Виды матриц. Операции над матрицами и их свойства. Матрицы. Основные определения и виды матриц. Действия над матрицами. Понятие ранга матрицы. Операции над матрицами. Понятие и нахождение обратной матрицы Виды матриц и действия над ними
В этой теме будут рассмотрены такие операции, как сложение и вычитание матриц, умножение матрицы на число, умножение матрицы на матрицу, транспонирование матрицы. Все обозначения, которые используются на данной странице, взяты из предыдущей темы .
Сложение и вычитание матриц.
Суммой $A+B$ матриц $A_{m\times n}=(a_{ij})$ и $B_{m\times n}=(b_{ij})$ называется матрица $C_{m\times n}=(c_{ij})$, где $c_{ij}=a_{ij}+b_{ij}$ для всех $i=\overline{1,m}$ и $j=\overline{1,n}$.
Аналогичное определение вводят и для разности матриц:
Разностью $A-B$ матриц $A_{m\times n}=(a_{ij})$ и $B_{m\times n}=(b_{ij})$ называется матрица $C_{m\times n}=(c_{ij})$, где $c_{ij}=a_{ij}-b_{ij}$ для всех $i=\overline{1,m}$ и $j=\overline{1,n}$.
Пояснение к записи $i=\overline{1,m}$: показать\скрыть
Запись "$i=\overline{1,m}$" означает, что параметр $i$ изменяется от 1 до m. Например, запись $i=\overline{1,5}$ говорит о том, что параметр $i$ принимает значения 1, 2, 3, 4, 5.
Стоит обратить внимание, что операции сложения и вычитания определены только для матриц одинакового размера. Вообще, сложение и вычитание матриц - операции, ясные интуитивно, ибо означают они, по сути, всего лишь суммирование или вычитание соответствующих элементов.
Пример №1
Заданы три матрицы:
$$ A=\left(\begin{array} {ccc} -1 & -2 & 1 \\ 5 & 9 & -8 \end{array} \right)\;\; B=\left(\begin{array} {ccc} 10 & -25 & 98 \\ 3 & 0 & -14 \end{array} \right); \;\; F=\left(\begin{array} {cc} 1 & 0 \\ -5 & 4 \end{array} \right). $$
Можно ли найти матрицу $A+F$? Найти матрицы $C$ и $D$, если $C=A+B$ и $D=A-B$.
Матрица $A$ содержит 2 строки и 3 столбца (иными словами - размер матрицы $A$ равен $2\times 3$), а матрица $F$ содержит 2 строки и 2 столбца. Размеры матрицы $A$ и $F$ не совпадают, поэтому сложить их мы не можем, т.е. операция $A+F$ для данных матриц не определена.
Размеры матриц $A$ и $B$ совпадают, т.е. данные матрицы содержат равное количество строк и столбцов, поэтому к ним применима операция сложения.
$$ C=A+B=\left(\begin{array} {ccc} -1 & -2 & 1 \\ 5 & 9 & -8 \end{array} \right)+ \left(\begin{array} {ccc} 10 & -25 & 98 \\ 3 & 0 & -14 \end{array} \right)=\\= \left(\begin{array} {ccc} -1+10 & -2+(-25) & 1+98 \\ 5+3 & 9+0 & -8+(-14) \end{array} \right)= \left(\begin{array} {ccc} 9 & -27 & 99 \\ 8 & 9 & -22 \end{array} \right) $$
Найдем матрицу $D=A-B$:
$$ D=A-B=\left(\begin{array} {ccc} -1 & -2 & 1 \\ 5 & 9 & -8 \end{array} \right)- \left(\begin{array} {ccc} 10 & -25 & 98 \\ 3 & 0 & -14 \end{array} \right)=\\= \left(\begin{array} {ccc} -1-10 & -2-(-25) & 1-98 \\ 5-3 & 9-0 & -8-(-14) \end{array} \right)= \left(\begin{array} {ccc} -11 & 23 & -97 \\ 2 & 9 & 6 \end{array} \right) $$
Ответ : $C=\left(\begin{array} {ccc} 9 & -27 & 99 \\ 8 & 9 & -22 \end{array} \right)$, $D=\left(\begin{array} {ccc} -11 & 23 & -97 \\ 2 & 9 & 6 \end{array} \right)$.
Умножение матрицы на число.
Произведением матрицы $A_{m\times n}=(a_{ij})$ на число $\alpha$ называется матрица $B_{m\times n}=(b_{ij})$, где $b_{ij}=\alpha\cdot a_{ij}$ для всех $i=\overline{1,m}$ и $j=\overline{1,n}$.
