Лекции по линейной алгебре для физиков и математиков
Покупка
Издательство:
Интеллект
Автор:
Жислин Григорий Моисеевич
Год издания: 2021
Кол-во страниц: 160
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-91559-275-8
Артикул: 779243.01.99
В учебном пособии подробно излагаются основные вопросы курса «Линейная алгебра».
Главные особенности этого учебника:
- теория матриц строится как следствие теории линейных операторов;
- везде, где это не приводит к чрезмерным усложнениям, рассматриваются не только конечномерные пространства (и операторы в них), но и бесконечномерные пространства.
Приложение к книге содержит необходимые сведения из теории определителей.
Учебное пособие отражает опыт Автора, читающею много лет курсы по методам математической физики, линейной алгебре и теории групп на факультете «Высшая школа обшей и прикладной физики» ННГУ.
Пособие предназначено для студентов и преподавателей физико-математических специальностей университетов.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 01.03.01: Математика
- 01.03.02: Прикладная математика и информатика
- 03.03.01: Прикладные математика и физика
- 03.03.02: Прикладная математика и информатика
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов.
Для полноценной работы с документом, пожалуйста, перейдите в
ридер.
Г.М. ЖИСЛИН ЛЕКЦИИ ПО ЛИНЕЙНОЙ АЛГЕБРЕ ДЛЯ ФИЗИКОВ И МАТЕМАТИКОВ
Ã.Ì. Æèñëèí Ëåêöèè ïî ëèíåéíîé àëãåáðå äëÿ ôèçèêîâ è ìàòåìàòèêîâ: Ó÷åáíîå ïîñîáèå / Ã.Ì. Æèñëèí – Äîëãîïðóäíûé: Èçäàòåëüñêèé Äîì «Èíòåëëåêò», 2021. – 160 ñ. ISBN 978-5-91559-275-8  ó÷åáíîì ïîñîáèè ïîäðîáíî èçëàãàþòñÿ îñíîâíûå âîïðîñû êóðñà «Ëèíåéíàÿ àëãåáðà». Ãëàâíûå îñîáåííîñòè ýòîãî ó÷åáíèêà: - òåîðèÿ ìàòðèö ñòðîèòñÿ êàê ñëåäñòâèå òåîðèè ëèíåéíûõ îïåðàòîðîâ; - âåçäå, ãäå ýòî íå ïðèâîäèò ê ÷ðåçìåðíûì óñëîæíåíèÿì, ðàññìàòðèâàþòñÿ íå òîëüêî êîíå÷íîìåðíûå ïðîñòðàíñòâà (è îïåðàòîðû â íèõ), íî è áåñêîíå÷íîìåðíûå ïðîñòðàíñòâà. Ïðèëîæåíèå ê êíèãå ñîäåðæèò íåîáõîäèìûå ñâåäåíèÿ èç òåîðèè îïðåäåëèòåëåé. Ó÷åáíîå ïîñîáèå îòðàæàåò îïûò Àâòîðà, ÷èòàþùåãî ìíîãî ëåò êóðñû ïî ìåòîäàì ìàòåìàòè÷åñêîé ôèçèêè, ëèíåéíîé àëãåáðå è òåîðèè ãðóïï íà ôàêóëüòåòå «Âûñøàÿ øêîëà îáùåé è ïðèêëàäíîé ôèçèêè» ÍÍÃÓ. Ïîñîáèå ïðåäíàçíà÷åíî äëÿ ñòóäåíòîâ è ïðåïîäàâàòåëåé ôèçèêî-ìàòåìàòè÷åñêèõ ñïåöèàëüíîñòåé óíèâåðñèòåòîâ. © 2020, Ã.Ì. Æèñëèí © 2021, ÎÎÎ Èçäàòåëüñêèé Äîì «Èíòåëëåêò», îðèãèíàë-ìàêåò, îôîðìëåíèå ISBN 978-5-91559-275-8
ОГЛАВЛЕНИЕ Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Глава 1. Основные понятия теории линейных пространств . . 7 § 1. Линейные пространства . . . . . . . . . . . . . . . . . . . . . . . . . 7 § 2. Базис и размерность линейного пространства . . . . . . . . . . . 12 § 3. Подпространства. Прямая сумма подпространств . . . . . . . . 19 § 4. Пространства со скалярным произведением . . . . . . . . . . . . 24 § 5. Гильбертово пространство . . . . . . . . . . . . . . . . . . . . . . . . 32 Глава 2. Линейные операторы и их матрицы . . . . . . . . . . . . 37 § 1. Определения. Действия над линейными операторами . . . . . 37 § 2. Матрицы и действия над ними . . . . . . . . . . . . . . . . . . . . 43 § 3. Обратные операторы и матрицы: определение, существование, нахождение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 § 4. Изменение координат векторов и матриц операторов при изменении базиса. Подобные матрицы . . . . . . . . . . . . . . . . . 56 § 5. Инвариантные подпространства. Собственные вектора и собственные значения линейных операторов . . . . . . . . . . . . . . 60 § 6. Отыскание собственных векторов и собственных значений. . 71 Глава 3. Жорданова нормальная форма матриц . . . . . . . . . . 81 § 1. Ранг и дефект линейного оператора . . . . . . . . . . . . . . . . . 81 § 2. Теорема о жордановой нормальной форме . . . . . . . . . . . . . 85 § 3. Теорема о жордановой нормальной форме (общий случай) . . 92 Глава 4. Линейные операторы в пространствах со скалярным произведением . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 § 1. Сопряженные, эрмитовы и самосопряженные операторы. . . . 99 § 2. Положительно определенные операторы . . . . . . . . . . . . . . 107 § 3. Унитарные и ортогональные операторы и их матрицы . . . . . 115
Оглавление Глава 5. Линейные, билинейные и квадратичные формы . . . 123 § 1. Линейные и билинейные формы . . . . . . . . . . . . . . . . . . . . 123 § 2. Диагонализация билинейных форм . . . . . . . . . . . . . . . . . . 127 § 3. Квадратичные формы и их диагонализация . . . . . . . . . . . . 135 § 4. Положительно определенные квадратичные формы . . . . . . . 146 Приложение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 Список литературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
ВВЕДЕНИЕ В настоящем учебном пособии рассмотрены практически все вопросы, обычно изучаемые в университетских курсах линейной алгебры. Пособие имеет две особенности. 1. Теория матриц строится как следствие теории линейных операторов в конечномерных пространствах. Такой подход представляется естественным и логически обоснованным. 2. Везде, где это не приводит к серьезным усложнениям, в пособии наряду с конечномерными пространствами рассматриваются и бесконечномерные пространства и определенные в них операторы. В частности, это делается при построении обратных операторов, при изучении свойств унитарных и эрмитовых операторов и в ряде других мест. Реализуя этот подход, мы всюду отмечаем, какие отличия возникают в бесконечномерном случае и какие определения и утверждения сохраняются при уходе от конечномерности. Причина именно такого подхода — в потребностях приложений и других университетских курсов (в первую очередь — математической физики и теории представлений). Пособие написано замкнуто и чтение его возможно без знакомства с другими дисциплинами (нужны только некоторые сведения из теории определителей). Поэтому, может быть, в некоторых местах изложение излишне подробно (например, при изучении систем линейных однородных алгебраических уравнений). Пособие содержит и упражнения для самостоятельной работы. Их выполнение безусловно будет способствовать усвоению излагаемого материала. Небольшой по объему курс линейной алгебры, безусловно, является вспомогательным по отношению к другим курсам физикоматематического цикла университетского образования. Однако зна
Введение чение его не пропорционально велико и это связано с двумя обстоятельствами. Во-первых, многие понятия, идеи, методы и результаты линейной алгебры присутствуют и работают почти во всех физико-математических дисциплинах. Во-вторых, — и это, пожалуй, более важно — линейная алгебра, возможно, больше других университетских курсов учит культуре математического мышления, способности на простом материале строить доказательства и умению отличать доказанное от не доказанного, хотя и кажущегося очевидным. Другими словами, линейная алгебра прививает мышлению «математический порядок». А как сказал Леонард Эйлер: «Ежели кто к математическому порядку не приучен, тот вразумлен быть не может». В работе принята следующая система нумерации. Параграфы нумеруются внутри каждой главы, пункты и формулы имеют первой цифрой номер параграфа, в котором они находятся, второй — номер пункта, формулы внутри параграфа. Аналогично нумеруются теоремы и леммы. При ссылках внутри данной главы ее номер опускается, а при ссылках на параграф, пункт, формулу и т. д. другой главы обязательно указывается номер главы. Так п. 2.4 и теорема 5.2 — это соответственно четвертый пункт § 2 и вторая теорема § 5 той же главы, где помещены данные ссылки.
