Линейно зависимые строки матрицы. Теория слау

Понятия линейной зависимости и линейной независимости определяются для строк и столбцов одинаково. Поэтому свойства, связанные с этими понятиями, сформулированные для столбцов, разумеется, справедливы и для строк.

1. Если в систему столбцов входит нулевой столбец, то она линейно зависима.

2. Если в системе столбцов имеется два равных столбца, то она линейно зависима.

3. Если в системе столбцов имеется два пропорциональных столбца , то она линейно зависима.

4. Система из столбцов линейно зависима тогда и только тогда, когда хотя бы один из столбцов есть линейная комбинация остальных.

5. Любые столбцы, входящие в линейно независимую систему, образуют линейно независимую подсистему.

6. Система столбцов, содержащая линейно зависимую подсистему, линейно зависима.

7. Если система столбцов - линейно независима, а после присоединения к ней столбца - оказывается линейно зависимой, то столбец можно разложить по столбцам , и притом единственным образом, т.е. коэффициенты разложения находятся однозначно.

Докажем, например, последнее свойство. Так как система столбцов линейно зависима, то существуют числа не все равные 0, что

В этом равенстве . В самом деле, если , то

Значит, нетривиальная линейная комбинация столбцов равна нулевому столбцу, что противоречит линейной независимости системы . Следовательно, и тогда , т.е. столбец есть линейная комбинация столбцов . Осталось показать единственность такого представления. Предположим противное. Пусть имеется два разложения и , причем не все коэффициенты разложений соответственно равны между собой (например, ). Тогда из равенства

Получаем (\alpha_1-\beta_1)A_1+\ldots+(\alpha_k-\beta_k)A_k=o

последовательно, линейная комбинация столбцов равна нулевому столбцу. Так как не все ее коэффициенты равны нулю (по крайней мере ), то эта комбинация нетривиальная, что противоречит условию линейной независимости столбцов . Полученное противоречие подтверждает единственность разложения.

Пример 3.2. Доказать, что два ненулевых столбца и линейно зависимы тогда и только тогда, когда они пропорциональны, т.е. .

Решение. В самом деле, если столбцы и линейно зависимы, то существуют такие числа , не равные нулю одновременно, что . Причем в этом равенстве . Действительно, предположив, что , получим противоречие , поскольку и столбец - ненулевой. Значит, . Поэтому найдется число такое, что . Необходимость доказана.

Наоборот, если , то . Получили нетривиальную линейную комбинацию столбцов, равную нулевому столбцу. Значит, столбцы линейно зависимы.

Пример 3.3. Рассмотреть всевозможные системы, образованные из столбцов

Исследовать каждую систему на линейную зависимость.
Решение. Рассмотрим пять систем, содержащих по одному столбцу. Согласно п.1 замечаний 3.1: системы , линейно независимы, а система, состоящая из одного нулевого столбца , линейно зависима.

Рассмотрим системы, содержащие по два столбца:

– каждая из четырех систем и линейно зависима, так как содержит нулевой столбец (свойство 1);

– система линейно зависима, так как столбцы пропорциональны (свойство 3): ;

– каждая из пяти систем и линейно независима, так как столбцы непропорциональные (см. утверждение примера 3.2).

Рассмотрим системы, содержащие три столбца:

– каждая из шести систем и линейно зависима, так как содержит нулевой столбец (свойство 1);

– системы линейно зависимы, так как содержат линейно зависимую подсистему (свойство 6);

– системы и линейно зависимы, так как последний столбец линейно выражается через остальные (свойство 4): и соответственно.

Наконец, системы из четырех или из пяти столбцов линейно зависимы (по свойству 6).

Ранг матрицы

В этом разделе рассмотрим еще одну важную числовую характиристику матрицы, связанную с тем, насколько ее строки (столбцы) зависят друг от друга.

Определение 14.10 Пусть дана матрица размеров и число , не превосходящее наименьшего из чисел и : . Выберем произвольно строк матрицы и столбцов (номера строк могут отличаться от номеров столбцов). Определитель матрицы, составленной из элементов, стоящих на пересечении выбранных строк и столбцов, называется минором порядка матрицы .

Пример 14.9 Пусть .

Минором первого порядка является любой элемент матрицы. Так 2, , -- миноры первого порядка.

Миноры второго порядка:

1. возьмем строки 1, 2, столбцы 1, 2, получим минор ;

2. возьмем строки 1, 3, столбцы 2, 4, получим минор ;

3. возьмем строки 2, 3, столбцы 1, 4, получим минор

Миноры третьего порядка:

строки здесь можно выбрать только одним способом,

1. возьмем столбцы 1, 3, 4, получим минор ;

2. возьмем столбцы 1, 2, 3, получим минор .

Предложение 14.23 Если все миноры матрицы порядка равны нулю, то все миноры порядка , если такие существуют, тоже равны нулю.

Доказательство . Возьмем произвольный минор порядка . Это определитель матрицы порядка . Разложим его по первой строке. Тогда в каждом слагаемом разложения один из множителей будет являться минором порядка исходной матрицы. По условию миноры порядка равны нулю. Поэтому и минор порядка будет равен нулю.

Определение 14.11 Рангом матрицы называется наибольший из порядков миноров матрицы , отличных от нуля. Ранг нулевой матрицы считается равным нулю.

Единое, стандартное, обозначение ранга матрицы отсутствует. Следуя учебнику , мы будем обозначать его .

Пример 14.10 Матрица примера 14.9 имеет ранг 3, так как есть минор третьего порядка, отличный от нуля, а миноров четвертого порядка нет.

Ранг матрицы равен 1, так как есть ненулевой минор первого порядка (элемент матрицы ), а все миноры второго порядка равны нулю.

Ранг невырожденной квадратной матрицы порядка равен , так как ее определитель является минором порядка и у невырожденной матрицы отличен от нуля.

Предложение 14.24 При транспонировании матрицы ее ранг не меняется, то есть .

Доказательство . Транспонированный минор исходной матрицы будет являться минором транспонированной матрицы , и наоборот, любой минор является транспонированным минором исходной матрицы . При транспонировании определитель (минор) не меняется (предложение 14.6). Поэтому если все миноры порядка в исходной матрице равны нулю, то все миноры того же порядка в тоже равны нулю. Если же минор порядка в исходной матрице отличен от нуля, то в есть минор того же порядка, отличный от нуля. Следовательно, .

Определение 14.12 Пусть ранг матрицы равен . Тогда любой минор порядка , отличный от нуля, называется базисным минором.

Пример 14.11 Пусть . Определитель матрицы равен нулю, так как третья строка равна сумме первых двух. Минор второго порядка, расположенный в первых двух строках и первых двух столбцах, равен . Следовательно, ранг матрицы равен двум, и рассмотренный минор является базисным.

Базисным минором является также минор, расположенный, скажем, в первой и третьей строках, первом и третьем столбцах: . Базисным будет минор во второй и третьей строках, первом и третьем столбцах: .

Минор в первой и второй строках, втором и третьем столбцах равен нулю и поэтому не будет базисным. Читатель может самостоятельно проверить, какие еще миноры второго порядка будут базисными, а какие нет.

Так как столбцы (строки) матрицы можно складывать, умножать на числа, образовывать линейные комбинации, то можно ввести определения линейной зависимости и линейной независимости системы столбцов (строк) матрицы. Эти определения аналогичны таким же определениям 10.14, 10.15 для векторов.

Определение 14.13 Система столбцов (строк) называется линейно зависимой, если существует такой набор коэффициентов, из которых хотя бы один отличен от нуля, что линейная комбинация столбцов (строк) с этими коэффициентами будет равна нулю.

Определение 14.14 Система столбцов (строк) является линейно независимой, если из равенства нулю линейной комбинации этих столбцов (строк) следует, что все коэффициенты этой линейной комбинации равны нулю.

Верно также следующеее предложение, аналогичное предложению 10.6.

Предложение 14.25 Система столбцов (строк) является линейно зависимой тогда и только тогда, когда один из столбцов (одна из строк) является линейной комбинацией других столбцов (строк) этой системы.

Сформулируем теорему, которая называется теорема о базисном миноре .

Теорема 14.2 Любой столбец матрицы является линейной комбинацией столбцов, проходящих через базисный минор.

Доказательство можно найти в учебниках по линейной алгебре, например, в , .

Предложение 14.26 Ранг матрицы равен максимальному числу ее столбцов, образующих линейно независимую систему.

Доказательство . Пусть ранг матрицы равен . Возьмем столбцы, проходящие через базисный минор. Предположим, что эти столбцы образуют линейно зависимую систему. Тогда один из столбцов является линейной комбинацией других. Поэтому в базисном миноре один столбец будет линейной комбинацией других столбцов. По предложениям 14.15 и 14.18 этот базисный минор должен быть равен нулю, что противоречит определению базисного минора. Следовательно, предположение о том, что столбцы, проходящие через базисный минор, линейно зависимы, не верно. Итак, максимальное число столбцов, образующих линейно независимую систему, больше либо равно .

Предположим, что столбцов образуют линейно независимую систему. Составим из них матрицу . Все миноры матрицы являются минорами матрицы . Поэтому базисный минор матрицы имеет порядок не больше . По теореме о базисном миноре, столбец, не проходящий через базисный минор матрицы , является линейной комбинацией столбцов, проходящих через базисный минор, то есть столбцы матрицы образуют линейно зависимую систему. Это противоречит выбору столбцов, образующих матрицу . Следовательно, максимальное число столбцов, образующих линейно независимую систему, не может быть больше . Значит, оно равно , что и утверждалось.

Предложение 14.27 Ранг матрицы равен максимальному числу ее строк, образующих линейно независимую систему.

Доказательство . По предложению 14.24 ранг матрицы при транспонировании не меняется. Строки матрицы становятся ее столбцами. Максимальное число новых столбцов транспонированной матрицы, (бывших строк исходной) образующих линейно независимую систему, равно рангу матрицы.

Предложение 14.28 Если определитель матрицы равен нулю, то один из его столбцов (одна из строк) является линейной комбинацией остальных столбцов (строк).

Доказательство . Пусть порядок матрицы равен . Определитель является единственным минором квадратной матрицы, имеющим порядок . Так как он равен нулю, то . Следовательно, система из столбцов (строк) является линейно зависимой, то есть один из столбцов (одна из строк) является линейной комбинацией остальных.

Результаты предложений 14.15, 14.18 и 14.28 дают следующую теорему.

Теорема 14.3 Определитель матрицы равен нулю тогда и только тогда, когда один из ее столбцов (одна из строк) является линейной комбинацией остальных столбцов (строк).

Нахождение ранга матрицы с помощью вычисления всех ее миноров требует слишком большой вычислительной работы. (Читатель может проверить, что в квадратной матрице четвертого порядка 36 миноров второго порядка.) Поэтому для нахождения ранга применяется другой алгоритм. Для его описания потребуется ряд дополнительных сведений.

Определение 14.15 Назовем элементарными преобразованиями матрицследующие действия над ними:

1) перестановка строк или столбцов;
2) умножение строки или столбца на число отличное от нуля;
3) добавление к одной из строк другой строки, умноженной на число или добавление к одному из столбцов другого столбца, умноженного на число.

Предложение 14.29 При элементарных преобразованиях ранг матрицы не меняется.

Доказательство . Пусть ранг матрицы равен , -- матрица, получившаяся в результате выполнения элементарного преобразования.

Рассмотрим перестановку строк. Пусть -- минор матрицы , тогда в матрице есть минор , который или совпадает с , или отличается от него перестановкой строк. И наоборот, любому минору матрицы можно сопоставить минор матрицы или совпадающий с , или отличающийся от него порядком строк. Поэтому из того, что в матрице все миноры порядка равны нулю, следует, что в матрице тоже все миноры этого порядка равны нулю. И так как в матрице есть минор порядка , отличный от нуля, то и в матрице тоже есть минор порядка , отличный от нуля, то есть .

Рассмотрим умножение строки на число , отличное от нуля. Минору из матрицы соответствует минор из матрицы или совпадающий с , или отличающийся от него только одной строкой, которая получается из строки минора умножением на число, отличное от нуля. В последнем случае . Во всех случаях или и одновременно равны нулю, или одновременно отличны от нуля. Следовательно, .

где – какие-то числа (некоторые из этих чисел или даже все могут быть равны нулю). Это означает наличие следующих равенств между элементами столбцов:

или , .

Из (3.3.1) вытекает, что

(3.3.2)

где – нулевая строка.

Определение. Строки матрицы А линейно зависимы, если существуют такие числа , не все равные нулю одновременно, что

(3.3.3)

Если равенство (3.3.3) справедливо тогда и только тогда, когда , то строки называются линейно независимыми. Соотношение (3.3.2) показывает, что если одна из строк линейно выражается через остальные, то строки линейно зависимы.

Легко видеть и обратное: если строки линейно зависимы, то найдется строка, которая будет линейной комбинацией остальных строк.

Пусть, например, в (3.3.3) , тогда .

Определение. Пусть в матрице А выделен некоторый минор r -го порядка и пусть минор (r +1)-го порядка этой же матрицы целиком содержит внутри себя минор . Будем говорить, что в этом случае минор окаймляет минор (или является окаймляющим для ).

Теперь докажем важную лемму.

Лемма об окаймляющих минорах. Если минор порядка r матрицы А= отличен от нуля, а все окаймляющие его миноры равны нулю, то любая строка (столбец) матрицы А является линейной комбинацией ее строк (столбцов), составляющих .

Доказательство. Не нарушая общности рассуждений, будем считать, что отличный от нуля минор r -го порядка стоит в левом верхнем углу матрицы А=:

.

Для первых k строк матрицы А утверждение леммы очевидно: достаточно в линейную комбинацию включить эту же строку с коэффициентом, равным единице, а остальные – с коэффициентами, равными нулю.

Докажем теперь, что и остальные строки матрицы А линейно выражаются через первые k строк. Для этого построим минор (r +1)-го порядка путем добавления к минору k -ой строки () и l -го столбца ():

.

Полученный минор равен нулю при всех k и l . Если , то он равен нулю как содержащий два одинаковых столбца. Если , то полученный минор является окаймляющим минором для и, следовательно, равен нулю по условию леммы.

Разложим минор по элементам последнего l -го столбца:

(3.3.4)

где - алгебраические дополнения к элементам . Алгебраические дополнение есть минор матрицы А, поэтому . Разделим (3.3.4) на и выразим через :

(3.3.5)

где , .

Полагая , получим:

(3.3.6)

Выражение (3.3.6) означает, что k -я строка матрицы А линейно выражается через первые r строк.

Так как при транспонировании матрицы значения ее миноров не изменяются (ввиду свойства определителей), то все доказанное справедливо и для столбцов. Теорема доказана.

Следствие I . Любая строка (столбец) матрицы является линейной комбинацией ее базисных строк (столбцов). Действительно, базисный минор матрицы отличен от нуля, а все окаймляющие его миноры равны нулю.

Следствие II . Определитель n -го порядка тогда и только тогда равен нулю, когда он содержит линейно зависимые строки (столбцы). Достаточность линейной зависимости строк (столбцов) для равенства определителя нулю доказана ранее как свойство определителей.

Докажем необходимость. Пусть задана квадратная матрица n -го порядка, единственный минор которой равен нулю. Отсюда следует, что ранг этой матрицы меньше n , т.е. найдется хотя бы одна строка, которая является линейной комбинацией базисных строк этой матрицы.

Докажем еще одну теорему о ранге матрицы.

Теорема. Максимальное число линейно независимых строк матрицы равно максимальному числу ее линейно независимых столбцов и равно рангу этой матрицы.

Доказательство. Пусть ранг матрицы А= равен r . Тогда любые ее k базисных строк являются линейно независимыми, иначе базисный минор был бы равен нулю. С другой стороны, любые r +1 и более строк линейно зависимы. Предположив противное, мы могли бы найти минор порядка более чем r , отличный от нуля по следствию 2 предыдущей леммы. Последнее противоречит тому, что максимальный порядок миноров, отличных от нуля, равен r . Все доказанное для строк справедливо и для столбцов.

В заключение изложим еще один метод нахождения ранга матрицы. Ранг матрицы можно определить, если найти минор максимального порядка, отличный от нуля.

На первый взгляд, это требует вычисления хотя и конечного, но быть может, очень большого числа миноров этой матрицы.

Следующая теорема позволяет, однако, внести в этот значительные упрощения.

Теорема. Если минор матрицы А отличен от нуля, а все окаймляющие его миноры равны нулю, то ранг матрицы равен r .

Доказательство. Достаточно показать, что любая подсистема строк матрицы при S > r будет в условиях теоремы линейно зависимой (отсюда будет следовать, что r – максимальное число линейно независимых строк матрицы или любые ее миноры порядка больше чем k равны нулю).

Предположим противное. Пусть строки линейно независимы. По лемме об окаймляющих минорах каждая из них будет линейно выражаться через строки , в которых стоит минор и которые, ввиду того, что отличен от нуля, линейно независимы:

(3.3.7)

Рассмотрим матрицу К из коэффициентов линейных выражений (3.3.7):

.

Строки этой матрицы обозначим через . Они будут линейно зависимы, так как ранг матрицы К, т.е. максимальное число ее линейно независимых строк, не превышает r < S . Поэтому существуют такие числа , не все равны нулю, что

Перейдем к равенству компонент

(3.3.8)

Теперь рассмотрим следующую линейную комбинацию:

или

Каждую строку матрицы А обозначим е i = (a i 1 a i 2 …, a in) (например,
е 1 = (a 11 a 12 …, a 1 n), е 2 = (a 21 a 22 …, a 2 n) и т.д.). Каждая из них представляет собой матрицу-строку, которую можно умножить на число или сложить с другой строкой по общим правилам действий с матрицами.

Линейной комбинацией строк e l , e 2 ,...e k называют сумму произведений этих строк на произвольные действительные числа:
e = l l e l + l 2 e 2 +...+ l k e k , где l l , l 2 ,..., l k - произвольные числа (коэффициенты линейной комбинации).

Строки матрицы e l , e 2 ,...e m называются линейно зависимыми , если существуют такие числа l l , l 2 ,..., l m , не равные одновременно нулю, что линейная комбинация строк матрицы равна нулевой строке:
l l e l + l 2 e 2 +...+ l m e m = 0, где 0 = (0 0...0).

Линейная зависимость строк матрицы означает, что хотя бы одна строка матрицы является линейной комбинацией остальных. Действительно, пусть для определенности последний коэффициент l m ¹ 0. Тогда, разделив обе части равенства на l m , получим выражение для последней строки, как линейной комбинации остальных строк:
e m = (l l /l m)e l + (l 2 /l m)e 2 +...+ (l m-1 /l m)e m-1 .

Если линейная комбинация строк равна нулю тогда и только тогда, когда все коэффициенты равны нулю, т.е. l l e l + l 2 e 2 +...+ l m e m = 0 Û l k = 0 "k, то строки называют линейно независимыми .

Теорема о ранге матрицы . Ранг матрицы равен максимальному числу ее линейно независимых строк или столбцов, через которые можно линейно выразить все остальные ее строки или столбцы.

Докажем эту теорему. Пусть матрица А размера m х n имеет ранг r (r(А) £ min {m; n}). Следовательно, существует отличный от нуля минор r-го порядка. Всякий такой минор будем называть базисным . Пусть для определенности это минор

Строки этого минора также будем называть базисными .

Докажем, что тогда строки матрицы e l , e 2 ,...e r линейно независимы. Предположим противное, т.е. одна из этих строк, например r-я, является линейной комбинацией остальных: e r = l l e l + l 2 e 2 +...+ l r-1 e r-1 = 0. Тогда, если вычесть из элементов r-й строки элементы 1-й строки, умноженные на l l , элементы 2-й строки, умноженные на l 2 , и т.д., наконец, элементы (r-1)-й строки, умноженные на l r-1 , то r-я строка станет нулевой. При этом по свойствам определителя вышеприведенный определитель не должен измениться, и при этом должен быть равен нулю. Получено противоречие, линейная независимость строк доказана.

Теперь докажем, что любые (r+1) строк матрицы линейно зависимы, т.е. любую строку можно выразить через базисные.

Дополним рассмотренный ранее минор еще одной строкой (i-й) и еще одним столбцом (j-м). В результате получим минор (r+1)-го порядка, который по определению ранга равен нулю.

Линейная независимость строк матрицы

Дана матрица размера

Обозначим строки матрицы следующим образом:

Две строки называются равными , если равны их соответствующие элементы. .

Введем операции умножения строки на число и сложение строк как операции, проводимые поэлементно:

Определение. Строка называется линейной комбинацией строк матрицы, если она равна сумме произведений этих строк на произвольные действительные числа (любые числа):

Определение. Строки матрицы называются линейно зависимыми , если существует такие числа , не равные одновременно нулю, что линейная комбинация строк матрицы равна нулевой строке:

Где . (1.1)

Линейная зависимость строк матрицы обозначает, что хотя бы 1 строка матрицы является линейной комбинацией остальных.

Определение. Если линейная комбинация строк (1.1) равна нулю тогда и только тогда, когда все коэффициенты , то строки называются линейно независимыми .

Теорема о ранге матрицы . Ранг матрицы равен максимальному числу ее линейно независимых строк или столбцов, через которые линейно выражаются все остальные строки (столбцы).

Теорема играет принципиальную роль в матричном анализе, в частности, при исследовании систем линейных уравнений.

6, 13,14,15,16. Векторы. Операции над векторами (сложение, вычитание, умножение на число), n -мерный вектор. Понятие о векторном пространстве и его базисе.

Вектором назевается направленный отрезок с начальной точкой А и конечной точкой В (который можно перемещать параллельно самому себе).

Векторы могут обозначаться как 2-мя прописными буквами, так и одной строчной с чертой или стрелкой.

Длиной (или модулем) вектора называется число, равное длине отрезка АВ, изображающего вектор.

Векторы, лежащие на одной прямой или на параллельных прямых, называют коллинеарными .

Если начало и конец вектора совпадают (), то такой вектор называется нулевым и обозначается = . Длина нулевого вектора равна нулю:

1) Произведением вектора на число :

Будет вектор, имеющий длину, направление которого совпадает с направлением вектора , если , и противоположно ему, если .

2) Противоположным вектором -называется произведение вектора -на число (-1), т.е. -=.

3) Суммой двух векторов и называется вектор , начало которого совпадает с началом вектора , а конец с концом вектора , при условии, что начало совпадает с концом . (правило треугольников). Аналогично определяется сумма нескольких векторов.

4) Разностью двух векторов и называется сумма вектора и вектора -, противоположного .

Скалярное произведение

Определение : Скалярным произведение двух векторов и называется число, равное произведению длин этих векторов на косинус угла между ними:

n-мерный вектор и векторное пространство

Определение . n-мерным вектором называется упорядоченная совокупность n действительных чисел, записываемых в виде х = (х 1 ,х 2 ,…,х n) , где х i – i -я компонента вектора х .

Понятие n-мерного вектора широко используется в экономике, например, некоторый набор товаров можно охарактеризовать вектором х = (х 1 ,х 2 ,…,х n), а соответствующие цены у = (у 1 ,у 2 ,…,у n).

- Два n-мерных вектора равны тогда и только тогда, когда равны их соответствующие компоненты, т.е. х=у , если х i = у i , i = 1,2,…,n .

- Суммой двух векторов одинаковой размерности n называется вектор z = x + y , компоненты которого равны сумме соответствующих компонент слагаемых векторов, т.е. z i = x i + y i , i = 1,2,…,n .

- Произведением вектора х на действительное число называется вектор , компоненты которого равны произведению на соответствующие компоненты вектора , т.е. , i = 1,2,…,n .

Линейные операции над любыми векторами удовлетворяют следующим свойствам:

1) - коммутативное (переместительное) свойство суммы;

2) - ассоциативное (сочетательное) свойство суммы;

3) - ассоциативное относительно числового множителя свойство;

4) - дистрибутивное (распределительное) относительно суммы векторов свойство;

5) - дистрибутивное относительно суммы числовых множителей свойство;

6) Существует нулевой вектор такой, что для любого вектора (особая роль нулевого вектора);

7) Для любого вектора существует противоположный вектор такой, что ;

8) для любого вектора (особая роль числового множителя 1).

Определение . Множество векторов с действительными компонентами, в котором определены операции сложения векторов и умножения вектора на число, удовлетворяющее приведенным выше восьми свойствами (рассматриваемым как аксиомы), называется векторным состоянием .

Размеренность и базис векторного пространства

Определение . Линейное пространство называется n-мерным , если в нем существует n линейно независимых векторов, а любые из векторов уже являются зависимыми. Другими словами, размерность пространства – это максимальное число содержащихся в нем линейно независимых векторов. Число n называется размерностью пространства и обозначается .

Совокупность n линейно независимых векторов n-мерного пространства называется базисом .

7. Собственные векторы и собственные значения матрицы. Характеристическое уравнение матрицы.

Определение . Вектор называется собственным вектором линейного оператора , если найдется такое число , что:

Число называется собственным значением оператора (матрицы А ), соответствующим вектору .

Можно записать в матричной форме:

Где - матрица-столбец из координат вектора , или в развернутом виде:

Перепишем систему так, чтобы в правых частях были нули:

или в матричном виде: . Полученная однородная система всегда имеет нулевое решение. Для существования ненулевого решения необходимо и достаточно, чтобы определитель системы: .

Определитель является многочленом n -й степени относительно . Этот многочлен называется характеристическим многочленом оператора или матрицы А, а полученное уравнение – характеристическим уравнением оператора или матрицы А.

Пример:

Найти собственные значения и собственные векторы линейного оператора , заданного матрицей .

Р е ш е н и е: Составляем характеристическое уравнение или , откуда собственное значение линейного оператора .

Находим собственный вектор , соответствующий собственному значению . Для этого решаем матричное уравнение:

Или , или , откуда находим: , или

Или .

Предположим, что , получим, что векторы , при любом являются собственными векторами линейного оператора с собственным значением .

Аналогично, вектор .

8. Система п линейных уравнений с п переменными (общий вид). Матричная форма записи такой системы. Решение системы (определение). Совместные и несовместные, определенные и неопределенные системы линейных уравнений.

Решение системы линейных уравнений с неизвестными

Системы линейных уравнений находят широкое применение в экономике.

Система линейных уравнений с переменными имеет вид:

,

где () - произвольные числа, называемые коэффициентами при переменных и свободными членами уравнений , соответственно.

Краткая запись: ().

Определение. Решением системы называется такая совокупность значений , при подстановке которых каждое уравнение системы обращается в верное равенство.

1) Система уравнений называется совместной , если она имеет хотя бы одно решение, и несовместной , если она не имеет решений.

2) Совместная система уравнений называется определенной , если она имеет единственное решение, и неопределенной , если она имеет более одного решения.

3) Две системы уравнений называются равносильными (эквивалентными ) , если они имеют одно и то же множество решений (например, одно решение).

Запишем систему в матричной форме:

Обозначим: , где

А – матрица коэффициентов при переменных, или матрица системы, Х – матрица-столбец переменных, В – матрица-столбец свободных членов.

Т.к. число столбцов матрицы равно числу строк матрицы , то их произведение:

Есть матрица-столбец. Элементами полученной матрицы являются левые части начальной системы. На основании определения равенства матриц начальную систему можно записать в виде: .

Теорема Крамера . Пусть - определитель матрицы системы, а - определитель матрицы, получаемой из матрицы заменой -го столбца столбцом свободных членов. Тогда, если , то система имеет единственное решение, определяемое по формулам:

Формула Крамера.

Пример. Решить систему уравнений по формулам Крамера

Р е ш е н и е . Определитель матрицы системы . Следовательно, система имеет единственное решение. Вычислим , полученные из заменой соответственно первого, второго, третьего столбцов столбцом свободных членов:

По формулам Крамера:

9. Метод Гаусса решения системы n линейных уравнений с п переменными. Понятие о методе Жордана – Гаусса.

Метод Гаусса - метод последовательного исключения переменных.

Метод Гаусса заключается в том, что с помощью элементарных преобразований строк и перестановок столбцов система уравнений приводится к равносильной системе ступенчатого (или треугольного) вида, из которой последовательно, начиная с последних (по номеру) переменных, находятся все остальные переменные.

Преобразования Гаусса удобно проводить не с самими уравнениями, а с расширенной матрицей их коэффициентов , получаемой приписыванием к матрице столбца свободных членов :

.

Следует отметить, что методом Гаусса можно решить любую систему уравнений вида .

Пример. Методом Гаусса решить систему:

Выпишем расширенную матрицу системы .

Шаг 1 . Поменяем местами первую и вторую строки, чтобы стал равным 1.

Шаг 2. Умножим элементы первой строки на (–2) и (–1) и прибавим их к элементам второй и третьей строк, чтобы под элементом в первом столбце образовались нули. .

Для совместных систем линейных уравнений верны следующие теоремы:

Теорема 1. Если ранг матрицы совместной системы равен числу переменных, т.е. , то система имеет единственное решение.

Теорема 2. Если ранг матрицы совместной системы меньше числа переменных, т.е. , то система является неопределенной и имеет бесконечное множество решений.

Определение. Базисным минором матрицы называется любой ненулевой минор, порядок которого равен рангу матрицы.

Определение. Те неизвестных, коэффициенты при которых входят в запись базисного минора, называются базисными (или основными), остальные неизвестных называются свободными (или неосновными).

Решить систему уравнений в случае - это значит выразить и (т.к. определитель, составленный из их коэффициентов не равен нулю ), тогда и - свободные неизвестные.

Выразим базисные переменные через свободные.

Из второй строки полученной матрицы выразим переменную :

Из первой строки выразим : ,

Общее решение системы уравнений: , .

Пусть

Столбцы матрицы размерности . Линейной комбинацией столбцов матрицы называется матрица-столбец , при этом - некоторые действительные или комплексные числа, называемые коэффициентами линейной комбинации . Если в линейной комбинации взять все коэффициенты равными нулю, то линейная комбинация равна нулевой матрице-столбцу.

Столбцы матрицы называются линейно независимыми , если их линейная комбинация равна нулю лишь когда все коэффициенты линейной комбинации равны нулю. Столбцы матрицы называются линейно зависимыми , если существует набор чисел , среди которых хотя бы одно отлично от нуля, а линейная комбинация столбцов с этими коэффициентами равна нулю

Аналогично могут быть даны определения линейной зависимости и линейной независимости строк матрицы. В дальнейшем все теоремы формулируются для столбцов матрицы.

Теорема 5

Если среди столбцов матрицы есть нулевой, то столбцы матрицы линейно зависимы.

Доказательство. Рассмотрим линейную комбинацию, в которой все коэффициенты равны нулю при всех ненулевых столбцах и единице при нулевом столбце. Она равна нулю, а среди коэффициентов линейной комбинации есть отличный от нуля. Следовательно, столбцы матрицы линейно зависимы.

Теорема 6

Если столбцов матрицы линейно зависимы, то и все столбцов матрицы линейно зависимы.

Доказательство. Будем для определенности считать, что первые столбцов матрицы линейно зависимы. Тогда по определению линейной зависимости существует набор чисел , среди которых хотя бы одно отлично от нуля, а линейная комбинация столбцов с этими коэффициентами равна нулю

Составим линейную комбинацию всех столбцов матрицы, включив в нее остальные столбцы с нулевыми коэффициентами

Но . Следовательно, все столбцы матрицы линейно зависимы.

Следствие . Среди линейно независимых столбцов матрицы любые линейно независимы. (Это утверждение легко доказывается методом от противного.)

Теорема 7

Для того чтобы столбцы матрицы были линейно зависимы, необходимо и достаточно, чтобы хотя бы один столбец матрицы был линейной комбинацией остальных.

Доказательство.

Необходимость. Пусть столбцы матрицы линейно зависимы, то есть существует набор чисел , среди которых хотя бы одно отлично от нуля, а линейная комбинация столбцов с этими коэффициентами равна нулю

Предположим для определенности, что . Тогда то есть первый столбец есть линейная комбинация остальных.

Достаточность . Пусть хотя бы один столбец матрицы является линейной комбинацией остальных, например, , где - некоторые числа.

Тогда , то есть линейная комбинация столбцов равна нулю, а среди чисел линейной комбинации хотя бы один (при ) отличен от нуля.

Пусть ранг матрицы равен . Любой отличный от нуля минор - го порядка называется базисным . Строки и столбцы, на пересечении которых стоит базисный минор, называются базисными .