Реферат Курсовая Конспект
Матрицы. Действия над ними - раздел Математика, 1. Матрицы. Действия Над Ними. Опр1. Матрицей A Размерности S...
|
1. Матрицы. Действия над ними.
Опр1. Матрицей A размерности Sxn называется прямоугольная таблица из чисел, состоящая из S строк и n столбцов.
- элемент матрицы,
i – номер строки,
j – номер столбца.
Типы матриц:
1. квадратная матрица;
2. нульматрица;
3. ; A – диагональная матрица элементы главной диагонали.
4. единичная матрица.
5.
верхняя треугольная матрица.
6.
нижняя треугольная матрица
Определение2 Пусть матрицы А и В имеют одинаковую размерность, тогда
Пусть для , тогда говорят, что матрицы А и В равны: А=В.
Определение3 Пусть матрицы А и В имеют одинаковую размерность, тогда суммой матриц А и В называется матрица
С=А+В;
Определение4 Пусть , а вещественное число, тогда произведением матрицы А на число называется матрица
Свойства линейных операций над матрицами
Перестановочность:
1. А+В=В+А
2. (А+В)+С=А+(В+С);
Распределительный закон умножения
3.
4.
5.
Определение5 Пусть существуют матрицы
С – разность А и В, если можно записать А=В+С; обозначается С=А-В.
Определение6 Пусть матрицы
Матрица называется произведением матриц А и В (обозначается С=АВ), если
Определение7 Транспонированная матрица. Транспонировать матрицу Азначит записать столбцы матрицы А строками с теми же номерами.
2. Перестановки, подстановки. Понятие инверсии и четности.
Опр1. Перестановкой n-го порядка называется упорядоченная последовательность элемент перестановки элементов множества М.
Запишем все перестановки n=3 M={1,2,3}
6 – различных перестановок 3-го порядка
Утверждение существует n! различных перестановок n-го порядка.
Опр2 Говорят что элементы и образуют беспорядок(инверсию) в перестановке, если но при этом .
Пример всего 5 инверсий N(4312)=5.
Опр3. Транспонизацией элементови называется перемена их местами при этом все остальные элементы фиксированы.
Утверждение Любая транспонизация элементов меняет четность перестановки.
Опр4. Подстановкой n-го порядка называется однозначное отображение множества M
Это отображение записывается в виде ;
Если N(p) – чётное(нечётное) число, то подстановка p называется чётной(нечётной).
5. Линейная зависимость системы столбцов. Ранг матрицы. Теорема о ранге матрицы и ее следствие (необходимое и достаточное условие равенства нулю определителя). Базисный минор.
Пусть матрица A=||aij|| (mxn)
Обозначим B1,B2,..,Bk – столбцы матрицы A
Определение: Столбцы B1,..,Bk называются линейно зависимыми, если существуют числа , такие, что
Определение: Столбцы B1,…,Bk называются линейно независмыми, если равенство выполняется тогда и только тогда, когда α1=α2=αk=0.
Утверждение: Столбцы B1,…,Bk линейно зависимы тогда и только тогда, когда хотя бы один из них является линейной комбинацией других столбцов. Т.е. например, B1=α2B2+…+αkBk.
Определение: Ранг матрицы A – максимальный порядок неравного нулю минора.
Обозначается: RangA, r(A).
Замечание:
1) RangA=0,
2) Очевидно, что если в матрице все миноры k-го порядка равны 0, то равны нулю все миноры большего порядка. Поэтому, для вычисления ранга матрицы, необходимо вычислять миноры, повышая порядок.
Пример:
; det(1)=1≠0
;;;
RangA=2.
Определение: Минор, определяющий ранг матрицы, называется базисным. Строки и столбцы, формирующий базисный минор, называются базисными строками и столбцами.
Теорема (о базисном миноре): Базисные строки (столбцы) линейно независимы. Остальные строки (столбцы) являются линейными комбинациями базисных строк (столбцов).
Доказательство: Для столбца B
Пусть для определенности базисный минор (минор порядка r(≠0)) расположен в верхнем левом углу. Этот минор равен D≠0; все миноры порядка выше r равны нулю.