Попросту говоря, умножить матрицу на некое число - означает умножить каждый элемент заданной матрицы на это число.
Пример №2
Задана матрица: $ A=\left(\begin{array} {ccc} -1 & -2 & 7 \\ 4 & 9 & 0 \end{array} \right)$. Найти матрицы $3\cdot A$, $-5\cdot A$ и $-A$.
$$ 3\cdot A=3\cdot \left(\begin{array} {ccc} -1 & -2 & 7 \\ 4 & 9 & 0 \end{array} \right) =\left(\begin{array} {ccc} 3\cdot(-1) & 3\cdot(-2) & 3\cdot 7 \\ 3\cdot 4 & 3\cdot 9 & 3\cdot 0 \end{array} \right)= \left(\begin{array} {ccc} -3 & -6 & 21 \\ 12& 27 & 0 \end{array} \right).\\ -5\cdot A=-5\cdot \left(\begin{array} {ccc} -1 & -2 & 7 \\ 4 & 9 & 0 \end{array} \right) =\left(\begin{array} {ccc} -5\cdot(-1) & -5\cdot(-2) & -5\cdot 7 \\ -5\cdot 4 & -5\cdot 9 & -5\cdot 0 \end{array} \right)= \left(\begin{array} {ccc} 5 & 10 & -35 \\ -20 & -45 & 0 \end{array} \right). $$
Запись $-A$ есть сокращенная запись для $-1\cdot A$. Т.е., чтобы найти $-A$ нужно все элементы матрицы $A$ умножить на (-1). По сути, это означает, что знак всех элементов матрицы $A$ изменится на противоположный:
$$ -A=-1\cdot A=-1\cdot \left(\begin{array} {ccc} -1 & -2 & 7 \\ 4 & 9 & 0 \end{array} \right)= \left(\begin{array} {ccc} 1 & 2 & -7 \\ -4 & -9 & 0 \end{array} \right) $$
Ответ : $3\cdot A=\left(\begin{array} {ccc} -3 & -6 & 21 \\ 12& 27 & 0 \end{array} \right);\; -5\cdot A=\left(\begin{array} {ccc} 5 & 10 & -35 \\ -20 & -45 & 0 \end{array} \right);\; -A=\left(\begin{array} {ccc} 1 & 2 & -7 \\ -4 & -9 & 0 \end{array} \right)$.
Произведение двух матриц.
Определение этой операции громоздко и, на первый взгляд, непонятно. Поэтому сначала укажу общее определение, а потом подробно разберем, что оно означает и как с ним работать.
Произведением матрицы $A_{m\times n}=(a_{ij})$ на матрицу $B_{n\times k}=(b_{ij})$ называется матрица $C_{m\times k}=(c_{ij})$, для которой каждый элемент $c_{ij}$ равен сумме произведений соответствующих элементов i-й строки матрицы $A$ на элементы j-го столбца матрицы $B$: $$c_{ij}=\sum\limits_{p=1}^{n}a_{ip}b_{pj}, \;\; i=\overline{1,m}, j=\overline{1,n}.$$
Пошагово умножение матриц разберем на примере. Однако сразу стоит обратить внимание, что перемножать можно не все матрицы. Если мы хотим умножить матрицу $A$ на матрицу $B$, то сперва нужно убедиться, что количество столбцов матрицы $A$ равно количеству строк матрицы $B$ (такие матрицы часто называют согласованными ). Например, матрицу $A_{5\times 4}$ (матрица содержит 5 строк и 4 столбца), нельзя умножать на матрицу $F_{9\times 8}$ (9 строк и 8 столбцов), так как количество столбцов матрицы $A$ не равно количеству строк матрицы $F$, т.е. $4\neq 9$. А вот умножить матрицу $A_{5\times 4}$ на матрицу $B_{4\times 9}$ можно, так как количество столбцов матрицы $A$ равно количеству строк матрицы $B$. При этом результатом умножения матриц $A_{5\times 4}$ и $B_{4\times 9}$ будет матрица $C_{5\times 9}$, содержащая 5 строк и 9 столбцов:
Пример №3
Заданы матрицы: $ A=\left(\begin{array} {cccc} -1 & 2 & -3 & 0 \\ 5 & 4 & -2 & 1 \\ -8 & 11 & -10 & -5 \end{array} \right)$ и $ B=\left(\begin{array} {cc} -9 & 3 \\ 6 & 20 \\ 7 & 0 \\ 12 & -4 \end{array} \right)$. Найти матрицу $C=A\cdot B$.
