Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Обозначение. .

Читайте также:
  1. Коммерческое обозначение.

В этом случае говорят, что разложимо в прямую сумму подпространств.

Обобщение. Если – подпространства мжет быть единственным образом представлен в виде , где , то сумма называется прямой суммой и обозначается .

Пример. Пусть –мерное линейное пространство с базисом . Пусть , т.е. – линейная оболочка, натянутая на вектор :.Тогда .

Возможность других представлений следует из

Теорема 1.Для того, чтобы пространство было прямой суммой своих подпространст и достаточно, чтобы .

Доказательство.Пусть – базис и – базис в и . Докажем, что – базис в . Так как по условию , то достаточно показать, что – линейно независимы. Рассмотрим линейную комбинацию этих элементов и приравняем её к нулю:

т.к. слева , а справа , а , вектора – линейно независимы.

Таким образом, может быть разложен по базису:

,

где и , т.е. .

Осталось показать, что такое представление единственно.

Пусть и т.к. . ■

Замечание. Если , но сумма не прямая, то представление не единственно. Например,

и – подпространства и . На и . Иначе дело обстоит, если – такое же, а .

3°. Выделение подпространства, в котором преобразование имеет только одно собственное значение.

Пусть – некоторое собственное значение преобразования . В этом пункте мы покажем, что пространство можно разложить в прямую сумму двух инвариантных подпространств, в первом из которых преобразование имеет лишь одно собственное значение , а во втором у преобразования уже нет собственного значения .

Не ограничивая общности, можно считать, что .

Действительно, пусть . Рассмотрим преобразование . Оно уже имеет собственное значение, равное нулю[1]. Очевидно, что инвариантные подпространства преобразований и совпадают.

Итак, впредь мы считать, что преобразование имеет собственное значение . Рассмотрим введенное в п. 1 инвариантное подпространство , состоящее из всех собственных и присоединенных векторов преобразования , отвечающих собственному значению . Как мы помним, оно является ядром преобразования , т.е. состоит их всех векторов , для которых .

В качестве второго слагаемого прямой суммы мы возьмем подпространство – образ пространства при том же преобразовании .

Легко видеть, что также инвариантно относительно преобразования . Действительно, если , т.е. , то , т.е. также принадлежит .

Теорема 2. Пространство можно разложить в прямую сумму инвариантных подпространств и . При этом подпространство состоит только из собственных и присоединенных векторов, отвечающих собственному значению , а в подпространстве преобразование обратимо (т.е. не является собственным значением преобразования в подпространстве ).

Доказательство. Для доказательства первого утверждения нам достаточно показать, что пересечение подпространств и равно нулю. Допустим противное, т.е. пусть существует такой вектор такой, что и . Так как , то



. (6)

Далее, так как , то

. (7)

Но из (6) и (7) следует, что существует такой вектор , для которого и в то же время . Это значит, что есть присоединенный вектор преобразования с собственным значением , не принадлежащий подпространству , что невозможно, так как состоит из всех таких векторов.

Таким образом, мы доказали, что пересечение и равно нулю. Так как сумма размерностей этих подпространств равна (это ядро и образ преобразования ), то отсюда следует, что пространство раскладывается в прямую сумму этих подпространств:

. (8)

Докажем теперь второе утверждение теоремы, т.е. что в подпространстве преобразование не имеет нулевого собственного значения. Действительно, если бы это было так, то в существовал бы вектор такой, что . Но это равенство означает, что , т.е. является общим вектором и , а мы доказали, что таким вектором может быть только нуль. ■

Теперь мы можем освободиться от предположения, что выделенное подпространство отвечает нулевому собственному значению, и считать установленным следующий факт.

Загрузка...

Если – некоторое собственное значение преобразования , то пространство можно разложить в прямую сумму инвариантных подпространств и , в первом из которых преобразование имеет только собственное значение , а во втором все собственные значения отличны от .

Применяя полученный результат к преобразованию в пространстве и к некоторому собственному значению этого преобразования, мы «отщепим» инвариантное подпространство, отвечающее собственному значению . Продолжая этот процесс, пока не будут исчерпаны все собственные значения преобразования , мы получим доказательство следующей теоремы:

Теорема 3. Пусть преобразование пространства имеет различных собственных значений . Тогда можно разложить в прямую сумму инвариантных подпространств :

. (9)

Каждое из подпространств состоит только из собственных и присоединенных векторов, отвечающих собственному значению .

 

Другими словами, для каждого существует такое число , что для всех выполнено .

У нас осталась еще одна, впрочем, не менее важна задача – выбрать в каждом подпространстве базис, в котором матрица преобразования имеет жорданову нормальную форму. Это будет сделано в следующем пункте.

3°. Приведение к нормальной форме матрицы с одним собственным значением.

В случае если пространство состоит только из собственных векторов, базис в пространстве можно выбирать произвольно и матрица преобразования в этом базисе имеет диагональный вид.

В общем случае, чтобы выбрать базис, в котором матрица преобразования имеет наиболее простой вид, мы будем строить цепочки собственных и присоединенных векторов, выбрав некоторый базис в подпространстве и последовательно применяя к векторам этого базиса преобразование .

Определение 5. Векторы из пространства называются линейно независимыми относительно подпространства , если их линейная комбинация, отличная от нуля, не принадлежит .

Заметим, что всякие линейно зависимые векторы из линейно зависимы относительно любого подпространства.

Определение 5. Базисом пространства относительно подпространства называется такая система линейно независимых векторов из , которая после пополнения каким-нибудь базисом из образует базис во всем пространстве.

Такой базис легко построить. Для этого достаточно выбрать какой-нибудь базис в , дополнить его до базиса во всём пространстве и затем отбросить векторы исходного базиса из . Число векторов в таком относительном базисе равно разности размерностей пространства и подпространства.

Всякую систему линейно независимых векторов относительно можно дополнить до базиса относительно . Для этого нужно к выбранным векторам добавить какой–нибудь базис подпространства . Получится некоторая система векторов из , которые, как легко проверить, линейно независимы. Чтобы получить базис относительно , нужно дополнить эту систему до базиса во всем пространстве , а затем отбросить базис подпространства .

Итак, пусть преобразование в пространстве имеет только одно собственное значение. Не ограничивая общности, можно предположить, что оно равно нулю.

Рассмотрим снова цепочку (5) подпространств, полученных в п.1:

,

где подпространство есть ядро преобразования . Так как преобразование в пространстве не имеет отличных то нуля собственных значений, то, очевидно, совпадает при этом со всем пространством .

Выберем в максимальном из этих подпространств базис относительно содержащегося в нем подпространства . Пусть векторы этого базиса будут

. (10)

Очевидно, что это будут присоединенные векторы –го порядка. Мы уже видели (см. упражнение на стр.211), что . Поэтому векторы

лежат в . Покажем, что эти векторы линейно независимы в относительно лежащего в нем подпространства . Действительно, пусть не все и

. (11)

Тогда вектор , а это противоречит предположению, что векторы линейно независимы над .

Дополним векторы до базиса в относительно . Мы получим тогда векторов , , которые представляют собой максимальное число линейно независимых присоединенных векторов порядка .

Снова применим к этим векторам преобразование и полученную систему векторов из дополним, как и выше, до базиса в относительно . Продолжая этот процесс, мы дойдем до подпространства и выберем базис в этом пространстве, состоящий из максимального числа линейно независимых собственных векторов.

Расположим полученные векторы в следующую таблицу

. (12)

Векторы нижней строчки образуют базис в подпространстве . Векторы двух нижних строчек образуют базис в , так как это есть базис относительно в соединении с базисом . Векторы трех нижних строчек образуют базис в и т.д. Наконец, все векторы таблицы образуют базис в , т.е. во всем пространстве .

Покажем, что в этом базисе матрица преобразования имеет жорданову нормальную форму. Действительно, рассмотрим произвольный столбец таблицы (12), например, для определенности первый.

Обозначим для удобства через – через и т.д. и рассмотрим действие преобразования на каждый из этих векторов. Так как – собственный вектор, отвечающий нулевому собственному значению, то .

Дальше, по определению,

и аналогично

.

Таким образом, преобразование переводит векторы первого столбца снова в себя, т.е. подпространство , натянутое на эти векторы, инвариантно относительно . Матрица преобразования в подпространстве в базисе имеет вид

. (13)

Матрица (13) есть жорданова клетка, отвечающая собственному значению . Обозначается . Аналогичное инвариантное подпространство отвечает каждому из столбцов таблицы (12), и размерность каждого такого подпространства равна числу векторов в соответствующем столбце. Так как матрица преобразования в базисе, состоящем из векторов какого-либо столбца таблицы (12), имеет вид (13), то матрица преобразования во всем пространстве в базисе, состоящем из всех векторов таблицы (12), состоит из жордановых клеток, число которых равно числу столбцов в этой таблице, а размер каждой клетки равен числу векторов соответствующего столбца.

Если вместо преобразования рассмотреть преобразование , то, так как матрица преобразования диагональна, мы получим тот же результат для преобразования пространства , имеющего только одно собственное значение, равное произвольному числу . Соответствующие жордановы клетки матрицы преобразования будут иметь вид:

. (14)

Вспоминая теперь, что для произвольного преобразования мы можем разложить пространство в сумму инвариантных подпространств, в каждом из которых преобразование имеет только одно собственное значение (см. формулу (11)), мы получаем отсюда полное доказательство теоремы.

Теорема 4. Пусть задано произвольное линейное преобразование в комплексном пространстве измерений. Предположим, что у имеется линейно независимых собственных векторов

,

соответствующих собственным значениям . Тогда существует базис, состоящий из групп векторов *):

, (1)

В котором преобразование имеет следующий вид:

, (2)

5o. Примеры.

Найти жорданову форму матрицы и матрицу перехода к жордановому базису для преобразования, заданного в исходном базисе матрицей

а) .

Характеристический многочлен – собственное значение. ~ единственный собственный вектор .

= .

.

= ~ .

.

;

;

.

.

.

.

б) .

~ ~ 2 собственных вектора, .

= ~ ~ .

= .

.

.

– собственный вектор.

Другой собственный вектор: .

. | | = .

.

=

= = = .


[1] В самом деле, если - собственное значение преобразования , т.е. , то , т.е. - собственный вектор , отвечающий собственному значению .


Дата добавления: 2015-07-08; просмотров: 43 | Нарушение авторских прав


<== предыдущая страница | следующая страница ==>
Приведение произвольного преобразования к нормальной форме| Логово чернокнижников на Златой улице

mybiblioteka.su - 2015-2018 год. (0.035 сек.)