Г Л А В А I ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ ЛИНЕЙНЫХ ПРОСТРАНСТВ § 1. ЛИНЕЙНЫЕ ПРОСТРАНСТВА п.1.1. Главные понятия нашего курса — понятия поля и линейного пространства. Определение. Числовое множество F называется полем, если для любых α, β ∈ F выполняется α ± β ∈ F, αβ ∈ F и α/β ∈ F при β ̸= 01). Примеры полей: 1) F = R — множество вещественных чисел; 2) F = C — множество комплексных чисел; 3) F = F0 = α | α = p/q, ∀ p, q —целые числа, q ̸= 0 — множество рациональных чисел; 4) F = F1 = α | α = a + b √ 3, ∀ a, b ∈ F0 . Задания 1. Показать, что F1 — поле. 2. Выяснить, является ли полем множество F = ˘ α | α = a + b 3√ 3, ∀ a, b ∈ F0 ¯ . Определение. Множество K = {x,y,z, . . . } элементов x,y,z . . . называется линейным пространством над полем F, если I. существует закон, по которому каждым двум элементам x, y ∈ K ставится в соответствие элемент z ∈ K, называемый суммой элементов x и y и обозначаемый z = x + y (правило сложения); 1)Мы рассматриваем только числовые поля.
Глава I. Основные понятия теории линейных пространств II. существует закон, по которому каждому элементу x ∈ K и каждому скаляру (числу) α ∈ F ставится в соответствие элемент z ∈ K, называемый произведением α на элемент x и обозначаемый z = αx (правило умножения); и если законы I и II обладают следующими свойствами: I. а) x + y = y + x для ∀ x, y ∈ K; б) (x + y) + z = x + (y + z) для ∀ x, y, z ∈ K; в) существует элемент θ ∈ K такой, что x+θ = x для ∀ x ∈ K; элемент θ называется нуль-вектором; г) для ∀ x ∈ K существует элемент x ∈ K такой, что x+x = θ; элемент x называется противоположным для x; II. а) 1 · x = x для ∀ x ∈ K; б) α(βx) = (αβ)x для ∀ x ∈ K, ∀ α, β ∈ F; в) (α + β)x = αx + βx для ∀ α, β ∈ F, ∀ x ∈ K; г) α(x + y) = αx + αy для ∀ α ∈ F, ∀ x, y ∈ K. Элементы линейного пространства называются векторами. Приведем примеры линейных пространств. 1. K = V3 {V2} — множество векторов в трехмерном пространстве {на плоскости} над полем F = R с обычными операциями сложения векторов и умножения вектора на скаляр. 2. K = Kn = {x | x = (α1, . . . , αn), ∀ αi ∈ F, i = 1, 2, . . . , n} — множество наборов n чисел с операциями сложения векторов и умножения вектора на скаляр, определенными следующими соотношениями: для x = (α1, . . . , αn), y = (β1, . . . , βn) ∈ Kn, λ ∈ F, полагаем x + y = (α1 + β1, . . . , αn + βn), λx = (λα1, . . . , λαn). Нуль-вектор пространства Kn: θ = (0, 0, . . . , 0), противоположный элемент для x есть x = (−α1, −α2, . . . , −αn). 3. K = C[ab] — пространство непрерывных на отрезке [ab] функций x(t), F = R, с обычными законами сложения функций и умножения функции на скаляр. 4. K = H0 — множество решений X = (ξ1, . . . , ξn), ξi ∈ F, однородной алгебраической системы m уравнений с коэффициентами из F: n X j=1 aijξj = 0, i = 1, 2, . . . , m (1.1) с теми же законами I, II, что в Kn. Легко проверяется, что условия I а)–г), II а)–г) выполняются для всех примеров 1–4.
