Линейные преобразования линейного пространства Определение 35. Линейным преобразованием линейного пространства называется линейный оператор данного линейного пространства самого в себя. :LL Всё, что было сказано о линейных операторах, очевидно, верно и для линейных преобразованиях, но некоторые формулы будут иметь более простой вид. Напомним формулы. 1. Если в пространстве Ln зафиксирован базис е = (е1, е2, … , еn ), то матрица А линейного преобразования : Ln Ln имеет вид 11 12 ... 1n (e1 ) 11e1 21e2 ... n1en , 21 22 ... 2 n (e ) e e ... e , А= , 2 12 1 22 2 n2 n . . ... . (35) .......... .......... .......... .... n1 n 2 ... nn (en ) 1ne1 2 ne2 ... nnen . столбцы которой – координаты образов базисных векторов е. 2. Формулы (35) в матричном виде имеют вид (е) = еА. 3. Связь столбцов координат вектора и его образа: х1 = Ах (36) 4. Если в пространстве Ln зафиксированы два базиса е = (е1, е2, … , еn) и е1 = (е11,е21, … , еn1) и Т – матрица перехода от е к е1, то связь матриц линейного преобразования в этих базисах задаётся формулой А1 = ТАТ–1 (37). Определение 36. Квадратные матрицы А и В называются подобными, если существует такая квадратная невырожденная матрица С, что В = С–1АС. 5. Матрицы, задающие линейное преобразование в разных базисах, подобны. 6. Теорема 35. Для любых двух подобных матриц А и В одного и того же порядка n над полем Р и любого линейного пространства Ln над полем Р в Ln существуют такие базисы е и е1, что данные матрицы будут задавать в этих базисах одно и то же линейное преобразование. Доказательство. Пусть В = С–1АС. Зафиксируем в Ln какой-нибудь базис. Матрица А в этом базисе задаёт линейное преобразование (пусть это ). Так как матрица С невырожденная, то С–1 может быть матрицей перехода. Пусть е1 = еС–1. Тогда преобразование в базисе е1 будет иметь матрицу С–1А(С–1 )–1 = С–1АС = В. 7. dim ((Ln )) + dim (Ker ) = n. 8. Множество всех линейных преобразований пространства Ln есть тоже линейное пространство над тем же полем Р, что и пространство Ln . Определение 37. Линейное пространство линейных преобразований линейного пространства Ln называется линейным пространством, сопряжённым пространству Ln . Пространство, сопряжённое Ln , обозначается Ln. 9. Пространство Ln изоморфно линейному пространству квадратных матриц порядка n с элементами из поля Р. Следовательно, dim (Ln ) = n2. Невырожденные линейные преобразования Пусть Ln – линейное n-мерное пространство над полем Р и пусть : Ln Ln – линейное преобразование. Если А –матрица этого преобразования в некотором базисе е, то в любом другом базисе задаётся матрицей, подобной А, т.е. матрицей вида А1 = ТАТ–1 . Так как матрица Т невырожденная, то rang (A1) = rang (A). Определение 38. Рангом линейного преобразования линейного пространства называется ранг его матрицы в любом базисе этого пространства. Определение 39. Линейное преобразование линейного пространства называется невырожденным, если его ранг равен размерности пространства. Теорема 36. Линейное преобразование линейного пространства Ln является невырожденным тогда и только тогда, когда выполняется одно из следующих условий: 1) (Ln ) = Ln ; 2) Ker() = 0; 3) – взаимнооднозначное отображение Ln на себя; 4) при преобразовании различные векторы имеют различные образы. Собственные векторы и собственные значения линейного преобразования Пусть Ln – линейное n-мерное пространство над полем Р, : Ln Ln – линейное преобразование и А –матрица этого преобразования в некотором базисе е. Определение 40. Ненулевой вектор а называется собственным вектором преобразования , если (а) = а для некоторого Р. Элемент называется собственным значением преобразования . По определению собственного вектора, а – собственный вектор преобразования Р : (а) = а. Перепишем это равенство в координатах, получим Ах = х. Отсюда Ах – (Е)х = О, или (А –Е)х = О. Итак, а – собственный вектор преобразования столбец координат этого вектора является ненулевым решением уравнения (А –Е)х = О (38). Матрица (А –Е) называется характеристической матрицей для матрицы А. Матричное уравнение (38) перепишем в виде системы уравнений. Получим, что а – собственный вектор преобразования (х1, х2, … , хn ) – ненулевое решение (11 ) x1 21x2 ... n1 xn 0, x ( ) x ... x 0, системы (39), при этом все хк принадлежат полю Р. Так 12 1 22 2 n2 n как (39) система линейных однородных уравнений и (39) ...................................... число уравнений равнее числу неизвестных, то она имеет 1n x1 2 n x2 ... ( nn ) xn 0. ненулевое решение тогда и только тогда, когда её определитель равен нулю, т.