Предположим, что базисные столбцы линейно зависимы. Тогда бы базисный минор состоял из столбцов, один из которых является линейной комбинацией остальных столбцов в D (см. утверждение). Тогда в силу свойств определителя D=0 – пришли к противоречию => базисные столбцы линейно независимы. Докажем, что другие столбцы есть линейная комбинация базисных столбцов. Докажем это для l-того столбца . Рассмотрим вспомогательные определители порядка (r+1) вида:
для т.к. две одинаковые строки
для т.к. в этом случае есть минор (r+1) порядка у матрицы A rangk<n
Выпишем разложение определителей по i-той строке:
Алгебраические дополнения A1,…,Ar не зависят от индекса:
m равно B
=> l-тый (l>r) есть линейная комбинация базисных столбцов B1,…,Br с коэффициентами
Теорема (о ранге матрицы): Ранг матрицы равен максимальному числу линейно независимых строк (столбцов).
Доказательство: Докажем для столбцов. Пусть RangA=r. Надо доказать, что r=k, где k – максимальное число независимых столбцов любого множеств, состоящего из больше, чем k столбцов.
Предположим, что k<r. Это невозможно, т.к. существует к линейно независимых базисных столбцов. Следовательно R≥r.
Предположим, что k>r. Докажем, что это невозможно.
Пусть столбцы C1,…,Ck – линейно независимы. Обозначим B1,…,Bk – базисные столбцы (может быть, некоторые из столбцов C совпадают с столбцами B). Каждый из столбцов C1,…,Ck может быть записан в виде линейной комбинации базисных столбцов:
Составим некоторую линейную комбинацию из столбцов. Тогда достаточно будет выражения равенства:
матричное равенство. m уравнений в правой части – 0, относительно k неизвестных β1,…,βk, k>m
При рассмотрении метода Гаусса докажем, что ненулевое решение такой системы. Т.е.
не все равны нулю: . Но это противоречит предположению о линейной независимости столбцов C1,…,Ck
Вывод: k<r – невозможно, k>r – невозможно, следовательно, k=r.
Следствия:
1. Определение: Ранг матрицы можно определить как максимальное число линейно независимых строк (столбцов).
2. Необходимым и достаточным условием равенства нулю определителя:
Пусть A: nxn, если detA=0 ó RangA<n
Доказательство:
Достаточно: RangA<n => n столбцов линейно зависимы => detA=0
Необходимо: Пусть detA=0 => базисный минор не может иметь порядок n => RangA<n.
Замечание: В доказательстве теоремы о базисном миноре мы рассматривали только минор, содержащий в себе базисный минор. Этого оказалось достаточным, чтобы гарантировать, что RangA=r.
6.Обратная матрица, Необходимое и достаточное существование обратной матрицы
Вырожденная матрица.
Пусть А-квадратная матрица nxn Матрица B(C) называется левая(правая) обратная матрица к А, если выполнено равенство B*A=E (A*C=E)
Пусть существуют левая и правая обратные матрицы В и С, тогда В=С
В=В*Е=В*(А*С)=(В*А)*С=Е*С=С
Существуют правая и левая обратные матрицы, тогда в силу того что В=С=А^(-1)
A-1*A=A*A-1=E
Пусть det A не равен 0 тогда если обратная матрица существует то det A-1=1/det A
Det(A*A-1)=det E=1
Det A*det A-1=1
detA-1=1/det A
квадратная матрица А называется невырожденной если определитель не равен 0
вырожденная если определитель равен 0.
Обратная матрица существует тогда и только тогда когда матрица А невыродженная
Необходимость.
Пусть существует А^(-1) тогда А невыродженная.
Если есть А^(-1) то det(A*A^(-1))=det A*det A^(-1)=1
Det A не равен 0
Достаточность.
Пусть det A не равен 0 то есть A^(-1)
Рассмотрим В=1/det A[A11 A21…An1] 1/det A[A11……A1n](T)
[A12 A22…An2]= [A21……A2n]
[A1n A21n..Ann] [An1……Ann]
докажем что В является левой обратной к А.
