Реферат: Линейные системы уравнений
– евклидова норма
вектора, его длина.
В качестве нормы в
литературе иногда используют квадрат длины вектора или другое выражение с
компонентами вектора, лишь бы оно обладало свойствами расстояния: было
положительным, линейным и удовлетворяло неравенству треугольника.
Деление вектора на
величину его нормы называют нормированием, т.е. приведением вектора к
единичной длине.
Норма матрицы в принципе
тоже может быть определена в виде корня квадратного из суммы квадратов ее
элементов или другими выражениями со свойствами расстояний. Однако в ряде
случаев работы с векторно-матричными выражениями нормы векторов и матриц должны
быть согласованными ввиду того, что результатом произведения матрицы на вектор
является опять же вектор. Если выражение для нормы вектора принято, то
,
где функция sup говорит о
том, что из всех отношений норм, стоящих в числителе и знаменателе, взятых при
любом векторе x, кроме нулевого, выбирается наименьшее, т.е. это
функция выбора нижней границы значений. Согласованная матричная норма для
евклидовой нормы вектора удовлетворяет неравенству
.
Нормы вектора и матрицы
служат, в основном, для сопоставительной оценки матриц и векторов, указывая на
возможный диапазон представления строгих числовых характеристик. К числу
последних, в первую очередь, нужно отнести определители матриц, собственные
значения и собственные векторы матриц и ряд других.
4. Матрицы и
определители
Упорядоченный набор
коэффициентов из системы линейных алгебраических уравнений используется для
получения числовой характеристики, величина которой инвариантна по отношению к
эквивалентным преобразованиям системы. Речь идет об определителе матрицы.
Важное свойство определителей матрицы обнаруживается в связи с
вычислением произведения матриц:
Учитывая это свойство и
зная, что определитель единичной матрицы det(E)=1, можно найти матрицу B
и ее определитель из уравнения:
откуда следует, что и .
Из свойств определителей
нелишне помнить и такие:
где – транспонированная
матрица A,
n – размер квадратной
матрицы A,
– матрица перестановки
строк или столбцов,
s, c=0,1,…, n – число
выполненных перестановок строк и / или столбцов.
Если обратная матрица
исходной системы уравнений определена, то, используя эквивалентные
преобразования их векторно-матричной записи, решение уравнений можно
представить в следующем виде:
Умножив вектор правых
частей на обратную матрицу, получим вектор решения.
Классический способ
вычисления обратной матрицы использует определители и осуществляется по
формуле:
,
где – алгебраическое
дополнение, а – минор матрицы A,
получаемый вычислением определителя матрицы A, в которой вычеркнуты j-тая
строка и i-тый столбец.
Такой способ вычисления
определителя представляет в основном теоретический интерес, так как требует
выполнения неоправданно большого числа операций.
Очень просто вычисляется
определитель, если матрица диагональная или треугольная. В этом случае
определитель равен произведению диагональных элементов. Кстати и решения
уравнений, имеющих такие матрицы коэффициентов, получаются тривиально. Поэтому
основные усилия разработчиков методов решения алгебраических уравнений
направлены на поиск и обоснование эквивалентных преобразований матрицы с
сохранением всех ее числовых характеристик, но имеющих в конце преобразований
диагональную или треугольную форму.
5. Собственные значения
и собственные векторы
Рассмотрим теоретические
основы и методы, позволяющие выполнять эквивалентные матричные преобразования.
Найдем вектор, который
под воздействием матрицы A изменяет только свою величину, но не
направление. Для системы уравнений это означает, что вектор решения должен быть
пропорционален с некоторым коэффициентом вектору правой части:
В результате несложных
преобразований получены однородные векторно-матричные уравнения в столбцовой и
в строчной формах с некоторым числовым параметром и
неизвестным вектором-столбцом x и вектором-строкой , представляющих
собственное состояние системы. Однородная система может иметь отличное от нуля
решение лишь в том случае, когда определитель ее равен нулю. Это следует из
формул получения решения методом определителей (Крамера), в которых и
определитель знаменателя, и определитель числителя оказываются равными нулю.
Полагая, что решение все
же существует, т.е. и , удовлетворить уравнению можно
только за счет приравнивания нулю определителя однородной системы:
Раскрыв определитель и
сгруппировав слагаемые при одинаковых степенях неизвестного параметра, получим
алгебраическое уравнение степени n относительно :
Это уравнение называется характеристическим
уравнением матрицы и имеет в общем случае n корней, возможно
комплексных, которые называются собственными значениями матрицы и в совокупности
составляют спектр матрицы. Относительно n корней различают два
случая: все корни различные или некоторые корни кратные.
Важным свойством
характеристического уравнения матрицы A является то, что согласно
теореме Гамильтона-Кели, матрица A удовлетворяет ему:
где – k-тая степень
матрицы.
Подставляя каждое в однородную систему,
получим векторно-матричные уравнения для нахождения векторов или векторов-строк . Эти векторы называются
соответственно правыми собственными векторами и левыми собственными
векторами матрицы.
Решение однородных
уравнений имеет некоторую специфику. Если (как
в равной мере и ) является
решением, то, будучи умноженным на произвольную константу, оно тоже будет
являться решением. Поэтому в качестве собственных векторов берут такие векторы,
которые имеют норму, равную единице, и тогда:
Если все собственные
числа различны, то собственные векторы матрицы A образуют систему n линейно
независимых векторов таких, что
6. Ортогональные матрицы
из собственных векторов
Из правых собственных
векторов можно составить матрицу T, а из левых – матрицу , которые обладают
уникальными свойствами по отношению к матрице A.
Умножив матрицу A
слева на матрицу , а справа – на
матрицу T, после несложных преобразований получим:
.
Каждое скалярное
произведение в матрице, принимая во
внимание линейную независимость собственных векторов, полученных для различных
собственных значений, можно преобразовать так:
Поэтому, результатом
преобразования матрицы A будет диагональная матрица с собственными
значениями, расположенными на диагонали:
Если вместо A
взять единичную матрицу и проделать аналогичные преобразования, то станет
очевидным равенство , откуда следует . Последнее позволяет для
преобразования матрицы A в диагональную обходиться только системой
правых собственных векторов-столбцов:
Страницы: 1, 2, 3, 4 |