Замена строк матрицы соответствующими столбцами называется. (35)84.Что такое прямоугольные и квадратные матрицы? Примеры

Определение 1. Матрицей А размера m  n называется прямоугольная таблица из m строк и n столбцов, состоящая из чисел или иных математических выражений (называемых элементами матрицы),i = 1,2,3,…,m, j = 1,2,3,…,n.

, или

Определение 2. Две матрицы
и
одного размера называютсяравными , если они совпадают поэлементно, т.е. =,i = 1,2,3,…,m, j = 1,2,3,…,n.

С помощью матриц легко записывать некоторые экономические зависимости, например таблицы распределения ресурсов по некоторым отраслям экономики.

Определение 3. Если число строк матрицы совпадает с числом ее столбцов, т.е. m = n, то матрица называется квадратной порядка n , а в противном случае прямоугольной.

Определение 4. Переход от матрицы А к матрице А т, в которой строки и столбцы поменялись местами с сохранением порядка, называется транспонированием матрицы.

Виды матриц: квадратная (размера 33) -
,

прямоугольная (размера 25) -
,

диагональная -
, единичная -
, нулевая -
,

матрица-строка -
, матрица-столбец -.

Определение 5. Элементы квадратной матрицы порядка n с одинаковыми индексами называются элементами главной диагонали, т.е. это элементы:
.

Определение 6. Элементы квадратной матрицы порядка n называются элементами побочной диагонали, если сумма их индексов равна n + 1, т.е. это элементы: .

1.2. Операции над матрицами.

1 0 . Суммой двух матриц
и
одинакового размера называется матрица С = (с ij), элементы которой определяются равенством с ij = a ij + b ij , (i = 1,2,3,…,m, j = 1,2,3,…,n).

Свойства операции сложения матриц.

Для любых матриц А,В,С одного размера выполняются равенства:

1) А + В = В + А (коммутативность),

2) (А + В) + С = А + (В + С) = А + В + С (ассоциативность).

2 0 . Произведением матрицы
на число  называется матрица
того же размера, что и матрица А, причемb ij = (i = 1,2,3,…,m, j = 1,2,3,…,n).

Свойства операции умножения матрицы на число.

(А) = ()А (ассоциативность умножения);

(А+В) = А+В (дистрибутивность умножения относительно сложения матриц);

(+)А = А+А (дистрибутивность умножения относительно сложения чисел).

Определение 7. Линейной комбинацией матриц
и
одинакового размера называется выражение видаА+В, где  и  - произвольные числа.

3 0 . Произведением А  В матриц А и В соответственно размеров mn и nk называется матрица С размера mk, такая, что элемент с ij равен сумме произведений элементов i-той строки матрицы А и j-того столбца матрицы В, т.е. с ij = a i 1 b 1 j +a i 2 b 2 j +…+a ik b kj .

Произведение АВ существует, только в том случае, если число столбцов матрицы А совпадает с числом строк матрицы В.

Свойства операции умножения матриц:

(АВ)С = А(ВС) (ассоциативность);

(А+В)С = АС+ВС (дистрибутивность относительно сложения матриц);

А(В+С) = АВ+АС (дистрибутивность относительно сложения матриц);

АВ  ВА (не коммутативность).

Определение 8. Матрицы А и В, для которых АВ = ВА, называются коммутирующими или перестановочными.

Умножение квадратной матрицы любого порядка на соответствующую единичную матрицу не меняет матрицу.

Определение 9. Элементарными преобразованиями матриц называются следующие операции:

Перемена местами двух строк (столбцов).

Умножение каждого элемента строки (столбца) на число, отличное от нуля.

Прибавление к элементам одной строки (столбца) соответствующих элементов другой строки (столбца).

Определение 10. Матрица В, полученная из матрицы А с помощью элементарных преобразований называется эквивалентной (обозначается ВА).

Пример 1.1. Найти линейную комбинацию матриц 2А–3В, если

,
.

,
,

.

Пример 1.2. Найти произведение матриц
, если

.

Решение: т.к количество столбцов первой матрицы совпадает с количеством строк второй матрицы, то произведение матриц существует. В результате получаем новую матрицу
, где

В результате получим
.

Лекция 2. Определители. Вычисление определителей второго, третьего порядка. Свойства определителей n -го порядка.

Матрицей размерности называется таблица чисел , содержащая строк и столбцов. Числа называются элементами этой матрицы, где – номер строки, – номер столбца, на пересечении которых стоит данный элемент. Матрица, содержащая строк и столбцов, имеет вид: .

Виды матриц:

1) при – квадратная , причем называют порядком матрицы ;

2) квадратная матрица, у которой все недиагональные элементы равны нулю

– диагональная ;

3) диагональная матрица, у которой все диагональные элементы равны

единице – единичная и обозначается ;

4) при – прямоугольная ;

5) при – матрица-строка (вектор-строка);

6) при – матрица-столбец (вектор-столбец);

7) при всех – нулевая матрица.

Заметим, что основной числовой характеристикой квадратной матрицы является ее определитель. Определитель, соответствующий матрице -го порядка, также имеет -ый порядок.

Определителем матрицы 1-го порядка называется число .

Определителем матрицы 2-го порядка называется число . (1.1)

Определителем матрицы 3-го порядка называется число . (1.2)

Приведем необходимые для дальнейшего изложения определения.

Минором М ij элемента а ij матрицы n- гопорядка А называется определитель матрицы (n-1)- гопорядка, полученной из матрицы А путем вычеркивания i -ой строки и j -го столбца.

Алгебраическим дополнением А ij элемента а ij матрицы n - гопорядка А называется минор этого элемента, взятый со знаком .

Сформулируем основные свойства определителей, присущие определителям всех порядков и упрощающие их вычисление.

1. При транспонировании матрицы ее определитель не меняется.

2. При перестановке двух строк (столбцов) матрицы ее определитель меняет знак.

3. Определитель, имеющий две пропорциональные (равные) строки (столбца), равен нулю.

4. Общий множитель элементов какой-либо строки (столбца) определителя можно вынести за знак определителя.

5. Если элементы какой-либо строки (столбца) определителя представляют собой сумму двух слагаемых, то определитель может быть разложен на сумму двух соответствующих определителей.

6. Определитель не изменится, если к элементам любой его строки (столбца) прибавить соответствующие элементы другой его строки (столбца), предварительно умноженные на любое число.

7. Определитель матрицы равен сумме произведений элементов любой его строки (столбца) на алгебраические дополнения этих элементов.

Поясним данное свойство на примере определителя 3-го порядка. В данном случае свойство 7 означает, что – разложение определителя по элементам 1-ой строки. Заметим, что для разложения выбирают ту строку (столбец), где есть нулевые элементы, так как соответствующие им слагаемые в разложении обращаются в ноль.

Свойство 7 представляет собой теорему о разложении определителя, сформулированную Лапласом.

8. Сумма произведений элементов какой-либо строки (столбца) определителя на алгебраические дополнения соответствующих элементов другой его строки (столбца) равна нулю.

Последнее свойство часто называют псевдоразложением определителя.

Вопросы для самопроверки.

1. Что называется матрицей?

2. Какая матрица называется квадратной? Что понимается под ее порядком?

3. Какая матрица называется диагональной, единичной?

4. Какая матрица называется матрицей-строкой и матрицей-столбцом?

5. Что является основной числовой характеристикой квадратной матрицы?

6. Какое число называется определителем 1-го, 2-го и 3-го порядка?

7. Что называется минором и алгебраическим дополнением элемента матрицы?

8. Каковы основные свойства определителей?

9. С помощью какого свойства можно вычислить определитель любого порядка?