Для начала сразу определим размер матрицы $C$. Так как матрица $A$ имеет размер $3\times 4$, а матрица $B$ имеет размер $4\times 2$, то размер матрицы $C$ таков: $3\times 2$:
Итак, в результате произведения матриц $A$ и $B$ мы должны получить матрицу $C$, состоящую из трёх строк и двух столбцов: $ C=\left(\begin{array} {cc} c_{11} & c_{12} \\ c_{21} & c_{22} \\ c_{31} & c_{32} \end{array} \right)$. Если обозначения элементов вызывают вопросы, то можно глянуть предыдущую тему: "Матрицы. Виды матриц. Основные термины" , в начале которой поясняется обозначение элементов матрицы. Наша цель: найти значения всех элементов матрицы $C$.
Начнем с элемента $c_{11}$. Чтобы получить элемент $c_{11}$ нужно найти сумму произведений элементов первой строки матрицы $A$ и первого столбца матрицы $B$:
Чтобы найти сам элемент $c_{11}$ нужно перемножить элементы первой строки матрицы $A$ на соответствующие элементы первого столбца матрицы $B$, т.е. первый элемент на первый, второй на второй, третий на третий, четвертый на четвертый. Полученные результаты суммируем:
$$ c_{11}=-1\cdot (-9)+2\cdot 6+(-3)\cdot 7 + 0\cdot 12=0. $$
Продолжим решение и найдем $c_{12}$. Для этого придётся перемножить элементы первой строки матрицы $A$ и второго столбца матрицы $B$:
Аналогично предыдущему, имеем:
$$ c_{12}=-1\cdot 3+2\cdot 20+(-3)\cdot 0 + 0\cdot (-4)=37. $$
Все элементы первой строки матрицы $C$ найдены. Переходим ко второй строке, которую начинает элемент $c_{21}$. Чтобы его найти придётся перемножить элементы второй строки матрицы $A$ и первого столбца матрицы $B$:
$$ c_{21}=5\cdot (-9)+4\cdot 6+(-2)\cdot 7 + 1\cdot 12=-23. $$
Следующий элемент $c_{22}$ находим, перемножая элементы второй строки матрицы $A$ на соответствующие элементы второго столбца матрицы $B$:
$$ c_{22}=5\cdot 3+4\cdot 20+(-2)\cdot 0 + 1\cdot (-4)=91. $$
Чтобы найти $c_{31}$ перемножим элементы третьей строки матрицы $A$ на элементы первого столбца матрицы $B$:
$$ c_{31}=-8\cdot (-9)+11\cdot 6+(-10)\cdot 7 + (-5)\cdot 12=8. $$
И, наконец, для нахождения элемента $c_{32}$ придется перемножить элементы третьей строки матрицы $A$ на соответствующие элементы второго столбца матрицы $B$:
$$ c_{32}=-8\cdot 3+11\cdot 20+(-10)\cdot 0 + (-5)\cdot (-4)=216. $$
Все элементы матрицы $C$ найдены, осталось лишь записать, что $C=\left(\begin{array} {cc} 0 & 37 \\ -23 & 91 \\ 8 & 216 \end{array} \right)$. Или, если уж писать полностью:
$$ C=A\cdot B =\left(\begin{array} {cccc} -1 & 2 & -3 & 0 \\ 5 & 4 & -2 & 1 \\ -8 & 11 & -10 & -5 \end{array} \right)\cdot \left(\begin{array} {cc} -9 & 3 \\ 6 & 20 \\ 7 & 0 \\ 12 & -4 \end{array} \right)=\left(\begin{array} {cc} 0 & 37 \\ -23 & 91 \\ 8 & 216 \end{array} \right). $$
Ответ : $C=\left(\begin{array} {cc} 0 & 37 \\ -23 & 91 \\ 8 & 216 \end{array} \right)$.
Кстати сказать, зачастую нет резона расписывать подробно нахождение каждого элемента матрицы-результата. Для матриц, размер которых невелик, можно поступать и так:
$$ \left(\begin{array} {cc} 6 & 3 \\ -17 & -2 \end{array}\right)\cdot \left(\begin{array} {cc} 4 & 9 \\ -6 & 90 \end{array} \right) =\left(\begin{array} {cc} 6\cdot{4}+3\cdot(-6) & 6\cdot{9}+3\cdot{90} \\ -17\cdot{4}+(-2)\cdot(-6) & -17\cdot{9}+(-2)\cdot{90} \end{array} \right) =\left(\begin{array} {cc} 6 & 324 \\ -56 & -333 \end{array} \right) $$
Стоит также обратить внимание, что умножение матриц некоммутативно. Это означает, что в общем случае $A\cdot B\neq B\cdot A$. Лишь для некоторых типов матриц, которые именуют перестановочными (или коммутирующими), верно равенство $A\cdot B=B\cdot A$. Именно исходя из некоммутативности умножения, требуется указывать как именно мы домножаем выражение на ту или иную матрицу: справа или слева. Например, фраза "домножим обе части равенства $3E-F=Y$ на матрицу $A$ справа" означает, что требуется получить такое равенство: $(3E-F)\cdot A=Y\cdot A$.
