒚 пространства 𝑉 (∀𝒙, 𝒚 ∈ 𝑉)
и любого действительного числа 𝛼(∀𝛼 ∈ 𝑅) выполняются условия
1. 𝑓 𝒙 + 𝒚 = 𝑓𝒙 + 𝑓𝒚
или 𝑓 𝛼𝒙 + 𝛽𝒚 = 𝛼𝑓𝒙 + 𝛽𝑓𝒚.
2. 𝑓𝛼𝒙 = 𝛼𝑓𝒙
где 𝛼, 𝛽 ∈ 𝑅 – любые вещественные числа. Справедливо и обратное: если имеет место равенство (2) то оператор 𝑓
является линейным.
Замечание 1. Равенство 𝑓 𝛼𝒙 + 𝛽𝒚 = 𝛼𝑓𝒙 + 𝛽𝑓𝒚 можно обобщить на любое число слагаемых.
𝑓 𝛼𝒙 + 𝛽𝒚 + ⋯ + 𝛾𝒛 = 𝛼𝑓𝒙 + 𝛽𝑓𝒚 + ⋯ + 𝛾𝑓𝒛.
Замечание 2. Линейный оператор переводит нулевой вектор пространства 𝑉 в нулевой, т.е. 𝑓𝟎 = 𝟎.
𝑓𝟎 = 𝑓 𝒙 − 𝒙 = 𝑓𝒙 + −1 𝑓𝒙 = 𝑓𝒙 + (−1)𝑓𝒙 = 𝑓𝒙 − 𝑓𝒙 = 𝟎
 Матрица линейного оператора
𝑓 𝒆1′ , 𝒆′2 , ⋯ 𝒆′𝑛 ∈ 𝑉𝑛
𝑉𝑛 - n-мерное линейное пространство; f – оператор; 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ∈ 𝑉𝑛
𝒆1′ = 𝑓𝒆1 , 𝒆′2 = 𝑓𝒆2 , ⋯, 𝒆′𝑛 = 𝑓𝒆𝑛 - образы базисных векторов

𝑎11 𝑎12 ⋯ 𝑎1𝑛

⋯ ⋯ ⋯ ⋯
𝑓𝒆1 , 𝑓𝒆2 , ⋯ , 𝑓𝒆𝑛 = 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ∗ ⋯ ⋯ ⋯ ⋯
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛
𝑓𝒆1 = 𝒆1′ = 𝑎11 𝒆1 + 𝑎21 𝒆2 + ⋯ + 𝑎𝑛1 𝒆𝑛 ,
𝑓𝒆2 = 𝒆′2 = 𝑎12 𝒆1 + 𝑎22 𝒆2 + ⋯ + 𝑎𝑛2 𝒆𝑛 ,
⋯⋯
𝑓𝒆𝑛 = 𝒆′𝑛 = 𝑎1𝑛 𝒆1 + 𝑎2𝑛 𝒆2 + ⋯ + 𝑎𝑛𝑛 𝒆𝑛

Связь между координатами вектора и его образа

𝑦1 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1
⋯ ⋯ ⋯ ⋯
⋮ = ∗ ⋮ 𝑌 = 𝐴𝑓 ∗ 𝑋
⋯ ⋯ ⋯ ⋯
𝑦𝑛 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑥𝑛
 Теорема. Если для любого матрицы столбца 𝑋 = (𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 )𝑇 имеет место равенство 𝐴 ∗ 𝑋 = 𝐵 ∗ 𝑋 ,
где 𝐴 = (𝑎𝑖,𝑗 ) и 𝐵 = (𝑏𝑖,𝑗 ) квадратные матрицы размерности 𝑛 × 𝑛 , то 𝐴 = 𝐵.

Теорема. Если для любого столбца 𝑋 = (𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 )𝑇 имеет место равенство 𝑋 ∗ 𝐴 = 𝑋 ∗ 𝐵 , где 𝐴 = (𝑎𝑖,𝑗 ) и 𝐵 =
(𝑏𝑖,𝑗 ) квадратные матрицы размерности 𝑛 × 𝑛 , то 𝐴 = 𝐵.

Теорема. Если 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 ; 𝒆1′ , 𝒆′2 , ⋯ , 𝒆′𝑛 являются базисами некоторого линейного пространства 𝑉𝑛 и 𝐴𝑓 – матрица
линейного оператора 𝑓 в базисе 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 , то матрица 𝐵𝑓 этого оператора в базисе 𝒆1′ , 𝒆′2 , ⋯ , 𝒆′𝑛 имеет вид
𝐵𝑓 = 𝑇 −1 ∗ 𝐴𝑓 ∗ 𝑇, где 𝑇- матрица перехода от базиса 𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 к базису 𝒆1′ , 𝒆′2 , ⋯ , 𝒆′𝑛 .

Следствие 1. Если линейный оператор имеет в некотором базисе невырожденную матрицу, то в любом другом
базисе матрица этого оператора невырожденная.
Следствие 2. Если 𝐴𝑓 и 𝐵𝑓 – матрицы линейного оператора в разных базисах, то ранг матрицы 𝐴𝑓 равен рангу
матрицы 𝐵𝑓 , 𝑟𝐴 = 𝑟𝐵 .

Определение. Матрица 𝐷 называется подобной матрице 𝐶, если существует такая невырожденная матрица 𝑇, что
выполняется равенство
𝐷 = 𝑇 −1 ∗ 𝐶 ∗ 𝑇.
Теорема. Определители подобных матриц равны.
Доказательство. 1
𝐷 = 𝑇 −1 ∗ 𝐶 ∗ 𝑇 ⟹ 𝑑𝑒𝑡𝐷 = 𝑑𝑒𝑡 𝑇 −1 ∗ 𝐶 ∗ 𝑇 = 𝑑𝑒𝑡𝑇 −1 ∙ 𝑑𝑒𝑡𝐶 ∙ 𝑑𝑒𝑡𝑇 = ∙ 𝑑𝑒𝑡𝐶 ∙ 𝑑𝑒𝑡𝑇 = 𝑑𝑒𝑡𝐶
𝑑𝑒𝑡𝑇
 Определение. Ядром оператора 𝑓: 𝑉 → 𝑊 называется множество тех векторов пространства 𝑉 , каждый из которых
данный оператор переводит в нулевой вектор. Ядро оператора 𝑓 обозначают 𝐤𝐞𝐫 𝒇. ker 𝑓 = 𝑥Ԧ ∈ 𝑉|𝑓𝑥Ԧ = 0
Определение. Областью значений оператора 𝑓: 𝑉 → 𝑊 называется множество векторов пространства 𝑊 , каждый из
которых является образом хотя бы одного вектора из пространства 𝑉. Ее обычно обозначают Im 𝑓. Im 𝑓 = 𝑦Ԧ ∈ 𝑊|𝑦Ԧ = 𝑓𝑥Ԧ
Теорема. Если 𝑓: 𝑉 → 𝑉 – линейный оператор, то 1) dim Im 𝑓 = 𝑟𝐴 ; 2) dim ker 𝑓 = 𝑛 − 𝑟𝐴 , где 𝑟𝐴 - ранг матрицы 𝐴
оператора 𝑓, n = dim 𝑉 .
Определение. Число 𝜆 ∈ 𝑅 называется собственным значением линейного оператора 𝒚 = 𝑓𝒙 , а ненулевой вектор
𝒙 ∈ 𝑉- собственным вектором, соответствующим данному собственному значению 𝜆, если они связаны
соотношением 𝑓𝒙 = 𝜆𝒙.