Действия над матрицами (схема 2)

На множестве матриц определен ряд операций, основными среди которых являются следующие:

1) транспонирование – замена строк матрицы на столбцы, а столбцов на строки;

2) умножение матрицы на число производится поэлементно, то есть , где , ;

3) сложение матриц, определенное только для матриц одной размерности;

4) умножение двух матриц, определенное только для согласованных матриц.

Суммой (разностью) двух матриц называется такая результирующая матрица, каждый элемент которой равен сумме (разности) соответствующих элементов матриц-слагаемых.

Две матрицы называются согласованными , если количество столбцов первой из них равно количеству строк другой. Произведением двух согласованных матриц и называется такая результирующая матрица , что , (1.4)

где , . Отсюда следует, что элемент -ой строки и -го столбца матрицы равен сумме попарных произведений элементов -ой строки матрицы на элементы -го столбца матрицы .

Произведение матриц не коммутативно, то есть А . В В . А. Исключение составляет, например, произведение квадратных матриц на единичную А . Е = Е . А.

Пример 1.1. Перемножить матрицы A и B, если:

.

Решение. Так как матрицы согласованные (количество столбцов матрицы равно количеству строк матрицы ), то воспользуемся формулой (1.4):

Вопросы для самопроверки.

1. Какие действия осуществляются над матрицами?

2. Что называется суммой (разностью) двух матриц?

3. Что называется произведением двух матриц?

Метод Крамера решения квадратных систем линейных алгебраических уравнений (схема 3)

Дадим ряд необходимых определений.

Система линейных уравнений называется неоднородной , если хотя бы один ее свободный член отличен от нуля, и однородной , если все ее свободные члены равны нулю.

Решением системы уравнений называется упорядоченный набор чисел, который, будучи подставленным вместо переменных в систему, обращает каждое ее уравнение в тождество.

Система уравнений называется совместной , если она имеет хотя бы одно решение, и несовместной , если она решений не имеет.

Совместная система уравнений называется определенной , если она имеет единственное решение, и неопределенной , если она имеет более одного решения.

Рассмотрим неоднородную квадратную систему линейных алгебраических уравнений, имеющую следующий общий вид:

. (1.5) Главной матрицей системы линейных алгебраических уравнений называется матрица, составленная из коэффициентов, стоящих при неизвестных: .

Определитель главной матрицы системы называется главным определителем и обозначается .

Вспомогательный определитель получается из главного определителя путем замены -го столбца на столбец свободных членов.

Теорема 1.1 (теорема Крамера). Если главный определитель квадратной системы линейных алгебраических уравнений отличен от нуля, то система имеет единственное решение, вычисляемое по формулам:

Если главный определитель , то система либо имеет бесконечное множество решений (при всех нулевых вспомогательных определителях), либо вообще решения не имеет (при отличии от нуля хотя бы одного из вспомогательных определителей)

В свете приведенных выше определений теорема Крамера может быть сформулирована иначе: если главный определитель системы линейных алгебраических уравнений отличен от нуля, то система является совместной определенной и при этом ; если главный определитель нулевой, то система является либо совместной неопределенной (при всех ), либо несовместной (при отличии хотя бы одного из от нуля).

После этого следует провести проверку полученного решения.

Пример 1.2. Решить систему методом Крамера

Решение. Так как главный определитель системы

отличен от нуля, то система имеет единственное решение. Вычислим вспомогательные определители

Воспользуемся формулами Крамера (1.6): , ,

Вопросы для самопроверки.

1. Что называется решением системы уравнений?

2. Какая система уравнений называется совместной, несовместной?

3. Какая система уравнений называется определенной, неопределенной?

4. Какая матрица системы уравнений называется главной?

5. Как вычислить вспомогательные определители системы линейных алгебраических уравнений?

6. В чем состоит суть метода Крамера решения систем линейных алгебраических уравнений?

7. Какой может быть система линейных алгебраических уравнений, если ее главный определитель равен нулю?

Решение квадратных систем линейных алгебраических уравнений методом обратной матрицы (схема 4)

Матрица, имеющая отличный от нуля определитель, называется невырожденной ; имеющая определитель равный нулю – вырожденной .

Матрица называется обратной для заданной квадратной матрицы , если при умножении матрицы на обратную ей как справа, так и слева, получается единичная матрица, то есть . (1.7)

Заметим, что в данном случае произведение матриц и коммутативно.

Теорема 1.2. Необходимым и достаточным условием существования обратной матрицы для заданной квадратной матрицы, является отличие от нуля определителя заданной матрицы

Если главная матрица системы оказалась при проверке вырожденной, то для нее не существует обратной, и рассматриваемый метод применить нельзя.

Если главная матрица невырожденная, то есть определитель 0, то для нее можно найти обратную матрицу по следующему алгоритму.

1. Вычислить алгебраические дополнения всех элементов матрицы .

2. Выписать найденные алгебраические дополнения в матрицу транспонированно.

3. Составить обратную матрицу по формуле: (1.8)

4. Сделать проверку правильности найденной матрицы А-1 согласно формуле (1.7). Заметим, что данная проверка может быть включена в итоговую проверку самого решения системы.

Система (1.5) линейных алгебраических уравнений может быть представлена в виде матричного уравнения: , где – главная матрица системы, – столбец неизвестных, – столбец свободных членов. Умножим это уравнение слева на обратную матрицу , получим:

Так как по определению обратной матрицы , то уравнение принимает вид или . (1.9)

Таким образом, чтобы решить квадратную систему линейных алгебраических уравнений нужно столбец свободных членов умножить слева на матрицу, обратную для главной матрицы системы. После этого следует сделать проверку полученного решения.

Пример 1.3. Решить систему методом обратной матрицы

Решение. Вычислим главный определитель системы

. Следовательно, матрица невырожденная и обратная к ней матрица существует.

Найдём алгебраические дополнения всех элементов главной матрицы :

Запишем алгебраические дополнения транспонированно в матрицу

. Воспользуемся формулами (1.8) и (1.9) для нахождения решения системы

Вопросы для самопроверки.

1. Какая матрица называется вырожденной, невырожденной?

2. Какая матрица называется обратной для заданной? Каково условие ее существования?

3. Каков алгоритм нахождения обратной матрицы для заданной?

4. Какому матричному уравнению эквивалентна система линейных алгебраических уравнений?

5. Как решить систему линейных алгебраических уравнений с помощью обратной матрицы для главной матрицы системы?

Исследование неоднородных систем линейных алгебраических уравнений (схема 5)

Исследование любой системы линейных алгебраических уравнений начинается с преобразования ее расширенной матрицы методом Гаусса. Пусть размерность главной матрицы системы равна .

Матрица называется расширенной матрицей системы, если наряду с коэффициентами при неизвестных, она содержит столбец свободных членов. Следовательно, размерность равна .

Метод Гаусса основан на элементарных преобразованиях , к которым относятся:

– перестановка строк матрицы;

– умножение строк матрицы на отличное от руля число;

– поэлементное сложение строк матрицы;

– вычеркивание нулевой строки;

– транспонирование матрицы (в этом случае преобразования производятся по столбцам).

Элементарные преобразования приводят первоначальную систему к системе, ей эквивалентной. Системы называются эквивалентными , если они имеют одно и то же множество решений.

Рангом матрицы называется наивысший порядок отличных от нуля ее миноров. Элементарные преобразования ранга матрицы не меняют.

На вопрос о наличии решений у неоднородной системы линейных уравнений отвечает следующая теорема.

Теорема 1.3 (теорема Кронекера-Капелли). Неоднородная система линейных алгебраических уравнений совместна тогда и только тогда, когда ранг расширенной матрицы системы равен рангу ее главной матрицы, т. е.

Обозначим количество строк, оставшихся в матрице после метода Гаусса, через (соответственно, в системе остается уравнений). Эти строки матрицы называются базисными .