вычислим А*В
1/det A[A11 A21….An1] [a11 a1j a1n]
[A1i A2i…...Ani] [a21 a2j a2n]=C
[A1n A21n..Ann] [an1 anj ann]
Cij=1/detA(A1i*a1j+…+Ani*anj)=1/det A*det A*δij(1,i=g|0,i≠g) следовательно С=E
B есть левая обратная к А, аналогично что В является правой обратной к А.
A^(-1)=(1/det A)*(A(v))(T)
A(v)-союзная матрица из алгебраических дополнений.
7. Линейное векторное пространство. Определение, примеры.
Опр.
Множество L элементов любой природы называется линейное пространство, если
1). В это множестве введена операция сложения элементов, не выходящих за пределы L.
2).Введена операция умножения на вещественное число:
3). Операция плюс, умножение на вещественное число обладают 8 свойствами(аксиомами линейного пространства):
Замечание.
1 Если в определение множества пространства идет речь об умножении на вещественное число, то такое линейное пространство называется вещественным линейным пространством. Существуют комплексные множества пространства.
2 Элементы линейного пространства называют векторами. Нулевой вектор.
Утверждение 1. Нулевой элемент единственный.
Доказательство.
Пусть существуют два нулевых элемента тогда
Утверждение 2. Противоположный элемент единственен.
Доказательство от противного. Пусть противоположные к элементу X.
Определение. Пусть Элемент называется разностью X-Y, если Очевидно
Примеры линейных пространств.
1 Множество векторов- направленных отрезков, если ввести + по правилу треугольника, а умножение на число так, как это было сделано в школе- есть линейное пространство, т.е выполняется восемь аксиом линейного пространства.
2
так как это было сделано раньше.
8 аксиом выполняются
3.Множество многочленов степени не выше n. с вещественными коэффициентами.
-обычным образом. 8 аксиом.
-линейное пространство.
4 Множество непрерывных функций на .
- обычным образом. Аксиомы 1-8 выполнены.
Слинейное пространство.
5.L={0}-нуль пространства.
-как обычно. Аксиомы 1-8-выполнены.
Замечание.
В одном и том же множестве вводить можно разными способами лишь бы только выполнялись 8 аксиом. При этом будут получаться различные линейные пространства.
Контр примеры.
1. Пусть L-множество многочленов степени n. -как обычно.
-вообще говоря, неверно. Например (n=3).
2. L-множество векторов на плоскости, параллельных либо либо .
-как обычно.L-не является линейным пространством, т.к. нет замкнутости относительно не обязательно принадлежит L.
Замечание.
8. Линейная зависимость и независимость векторов в линейном пространстве. Базис в линейном пространстве. Координаты вектора в базисе.
Базис в линейном пространстве.
Опр1. Пусть .L-линейное пространство. Сумма вида называется линейной комбинацией векторов коэффициенты линейных комбинаций.
Опр2. Элементы линейного пространства L называются линейно зависимыми, если
в противном случае линейно независимы.
Опр3 Элементы линейного пространства L образуют базис, если 1) линейно зависимы;2) последнее равенство разложение элемента x по базису числа. -координаты вектора x в базисе .
Утверждение 1
Пусть -линейно зависимые вектора, тогда один из них выражается в виде линейной комбинации других.
Доказательство.
-линейно зависимые.
пусть
Утверждение 2
Пусть хотя бы один из элементов тогда система линейно зависимая.
Доказательство.
Пусть для определенности линейно зависимые вектора. Составим линейную комбинацию вида
можно сделать равной 0 подобрав линейно зависимые.
Теорема1
Координаты вектора в базисе определяется однозначно.
Доказательство
-базис в L Предположим, что сущ. два разложения элемента x по базису e:
но вектора -линейно независммы(т.к. e-базис)
Следствие.
Два элементы линейного пространства равны между собой (совпадают). Т. и т. т.к совпадают их соответственные координаты в одном и том же базисе.
Теорема 2
При сложении элементов линейного пространства их соответствующие координаты складываются. При умножение элемента на число его координаты умножаются на это число.
Теорема 3
Пусть -базис в линейном пространстве L, тогда любая система из большого, чем n, числа векторов- линейно зависимы.
Доказательство
Рассмотрим производную систему m>n числа векторов . Разложим каждый вектор f по базису e:
напишем некоторые линейную комбинацию докажем, что можно подобрать так, что такая линейная комбинация =.