Определение. Множество всех возможных собственных значений {𝜆} оператора 𝑓 называется спектром этого
оператора.
Свойство 1. Собственный вектор линейного оператора имеет единственное собственное значение.
Доказательство. Предположим, что собственный вектор 𝒙 линейного оператора 𝑓: 𝑉 → 𝑉 имеет два собственных
значения 𝜆1 и 𝜆2 .
Тогда 𝑓𝒙 = 𝜆1 𝒙 и 𝑓𝒙 = 𝜆2 𝒙 ⟹ 𝑓𝒙 − 𝑓𝒙 = 𝜆1 𝒙 − 𝜆2 𝒙 ⟹ 0 = (𝜆1 − 𝜆2 )𝒙 . Так как 𝒙 ненулевой вектор (по
определению), то 𝜆1 − 𝜆2 = 0 ⟹ 𝜆1 = 𝜆2 , что и требовалось доказать.
Свойство 2. Собственные векторы линейного оператора, соответствующие различным собственным значениям
линейно независимы.
Доказательство. Пусть 𝒙1 и 𝒙2 собственные векторы линейного оператора 𝑓: 𝑉 → 𝑉, соответствующие различным
собственным значениям 𝜆1 и 𝜆2 , причем 𝜆1 ≠ 𝜆2 . Имеем 𝑓𝒙1 = 𝜆1 𝒙1 ; 𝑓𝒙2 = 𝜆2 𝒙2 .
Составим линейную комбинацию 𝛼1 𝒙1 + 𝛼2 𝒙2 = 𝟎, где 𝛼1 и 𝛼2 − некие числа ∈ 𝑅
Если 𝒙1 и 𝒙2 линейно независимые векторы ⟹ 𝛼1 = 𝛼2 = 0; 𝑓 𝛼1 𝒙1 + 𝛼2 𝒙2 = 𝑓𝟎 ⟹ 𝛼1 𝑓𝒙1 + 𝛼2 𝑓𝒙2 = 𝟎,
 𝑓 𝛼1 𝒙1 + 𝛼2 𝒙2 = 𝑓𝟎 ⟹ 𝛼1 𝑓𝒙1 + 𝛼2 𝑓𝒙2 = 𝟎
− 𝛼1 𝜆1 𝒙1 + 𝛼2 𝜆2 𝒙2 = 𝟎
𝜆1 𝛼1 𝒙1 + 𝛼2 𝒙2 = 𝜆1 𝟎 = 𝟎
𝛼1 𝜆1 𝒙1 + 𝛼2 𝜆2 𝒙2 − 𝛼1 𝜆1 𝒙1 − 𝛼2 𝜆1 𝒙2 ; 𝛼2 (𝜆1 −𝜆2 )𝒙2 = 𝟎. 𝒙2 - ненулевой вектор, 𝜆1 − 𝜆2 ≠ 0 (по условию); 𝛼2 = 0
𝛼1 = 0 (доказывается аналогично ) ⇒ векторы 𝒙1 и 𝒙2 независимы.
Свойство 3. Если 𝒙 – собственный вектор линейного оператора 𝑓: 𝑉 → 𝑉 с собственным значением 𝜆 и 𝛼 любое
отличное от нуля число, то 𝛼𝒙 – также собственный вектор оператора 𝑓 с собственным значением 𝜆.
Доказательство. 𝑓 𝛼𝒙 = 𝛼𝑓𝒙 = 𝛼 𝜆𝒙 = 𝜆(𝛼𝒙)
Свойство 4. Если 𝒙1 и 𝒙2 линейно независимые собственные векторы линейного оператора 𝑓: 𝑉 → 𝑉, с одним и тем
же собственным значением 𝜆, то 𝒙1 + 𝒙2 - также собственный вектор этого оператора с собственным значением 𝜆.
Доказательство. 𝑓 𝒙1 + 𝒙2 = 𝑓𝒙1 + 𝑓𝒙2 = 𝜆𝒙1 + 𝜆𝒙2 = 𝜆(𝒙1 + 𝒙2 )

Теорема. Характеристические многочлены линейного оператора 𝑓: 𝑉 → 𝑉 в разных базисах, одинаковы.