Если , то система имеет единственное решение (является совместной определенной), ее матрица элементарными преобразованиями приводится к треугольному виду. Такую систему можно решить методом Крамера, с помощью обратной матрицы или универсальным методом Гаусса.

Если (количество переменных в системе больше чем уравнений), матрица элементарными преобразованиями приводится к ступенчатому виду. Такая система имеет множество решений и является совместной неопределенной. В данном случае для нахождения решений системы необходимо выполнить ряд операций.

1. Оставить в левых частях уравнений системы неизвестных (базисные переменные ), остальные неизвестных перенести в правые части (свободные переменные ). После разделения переменных на базисные и свободные система принимает вид:

. (1.10)

2. Из коэффициентов при базисных переменных составить минор (базисный минор ), который должен быть отличен от нуля.

3. Если базисный минор системы (1.10) равен нулю, то одну из базисных переменных заменить на свободную; полученный базисный минор проверить на отличность от нуля.

4. Применяя формулы (1.6) метода Крамера, считая правые части уравнений их свободными членами, найти выражение базисных переменных через свободные в общем виде. Полученный при этом упорядоченный набор переменных системы является ее общим решением .

5. Придавая свободным переменным в (1.10) произвольные значения, вычислить соответствующие значения базисных переменных. Получаемый при этом упорядоченный набор значений всех переменных называется частным решением системы, соответствующим данным значениям свободных переменных. Система имеет бесконечное множество частных решений.

6. Получить базисное решение системы – частное решение, получаемое при нулевых значениях свободных переменных.

Заметим, что количество базисных наборов переменных системы (1.10) равно числу сочетаний из элементов по элементов . Так как каждому базисному набору переменных соответствует свое базисное решение, следовательно, базисных решений у системы также.

Однородная система уравнений всегда совместна, так как имеет хотя бы одно – нулевое (тривиальное) решение. Для того чтобы однородная система линейных уравнений с переменными имела ненулевые решения, необходимо и достаточно, чтобы ее главный определитель был равен нулю. Это означает, что ранг ее главной матрицы меньше числа неизвестных . В этом случае исследование однородной системы уравнений на общее и частные решения проводится аналогично исследованию неоднородной системы. Решения однородной системы уравнений обладают важным свойством: если известны два различных решения однородной системы линейных уравнений, то их линейная комбинация также является решением этой системы. Нетрудно убедиться в справедливости следующей теоремы.

Теорема 1.4. Общее решение неоднородной системы уравнений представляет собой сумму общего решения соответствующей однородной системы и некоторого частного решения неоднородной системы уравнений

Пример 1.4.

Исследовать заданную систему и найти одно частное решение:

Решение. Выпишем расширенную матрицу системы и применим к ней элементарные преобразования:

. Так как и , то по теореме 1.3 (Кронекера-Капелли) заданная система линейных алгебраических уравнений совместна. Количество переменных , т. е. , значит, система является неопределённой. Количество базисных наборов переменных системы равно

. Следовательно, базисными могут быть 6 комплектов переменных: . Рассмотрим один из них . Тогда систему, полученную в результате метода Гаусса, можно переписать в виде

. Главный определитель . С помощью метода Крамера ищем общее решение системы. Вспомогательные определители

По формулам (1.6) имеем

. Данное выражение базисных переменных через свободные представляет собой общее решение системы:

При конкретных значениях свободных переменных из общего решения получаем частное решение системы. Например, частное решение соответствует значениям свободных переменных . При получаем базисное решение системы

Вопросы для самопроверки.

1. Какая система уравнений называется однородной, неоднородной?

2. Какая матрица называется расширенной?

3. Перечислите основные элементарные преобразования матриц. Какой метод решения систем линейных уравнений основан на этих преобразованиях?

4. Что называется рангом матрицы? Каким способом можно его вычислить?

5. О чем говорит теорема Кронекера-Капелли?

6. К какому виду может быть приведена система линейных алгебраических уравнений в результате ее решения методом Гаусса? Что это означает?

7. Какие строки матрицы называются базисными?

8. Какие переменные системы называются базисными, какие свободными?

9. Какое решение неоднородной системы называется частным?

10.Какое ее решение называется базисным? Сколько базисных решений имеет неоднородная система линейных уравнений?

11.Какое решение неоднородной системы линейных алгебраических уравнений называется общим? Сформулируйте теорему об общем решении неоднородной системы уравнений.

12. Каковы основные свойства решений однородной системы линейных алгебраических уравнений?

Матрицы. Виды матриц. Операции над матрицами и их свойства.

Определитель матрицы n-го порядка. N, Z,Q, R,C,

Матрицей порядка m*n называется прямоугольная таблица из чисел, содержащая m-строк и n - столбцов.

Равенство матриц:

Две матрицы называются равными, если число строк и столбцов одной из них равно соответственно числу строк и столбцов другой и соответст. эл-ты этих матриц равны.

Замечание: Эл-ты имеющие одинаковые индексы являются соответствующими.

Виды матриц:

Квадратная матрица: матрица называется квадратной, если число её строк равно числу столбцов.

Прямоугольная: матрица называется прямоугольной, если число строк не равно числу столбцов.

Матрица строка: матрица порядка 1*n (m=1) имеет вид a11,a12,a13 и называется матрицей строки.

Матрица столбец:………….

Диагональная: диагональ квадратной матрицы, идущая от верхнего левого угла к правому нижнему углу, то есть состоящая из элементов а11,а22……-называется главной диагональю. (опред: квадратная матрица все элементы которой равны нулю, кроме тех, что расположены на главной диагонали, называется диагональной матрицей.

Единичная: диагональная матрица называется единичной, если все элементы расположены на главной диагонали и равны 1.

Верхняя треугольная: А=||aij|| называется верхней треугольной матрицей, если aij=0. При условии i>j.

Нижняя треугольная: aij=0. i

Нулевая: это матрица Эл-ты которой равны 0.

Операции над матрицами.

1.Транспонирование.

2.Умножение матрицы на число.

3.Сложение матриц.

4.Умножение матриц.

Основные св-ва действия над матрицами.

1.A+B=B+A (коммутативность)

2.A+(B+C)=(A+B)+C (ассоциативность)

3.a(A+B)=aA+aB (дистрибутивность)

4.(a+b)A=aA+bA (дистриб.)

5.(ab)A=a(bA)=b(aA) (асооц.)

6.AB≠BA (отсутствует комму.)

7.A(BC)=(AB)C (ассоц.) –выполняется, если опред. Произведений матриц выполняется.

8.A(B+C)=AB+AC (дистриб.)

(B+C)A=BA+CA (дистриб.)

9.a(AB)=(aA)B=(aB)A

Определитель квадратной матрицы – определение и его свойства. Разложение определителя по строкам и столбцам. Способы вычисления определителей.

Если матрица А имеет порядок m>1, то определитель этой матрицы – число.

Алгебраическим дополнением Aij эл-та aij матрицы А называется минор Mij, умноженный на число

ТЕОРЕМА1: Определитель матрицы А равен сумме произведений всех элементов произвольной строки (столбца) на их алгебраические дополнения.

Основные свойства определителей.

1. Определитель матрицы не изменится при её транспонировании.

2. При перестановки двух строк (столбцов) определитель меняет знак, а абсолютная величина его не меняется.

3. Определитель матрицы, имеющий две одинаковые строки (столбцы) равен 0.

4.При умножении строки (столбца) матрицы на число её определитель умножается на это число.

5. Если одна из строк (столбцов) матрицы состоит из 0, то определитель этой матрицы равен 0.

6. Если все элементы i-ой строки (столбца) матрицы представлены в виде суммы двух слагаемых, то её определитель можно представить в виде суммы определителей двух матриц.