§ 1. Линейные пространства 9 Задание Выяснить, являются ли линейными пространствами следующие множества функций с естественными законами сложения функций и умножения функции на скаляр, F = R: а) множество C1[0, 1] — непрерывно дифференцируемых функций на отрезке [0, 1]; б) K = {x(t) | x(t) ∈ C[0, 1] (см. пример 3), x(0) = 0}; в) K = ˘ x(t) | x(t) ∈ C1[0, 1], x(1/2) = 2x′(1) ¯ ; г) K = ˘ x(t) | x(t) ∈ C[0, 1], x(1/2) = 1/2}; д) K = {x(t) | x(t) ∈ C1[0, 1], x′(0,7) = 0,7}. п.1.2. Возвращаемся теперь к случаю произвольного линейного пространства K над полем F. Многие из фактов, которые для конкретных пространств очевидны, в случае абстрактного линейного пространства требуют доказательства. Например, в конкретных пространствах нулевой и противоположный элементы — единственные, 0x = θ при ∀ x ∈ K, αθ = θ при ∀ α ∈ F, противоположный элемент x для x — это (−1)x. Докажем эти факты в общем случае. Пусть θ1 и θ — нуль-вектора в K. Тогда в силу определения нуль-вектора имеем θ1 + θ = θ1 (ибо θ — нуль-вектор) и θ1 + θ = θ (ибо θ1 — нуль-вектор); значит, θ1 = θ, т. е. нуль-вектор — единственный. Далее, пусть x ∈ K и x, x1 — противоположные элементы для x. В силу I б) (x + x) + x1 = x + (x + x1). Так как x и x1 — противоположные вектора для x, то отсюда получаем θ + x1 = x + θ, т. е. x1 = x и, значит, противоположный элемент вектора — единственный. Докажем, что 0x = θ. Имеем (1 + 0)x = 1 · x = x. Но в силу II в) (1 + 0)x = x + 0x. Таким образом, получаем, что x = x + 0x. Прибавим к обеим частям этого равенства вектор x, противоположный x. Получим x + x = (x + 0x) + x = (0x + x) + x = 0x + (x + x) = 0x + θ = 0x, т. е. θ = 0x.
Глава I. Основные понятия теории линейных пространств Наконец, покажем, что (−1)x = x. Вычислим 1 + (−1) x. Имеем 1 + (−1) x = 1 · x + (−1)x = x + (−1 · x), но левая часть этого равенства равна 0x = θ и, значит, x + (−x) = θ, т. е. (−1)x = x. Далее будем писать вместо (−1)x просто −x. Из приведенных рассуждений следует, что в линейном пространстве наряду с операцией сложения можно определить операцию вычитания как сложение с противоположным вектором. Задание Доказать, что αθ = θ при ∀α ∈ F. п.1.3. Пустьx1, . . . , xm —фиксированныевектораизK,α1, . . . , αm — фиксированные числа из F. Определение. Линейной комбинацией векторов x1, . . . ,xm называется вектор y = m i=1 αixi. Беря разные наборы α1, . . . , αm, мы получаем различные линейные комбинации векторов x1, . . . , xm. Определение. Линейной оболочкой L{x1, . . . , xm} векторов x1, . . . , xm называется множество всех линейных комбинаций векторов x1, . . . , xm: L{x1, . . . , xm} = y | y = m X i=1 αixi,∀ α1, . . . , αm ∈ F . Задание Докажите, что L{x1, . . . , xm} есть линейное пространство над полем F. Определение. Вектора x1, . . . , xm из K называются линейно зависимыми, если ∃ α1, . . . ,αm ∈ F так, что m i=1 αixi = θ и m i=1 |αi| ̸= 0 (т. е. не все коэффициенты αi нулевые). Вектора x1, . . . ,xm из K называются линейно независимыми, если равенство m i=1 αixi = θ выполняется только при α1 = α2 = . . . = αm = 0. Рассмотрим пример. Пусть Kn = {x | x = (ξ1, . . . , ξn), ∀ ξj ∈ F} и xi = (ξ1i, ξ2i, . . . ξni), i = 1, 2, . . . , m — какие-то вектора из K. Покажем, как определить, будут ли вектора x1, . . . , xm линейно зависимыми или нет. Составим линейную комбинацию y = m i=1 cixi этих векторов и попробуем обратить ее в нуль-вектор. Очевидно, y = m X i=1 ξ1ici, m X i=1 ξ2ici, . . . , m X i=1 ξnici