Теорема. Пусть 𝑘 – собственное значение оператора 𝑓 с матрицей 𝐴𝑓 𝑛-мерного пространства. Если 𝑟 –

ранг матрицы 𝐴𝑓 − 𝑘𝐸, то имеется 𝑛 − 𝑟 линейно независимых собственных векторов оператора 𝑓 с
собственным значением 𝑘.
 Оператор простой структуры. Диагонализируемость линейного оператора
Определение. Линейный оператор 𝑓: 𝑉𝑛 → 𝑉𝑛 называется оператором простой структуры, если в пространстве 𝑉𝑛
существует базис из собственных векторов оператора 𝑓.
Определение. Линейный оператор 𝑓: 𝑉𝑛 → 𝑉𝑛 называется диагонализируемым, если существует базис пространства 𝑉𝑛 ,
в котором матрица оператора диагональная.
Теорема. Для того чтобы, линейный оператор 𝑓: 𝑉𝑛 → 𝑉𝑛 был диагонализируемым, необходимо и достаточно, чтобы
он был оператором простой структуры.

Определение. Квадратная матрица 𝐴 называется диагонализируемой в комплексном пространстве,

если существует невырожденная комплексная матрица 𝑇 , такая, что матрица 𝑇 −1 𝐴𝑇 диагональная.
Определение. Квадратная матрица 𝐴 называется диагонализируемой в вещественном пространстве,
если существует невырожденная вещественная матрица 𝑇 , такая, что матрица 𝑇 −1 𝐴𝑇 диагональная.
Матрица 𝑇 называется матрицей, диагонализирующей матрицу 𝐴. Эта матрица является матрицей перехода от базиса, в
котором записана матрица 𝐴, к базису, составленному из собственных векторов оператора 𝑓.
Теорема. Если 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑛 – различные собственные значения линейного оператора 𝑓: 𝑉𝑛 → 𝑉𝑛 , то существует базис
𝒆1 , 𝒆2 , ⋯ , 𝒆𝑛 , в котором матрица 𝐴 оператора 𝑓 имеет диагональный вид.
Теорема. Пусть собственные значения 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑠 – собственные значения линейного оператора 𝑓: 𝑉𝑛 → 𝑉𝑛 ,,
кратности которых равны соответственно 𝑚1 , 𝑚2 , ⋯ 𝑚𝑠 (𝑚1 + 𝑚2 + ⋯ + 𝑚𝑠 = 𝑛), попарно различны. Если 𝑚1 = 𝑛 −
𝑟1 , 𝑚2 = 𝑛 − 𝑟2 , ⋯ 𝑚𝑠 = 𝑛 − 𝑟𝑠 , где 𝑟1 , 𝑟2 , ⋯ , 𝑟𝑠 – ранги матриц соответственно 𝐴𝑓 −𝜆1 𝐸, 𝐴𝑓 − 𝜆2 𝐸, ⋯ , 𝐴𝑓 −𝜆𝑠 𝐸, то
матрица 𝐴𝑓 диагонализируема.
 Невырожденные линейные операторы
Определение. Линейный оператор называется невырожденным, если его матрица невырожденная. В противном
случае оператор называется вырожденным.
Теорема. Невырожденный линейный оператор является взаимно однозначным. Всякий взаимно однозначный
оператор является невырожденным.
Теорема. Для того, чтобы линейный оператор 𝑓: 𝑉𝑛 → 𝑉𝑛 был невырожденным, необходимо и достаточно, чтобы
он переводил ненулевой в ненулевой.
Теорема. Произведение двух невырожденных линейных операторов есть невырожденный оператор.
Оператор, обратный данному линейному оператору
Определение. Два линейных оператора 𝑓 и 𝑔 называются взаимно обратными, если для любого 𝑥Ԧ имеет место
равенство 𝑓𝑔 𝑥Ԧ = 𝑔𝑓 𝑥Ԧ = 𝑥,
Ԧ т. е. 𝑔𝑓 и𝑓𝑔 – тождественные операторы.

1. Для того, чтобы линейный оператор имел обратный оператор необходимо и достаточно, чтобы он был
невырожденный.
2. Для данного линейного оператора 𝑓 с матрицей 𝐴𝑓 в некотором базисе существует единственный обратный
линейный оператор, причем матрица обратного оператора равна матрице 𝐴𝑓−1 в том же базисе.