- •Введение
- •Глава 1. ОСновные понятия теории множеств, комплексных чисел и алгебры многочленов
- •1. Элементы теории множеств и комплексных чисел
- •1.1. Понятие множества. Операции над множествами
- •1.2. Числовые множества и их свойства.
- •2. Алгебра многочленов.
- •Глава 2. Матрицы. Определители
- •1. Алгебра матриц.
- •Виды матриц.
- •2. Определитель n-го порядка.
- •2.1. Определение. Вычисление определителей 2 и 3-го порядков.
- •2.2.Миноры и алгебраические дополнения.
- •2.3.Свойства определителя n-го порядка.
- •3. Действия над матрицами.
- •3.1. Линейные операции над матрицами.
- •3.2. Умножение матриц.
- •3.3. Многочлены от матриц.
- •3.4. Обратная матрица.
- •Вычисление обратной матрицы (через алгебраические дополнения).
- •3.5. Линейная зависимость строк и столбцов матрицы.
- •3.6. Ранг матрицы. Базисный минор.
- •3.7 Нахождение ранга матрицы
- •Вопросы для повторения.
- •Глава 3. Системы линейных уравнений и методы их решения.
- •1. Основные понятия и определения
- •2. Условия совместности системы линейных уравнений
- •3. Метод обратной матрицы
- •4. Правило Крамера
- •5. Метод Гаусса исключения неизвестных
- •7. Метод полного исключения
- •7.1. Решение систем линейных уравнений
- •7.2. Вычисление обратной матрицы методом полного исключения.
- •7.3. Вычисление ранга матрицы методом полного исключения
- •Линейное пространство.
- •8. Собственные значения и собственные векторы матриц
- •9. Квадратичные формы
- •10. Численные методы решения систем линейных уравнений
- •Вопросы для повторения.
- •Задачи для самостоятельного решения.
- •Глава 4. Векторная алгебра
- •Векторное произведение двух векторов.
- •Вопросы для повторения.
- •Глава 5. Задачи линейного программирования
- •1. Постановка задачи линейного программирования (злп)
- •2. Графический метод решения злп
- •3. Симплекс – метод решения злп
- •4. Двойственные злп
- •Методы определения опорного плана тз.
- •Вопросы для повторения.
- •Глава 6. Балансовые модели
- •1. Экономико-математическая модель (эмм) межотраслевого стоимостного баланса (модель Леонтьева)
- •Модель международной торговли
- •Вопросы для повторения.
- •Задачи для самостоятельного решения.
- •Библиографический список
- •Глава 1. ОСновные понятия теории множеств, комплексных чисел и алгебры многочленов 4
- •Глава 2. Матрицы. Определители 17
- •Глава 3. Системы линейных уравнений и методы их решения. 52
- •Глава 4. Векторная алгебра 103
- •Глава 5. Задачи линейного программирования 118
- •Глава 6. Балансовые модели 153
- •394026 Воронеж, Московский просп., 14
8. Собственные значения и собственные векторы матриц
Определение. Число называется собственным значением квадратной матрицы А порядка n , если существует такой ненулевой вектор-столбец , что выполняется равенство
. (1)
При этом вектор-столбец называется собственным вектором, отвечающим собственному значению .
Т.к. I = , где I - единичная матрица порядка n, то равенство (1) можно переписать в виде А - I =0 или
(A - I) = . (2)
Запишем это равенство в развёрнутом виде.
. (3)
Эта однородная система линейных уравнений, матричная форма записи которой определяется выражением (2). Эта система имеет ненулевое решение тогда и только тогда, когда det (A-I) = 0.
Определение. Для всякой квадратной матрицы А уравнение
det (A-I) = 0 (4)
относительно переменной , где I - единичная матрица, называется характеристическим (вековым) уравнением, а многочлен det(A-I) - характеристическим многочленом матрицы А.
Определение. Совокупность всех собственных значений матрицы А называется её спектром (А) , причем каждое собственное значение входит в спектр столько раз, какова его кратность в уравнении (4). Если характеристическое уравнение (4) имеет лишь простые корни, то спектр матрицы А называется простым.
Свойства матрицы А, связанные с её собственными значениями, называются спектральными свойствами матрицы А. К основным из них относятся следующие:
det A = ( читается: "произведение по i от 1 до n" );
Sp A = ;
если матрица А имеет диагональный или треугольный вид, то i = aii , i= ;
если i - собственные значения матрицы А, то i= , -собственные значения матрицы Аk.
Теорема о спектре. Для того, чтобы число было собственным значением матрицы А, необходимо и достаточно, чтобы это число было корнем характеристического уравнения (2) матрицы А.
Вычисление собственных векторов матрицы.
После того, как будут найдены собственные значения i , i= , матрицы А, их подставляют в систему (3) и решают её. Найденные значения xi и будут координатами собственного вектора матрицы А, отвечающего собственному значению i , i= .
Пример. Найти собственные значения и собственные векторы матрицы А: .
Решение. Составим характеристическое уравнение det (A-I)=0.
=(5-)(2-)-4=10-5-2+2-4=2-7+6=0
1=1; 2=6.
Ищем собственные векторы, отвечающие собственному значению 1=1. Для этого решаем систему линейных уравнений (A-I) =0 , т.е. .
.
Следовательно, все собственные векторы, отвечающие 1=1, имеют вид: и получаются из одного вектора умножением на произвольное число x10. Положив x1=1 , получим собственный вектор =(1;-2).
Аналогичную процедуру проделываем для 2=6.
Откуда получаем: . Второй собственный вектор имеет вид . Полагая x2=1, получим собственный вектор .
Геометрический смысл собственных значений и собственных векторов.
Определение. Если каждому вектору , взятому из некоторой совокупности векторов, соответствует определённый вектор , то такая векторная функция от векторного аргумента называется преобразованием.
Закон соответствия обычно записывают в виде =А , где А - символическое обозначение преобразования. Вектор =А называют образом вектора .
Преобразование А называется линейным, если для любых векторов , , и любого числа R справедливы равенства: а)A( + ) = A + A ; б)A( ) = A .
Теорема. Любое линейное преобразование можно представить и притом единственным образом в матричной форме = А .
Матрица А называется матрицей линейного преобразования.
С геометрической точки зрения собственный вектор матрицы линейного преобразования определяет прямую, проходящую через начало координат, положение которой в результате преобразования не меняется и вдоль которой плоскость ( пространство) испытывает растяжение (сжатие) в раз, если >1 ( <1). Если <0, то, кроме растяжения или сжатия, направление любого вектора, лежащего на этой прямой, меняется на противоположное: А = = - .
.
Пример. Зеркальное отражение.
Матрица А= определяет линейное преобразование = А , = , = .
= = .
В прямоугольной системе координат X1OX2 это - зеркальное отражение точек плоскости относительно оси OX1.
Любой вектор, лежащий на оси OX1, является собственным вектором, отвечающим собственному значению 1=1:
= , т.е. А = 1∙ .
Любой вектор, лежащий на оси OX2, является собственным вектором, отвечающим собственному значению 2=-1:
= = (-1)∙ , т.е. А = (-1)∙ .
Матрица А = определяет преобразование, являющееся зеркальным отражением точек плоскости относительно оси OX2.
Можно рассматривать также зеркальное отражение относительно любой прямой, проходящей через начало координат.
В случае трёхмерного пространства зеркальное отражение его можно производить в любой плоскости, проходящей через начало координат. Такое преобразование также будет линейным.