§ 1. Линейные пространства 11 и, значит, равенство y=θ=(0, 0, . . . , 0) эквивалентно системе равенств m X i=1 ξjici = 0, j = 1, 2, . . . , n. (1.2) Соотношения (1.2) — это система n однородных уравнений с m неизвестными c1, . . . cm. По определению, вектора x1, . . . , xm будут линейно зависимыми, если система (1.2) допускает ненулевое решение. Выясним, когда это происходит. Матрица ∥A∥ (таблица коэффициентов) этой системы имеет вид ∥A∥ = ξ11 ξ12 . . . ξ1m ξ21 ξ22 . . . ξ2m . . . . . . . . . . . . ξn1 ξn2 . . . ξnm . (1.3) Определение. Назовем рангом ρ(∥A∥) матрицы ∥A∥ наибольший из порядков ее миноров не равных нулю. В пп. 2.4 и 2.5 будет доказано, что для существования ненулевого решения системы (1.2) необходимо и достаточно, чтобы ранг матрицы ∥A∥ был меньше числа неизвестных, т. е. чтобы выполнялось неравенство p := ρ(∥A∥) < m. (1.4) При m = n данное требование означает, что ∆ = det ∥A∥ = 0. (1.5) При m > n условие (1.4) выполняется автоматически, ибо матрица ∥A∥ вообще не содержит миноров m-го порядка. Следовательно, в обоих этих случаях вектора x1, . . . , xm — линейно зависимы. Задание Привести примеры линейно зависимых и линейно независимых систем векторов x1, . . . , xm при m < n. п.1.4. Изучим некоторые свойства линейно зависимых и линейно независимых систем. 1. Вектора x1, . . . , xm линейно зависимы тогда и только тогда, когда среди них найдется такой вектор xj, который является линейной комбинацией остальных векторов, т. е. когда для некоторых чисел ds ∈ F xj = m X s=1, s̸=j dsxs. (1.6)
Глава I. Основные понятия теории линейных пространств Действительно, если (1.6) выполнено, то m s=1 αsxs = θ, где αs = ds, s ̸= j, αj = −1, т. е. вектора x1, . . . , xm — линейно зависимы. С другой стороны, если вектора x1, . . . , xm — линейно зависимы, то ∃ αs ∈ F такие, что m X s=1 αsxs = θ (1.7) и m s=1 |αs| > 0. Пусть j таково, что αj ̸= 0. Тогда, поделив (1.7) на αj, получаем из (1.7) xj = m X s=1,s̸=j dsxs, где ds = −αs/αj, т. е. (1.6) доказано. 2. Если вектора x1, . . . , xm линейно независимы, то и вектора любой подсистемы этой системы линейно независимы. Действительно, рассмотрим произвольную подсистему из x1, . . . , xm. Для простоты считаем, что это x1, . . . , xk, k < m. Тогда, если вектора x1, . . . , xk — линейно зависимы, то ∃ α1, . . . , αk, αi ∈ F, k s=1 |αs| > 0, такие, что k s=1 αsxs = θ, а, значит, и m s=1 αsxs = θ, где αk+1 = αk+2 = . . . = αm = 0 и m s=1 |αs| > 0. Таким образом, предположив линейную зависимость векторов какой-либо подсистемы, мы получили, что вектора x1, . . . , xm всей системы линейно зависимы. Значит, системы линейно независимых векторов не имеют линейно зависимых подсистем. Задание 1. Покажите, что у линейно зависимой системы векторов подсистемы могут быть как линейно зависимы, так и линейно независимы. 2. Докажите, что система векторов x1, . . . , xm, содержащая нуль-вектор, линейно зависима. § 2. БАЗИС И РАЗМЕРНОСТЬ ЛИНЕЙНОГО ПРОСТРАНСТВА п.2.1. Определение. Говорят, что вектора e1, . . . , en∈K образуют базис в линейном пространстве K над полем F, если Б1. Для ∀ x ∈ K ∃ ξ1, . . . , ξn ∈ F так, что x = n X i=1 ξi ei; (2.1) Б2. Вектора e1, . . . , en линейно независимы.