7. Определитель не изменится, если к элементам одного столбца (строки) прибавить соответственно эл-ты другого столбца (строки) предварительно умнож. на одно и того же число.

8.Сумма произвольных элементов какого либо столбца (строки) определителя на соответствующее алгебраическое дополнение элементов другого столбца (строки) равна 0.

https://pandia.ru/text/78/365/images/image004_81.gif" width="46" height="27">

Способы вычисления определителя:

1. По определению или теореме 1.

2. Приведение к треугольному виду.

Определение и свойства обратной матрицы. Вычисление обратной матрицы. Матричные уравнения.

Определение: Квадратная матрица порядка n, называется обратной к матрице А того же порядка и обозначается

Для того чтобы для матрицы А существовала обратная матрица необходимо и достаточно, чтобы определитель матрицы А был отличен от 0.

Свойства обратной матрицы:

1. Единственность: для данной матрицы А её обратная – единственная.

2. определитель матрицы

3. Операция взятия транспонирования и взятие матрицы обратной.

Матричные уравнения:

Пусть А и В две квадратные матрицы того же порядка.

https://pandia.ru/text/78/365/images/image008_56.gif" width="163" height="11 src=">

Понятие линейной зависимости и независимости столбцов матрицы. Свойства линейной зависимости и линейной независимости системы столбцов.

Столбцы А1,А2…Аn называются линейно зависимыми, если существует их не тривиальная линейная комбинация, равная 0-му столбцу.

Столбцы А1,А2…Аn называются линейно независимыми, если существует их не тривиальная линейная комбинация, равная 0-му столбцу.

Линейная комбинация называется тривиальной, если все коэффициенты С(l) равны 0 и не тривиальной в противном случае.

https://pandia.ru/text/78/365/images/image010_52.gif" width="88" height="24">

2.для того чтобы столбцы были линейно зависимы необходимо и достаточно, чтобы какой-нибудь столбец являлся линейной комбинацией других столбцов.

Пусть 1 из столбцов https://pandia.ru/text/78/365/images/image014_42.gif" width="13" height="23 src=">является линейной комбинацией других столбцов.

https://pandia.ru/text/78/365/images/image016_38.gif" width="79" height="24"> линейно зависимы, то и все столбцы линейно зависимы.

4. Если система столбцов линейно независима, то любая её подсистема так же линейно независима.

(Всё что сказано относительно столбцов, справедливо и для строк).

Миноры матрицы. Базисные миноры. Ранг матрицы. Метод окаймляющих миноров вычисления ранга матрицы.

Минором порядка к матрицы А называется определитель элементы которого расположены на пересечении к-строк и к-стролбцов матрицы А.

Если все миноры к-го порядка матрицы А =0, то любой минор порядка к+1 тоже равен 0.

Базисный минор.

Рангом матрицы А называется порядок её базисного минора.

Метод окаймляющих миноров: - Выбираем не нулевой элемент матрицы А (Если такого элемента не существует, то ранг А =0)

Окаймляем минор предыдущий 1-го порядка минором 2-го порядка. (Если этот минор не равен 0, то ранг >=2) Если ранг этого минора =0, то окаймляем выбранный минор 1-го порядка другими минорами 2-го порядка. (Если все миноры 2-го порядка =0, то ранг матрицы = 1).

Ранг матрицы. Способы нахождения ранга матрицы.

Рангом матрицы А называется порядок его базисного минора.

Способы вычисления:

1) Метод окаймляющих миноров: -Выбираем ненулевой элемент матрицы А (если такого элемента нет, то ранг =0) – Окаймляем минор предыдущий 1-го порядка минором 2-го порядка..gif" width="40" height="22">r+1 Mr+1=0.

2)Приведение матрицы к ступенчатому виду: этот метод основан на элементарных преобразованиях. При элементарных преобразованиях ранг матрицы не меняется.

Элементарными преобразованиями называются следующие преобразования:

Перестановка двух строк (столбцов).

Умножение всех элементов некоторого столбца (строки) на число не =0.

Прибавление ко всем элементам некоторого столбцы (строки) элементов другого столбца (строки), предварительно умноженных на одно и тоже число.

Теорема о базисном миноре. Необходимое и достаточное условие равенства нулю определителя.

Базисным минором матрицы А называется минор наибольшего к-го порядка отличного от 0.

Теорема о базисном миноре:

Базисные строки (столбцы) линейно независимы. Любая строка (столбец) матрицы А являются линейной комбинацией базисных строк (столбцов).

Замечания: Строки и столбцы на пересечении которых стоит базисный минор называются соответственно базисными строками и столбцами.

a11 a12… a1r a1j

a21 a22….a2r a2j

a31 a32….a3r a3j

ar1 ar2 ….arr arj

ak1 ak2…..akr akj

Необходимые и достаточные условия равенства нулю определителя:

Для того чтобы определитель n-го порядка =0, необходимо и достаточно, чтобы его строки (столбцы) были линейно зависимы.

Системы линейных уравнений, их классификация и формы записи. Правило Крамера.

Рассмотрим систему 3-х линейных уравнений с тремя неизвестными:

https://pandia.ru/text/78/365/images/image020_29.gif" alt="l14image048" width="64" height="38 id=">

называется определителем системы.

Составим ещё три определителя следующим образом: заменим в определителе D последовательно 1, 2 и 3 столбцы столбцом свободных членов

https://pandia.ru/text/78/365/images/image022_23.gif" alt="l14image052" width="93" height="22 id=">

Доказательство. Итак, рассмотрим систему 3-х уравнений с тремя неизвестными. Умножим 1-ое уравнение системы на алгебраическое дополнение A11 элемента a11, 2-ое уравнение – на A21 и 3-е – на A31:

https://pandia.ru/text/78/365/images/image024_24.gif" alt="l14image056" width="247" height="31 id=">

Рассмотрим каждую из скобок и правую часть этого уравнения. По теореме о разложении определителя по элементам 1-го столбца

https://pandia.ru/text/78/365/images/image026_23.gif" alt="l14image060" width="324" height="42 id=">

Аналогично можно показать, что и .

Наконец несложно заметить, что

Таким образом, получаем равенство: .

Следовательно, .

Аналогично выводятся равенства и , откуда и следует утверждение теоремы.

Системы линейных уравнений. Условие совместимости линейных уравнений. Теорема Кронекера-Капелли.

Решением системы алгебраических уравнений называется такая совокупность n чисел C1,C2,C3……Cn, которая при подстановки в исходную систему на место x1,x2,x3…..xn обращает все уравнения системы в тождества.

Система линейных алгебраических уравнений называется совместной, если она имеет хотя бы одно решение.

Совместная система называется определённой, если она имеет единственное решение, и неопределённой, если она имеет бесчисленно много решений.

Условия совместности систем линейных алгебраических уравнений.

a11 a12 ……a1n x1 b1

a21 a22 ……a2n x2 b2

……………….. .. = ..

am1 am2…..amn xn bn

ТЕОРЕМА: Для того чтобы система m линейных уравнений с n неизвестными была совместной необходимо и достаточно, чтобы ранг расширенной матрицы был равен рангу матрицы А.

Замечание: Эта теорема даёт лишь критерии существования решения, но не указывает способа отыскивания решения.

10 вопрос.

Системы линейных уравнений. Метод базисного минора - общий метод отыскивания всех решений систем линейных уравнений.

A=a21 a22…..a2n

Метод базисного минора:

Пусть система совместна и RgA=RgA’=r. Пусть базисный минор расписан в верхнем левом углу матрицы А.

https://pandia.ru/text/78/365/images/image035_20.gif" width="22" height="23 src=">…...gif" width="23" height="23 src=">…...gif" width="22" height="23 src=">…...gif" width="46" height="23 src=">-…..-a

d2 b2-a(2r+1)x(r+1)-..-a(2n)x(n)

… = …………..