е. имеет место равенство (40). Уравнение (40) называется 11 21 ... n1 характеристическим уравнением матрицы А. 12 22 ... n 2 Определитель системы, т.е. А – Е , называется 0 (40) . . ... . характеристическим многочленом матрицы А. 1n 2n ... nn Корни характеристического многочлена называются характеристическими корнями матрицы А. ( Характеристический корень не всегда принадлежит полю Р). Множество всех характеристических корней матрицы А называется её спектром. Согласно определению 40, Р. Пусть 0 Р и является характеристическим корнем матрицы А. При 0 система (39) имеет ненулевое решение, т. е. будет иметь собственный вектор и 0 будет собственным значением преобразования , заданного матрицей А. Теорема 37. Характеристические многочлены подобных матриц одинаковы. Доказательство. Пусть В = С–1АС. Так как матрица Е перестановочна с любой матрицей, то В – Е = С–1АС – Е = С–1АС – С–1 (Е)С = С–1(А – Е)С = С–1 А – Е С = А – Е . Так как матрицы линейного преобразования в разных базисах подобна, то Следствие. Матрицы линейного преобразования в разных базисах имеют один и тот же спектр. Определение 41. Спектр матрицы линейного преобразования в каком-нибудь базисе называется спектром линейного преобразования. Теорема 38. Собственными значениями линейного преобразования : Ln Ln , действующего в линейном пространстве над полем Р, являются характеристические корни этого преобразования, принадлежащие полю Р, и только они. Доказательство этой теоремы вытекает из всего сказанного выше. Можно сформулировать следующие правила нахождения собственных значений и собственных векторов линейного преобразования. 1. Записать матрицу данного преобразования в некотором базисе. 2. Составить характеристическое уравнение и найти его корни, принадлежащие полю Р (т.е. найти собственные значения). (11 0 ) x1 21x2 ... n1 xn 0, x ( ) x ... x 0, 22 0 2 n2 n 3. Если 0 – собственное значение, то составить систему 12 1 и ...................................... 1n x1 2 n x2 ... ( nn 0 ) xn 0. найти её ненулевые решения. Пример. Найти собственные значения и собственные векторы линейного преобразования : L4 L4 (над полем R), если это преобразование в базисе е = (е1, е2, е3,е4) имеет матрицу А. Решение. Составим 1 1 0 0 1 1 0 0 характеристическое уравнение (). 1 1 0 0 1 1 0 0 А= . 0. () Используя теорему Лапласа, 2 1 1 2 2 1 1 2 раскроем определитель, получим 3 5 3 3 3 5 3 3 уравнение: 1 1 1 2 0 , (1 – )2 – 1(1– )(3 – ) – 6 = 0. Возможны два случая: 1 1 3 3 1) (1 – )2 – 1 = 0, 1 – = 1. Отсюда 1 = 0, 2 = 2. 2) (1– )(3 – ) – 6 = 0, 2 – 4 – 3 = 0, 3 = 2 7 , 4 = 2 7 . Итак, характеристическое уравнение имеет четыре корня, все они действительные. Поэтому данное преобразование имеет четыре собственных значения. Для каждого из них составим систему уравнений для нахождения собственных векторов. Отсюда х2 = – х1. Подставим в третье и четвёртое x1 x2 0, уравнения, получим x1 x2 0, 1) При = 0. 3x1 x3 2 x4 0, x3 2 x4 3x1 , 2 x x x 2 x 0 , Отсюда 1 2 3 4 2 x1 3x3 3x3 0. 3x3 3x4 2 x1. 3x1 5 x2 3x3 3x4 0. 11 13 x1 . Если х1 = 3С, то х2 = –3С, Решив последнюю систему, получим х4 = x1 , х3 = 3 3 х3 = 13С, х4 = –11С, С – любое действительное число, отличное от нуля. Итак, собственными векторами, принадлежащими собственному значению = 0, являются все ненулевые векторы вида (3С, –3С, 13С, –11С ). Отсюда х2 = х1. Подставим в третье и четвёртое x1 x2 0, уравнения. x1 x2 0, 2) При = 2. x1 x3 2 x4 0, x3 2 x4 x1, 2 x x x 2 x 0 , Отсюда 1 2 3 4 8 x 3x3 x4 0. 