линейно зависимые =необходимо
из n уравнений относительно m неизвестных m>n
Такая система уравнений имеет нетривиальное(т.е. не нулевое) решение
линейно зависимы
Теорема4
Все базисы в линейном пространстве L состоят из одного и того же числа векторов.
(базис) (базис)
не может быть
Опр4
Размерностью линейного пространства называется число векторов в базисе.
Опр5
Пространство называется бесконечномерным, если для любого n существует система из n линейно независимых векторов.
9.Размерность линейного пространства.
Определение:Размерностью линейного пространства называется число векторов в базисе dimL=n.
Определение:пространство L называется бесконечно мерным,если система из n линейно независимых векторов
Примеры
1.Трехмерное пространство векторов - направленных отрезков. Любая тройка некомпланарных векторов образует базис. dimL=3
2.Пространство векторов-направленных отрезков на плоскости. Базис – любая пара неколлинеарных векторов на этой плоскости. dimL=2
3.L-пространство строк длины n.
Докажем,что это линейно независимая система:
1).-линейно независимы
2).Очевидно,что .
Из второго и первого следует, что -базис пространства: dimL=n
4.Пространство многочленов степени не выше n
Докажем,что это базис:
1)
В силу основной теоремы алгебры многочлен n-ой степени не может иметь больше чем n корней, следовательно уравнение выполняется только при -линейно независимы.
2)Очевидно, что любой многочлен степени <= n может быть записан в виде линейной комбинации
Из первого и второго следует,что -базис, dimL=n+1
5.C[a,b]- пространство функций, непрерывных на [a,b]. -(n+1) функция из этого пространства C[a,b], причем -линейно независимы по основной теореме.
10.Переход к новому базису.Матрица перехода.Преобразование координат вектора при переходе к новому базису.
L,dimL=n
-“старый” базис
-“новый” базис
Определение: Матрица называется матрицей перехода от e к e’.j-тый столбец в матрице перехода состоит из координат вектора в старом базисе
Формально:
Формально:
Аналогично:
Теорема:Матрица перехода невырождена.
Доказательство:
Т к базисы состоят из линейно независимых векторов, то обязательно
Рассмотрим
Формально x=eX=e’X’=eX’.В силу линейной независимости ,получаем,что X=X’.Домножим слева на и получим X’=X
11. Правило Крамера для решения систем линейных алгебраических уравнений.
Пусть А = (nn) ; X = ; B = ;
(1) AX = B
Теорема Крамера:
Система (1) имеет решение (и притом одно единственное) если detA0
Доказательство:
detA0 ; умножим систему (1) на (А)Х = В ЕХ = В
Х =В
Т.е., если detA0, то всегда решение Х = В
Докажем, что это решение единственное. Пусть Y — другое решение.
AX = AY; Умножим на , получим что X = Y.
Формула Крамера (вывод).
Х =В = = =
= detA
X =, где — формула Крамера (правило Крамера)
Замечания
1. detA0 не является условием совместимости системы
Пример: detA = 0
2. Для больших n применение правила Крамера нецелесообразно, т.к. необходимо вычислить n+1 определитель n-го порядка. Необходимо использовать другие методы (метод Гауса).
12. Системы линейных уравнений. Теорема Кронекера-Капелли.
Числа называются коэффициентами системы;
— неизвестные; — свободные члены;
(); ; ;
(1) AX = B — матричная запись
Опр1: Упорядоченная совокупность вещественных чисел называется решением системы (1), если при подстановке в уравнения получаются верные равенства.
Опр2: Система (1) называется совместной, если имеет хотя бы одно решение.
Опр3: Система (1) называется определенной, если она имеет ровно одно решение и называется неопределенной, если имеет более одного решения.
Решить систему (1) значит:
1) Установить совместность;
2) Если она определенная, найти её единственное решение;
3) Если неопределенная, то описать все множество решений.
N _Axo+Byo+Czo+D=0
– Конец работы –
Используемые теги: матрицы, действия, над, ними0.074
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Матрицы. Действия над ними
Если этот материал оказался полезным для Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов