Professional Documents
Culture Documents
Алгебра методичка 2
Алгебра методичка 2
ТА СПОРТУ УКРАЇНИ
НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ УКРАЇНИ
“КИЇВСЬКИЙ ПОЛІТЕХНІЧНИЙ ІНСТИТУТ”
ФІЗИКО-ТЕХНІЧНИЙ ІНСТИТУТ
А Л Г Е Б Р А ТА Г Е О М Е Т Р І Я - 2
КУРС Л Е К Ц І Й
ДЛЯ СТУДЕНТІВ НАПРЯМІВ ПІДГОТОВКИ
“ПРИКЛАДНА ФІЗИКА”, “ПРИКЛАДНА МАТЕМАТИКА”,
“БЕЗПЕКА ІНФОРМАЦІЙНИХ І КОМУНІКАЦІЙНИХ СИСТЕМ”
ТА “СИСТЕМИ ТЕХНІЧНОГО ЗАХИСТУ ІНФОРМАЦІЇ”
Київ
“ПОЛІТЕХНІКА”
2011
2
Алгебра та геометрія – 2: курс лекцій для студентів напрямів підготовки
“Прикладна фізика”, “Прикладна математика”, “Безпека інформаційних і
комунікаційних систем” та “Системи технічного захисту інформації” /
Уклад.: Н.Д. Цвинтарна, А.А. Шумська. – К.: НТУУ “КПІ”, 2011. – 62 с.
Навчальне видання
А Л Г Е Б Р А ТА Г Е О М Е Т Р І Я - 2
Курс лекцій
для студентів напрямів підготовки
“Прикладна фізика”, “Прикладна математика”,
“Безпека інформаційних і комунікаційних систем”
та “Системи технічного захисту інформації”
Зміст
Вступ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
9. Евклідів простір. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
10.Оператори в евклідових (унітарних) просторах. . . . .. . . . . . . .. . . . . .. 51
11.Зведення рівняння поверхні другого порядку до канонічного вигляду55
Список використаної літератури . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4
Вступ
Площина у просторі
Нехай P : Ax By Cz D 0 ; ABCD 0 .
x y z x y z
1; 1 — рівняння площини у відрізках.
D D D a b c
A B C
Зауважимо, що числа a, b, c мають простий геометричний зміст: вони
дорівнюють величинам відрізків, які відтинає площина на осях O x, O y і
O z (з урахуванням знаків).
Рис. 2
7
Нормальне рівняння площини
z
Нехай площина P , що не
P проходить через O (0,0,0) , задана так:
Рис. 3 n0 1 .
Точка M ( x, y, z ) — довільна; OM ( x, y, z ) .
Побудуємо P || P ; M 0 P .
P : x cos y cos z cos ( p M 0 P ) 0 .
O P
. Враховуючи, що M 0 P , маємо:
x0 cos y0 cos z0 cos p M 0 P 0
. M0
M 0 P x0 cos y0 cos z0 cos p ;
1) Площини P1 і P2 співпадають; P1 P2 .
A B1 C1 D1
Тоді rang 1 1.
A2 B2 C2 D2
9
2) P1 P2 ; P1 || P2 .
A B1 C1 A1 B1 C1 D1
Тоді n1 || n2 і rang 1 1 , а rang 2.
A2 B2 C2 A
2 B2 C2 D2
A B1 C1
n1 ╫ n2 rang 1 2.
A2 B2 C2
| A1 A2 B1B2 C1C2 |
Якщо ( P1, P2 ) , то cos | cos (n1 , n2 | .
A12 B12 C12 A22 B22 C22
Пряма у просторі
M 0 M ( x x0 , y y0 , z z0 ) .
z Зрозуміло, що
q M l M 0 M || q або
l x x0 y y0 z z0
M . (1)
M0 a b c
y Ми отримали так зване канонічне
x рівняння прямої.
Рис. 5
10
x x0 y y0 x x0 z z0 y y0 z z0
Рівняння ; і — рівняння
a b a c b c
площин, що проектують пряму l на координатні площини.
A x B1 y C1z D1 0
l: 1 (2)
A2 x B2 y C2 z D2 0
Для того, щоби звести рівняння прямої типу (2) до вигляду (1), треба
знайти напрямний вектор q і якусь точку M 0 ( x0 , y0 , z0 ) , що належить l .
q n1 ( A1, B1, C1 ) ; q n2 ( A2 , B2 , C2 ) q n1, n2 .
Якщо систему (2) розглядати як неоднорідну систему лінійних рівнянь
(за умовою вона сумісна!), то якийсь її частковий розв’язок ( x0 , y0 , z0 ) і дасть
нам координати точки M 0 .
Як наслідок рівняння прямої типу (1) є її параметричне рівняння:
x at x0 ;
x x0 y y0 z z0
t; t (, ) y bt y0 ;
a b c z ct z .
0
Нехай дано:
x x0 y y0 z z0
пряма l : ; q (a, b, c) ; M 0 ( x0 , y0 , z0 ) l ,
a b c
площина P : Ax by Cz D 0 ; n ( A, B, C ) .
Рис. 6
q n ; M0 P .
Відстань між прямою і площиною
l q
n (l , P) ( M 0 , P ) і
знаходиться стандартним методом.
P
Рис. 7
Вектори n та q - не перпендикулярні
l
(n , q ) 0 Aa Bb Cc 0 .
. P
K
Рис. 8
.K P
Рис. 9
У цьому випадку q1 || q2 , а M 1 l2 .
Відстань між паралельними прямими
простіше за все шукати, як висоту
q1
M1 паралелограма, побудованого на
l1 (l1, l2 )
векторах q1 і M1M 2 :
M2
[q1, M 1M 2 ]
l2 (l1, l2 ) h .
| q1 |
Рис. 8
M1M 2 – компланарні,
l2 M 2 тобто q1 q2 M1M 2 0
K M 1 l1 a1 b1 c1
q1
q2 a2 b2 c2 0.
x0 x0 y0 y0 z0 z0
Рис. 9
3. l1 ╫ l2 , l1 l2 — прямі мимобіжні.
У такому випадку прямі не
паралельні і не лежать в одній
L площині
M1
V | q1 q2 M1M 2 | 0 , де V – об’єм
l1
q1 паралелепіпеда, побудованого на цих
трьох векторах.
q2
l2 Довести, що відстань між прямими
M2 | q1 q2 M1M 2 |
(l1, l ) !
|[q1 , q2 ] |
Рис. 10
P
в). L : 3 .
P4
14
Еліпсоїд
x2 y 2 z 2
1 (Тут і далі a 0 ; b 0 ; c 0 .)
a 2 b2 c2
x2 y2 z2
1 2 2 1 | x | a ,
a2 b c
а це означає, що вся наша поверхня лежить між площинами x a і
x a . З аналогічних міркувань вона розташована між y b , y b та z c ,
x2 y2 C2
1 — проекція перетину на XOY .
a2 b2 c2
x2 y2 C2
1 – отримали еліпс з півосями a 1 2
2 C2 2 C2 c
a 1 2 b 1 2
c c
C2
та b 1 2 .
c
Зрозуміло, що з ростом C півосі зменшуються. Якщо z 0 , то в
x2 y2
перетині маємо еліпс 1.
a2 b2
15
Перетинаючи нашу поверхню двома іншими координатними площинами
x2 z 2 y2 z2
y 0 та z 0 , маємо ще два еліпси: 1 і 1.
a2 c2 b2 c 2
Отриманої інформації вистачає,
щоб побудувати поверхню.
Рис. 1
Гіперболоїд
а) однопорожнинний
x2 y2 z 2
1.
a 2 b2 c2
Спочатку дещо з’ясуємо про розташування цієї поверхні.
x2 y 2 z2 x2 y 2
1 2 1. 1.
a 2 b2 c a 2 b2
Це означає, що всі точки поверхні проектуються поза еліпсом
x2 y 2
1.
a 2 b2
Перетнемо поверхню площиною z C .
16
x2 y2 C2 x2 y2
1 2 ; 1.
a 2 b2 c C2 C2
a 2 1 2 b 2 1 2
c c
Тобто, лінії перетину проектуються у еліпси, півосі яких зростають зі
збільшенням C .
Якщо поверхню перетнути площинами x 0 і y 0 , отримаємо у
y2 z2 x2 z 2
вертикальних координатах площинах гіперболи: 2 2 1 ; 2 2 1 .
a c a c
Цієї інформації вистачає, щоб побудувати поверхню.
Рис. 2
б) двопорожнинний
x2 y 2 z 2
1 .
a 2 b2 c2
z 2 x2 y 2 z2
1 1; 1 z c.
c 2 a 2 b2 c2
Це означає, що вся поверхня лежить вище ніж площина z c і нижче
ніж площина z c . В перетині з площинами z C маємо еліпси, параметри
17
Рис. 3
Параболоїд
а) еліптичний
x2 y 2
z 2 2 .
a b
Уся поверхня лежить у верхній частині простору, бо z 0 .
У перетині з площинами z C 0 маємо еліпси, що збільшуються з
ростом C .
А в перетині з координатними площинами y 0 і x 0 – параболи
x2 y2
z 2 і z 2.
a b
18
Рис. 4
б) гіперболічний
x2 y 2
z 2 2 .
a b
x2
У перетині з площиною y 0 маємо параболу z 2 , а з площиною
a
y2 x2 y2
x 0 – z 2 . При z C 0 у перетині маємо гіперболи 1,
b a 2 c b 2C
x2 y2
а при z c 0 – спряжені гіперболи 2 2 1.
a c b C
Рис. 5
19
x2 y 2 z 2
0.
a 2 b2 c2
Ця поверхня у перетині з площинами z C утворюють еліпси.
x2 z 2 c c
А при y 0 маємо дві прямі: 2 2 z x і z x .
a c a a
c
При x 0 – прямі z y .
b
Рис. 6
Рис. 7
б) гіперболічний
x2 y 2
1.
a 2 b2
Рис. 8
в) параболічний
y 2 2 px
21
Рис. 9
L1 L2 x L : x x1 x2 ; x1 L1 , x2 L2 .