3x3 x4 8 x1. 3x1 5 x2 3x3 x4 0. 1 15 11 Решив последнюю систему, получим х3 = x1 , х4 = x1. Если х1 = 7С, то х2 = 7С, х3 = 7 7 –15С, х4 = –11С, где С – любое отличное от нуля действительное число. Итак, собственными векторами, принадлежащими собственному значению = 2, являются все ненулевые векторы вида (7С, 7С, –15С, –11С ). Из первых двух уравнений х1 = х2 = 0. (1 7 ) x1 x2 0, Подставив в третье и четвёртое x1 (1 7 ) x2 0, уравнения, получим 3) При = 2 7 . 2 x x ( 1 7 ) x 2 x 0 , 1 2 3 4 (1 7 ) x3 2 x4 0, 3 x 5 x 3 x (1 7 ) x 0. 2 3 4 1 3 x3 (1 7 ) x4 0. (1 7 ) x3 , х3 – любое отличное от нуля действительное число. Если 2 х3 = 2С, то x4 (1 7 )C . Итак, собственными векторами, принадлежащими собственному Из этой системы x4 значению = 2 + 7 , являются все ненулевые векторы вида (0, 0, 2С, (1 7 )C ). Из первых двух уравнений х1 = х2 = 0 . Подставив 4) При = 2 7 . в третье и четвёртое уравнения, получим (1 7 ) x1 x2 0, (1 7 ) x3 2 x4 0, x1 (1 7 ) x2 0, 3 x3 (1 7 ) x4 0. 2 x1 x2 (1 7 ) x3 2 x4 0, 3 x 5 x 3 x (1 7 ) x 0. 2 3 4 1 Из полученной системы Если х3 = 2С, то 1 7 x3 , х3 – любое отличное от нуля действительное число. 2 x4 (1 7 )C . Итак, собственными векторами, принадлежащими x4 7 , являются все ненулевые векторы вида собственному значению = 2 + (0, 0, 2С, (1 7 )С). Свойства собственных векторов. 0 1 . Если вектор а – собственный вектор преобразования , принадлежащий собственному значению и 0, то а – тоже собственный вектор, принадлежащий тому же собственному значению. Если (а ) = а, то (а) =(а) = (а) = (а). 20. Множество всех собственных векторов линейного преобразования : Ln Ln , принадлежащих одному и тому же собственному значению (если к ним добавить нулевой вектор), есть линейное подпространство в Ln . Пусть а и в два собственных вектора и (а ) = а, (в) = в. Тогда (а + в) = (а) + (в) = (а) + (в) = (а + в). 30. Собственные векторы, принадлежащие различным собственным значениям, линейно независимы. Пусть (а ) = а, (в) = 1в, 1. Если бы а и в были бы линейно зависимы, то хотя бы один из них линейно выражался через другой пусть в = а. Так как в – собственный вектор, то 0. Тогда (в) = (а). Отсюда 1в = (а), 1(а) = (а), (1 – )а = 0. Но в левой части 0, 1 – 0, а 0. Противоречие. Следовательно, а и в – линейно независимы. 40. Если в базисе е = (е1, е2, ... , ек, … , еn ) вектор ек – собственный вектор линейного преобразования , принадлежащий собственному значению , то в к-ом столбце матрицы этого преобразования на всех местах, кроме к-го, стоят нули и акк = . Линейные преобразования в базисе из собственных векторов. Линейные преобразования с простым спектром Теорема 39. Линейное преобразование линейного пространства Ln над полем Р имеет в базисе е = (е1, е2, ... , еn ) диагональную матрицу тогда и только тогда, когда все векторы базиса являются собственными векторами преобразования . Доказательство. Пусть матрица А линейного преобразования в базисе е – диагональная. Тогда (ек) = к для любого к = 1, 2, … , n. Но это значит, что все базисные векторы – собственные.. Пусть все базисные векторы – собственные. Тогда (ек) = к . Следовательно, в к-ом столбце матрицы этого преобразования на всех местах, кроме к-го, стоят нули и акк = к. Отсюда и следует, что матрица преобразования – диагональная. Следствие. Квадратная матрица n-го порядка подобна диагональной тогда и только тогда, когда для соответствующего этой матрице линейного преобразования существует базис из собственных векторов. Определение 42. Говорят, что линейное преобразование линейного пространства Ln над полем Р имеет простой спектр, если все его характеристические корни различны и принадлежат полю Р. Теорема 40. Если линейное преобразование линейного пространства Ln над полем Р имеет простой спектр, то в Ln существует такой базис, в котором это преобразование имеет диагональную матрицу. Теорема 41. Пусть А – квадратная матрица с элементами из поля Р . Если все характеристические корни матрицы А различны и принадлежат полю Р, то эта матрица подобна диагональной.