Транспонированной по отношению к матрице $A_{m\times n}=(a_{ij})$ называется матрица $A_{n\times m}^{T}=(a_{ij}^{T})$, для элементов которой $a_{ij}^{T}=a_{ji}$.
Попросту говоря, для того, чтобы получить транспонированную матрицу $A^T$, нужно в исходной матрице $A$ заменить столбцы соответствующими строками по такому принципу: была первая строка - станет первый столбец; была вторая строка - станет второй столбец; была третья строка - станет третий столбец и так далее. Например, найдем транспонированную матрицу к матрице $A_{3\times 5}$:
Соответственно, если исходная матрица имела размер $3\times 5$, то транспонированная матрица имеет размер $5\times 3$.
Некоторые свойства операций над матрицами.
Здесь предполагается, что $\alpha$, $\beta$ - некоторые числа, а $A$, $B$, $C$ - матрицы. Для первых четырех свойств я указал названия, остальные можно назвать по аналогии с первыми четырьмя.
Лекция 1. «Матрицы и основные действия над ними. Определители
Определение. Матрицей размера m n , где m - число строк, n - число столбцов, называется таблица чисел, расположенных в определенном порядке. Эти числа называются элементами матрицы. Место каждого элемента однозначно определяется номером строки и столбца, на пересечении которых он находится. Элементы матрицы обозначаются a ij , где i - номер строки, а j - номер столбца.
А =
Основные действия над матрицами.
Матрица может состоять как из одной строки, так и из одного столбца. Вообще говоря, матрица может состоять даже из одного элемента.
Определение. Если число столбцов матрицы равно числу строк (m=n), то матрица называется квадратной .
Определение. Матрица вида:
= E
,
называется единичной матрицей .
Определение. Если a mn = a nm , то матрица называется симметрической .
Пример.
- симметрическая матрица
Определение.
Квадратная матрица вида 
называется диагональной
матрицей.
Сложение и вычитание матриц сводится к соответствующим операциям над их элементами. Самым главным свойством этих операций является то, что они определены только для матриц одинакового размера . Таким образом, возможно определить операции сложения и вычитания матриц:
Определение. Суммой (разностью) матриц является матрица, элементами которой являются соответственно сумма (разность) элементов исходных матриц.
c ij = a ij b ij
С = А + В = В + А.
Операция умножения (деления) матрицы любого размера на произвольное число сводится к умножению (делению) каждого элемента матрицы на это число.
(А+В) = А В А( ) = А А
Пример.
Даны матрицы А = 
; B
= 
, найти 2А + В.
2А = 
, 2А + В = 
.
Операция умножения матриц .
Определение: Произведением матриц называется матрица, элементы которой могут быть вычислены по следующим формулам:
A
B
=
C
;
.
Из приведенного определения видно, что операция умножения матриц определена только для матриц, число столбцов первой из которых равно числу строк второй.
Свойства операции умножения матриц.
1)Умножение матриц не коммутативно , т.е. АВ ВА даже если определены оба произведения. Однако, если для каких – либо матриц соотношение АВ=ВА выполняется, то такие матрицы называются перестановочными.
Самым характерным примером может служить матрица, которая является перестановочной с любой другой матрицей того же размера.
Перестановочными могут быть только квадратные матрицы одного и того же порядка.
А Е = Е А = А
Очевидно, что для любых матриц выполняются следующее свойство:
A O = O ; O A = O ,
где О – нулевая матрица.
2) Операция перемножения матриц ассоциативна, т.е. если определены произведения АВ и (АВ)С, то определены ВС и А(ВС), и выполняется равенство:
(АВ)С=А(ВС).
3) Операция умножения матриц дистрибутивна по отношению к сложению, т.е. если имеют смысл выражения А(В+С) и (А+В)С, то соответственно:
А(В + С) = АВ + АС
(А + В)С = АС + ВС.
4) Если произведение АВ определено, то для любого числа верно соотношение:
(AB ) = ( A ) B = A ( B ).
5) Если определено произведение АВ, то определено произведение В Т А Т и выполняется равенство:
(АВ) Т = В Т А Т, где
индексом Т обозначается транспонированная матрица.
6) Заметим также, что для любых квадратных матриц det (AB) = detA detB.
Что такое det будет рассмотрено ниже.