Dr br-a(rr+1)x(r+1)-..-a(rn)x(n)

https://pandia.ru/text/78/365/images/image050_12.gif" width="33" height="22 src=">

Замечания: Если ранг основной матрицы и рассматриваемой равен r=n, то в этом случае dj=bj и система имеет единственное решение.

Однородные системы линейных уравнений.

Система линейных алгебраических уравнений называется однородной, если все ее свободные члены равны нулю.

AX=0 – однородная система.

АХ =В – неоднородная система.

Однородные системы всегда совместны.

Х1 =х2 =..=хn =0

Теорема 1.

Однородные системы имеют неоднородные решения, когда ранг матрицы системы меньше числа неизвестных.

Теорема 2.

Однородная система n-линейных уравнений с n-неизвестными имеет не нулевое решение, когда определитель матрицы А равен нулю. (detA=0)

Свойства решений однородных систем.

Любая линейная комбинация решения однородной системы сама является решением этой системы.

α1C1 +α2C2 ; α1 и α2– некоторые числа.

А(α1C1 +α2C2) = А(α1C1) +А(α2C2) = α1(А C1) + α2(АC2) = 0,т. к. (А C1) = 0; (АC2) = 0

Для неоднородной системы это свойство не имеет места.

Фундаментальная система решений.

Теорема 3.

Если ранг матричной системы уравнения с n-неизвестными равен r, то эта система имеет n-r линейно-независимых решений.

Пусть базисный минор в левом верхнем углу. Если r< n, то неизвестные х r+1;хr+2;..хn называются свободными переменными, а систему уравнений АХ=В запишем, как Аr Хr =Вr

C1 = (C11 C21 .. Cr1 , 1,0..0)

C2 = (C21 C22 .. C2r,0, 1..0) <= Линейно-независимы.

……………………..

Cn-r = (Cn-r1 Cn-r2 .. Cn-rr ,0, 0..1)

Система n-r линейно-независимых решений однородной системы линейных уравнений с n-неизвестными ранга r называется фундаментальной системой решений.

Теорема 4.

Любое решение системы линейных уравнений есть линейная комбинация решения фундаментальной системы.

С = α1C1 +α2C2 +.. + αn-r Cn-r

Если r

12 вопрос.

Общее решение неоднородной системы.

Сон (общ. неоднор.) = Соо +Сч (частное)

АХ=В (неоднородная система) ; АХ= 0

(АСоо) +АСч = АСч = В, т. к. (АСоо) = 0

Сон= α1C1 +α2C2 +.. + αn-r Cn-r + Сч

Метод Гаусса.

Это метод последовательных исключений неизвестных (переменных) – заключается в том, что с помощью элементарных преобразований, исходная система уравнений приводится к равносильной системе ступенчатого вида, из которой последовательно, начиная с последних переменных, находят все остальные переменные.

Пусть а≠0 (если это не так, то перестановкой уравнений добиваются этого).

1)исключаем переменную х1 из второго, третьего…n-ого уравнения, умножая первое уравнение на подходящие числа и прибавляя полученные результаты ко 2-ому, 3-ему…n-ому уравнению, тогда получаем:

Получаем систему равносильную исходной.

2)исключаем переменную х2

3) исключаем переменную х3 и т. д.

Продолжая процесс последовательного исключения переменных х4;х5...хr-1 получим для (r-1)-ого шага.

Число ноль последних n-r в уравнениях означают, что их левая часть имеет вид: 0х1 +0х2+..+0хn

Если хотя бы одно из чисел вr+1, вr+2… не равны нулю, то соответственное равенство противоречиво и система (1) не совместна. Таким образом, для всякой совместной системы эта вr+1 … вm равна нулю.

Последнее n-r уравнение в системе (1;r-1) являются тождествами и их можно не принимать во внимание.

Возможны два случая:

а)число уравнений системы (1;r-1) равно числу неизвестных, т. е. r=n (в этом случае система имеет треугольный вид).

б)r

Переход от системы (1) к равносильной ей системе (1;r-1) называется прямым ходом метода Гаусса.

О нахождение переменной из системы (1;r-1) – обратным ходом метода Гаусса.

Преобразования Гаусса удобно проводить, осуществляя их не с уравнениями, а с расширенной матрицей их коэффициентов.

13 вопрос.

Подобные матрицы.

Будем рассматривать только квадратные матрицы порядка n/

Матрица А называется подобной матрице В (А~В), если существует такая неособенная матрица S, что А=S-1BS.

Свойства подобных матриц.

1)Матрица А подобна сама себе. (А~А)

Если S=Е, тогда ЕАЕ=Е-1АЕ=А

2)Если А~В, то В~А

Если А=S-1ВS => SAS-1= (SS-1)B(SS-1)=B

3)Если А~В и одновременно В~С, то А~С

Дано, что А=S1-1BS1, и В=S2-1CS2 => A= (S1-1 S2-1) C(S2 S1) = (S2 S1)-1C(S2 S1) = S3-1CS3, где S3 = S2S1

4)Определители подобных матриц равны.

Дано, что А~В, надо доказать, что detA=detB.

A=S-1 BS, detA=det(S-1 BS)= detS-1* detB* detS = 1/detS *detB*detS (сокращаем) = detB.

5)Ранги подобных матриц совпадают.

Собственные векторы и собственные значения матриц.

Число λ называется собственным значением матрицы А, если существует ненулевой вектор Х(матр. столбец) такой, что АХ= λ Х, вектор Х называется собственным вектором матрицы А, а совокупность всех собственных значений называется спектром матрицы А.

Свойства собственных векторов.

1)При умножении собственного вектора на число получим собственный вектор с тем же собственным значением.

АХ= λ Х; Х≠0

α Х => А(α Х) = α (АХ) = α(λ Х) = = λ (αХ)

2) Собственные векторы с попарно-различными собственными значениями линейно независимы λ1, λ2,.. λк.

Пусть система состоит из 1-ого вектора, сделаем индуктивный шаг:

С1 Х1 +С2 Х2 + .. +Сn Хn = 0 (1) – умножаем на А.

С1 АХ1 +С2 АХ2 + .. +Сn АХn = 0

С1 λ1 Х1 +С2 λ2 Х2 + .. +Сn λn Хn = 0

Умножаем на λn+1 и вычтем

С1 Х1 +С2 Х2 + .. +Сn Хn+ Сn+1 Хn+1 = 0

С1 λ1 Х1 +С2 λ2 Х2 + .. +Сn λn Хn+ Сn+1 λn+1 Хn+1 = 0

C1 (λ1 –λn+1)X1 + C2 (λ2 –λn+1)X2 +.. + Cn (λn –λn+1)Xn + Cn+1 (λn+1 –λn+1)Xn+1 = 0

C1 (λ1 –λn+1)X1 + C2 (λ2 –λn+1)X2 +.. + Cn (λn –λn+1)Xn = 0

Надо чтобы С1 =С2 =… = Сn = 0

Сn+1 Хn+1 λn+1 =0

Характеристическое уравнение.

А-λЕ называется характеристической матрицей для матрицы А.

Для того, чтобы ненулевой вектор Х был собственным вектором матрицы А, соответствующий собственному значению λ необходимо чтобы он являлся решением однородной системы линейно-алгебраических уравнений (А - λЕ)Х = 0

Нетривиальное решение система имеет тогда, когда det (А - XЕ) = 0 - это характеристическое уравнение.

Утверждение!

Характеристические уравнения подобных матриц совпадают.

det(S-1AS – λЕ) = det(S-1AS – λ S-1ЕS) =det(S-1 (A – λЕ)S) = det S-1 det(A – λЕ) detS= det(A – λЕ)

Характеристический многочлен.

det(A – λЕ)- функция относительно параметра λ

det(A – λЕ) = (-1)n Xn +(-1)n-1(a11+a22+..+ann)λn-1+..+detA

Этот многочлен и называется характеристическим многочленом матрицы А.

Следствие:

1)Если матрицы А~В, то сумма их диагональных элементов совпадает.

a11+a22+..+ann = в11+в22+..+вnn

2)Множество собственных значений подобных матриц совпадают.

Если характеристические уравнения матриц совпадают, то они необязательно подобны.

Для матрицы А

Для матрицы В

https://pandia.ru/text/78/365/images/image062_10.gif" width="92" height="38">

Det(Ag-λE) = (λ11 – λ)(λ22 – λ)…(λnn – λ)= 0

Для того чтобы матрица А порядка n была диагонализируема, необходимо, чтобы существовали линейно-независимые собственные вектора матрицы А.

Следствие.

Если все собственные значения матрица А различны, то она диагонализируема.

Алгоритм нахождения собственных векторов и собственных значений.

1)составляем характеристическое уравнение

2)находим корни уравнений

3)составляем систему уравнений для определения собственного вектора.

λi (A-λi E)X = 0

4)находим фундаментальную систему решений

x1,x2..xn-r, где r - ранг характеристической матрицы.

r =Rg(A - λi E)

5)собственный вектор, собственные значения λi записываются в виде:

X = С1 Х1 +С2 Х2 + .. +Сn-r Хn-r, где С12 +С22 +… С2n ≠0

6)проверяем, может ли матрица быть приведена к диагональному виду.

7)находим Ag

Ag = S-1AS S=

15 вопрос.

Базис прямой, плоскости, пространства.

DIV_ADBLOCK371">

Модулем вектора называется его длина, то есть расстояние между А и В (││, ││). Модуль вектора равен нулю, тогда, когда этот вектор нулевой (│ō│=0)

4.Орт вектора.

Ортом данного вектора называется вектор, который направлен одинаково с данным вектором и имеет модуль, равный единице.

Равные вектора имеют равные орты.

5.Угол между двумя векторами.

Это меньшая часть площади, ограниченная двумя лучами, исходящими из одной точки и направленные одинаково с данными векторами.

Сложение векторов. Умножение вектора на число.

1)Сложение двух векторов

https://pandia.ru/text/78/365/images/image065_9.gif" height="11">+ │≤│ │+│ │

2)Умножение вектора на скаляр.

Произведением вектора и скаляра называют новый вектор, который имеет:

а) = произведения модуля умножаемого вектора на абсолютную величину скаляра.

б) направление одинаковое с умножаемым вектором, если скаляр положителен, и противоположное, если скаляр отрицателен.

λ а(вектор)=>│ λ │= │ λ │=│ λ ││ │

Свойства линейных операций над векторами.

1.Закон коммунитативности.

2. Закон ассоциативности.

3. Сложение с нулем.

а(вектор)+ō= а(вектор)

4.Сложение с противоположным.

5. (αβ) = α(β) = β(α)

6;7.Закон дистрибутивности.

Выражение вектора через его модуль и орт.

Максимальное число линейно-независимых векторов называются базисом.

Базисом на прямой является любой ненулевой вектор.

Базисом на плоскости являются любые два некаллениарных вектора.

Базисом в пространстве является система любых трех некомпланарных векторов.

Коэффициент разложения вектора по некоторому базису называется компонентами или координатами вектора в данном базисе.

https://pandia.ru/text/78/365/images/image075_10.gif" height="11 src=">.gif" height="11 src="> выполнить действие сложения и умножения на скаляр, то в результате любого числа таких действий получим:

λ1 https://pandia.ru/text/78/365/images/image079_10.gif" height="11 src=">+...gif" height="11 src=">.gif" height="11 src="> называются линейно-зависимыми, если существует их нетривиальная линейная комбинация, равная ō.

λ1 https://pandia.ru/text/78/365/images/image079_10.gif" height="11 src=">+...gif" height="11 src=">.gif" height="11 src="> называются линейно-НЕзависимыми, если не существует их нетривиальная линейная комбинация.

Свойства линейно-зависимых и Независимых векторов:

1)система векторов, содержащая нулевой вектор линейно-зависима.

λ1 https://pandia.ru/text/78/365/images/image079_10.gif" height="11 src=">+...gif" height="11 src=">.gif" height="11 src="> были линейно-зависимыми, необходимо, чтобы какой-нибудь вектор являлся линейной комбинацией других векторов.

3)если часть векторов из системы а1(вектор), а2(вектор)… ак(вектор) линейно-зависимы, то и все вектора линейно-зависимы.

4)если все вектора https://pandia.ru/text/78/365/images/image076_9.gif" height="11 src=">.gif" width="75" height="11">

https://pandia.ru/text/78/365/images/image082_10.gif" height="11 src=">.gif" height="11 src=">)

Линейные операции в координатах.

https://pandia.ru/text/78/365/images/image069_9.gif" height="12 src=">.gif" height="11 src=">.gif" height="11 src=">.gif" height="11 src=">+ (λа3)DIV_ADBLOCK374">

Скалярное произведение 2-х векторов – это число равное произведению векторов на косинус угла между ними.

https://pandia.ru/text/78/365/images/image090_8.gif" width="48" height="13">

3. (a;b)=0, тогда и только тогда, когда векторы ортоганальны или какой нибудь из векторов равен 0.

4. Дистрибутивность (αa+βb;c)=α(a;c)+β(b;c)

5. Выражение скалярного произведения a и b через их координаты

https://pandia.ru/text/78/365/images/image093_8.gif" width="40" height="11 src=">

https://pandia.ru/text/78/365/images/image095_8.gif" width="254" height="13 src=">

При выполнении условия () , h, l=1,2,3

https://pandia.ru/text/78/365/images/image098_7.gif" width="176" height="21 src=">

https://pandia.ru/text/78/365/images/image065_9.gif" height="11"> и называется третий вектор который удовлетворяет следующим уравнениям:

3. – правая

Свойства векторного произведения:

4. Векторное произведение координатных ортов

Ортонормированый базис.

https://pandia.ru/text/78/365/images/image109_7.gif" width="41" height="11 src=">

https://pandia.ru/text/78/365/images/image111_8.gif" width="41" height="11 src=">

Часто для обозначения ортов ортонормированного базиса используются 3 символа

https://pandia.ru/text/78/365/images/image063_10.gif" width="77" height="11 src=">

https://pandia.ru/text/78/365/images/image114_5.gif" width="549" height="32 src=">

Если - это ортонормированный базис, то

DIV_ADBLOCK375">

Прямая линия на плоскости. Взаимное расположение 2-х прямых. Расстояние от точки до прямой линии. Угол между двумя прямыми. Условие параллельности и перпендикулярности 2-х прямых.

1. Часный случай расположения 2-х прямых на плоскости.

1)- уравнение прямой параллельной оси ОХ

2) - уравнение прямой параллельной оси ОУ

2. Взамное расположение 2-х прямых.

Теорема 1 Пусть относительно аффинной системы координат даны уравнения прямых

А) Тогда необходимое и достаточное условие когда они пересекаются имеет вид:

Б) Тогда необходимое и достаточное условие того что прямые паралельны является условие:

B) Тогда необходимым и достаточным условием того что прямые сливаются в одну является условие:

3. Расстояние от точки до прямой.

Теорема. Расстояние от точки до прямой относительно декартовой системы координат:

https://pandia.ru/text/78/365/images/image127_7.gif" width="34" height="11 src=">

4. Угол между двумя прямыми. Условие перпендикулярности.

Пусть 2 прямые заданы относительно декартовой системы координат общими уравнениями.

https://pandia.ru/text/78/365/images/image133_4.gif" width="103" height="11 src=">

Если , то прямые перпендикулярны.

24 вопрос.

Плоскость в пространстве. Условие комплонарности вектора и плоскости. Расстояние от точки до плоскости. Условие параллельности и перпендикулярности двух плоскостей.

1. Условие комплонарности вектора и плоскости.

https://pandia.ru/text/78/365/images/image138_6.gif" width="40" height="11 src=">

https://pandia.ru/text/78/365/images/image140.jpg" alt="Безымянный4.jpg" width="111" height="39">

https://pandia.ru/text/78/365/images/image142_6.gif" width="86" height="11 src=">

https://pandia.ru/text/78/365/images/image144_6.gif" width="148" height="11 src=">

https://pandia.ru/text/78/365/images/image145.jpg" alt="Безымянный5.jpg" width="88" height="57">

https://pandia.ru/text/78/365/images/image147_6.gif" width="31" height="11 src=">

https://pandia.ru/text/78/365/images/image148_4.gif" width="328" height="24 src=">

3. Угол между 2-я плоскостями. Условие перпендикулярности.

https://pandia.ru/text/78/365/images/image150_6.gif" width="132" height="11 src=">

Если , то плоскости перпендикулярны.

25 вопрос.

Прямая линя в пространстве. Различные виды уравнения прямой линии в пространстве.

https://pandia.ru/text/78/365/images/image156_6.gif" width="111" height="19">

2. Векторное уравнение прямой в пространстве.

https://pandia.ru/text/78/365/images/image138_6.gif" width="40" height="11 src=">

https://pandia.ru/text/78/365/images/image162_5.gif" width="44" height="29 src=">

4. Каноническое уравнение прямое.

https://pandia.ru/text/78/365/images/image164_4.gif" width="34" height="18 src=">

https://pandia.ru/text/78/365/images/image166_0.jpg" alt="Безымянный3.jpg" width="56" height="51">

28 вопрос.

Эллипс. Вывод Канонического уравнения эллипса. Форма. Свойства

Эллипс – геометрическое место точек, для которых сумма расстояний от двух фиксированных расстояний, называемых фокусами есть данное число 2a, большее чем расстояние 2c между фокусами.

https://pandia.ru/text/78/365/images/image195_4.gif" alt="image002" width="17" height="23 id=">.gif" alt="image043" width="81 height=44" height="44"> 0=

на рис.2 r1=a+ex r2=a-ex

Ур-е касательной к эллипсу

DIV_ADBLOCK378">

Каноническое уравнение гиперболы

Форма и св-ва

y=±b/a умножить на корень из (x2-a2)

Ось симметрии гиперболы - её оси

Отрезок 2a - действительная ось гиперболы

Эксентриситет e=2c/2a=c/a

Если b=a получается равнобокая гипербола

Ассимтотой - называется прямая, если при неограниченном удалении точки M1 по кривой расстояние от точки до прямой стремится к нулю.

lim d=0 при x-> ∞

d=ba2/(x1+(x21-a2)1/2/c)

касательная гиперболы

xx0/a2 - yy0/b2 = 1

парабола - геометрическое место точек, равноудаленное от точки, названной фокусом и данной прямой, названной директриссой

Каноническое уравнение параболы

свойства

ось симметрии параболы проходит через её фокус и перпендиукулярна директрисе

если вращать параболу получится эллиптический параболоид

все параболы подобны

вопрос 30. Исследование уравнения общего вида кривой второго порядка.

Тип кривой опр. при старших членах A1, B1, C1

A1x12+2Bx1y1+C1y12+2D1x1+2E1y1+F1=0

1. AC=0 ->кривая параболического типа

A=C=0 => 2Dx+2Ey+F=0

A≠0 C=0 => Ax2+2Dx+2Ey+F=0

Если Е=0 => Ax2+2Dx+F=0

то x1=x2 - сливается в одну

x1≠x2 - прямые параллельны Оу

x1≠x2 и корни мнимые, не имеет геометричекого образа

С≠0 А=0 =>C1y12+2D1x1+2E1y1+F1=0

Вывод: кривая параболического типа это либо парабола, либо 2 параллельные прямые, или мнимые, или в одну сливаются.

2.AC>0 -> кривая эллиптического типа

Дополняя до полного квадрата исходное уравнение преобразуем к каноническому, тогда получим случаи

(x-x0)2/a2+(y-y0)2/b2=1 - эллипс

(x-x0)2/a2+(y-y0)2/b2=-1 - мнимый эллипс

(x-x0)2/a2-(y-y0)2/b2=0 - точка с координатой x0 y0

Вывод: кривая эл. типа ето либо эллипс, либо мнимый, либо точка

3. АС<0 - кривая гиперболического типа

(x-x0)2/a2-(y-y0)2/b2=1 гипербола, действительная ось параллельна Ох

(x-x0)2/a2-(y-y0)2/b2=-1 гипербола, действительная ось параллельна Oy

(x-x0)2/a2-(y-y0)2/b2=0 ур-е двух прямых

Вывод: кривая гиперболического типа это либо гипербола, либо две прямые

Данное методическое пособие поможет Вам научиться выполнять действия с матрицами : сложение (вычитание) матриц, транспонирование матрицы, умножение матриц, нахождение обратной матрицы. Весь материал изложен в простой и доступной форме, приведены соответствующие примеры, таким образом, даже неподготовленный человек сможет научиться выполнять действия с матрицами. Для самоконтроля и самопроверки Вы можете бесплатно скачать матричный калькулятор >>> .

Я буду стараться минимизировать теоретические выкладки, кое-где возможны объяснения «на пальцах» и использование ненаучных терминов. Любители основательной теории, пожалуйста, не занимайтесь критикой, наша задача – научиться выполнять действия с матрицами .

Для СВЕРХБЫСТРОЙ подготовки по теме (у кого «горит») есть интенсивный pdf-курс Матрица, определитель и зачёт!

Матрица – это прямоугольная таблица каких-либо элементов . В качестве элементов мы будем рассматривать числа, то есть числовые матрицы. ЭЛЕМЕНТ – это термин. Термин желательно запомнить, он будет часто встречаться, не случайно я использовал для его выделения жирный шрифт.

Обозначение: матрицы обычно обозначают прописными латинскими буквами

Пример: рассмотрим матрицу «два на три»:

Данная матрица состоит из шести элементов :

Все числа (элементы) внутри матрицы существуют сами по себе, то есть ни о каком вычитании речи не идет:

Это просто таблица (набор) чисел!

Также договоримся не переставлять числа, если иного не сказано в объяснениях. У каждого числа свое местоположение, и перетасовывать их нельзя!

Рассматриваемая матрица имеет две строки:

и три столбца:

СТАНДАРТ : когда говорят о размерах матрицы, то сначала указывают количество строк, а только потом – количество столбцов. Мы только что разобрали по косточкам матрицу «два на три».

Если количество строк и столбцов матрицы совпадает, то матрицу называют квадратной , например: – матрица «три на три».

Если в матрице один столбец или одна строка , то такие матрицы также называют векторами .

На самом деле понятие матрицы мы знаем еще со школы, рассмотрим, например точку с координатами «икс» и «игрек»: . По существу, координаты точки записаны в матрицу «один на два». Кстати, вот Вам и пример, почему порядок чисел имеет значение: и – это две совершенно разные точки плоскости.

Теперь переходим непосредственно к изучению действий с матрицами :

1) Действие первое. Вынесение минуса из матрицы (внесение минуса в матрицу) .

Вернемся к нашей матрице . Как вы наверняка заметили, в данной матрице слишком много отрицательных чисел. Это очень неудобно с точки зрения выполнения различных действий с матрицей, неудобно писать столько минусов, да и просто в оформлении некрасиво выглядит.

Вынесем минус за пределы матрицы, сменив у КАЖДОГО элемента матрицы знак :

У нуля, как Вы понимаете, знак не меняется, ноль – он и в Африке ноль.

Обратный пример: . Выглядит безобразно.

Внесем минус в матрицу, сменив у КАЖДОГО элемента матрицы знак :

Ну вот, гораздо симпатичнее получилось. И, самое главное, выполнять какие-либо действия с матрицей будет ПРОЩЕ. Потому что есть такая математическая народная примета: чем больше минусов – тем больше путаницы и ошибок .

2) Действие второе. Умножение матрицы на число .

Пример:

Всё просто, для того чтобы умножить матрицу на число, нужно каждый элемент матрицы умножить на данное число. В данном случае – на тройку.

Еще один полезный пример:

– умножение матрицы на дробь

Сначала рассмотрим то, чего делать НЕ НАДО :

Вносить дробь в матрицу НЕ НУЖНО, во-первых, это только затрудняет дальнейшие действия с матрицей, во-вторых, затрудняет проверку решения преподавателем (особенно, если – окончательный ответ задания).

И, тем более, НЕ НАДО делить каждый элемент матрицы на минус семь:

Из статьи Математика для чайников или с чего начать , мы помним, что десятичных дробей с запятой в высшей математике стараются всячески избегать.

Единственное, что желательно сделать в этом примере – это внести минус в матрицу:

А вот если бы ВСЕ элементы матрицы делились на 7 без остатка , то тогда можно (и нужно!) было бы поделить.

Пример:

В этом случае можно и НУЖНО умножить все элементы матрицы на , так как все числа матрицы делятся на 2 без остатка .

Примечание: в теории высшей математики школьного понятия «деление» нет. Вместо фразы «это поделить на это» всегда можно сказать «это умножить на дробь». То есть, деление – это частный случай умножения.

3) Действие третье. Транспонирование матрицы .

Для того чтобы транспонировать матрицу, нужно ее строки записать в столбцы транспонированной матрицы.

Пример:

Транспонировать матрицу

Строка здесь всего одна и, согласно правилу, её нужно записать в столбец:

– транспонированная матрица.

Транспонированная матрица обычно обозначается надстрочным индексом или штрихом справа вверху.

Пошаговый пример:

Транспонировать матрицу

Сначала переписываем первую строку в первый столбец:

Потом переписываем вторую строку во второй столбец:

И, наконец, переписываем третью строку в третий столбец:

Готово. Грубо говоря, транспонировать – это значит повернуть матрицу набок.

4) Действие четвертое. Сумма (разность) матриц .

Сумма матриц действие несложное.
НЕ ВСЕ МАТРИЦЫ МОЖНО СКЛАДЫВАТЬ. Для выполнения сложения (вычитания) матриц, необходимо, чтобы они были ОДИНАКОВЫМИ ПО РАЗМЕРУ.

Например, если дана матрица «два на два», то ее можно складывать только с матрицей «два на два» и никакой другой!

Пример:

Сложить матрицы и

Для того чтобы сложить матрицы, необходимо сложить их соответствующие элементы :

Для разности матриц правило аналогичное, необходимо найти разность соответствующих элементов .

Пример:

Найти разность матриц ,

А как решить данный пример проще, чтобы не запутаться? Целесообразно избавиться от лишних минусов, для этого внесем минус в матрицу :

Примечание: в теории высшей математики школьного понятия «вычитание» нет. Вместо фразы «из этого вычесть это» всегда можно сказать «к этому прибавить отрицательное число». То есть, вычитание – это частный случай сложения.

5) Действие пятое. Умножение матриц .

Какие матрицы можно умножать?

Чтобы матрицу можно было умножить на матрицу нужно, чтобы число столбцов матрицы равнялось числу строк матрицы .

Пример:
Можно ли умножить матрицу на матрицу ?

Значит, умножать данные матрицы можно.

А вот если матрицы переставить местами, то, в данном случае, умножение уже невозможно!

Следовательно, выполнить умножение невозможно:

Не так уж редко встречаются задания с подвохом, когда студенту предлагается умножить матрицы, умножение которых заведомо невозможно.

Следует отметить, что в ряде случаев можно умножать матрицы и так, и так.
Например, для матриц, и возможно как умножение , так и умножение

Опр . Прямоугольная таблица, состоящая из т строк и п столбцов действительных чисел называется матрицей размера т×п . Матрицы обозначают заглавными латинскими буквами: А, В,…, а массив чисел выделяют круглыми или квадратными скобками.

Числа, входящие в таблицу, называются элементами матрицы и обозначаются малыми латинскими буквами с двойным индексом , гдеi – номер строки, j – номер столбца, на пресечении которых расположен элемент. В общем виде матрица записывается так:

Две матрицы считаются равными , если равны их соответствующие элементы.

Если число строк матрицы т равно числу ее столбцов п , то матрица называется квадратной (в противном случае – прямоугольной).

Матрица размера
называется матрицей-строкой. Матрица размера

называется матрицей-столбцом.

Элементы матрицы, имеющие равные индексы (
и т.д.), образуютглавную диагональ матрицы. Другая диагональ называется побочной.

Квадратная матрица называется диагональной , если все ее элементы, расположенные вне главной диагонали, равны нулю.

Диагональная матрица, у которой диагональные элементы равны единице, называется единичной матрицей и имеет стандартное обозначение Е:

Если все элементы матрицы, расположенные выше (или ниже) главной диагонали равны нулю, говорят, что матрица имеет треугольный вид:

§2. Операции над матрицами

1. Транспонирование матрицы – преобразование, при котором строки матрицы записывают в виде столбцов при сохранении их порядка. Для квадратной матрицы это преобразование эквивалентно симметричному отображению относительно главной диагонали:

.

2. Матрицы одинаковой размерности можно суммировать (вычитать). Суммой (разностью) матриц называется матрица той же размерности, каждый элемент которой равен сумме (разности) соответствующих элементов исходных матриц:

3. Любую матрицу можно умножать на число. Произведением матрицы на число называется матрица того же порядка, каждый элемент которой равен произведению соответствующего элемента исходной матрицы на это число:

.

4. Если число столбцов одной матрицы равно числу строк другой, то можно выполнить умножение первой матрицы на вторую. Произведением таких матриц называется матрица, каждый элемент которой равен сумме попарных произведений элементов соответствующей строки первой матрицы и элементов соответствующего столбца второй матрицы.

Следствие . Возведение матрицы в степень к >1 есть произведение матрицы А к раз. Определено только для квадратных матриц.

Пример .

Свойства операций над матрицами.

1. (А+В)+С=А+(В+С);

   к(А+В)=кА+кВ;

   А(В+С)=АВ+АС;

   (А+В)С=АС+ВС;

   к(АВ)=(кА)В=А(кВ);

   А(ВС)=(АВ)С;

2. (кА) Т =кА Т;

   (А+В) Т =А Т +В Т;

   (АВ) Т =В Т А Т;

Перечисленные выше свойства аналогичны свойствам операций над числами. Есть и специфические свойства матриц. К ним относится, например, отличительное свойство умножения матриц. Если произведение АВ существует, то произведение ВА

Может не существовать

Может отличаться от АВ.

Пример . Предприятие выпускает продукцию двух видов А и В и использует при этом сырье трех типов S 1 , S 2 , и S 3 . Нормы расхода сырья заданы матрицей N=
, гдеn ij – количество сырья j , расходуемого на производство единицы продукции i . План выпуска продукции задан матрицей С=(100 200), а стоимость единицы каждого вида сырья – матрицей . Определить затраты сырья, необходимые для планового выпуска продукции и общую стоимость сырья.

Решение. Затраты сырья определим как произведение матриц С и N:

Общую стоимость сырья вычислим как произведение S и Р.