Озн .Перетином L1 L2 підпросторів L1 і L2 є:
L1 L2 x L : x L1 і x L2 .
Твердження. Сума і перетин L1 і L2 є підпросторами L .
Д о в е д е н н я . Нехай x, y L1 L2 ; x x1 x2 ; x1 L1 , x2 L2 ;
y y1 y2 ; y1 L1 , y2 L2 .
Тоді x y ( x1 x2 ) ( y1 y2 ) (x1 y2 ) (x2 y2 ) :
x1 y1 L1 ; x2 y2 L2 x y L1 L2 .
І нехай x, y L1 L2 .
Тоді x y L1 ; x y L1 x y L1 L2 .
22
Приклади.
а)
L2 L1 E 1 ; L2 E 1;
O L1 L1 L2 {0};
L1 L2 E 2.
Рис. 1
б)
L1 E 2; L2 E 1 ;
L2 L1 L2 E 3 ;
L1 L2 {0}.
. L1
O
Рис. 2
L1 E 2; L2 E 2;
L2 1 L1 L2 E 3 ;
E
L1 L1 L2 E 1.
Рис. 3
g1,..., g k .
mk k
k p k
x L1 L2 ; x x1 x2 i f i i g i i gi i ti
i 1 i 1 i 1 i 1
m k k p k
i fi ( i i ) g i i ti .
i 1 i 1 i 1
i 0
i 0 через лінійну незалежність g1, ..., g k , t1,..., t pk .
Маємо із (1) 1 f1 ... m k f m k 0 i 0 з таких же міркувань.
Таким чином, наше припущення, що у (1) деякі коефіцієнти 0 невірне,
що й доводить лінійну незалежність системи (*).
Отримали, що система (*) повна у L1 L2 і лінійно незалежна вона є
базисом у L1 L2 .
Кількість векторів у системі *): (m k ) k ( p k ) m p k ,
що і доводить теорему.
24
Пряма сума лінійних підпросторів
x
n
Нам треба знайти зв’язок між стовпчиками x та x .
Побудуємо так звану матрицю переходу U . Для цього:
а) кожний вектор «нового» базису по черзі розкладемо за «старим»:
26
n
f1 a11 e1 a21 e2 ... an1 en ai1 ei ;
i 1
n
f j a1 j e1 a2 j e2 ... anj en aij ei , і т.д.; (3)
i 1
1 1 1
«старим», а f1, f 2 , f3 - «новим». Тоді матриця переходу U 1 1 2 .
1 2 3
27
1 1 1 1 1 1
det U 1 1 2 0 0 1 1;
UT U;
1 2 3 0 1 2
1 1 1 1 1 1
U 1 1 2 1 1 2 1 .
1 1 0 1 1 0
1 1 1 6 1
x U 1x 1 2 1 9 2 .
1 1 0 14 3
Можна переконатись, що дійсно x 1 f1 2 f 2 3 f 3.
A f x f y ; (2)
f U 1 .
і навпаки. A e W A
Для нас буде важливим такий окремий випадок: A : L L .
І у першому, і у другому «екземплярі» простору L базис {e1,..., en } –
«новий», а { f1,..., f n } – «старий», матриця переходу – U .
U 1; A
Тоді A U A U 1 A U .
1 2
Приклад. Оператор A переводить вектори a1 в b1 ,
1 0
1 3
a2 в b2 . Знайти матрицю оператора A : а) в базисі { a1 , a2 } ;
2 1
б) в канонічному базисі.
Розв’язання.
а) Щоб побудувати матрицю оператора A в базисі { a1 , a2 } , треба b1 Aa1 і
b2 Aa2 розкласти за тим же базисом, коефіцієнти розкладу записати
стовпчиками. Тобто треба знати b1 і b2 в «новому» базисі { a1 , a2 } .
1 1 2 1
U ; det U 1; U 1 .
1 2 1 1
Тоді
2 1 2 4 2 1 3 5
b1 U 1
b1 0 2 ; b2 U 1
b2 1 2 .
1 1 1 1
4 5
Aa1, a2 .
2 2
1 1 4 5 2 1 1 1
б) В канонічному базисі Ak U Aa1, a2 U 1
.
1 2 2 2 1 1 1 1
29
n
Тоді A i f i 1 A f1 n1 A f n1 n A f n
i 1
1 1 f1 n1 n1 f n1 n n f n 0 . (2)
Помножимо вираз (1) на n і віднімемо від (2). Отримаємо:
1 (1 n ) f1 2 ( 2 1 ) f 2 n 1 ( n 1 n ) f n 1 0 .
Для i 1, 2, ..., n 1 i n 0 , тому через лінійну незалежність
f1,, f n випливає, що 1 n 1 0 .
Але з (1) n 0 , що і доводить теорему.
Якщо dim L n , та існують n лінійно незалежних власних векторів
( Afi i fi , i 1,, n ), то в такому і тільки в такому базисі матриця оператора
A має діагональний вигляд
1 0 0 0
0 2 0 0
A 0 0 3 0 .
0 0 0 n
Такі оператори називають операторами простої структури.
x1
a11 a1n
x
A , і x 2 .
a a
n1 nn
xn
Тоді співвідношення (1) можна переписати у матричному вигляді:
( A ) x 0 , (2)
де – одинична матриця n -го порядку.
Вираз (2) перепишемо:
a11 a12 a11 x1 0
a21 a22 a2n x2 0
. (3)
a
n1 an2 ann xn 0
U 1 ( A )U U 1 A U U 1 U A
приєднаних: { f1, e11, e12 , , e1k1 ; f 2 , e12 , e22 ,, ek22 ; ; f s , e1s , e2s , , ekss } .
Приклад 1.
3 1 1
A 2 4 2
2 2 0
Знаходимо власні числа:
3 1 1 2 0 1 1 0 1
det( A I ) 2 4 2 2 2 2 (2 ) 2 1 1 2
2 2 0 2 0 1
1 0 0
(2 ) 2 1 1 3 (2 )2 (3 ) 0.
0 1
1,2 2; 3 3.
Зауважимо, що треба завжди намагатися запропонувати такі дії над
рядками і стовпчиками визначника, які б дозволили відокремити лінійні
множники характеристичного многочлена.
Знаходимо власні вектори:
34
2;
1 1 1 x1 0
2 2 2 x 0 ;
2
2 2 2 x 0
3
rang ( A 2 I ) 1 dim Ker ( A 2 I ) 3 1 2 2 власні вектори
2 клітинки Жордана.
x1 x2 x3 ;
x1 x2 x3 1 1
x x 0 x 1 x 0 .
2 2 2 3
x 0 x 0 1
3 3
Таким чином, для 2 існує 2 лінійно незалежні власні вектори:
1 1
f 1 ; g 0 .
0 1
Аналогічно для 3 :
0 1 1 x1 0
2 1 2 x 0 ;
2
2 2 3 x 0
3
x2 x3 0
; x3 2 x1; x3 2 x1; x2 x3 2 x1 ;
x
2 2 x3 2 x1
x1 x1 1 1
x 2 x x 2 ; h 2 – власний вектор для 3 .
2 1 1
x 2 x 2 2
3 1
Отже, ми знайшли 3 лінійно незалежних власних вектори, які і складають
жорданів базис – { f , g , h}. Матриця в такому базисі має вигляд:
2 0 0
A 0 2 0 .
0 0 3
35
1 1 1
Якщо U 1 0 2 – матриця переходу, то перевірка A U 1 AU
0 1 2
підтверджує наш результат.
Приклад 2.
4 4 2
A 1 1 1 .
5 4 3
4 4 2 2 4 2 1 4 2
det( A I ) 1 1 1 0 1 1 (2 ) 0 1 1
5 4 3 2 4 3 1 4 3
1 4 2
(2 ) 0 1 1 (2 )(1 ) 2 0;
0 0 1
1,2 1, 3 2.
Знайдемо власні вектори:
1,
5 4 2 x1 0
1 0 1 x 0 ;
2
5 4 2 x 0
3
rang ( A I ) 2 dim Ker ( A I ) 3 2 1 1 власний вектор 1
клітинка Жордана.
4 x2 2 x3 5 x1 3 x1
; 4 x2 5 x1 2 x3 5 x1 2 x1 3 x1 x2 ;
x3 x1 4
x
x1 1 4 4
x 3 x1 x1 3 ; f 3 – єдиний власний вектор для 1 .
2 4 4
x 4 4
3 x
1
Тому вже зараз можемо вказати жорданову форму матриці:
36
1 1 0
A 0 1 0 .
0 0 2
Треба мати на увазі, що власному числу кратності 1 (в даному випадку 2 ),
завжди відповідає клітинка Жордана 1го порядку.
Знайдемо вектор, приєднаний до f :
5 4 2 x1 4
1 0 1 x 3 .
2
5 4 2 x 4
3
Система повинна бути сумісною.
Знайдемо її частковий розв’зок при . x1 0.
2 x2 x3 2 1
; 2 x2 2 x3 2 3 1; x2 ;
x3 3 2
0 0
x1 1
x 1 ; e .
2 2 2
x
3 3 3
Шукаємо власний вектор при 2 .
2 4 2 x1 0
1 3 1 x 0 ;
2
5 4 5 x 0
3
x1 2 x2 x3
; x2 0; x1 x3 ;
x1 3 x2 x3
x1 x3 1 1
x 0 x 0 ; g 0 .
2 3
x x 1 1
3 3
37
4 0 1
1
Таким чином, жорданів базис – { f , e, g};
U 3 0 – матриця
2
4 3 1
переходу.
Приклад 3.
3 0 1
A 2 1 1
3 1 1
Знаходимо власні числа:
3 0 1 1 1 0 1 1 0
det( A I ) 2 1 1 2 1 1 (1 ) 2 1 1
3 1 1 3 1 1 3 1 1
1 0 0
3 1
(1 ) 2 3 1 (1 ) (1 )( 2 2 1) (1 )3 0.
2 1
3 4 1
1,2,3 1.
Знайдемо власні вектори:
2 0 1 x1 0
2 0 1 x 0 .
2
3 1 2 x 0
3
rang ( A I ) 2 dim Ker ( A I ) 3 1 2 1 власний вектор
1 клітинка Жордана.
Тому можемо вказати жорданову форму матриці A :
1 1 0
A 0 1 1 .
0 0 1
38
x3 2 x1
; x2 x1;
x2 2 x3 3 x1
x1 x1 1 1
x x x 1 . Власний вектор f 1 ;
2 1 1
x 2x 2 2
3 1
Шукаємо ланцюжок приєднаних векторів: e1 приєднаний до f ; e2 – до e1 .
2 0 1 x1 1
2 0 1 x 1 . Система сумісна.
2
3 1 2 x 2
3
Частковий розв’язок системи знайдемо при x1 0;
x3 1
; x2 2 2 0;
x2 2 x3 2
x1 0 0
x 0 ; e 0 .
2 1
x 1 1
3
2 0 1 x1 0
2 0 1 x 0 .
2
3 1 2 x 1
3
x3 0
x1 0; ; x2 1;
x2 2 x3 1
x1 0 0
x 1 ; e 1 .
2 2
x 0 0
3
1 0 0
Жорданів базис – { f , e1, e2}; матриця переходу U 1 0 1 .
2 1 0
Не зайвим буде зробити перевірку.
1 1 2 1 0 0
det U 1; U T 0 0 1 ; U 1 2 0 1 .
0 1 0 1 1 0
39
1 0 0 3 0 1 3 0 1 1 0 0
U 1 AU 2 0 1
2 1 1 U 3 1 1 1 0 1
1 1 0 3 1 1 1 1 0 2 1 0
1 1 0
0 1 1 A .
0 0 1
Приклад 4.
4 1 1
A 2 1 2
1 1 4
Знаходимо власні числа:
4 1 1 3 0 1 1 0 1
det( A I ) 2 1 2 3 3 2 (3 ) 1 1
2
2
1 1 4 0 3 4 0 1 4
1 0 1
1 1
(3 ) 2 0 1 1 (3 ) 2 (3 ) 2 ( 3) (3 ) 0.
1 4
0 1 4
1,2,3 3.
Шукаємо власні вектори:
1 1 1 x1 0
2 2 2 x 0 ;
2
1 1 1 x 0
3
rang ( A 3I ) 1 dim Ker ( A 3I ) 3 1 2 2 власні вектори
2 клітинки Жордана.
3 1 0
Тому A 0 3 0 .
0 0 3
Розв’язуємо систему:
40
x1 x1 x3 ;
x1 x2 x3 1 1
x x x 1 x 0 ;
2 2 2 3
x x 0 1
3 3
1 1
f 1 ; g 0
– власні вектори.
0 1
Якщо записати неоднорідні системи для пошуку приєднаного вектора
( A 3I ) e f і ( A 3I ) e g , то можна пересвідчитися, що вони є
несумісними. Але це не означає, що приєднаного вектора не існує. Він
обов’язково повинен знайтися до лінійної комбінації власних векторів f і g :
f g .
Тоді система для пошуку приєднаного вектора:
1 1 1 x1
2 2 2 x .
2
1 1 1 x
3
Нам лишається знайти, при яких значеннях і ця система є сумісною.
Ранг розширеної матриці повинен дорівнювати 1 .
1
2 0 2 0;
2
1
2 0.
1
Ці умови виконуються при 1; 2. Тобто до вектора
1
h f g 2 приєднується вектор e . Знайдемо його:
1
41
1 1 1 x1 1
2 2 2 x 2 .
2
1 1 1 x 1
3
1
Нехай x2 x3 0; x1 1. e 0 .
0
Жорданів базис складають вектори { h, e, f } чи { h, e, g} .
1 1 1
U 2 0 1 .
1 0 0
Звертаємо увагу на той факт, що розстановка клітинок в матриці A повинна
узгоджуватися з розстановкою базисних векторів. Так вигляд
3 0 0
A 0 3 1 буде мати в базисі { g , h, e} .
0 0 3
f ( A) a0 I a1 A am Am ; де I – одинична матриця.
Матрицю A можна розглядати, як матрицю деякого лінійного оператора в
канонічному базисі.
Якщо ми перейдемо до іншого базису, то A V 1 AV ; A V AV
1.
Розглянемо ak Ak :
1 V AV
ak V AV 1 V AV
1 a V A (V 1V ) A (V 1V ) (VV 1 ) AV
1
k
akV A I A I I AV
1 a V A k V 1.
k
Тому
42
f ( A) a0 V I V 1 a1 V A V 1 amV A mV 1
V (a0 I a1 A am A m )V 1 V f ( A )V 1 .
Тобто f ( A) V f ( A )V 1
Треба обчислити f ( A ) .
f ( ) f ( ) f ( m ) ( )
f (t ) f ( ) (t ) (t )2 (t ) m .
1! 2! m!
Остаточний член дорівнює нулю.
f ( ) f ( ) f ( m ) ( )
f ( A) f ( ) I ( A I ) (A I )
2
( A I )m
1! 2! m!
f ( ) f ( ) 2 f ( m ) ( ) m
f ( ) I N N N
1! 2! m!
43
f ( ) f ( )
f ( ) f ( m1) ( )
f ( )
1! 2! 3! (m 1)!
f ( )
f ( )
0 f ( )
1! 2!
f ( )
0 0 f ( ) .
1!
f ( )
Якщо m n , то кількість доданків m 1 .
3. Узагальнення 1.
A 1 0
Якщо A має клітинно-діагональий вигляд: A A 2 , де
0
A 3
A i – клітина Жордана, то
f ( A 1) 0
f ( A ) f ( A 2) .
0
f ( A 3 )
4. Узагальнення 2.
Описаний в пункті 3 спосіб обчислення многочлена від матриці годиться і
для обчислення таких функцій, як et , sin t , ln t і т.д.
Евклідів простір
( x, y ) ( x, y ), ( ( x, y ) ( x, y ) );
3) ( x1 x2 , y ) ( x1 , y ) ( x2 , y ),
( x, y1 y2 ) ( x, y1 ) ( x, y2 ),
4) ( x, x) 0; ( x, x ) 0 x 0.
Приклади:
x1 y1
1. E R n ; x , y ,
x y
n n
n
( x, y ) xi yi ,
i 1
2. E C [ a, b]
b
( f (t ), g (t )) f (t ) g (t ) dt .
a
Нерівність Коші-Буняковського
( x, y ) 2 ( x, x) ( y, y ).
Доведення:
Розглянемо скалярний добуток
( x y , x y ) 0 – за властивістю 4) .
За властивостями 1) 3)
( x y , x y ) ( x , x ) ( x, y ) ( y , x ) ( y , y )
2 ( x, x) 2 ( x, y ) ( y , y ) 0.
Цей вираз можна розглядати, як квадратний тричлен від змінної ,
дискримінант якого D 0 .
D ( x, y ) 2 ( x, x)( y, y ) 0 ( x, y )2 ( x, x )( y , y ) , що і треба було
довести.
Для прикладів 1) і 2) ця нерівність виглядає так:
2
n n n
i i xk
y;
2 2
x y k
i 1 i 1 i 1
2
b b 2 b
f (t ) g (t ) dt f (t ) dt g (t ) dt .
2
a a a
Вл. x ( x, x ) 2 ( x, x ) ( x, x ) x .
Для довільного вектора x 0 можна дістати нормований вектор:
x
x0 – операція нормування.
x
Побудова.
1. y1 x1 ;
2. y2 ( y1 , x2 ) , ( y1 , y2 ) 0 .
Шукаємо y2 у вигляді y2 x2 y1 .
Константу знаходимо з умови ( y1 , y2 ) 0 : ( y1 , x2 y1 ) 0,
( y1 , x2 ) ( y1 , x2 )
( y1 , x2 ) ( y1 , y1 ) 0. Звідси: 2
.
( y1 , y1 ) y1
3. y3 ( x1 , x2 , x3 ) ( y1 , y2 , x3 ).
( y3 , y1 ) 0, ( y3 , y2 ) 0.
47
( y1 , x3 ) ( y2 , x3 )
Аналогічно: y3 x3 y1 y2 , 2
, 2
.
y1 y2 )
....................
k. yk ( y1 , , yk 1 , xk ).
( yk , yi ) 0; i 1,, k 1
( yi , xk )
yk xk 1 y1 k 1 yk 1 , i 2
.
yi
1, i j
(ei , e j ) i j , ( i j – символ Кронекера).
0, i j
З першого семестра ми знаємо, які переваги дає нам введення в просторі E 3
ортонормованого базиса {i , j , k } : спрощуються формули для скалярного,
векторного, мішаного добутків векторів і т.і.
Щось подібне зробимо і в просторі E .
1. В такому базисі дуже просто визначити координати довільного вектора.
n
x E ; x xi ei . Домножимо цю рівність скалярно на ek :
i 1
n n
( x, ek ) ( xi ei , ek ) xi (ei , ek ) xk (ek , ek ) xk
i 1 i 1
n n n n n n
( x, y ) ( xi ei , yk ek ) ( xi ei , yk ek ) xi yk (ei , ek )
i 1 k 1 i 1 k 1 i 1 k 1
n n
xi yi (ei , ei ) xi yi .
i 1 i 1
n
Отримали ( x, y ) xi yi .
i 1
m m
( Ae j , fi ) ( ak j f k , fi ) ak j ( f k , fi ) ai j .
k 1 k 1
Частковий випадок.
A : E E , {e1 ,, en } – ортонормований базис.
Тоді ai j ( A e j , ei ).
Ортогональні підпростори
2) ( ) Доведемо, що ei f j L1 L2 .
n m n m
Тоді ( x, y ) ( xi ei , y j f j ) xi y j (ei , f j ) 0.
i 1 j 1 i 1 j 1
Ортогональне доповнення.
r L L .
виконується ( Ax, y ) ( x, A* y ).
2. ( A B )* A* B* ;
3. ( A)* A* ;
4. ( AB )* B* A* ;
1) ( A x, y ) ( x, A* y ) ( A* y, x ) ( y ,( A* )* x ) (( A* )* x, y ).
2) ( A x, y ) ( x, ( A)* y ).
Як відомо ai j ( Ae j , fi ).
Тобто ai*j a ji чи A* AT .
Якщо ai j R , то A* AT .
Самоспряжений оператор
( A f , f ) ( f , A f ) ( f , f ) ( f , f ) ( )( f , f ) 0.
Так, як ( f , f ) 0 R.
2. Власні вектори, які відповідають різним власним числам самоспряженого
оператора, ортогональні.
Доведення.
A f f ; A g g ; . .
( A f , g ) ( f , g ) ( f , g ) .
( A f , g ) ( f , A g ) ( f , g ) ( f , g ), R.
54
Тобто ( f , g ) ( f , g ) ( )( f , g ) 0 ( f , g ) 0, що і треба було
довести (оскільки 0 ).
3. Спектральна теорема для самоспряженого оператора (без доведення).
Для будь-якого самоспряженого оператора існує ортонормований базис з
власних векторів. Матриця оператора в такому базисі набуває діагонального
вигляду.
1
0
A 2 .
0
n
4. Якщо у просторі E зафіксувати ортонормований базис {e1 , e2 ,, en } ,
побудувати матрицю самоспряженого оператора A , то її коефіцієнти
ai j ( Ae j , ei ) (e j , Aei ) ( Aei , e j ) a ji A AT .
1
Озн. Лінійний оператор U називається унітарним, якщо U * U або
U U * U * U I – тотожній оператор.
Твердження. Унітарний оператор зберігає норми і кути.
Доведення.
x 2 ( x, x ) ( x, U * U x ) (U x, U x ) U x 2
;
( x, y ) ( x,U *U y ) (U x,U y )
cos ( x, y ) cos (U x,U y ).
x y Ux Uy Ux Uy
І f1 U e1; f 2 U e2 ; f n U en ;
( f i , f j ) (U ei , U e j ) ( ei , e j ) i j .
n
то ( x, y ) xi yi .
i 1
n n n n
Але U x xi U ei xi fi ; U y yi U ei yk f k ;
i 1 i 1 i 1 k 1
n n
n n n
(U x , U y ) xi f i , yk f k xi yk ( fi , f k ) xi yi .
i 1 k 1 i 1 k 1 i 1
Перші шість доданків виразу (*) складають так звану квадратичну форму
a11 a12 a13
змінних x, y , z . Матриця A a21 a22 a23 – матриця квадратичної форми.
a a33
31 a32
Матриця A може розглядатись як матриця деякого самоспряженого
оператора в просторі R 3 в канонічному базисі {e1 , e2 , e3} , тому що вона за
1 0 0
A 0 2 0 .
0 0 3
Тому A U
A U 1 U
A U *= U
AUT .
Таким чином: ( Ar , r ) (U
A U T r, r ) (
A U T r, U * r ) (
A U 1 r , U 1r )
57
x
Ar , r ) 1 x 2 y 3 z , де
( r y – координати вектора r в новому
2 2 2
z
базисі { f1 , f 2 , f 3} .
Лінійна частина виразу (*) може бути перетворена так:
b1
b b2 ; b1 x b2 y b3 z (b, r ) ( U 1b, U 1 r ) (b , r ) b 1 x b 2 y b 3 z ,
b
3
b 1
b b 2 – координати вектора b в базисі { f1 , f 2 , f 3} .
b3
Цей факт випливає з того, що U 1 – також ортогональний оператор.
Вираз (*) набуває вигляду:
1 x 2 y 3 z b 1 x b 2 y b 3 z c 0.
2 2 2
(**)
Нам лишається тільки виділити повні квадрати, тобто зробити
паралельне перенесення, і задача розв’язана.
Зауважимо, що саме ортогональне перетворення дозволило нам від
виразу (*) перейти до (**). Але, крім цього, поверхня при такому
перетворенні не поміняла своїх параметрів, бо, як відомо, ортогональне
перетворення зберігає кути і довжини.
Приклад 1.
Привести рівняння поверхні z xy до канонічного вигляду.
Розв’язання
1
0 2
Матриця квадратичної форми xy : A .
1 0
2
Знайдемо її власні числа:
58
1
2 1 1 1
det( A I ) ( 2 ) ( )( ) 0.
1 4 2 2
2
1 1
1 ; 2 .
2 2
1
2 0
1 2 1 2
Тому
A , а z x y .
0 1 2 2
2
Тобто дана поверхня – гіперболічний параболоїд. Для того , щоб знайти, як
нові змінні x , y виражаються через x та y треба знайти ортогональне
перетворення. Для цього треба знайти власні вектори ( вони будуть
заздалегідь ортогональні, оскільки відповідають різним власним числам) і
знормувати їх.
1
;
2
1 1
2 2 x1 0 x x 1 1
; x1 x2 ; 1 1 x1 ; f ;
1 1 x2 0 x2 x1 1 1
2 2
1
;
2
1 1
2 2 x1 0 x x 1 1
; x1 x2 ; 1 2 x2 ; g ;
1 1 x2 0 x2 x2 1 1
2 2
1 1
1 1 1 2 1 1 1 2
e1 f 1 ;
1
e2 g 1 1 .
f 2 g 2
2 2
59
1 1
2 2
Матриця ортогонального оператора U = – це матриця повороту
1 1
2 2
площини XOY на 45 .
1 1
x 1 x T x
2 2 x
y
U y U y 1
1 y
.
2 2
1 y 1 ( x y ).
Тому: x ( x y );
2 2
Приклад 2.
Привести до канонічного вигляду рівняння поверхні
1
2 x 2 5 y 2 2 z 2 4 x y 2 xz 4 yz x 2 y 5 z 0.
2
Розв’язання
2 2 1
A 2 5 2 ;
1 2 2
2 2 1 1 0 1 1 0 1
det( A I ) 2 5 2 0 1 2 (1 ) 0 1
2
2
1 2 2 1 2 2 2 1 2 2
1 0 1
1 2
(1 ) 2 0 1 2 (1 )2 (1 )2 (7 ) 0.
2 3
0 2 3
1 7; 2,3 1.
Для того, щоб знайти вираз старих змінних через нові, треба знайти всі
власні вектори; якщо треба, ортогоналізувати їх і знормувати.
7.
60
5 2 1 x1 0
2 2 2 x 0 . rang ( A 7 I ) 2 dim Ker ( A 7 I ) 1.
2
1 2 5 x 0
3
x1 x2 x3
3 x2 6 x3 x2 2 x3 ;
x1 2 x2 5 x3
x1 x3 x2 ;
x1 x3 1 1
x 2 x x 2 . Власний вектор f 2 для 7.
2 3 3
x x 1 1
3 3
1.
1 2 1 x1 0
2 4 2 x 0 . rang ( A I ) 1 dim Ker ( A I ) 3 1 2.
2
1 2 1 x 1
3
x1 2 x2 x3 ;
x1 2 x2 x3 2 1
x x x 1 x 0 ;
2 2 2 3
x x3 0 1
3
2 1
g 1 ; t 0
– власні вектори для 1.
0 1
g f ; t f – оскільки вони відповідають різним власним числам, але
( g, t) 2 0 .
Проведемо процес ортогоналізації на векторах g і t .
2 (t, g) 2
h t g ; (h, g ) 0; ( t g , g ) ( t, g ) g 0 2
;
g 5
1
2 1 1
h t g (5t 2 g ) 2 ;
5 5 5
5
61
1
h 2 – власний вектор з числом 1 , оскільки він лежить в площині
5
векторів g і t , (h, f ) 0, але тепер (h, g ) 0 .
1 2 1
1 1 1 1 1 1
e1 f 2 ; e2 g 1 ; e3 h 2 .
f 6 g 5 h 30
1 0 5
Матриця ортогонального перетворення
1 2 1
6 5 30
2 1 2
U – це матриця повороту в просторі.
6 5 30
1 0
5
6 30
1
Лінійна частина рівняння поверхні: x 2 y 5z . Тому b 2 ;
5
1 2 1
6 6 6 1
0
b U 1 b U T b
2 1
0 2 0 .
5 5
5 30
1 2 5
30 30 30
Тому x 2 y 5 z 30 z .
1
Рівняння поверхні в нових координатах: 7 x y z 30 z
2 2 2
0.
2
2
30
Виділимо повний квадрат: 7 x y z
2 2
7.
2
30
Перепозначимо z z (це і є паралельне перенесення):
2
62
y 2 z
2
7 x y z 7 x
2 2 2 2
1 – це еліпсоїд з півосями
7 7
a 1; b c 7.
1. Воеводин В.В. Линейная алгебра. – М.: Наука, 1974. – 336 с. – ISBN 966-
8530-10-1.
2. Ильин В.А., Позняк Э.Г. Аналитическая геометрия. – М:.Физматлит, 2006.
– 318 с. – ISBN 5-9221-0511-6.
3. Ильин В.А., Позняк Э.Г. Линейная алгебра. – М:. Физматлит, 2002. – 320
с. – ISBN 5-9221-0129-3.
4. Рудавський Ю.К., Костробій П.П., Луник Х.П., Уханська Д.В. Лінійна
алгебра та аналітична геометрія. – Львів: Львівська політехніка, 1999. –
261 с. – ISBN 966-553-101-8.
5. Чарін В.С. Лінійна алгебра. – К.: Техніка, 2005. – 413 с. – ISBN 966-575-
053-4.