Определение . Матрицу В называют транспонированной матрицей А, а переход от А к В транспонированием , если элементы каждой строки матрицы А записать в том же порядке в столбцы матрицы В.
А = 
; В = А Т =
;
другими словами, b ji = a ij .
В качестве следствия из предыдущего свойства (5) можно записать, что:
(ABC ) T = C T B T A T ,
при условии, что определено произведение матриц АВС.
Пример.
Даны матрицы А = 
, В = , С = 
и число
= 2. Найти А
Т
В+
С.
A
T
=
;
A
T
B
=
=
=
;
C
=
; А
Т
В+
С =
+
=
.
Пример.
Найти произведение матриц А = и В = 
.
АВ =
= 
.
ВА =
= 2
1 + 4
4 + 1
3 = 2 + 16 + 3 = 21.
Пример.
Найти произведение матриц А=
, В = 
АВ =
= 
= 
.
Определители (детерминанты).
Определение.
Определителем
квадратной матрицы А=
называется число, которое может быть вычислено по элементам матрицы по формуле:
det
A
= 
, где (1)
М 1к – детерминант матрицы, полученной из исходной вычеркиванием первой строки и k – го столбца. Следует обратить внимание на то, что определители имеют только квадратные матрицы, т.е. матрицы, у которых число строк равно числу столбцов.
Ф
ормула (1) позволяет вычислить определитель матрицы по первой строке, также справедлива формула вычисления определителя по первому столбцу:
det
A
= 
(2)
Вообще говоря, определитель может вычисляться по любой строке или столбцу матрицы, т.е. справедлива формула:
detA
= 
, i
= 1,2,…,n
. (3)
Очевидно, что различные матрицы могут иметь одинаковые определители.
Определитель единичной матрицы равен 1.
Для указанной матрицы А число М 1к называется дополнительным минором элемента матрицы a 1 k . Таким образом, можно заключить, что каждый элемент матрицы имеет свой дополнительный минор. Дополнительные миноры существуют только в квадратных матрицах.
Определение. Дополнительный минор произвольного элемента квадратной матрицы a ij равен определителю матрицы, полученной из исходной вычеркиванием i -ой строки и j -го столбца.
Свойство1. Важным свойством определителей является следующее соотношение:
det A = det A T ;
Свойство 2. det (A B) = det A det B.
Свойство 3. det (AB ) = detA detB
Свойство 4. Если в квадратной матрице поменять местами какие-либо две строки (или столбца), то определитель матрицы изменит знак, не изменившись по абсолютной величине.
Свойство 5. При умножении столбца (или строки) матрицы на число ее определитель умножается на это число.
Свойство 6. Если в матрице А строки или столбцы линейно зависимы, то ее определитель равен нулю.
Определение: Столбцы (строки) матрицы называются линейно зависимыми , если существует их линейная комбинация, равная нулю, имеющая нетривиальные (не равные нулю) решения.
Свойство 7. Если матрица содержит нулевой столбец или нулевую строку, то ее определитель равен нулю. (Данное утверждение очевидно, т.к. считать определитель можно именно по нулевой строке или столбцу.)
Свойство 8. Определитель матрицы не изменится, если к элементам одной из его строк(столбца) прибавить(вычесть) элементы другой строки(столбца), умноженные на какое-либо число, не равное нулю.
Свойство 9. Если для элементов какой- либо строки или столбца матрицы верно соотношение: d = d 1 d 2 , e = e 1 e 2 , f = det (AB).
1-й способ: det A = 4 – 6 = -2; det B = 15 – 2 = 13; det (AB) = det A det B = -26.
2- й способ:
AB
=
,
det
(AB
) = 7
18 - 8
19 = 126 –
– 152 = -26.
Матрицы, основные понятия.
Матрица- прямоугольная таблица А, образованная из элементов некоторого множества и состоящая из mстрок иnстолбцов.
Квадратная матрица - где m=n.
Строка (вектор строка)- матрица состоит из одной строки.
Столбец (вектор столбец)- матрица состоит из одного столбца.
Транспонированная матрица- Матрица получающаяся из матрицы А путём замены строк столбцами .
Диагональная матрица- квадратная матрица у которой все элементы не лежащие на главной диагонали равны нулю.
Действия над матрицами.
1)Умножение деление матрицы на число.
Произведение матрицы А на число α называется Матрица Ахα элементы которой получаются из элементов матрицы А умножением на число α.
Пример:
7хА,
,
.
2)Перемножение матриц.
Операция умножения двух матриц вводится только для случая, когда число столбцов первой матрицы равно числу строк второй матрицы.
Пример:
,,
АхВ=
.
Свойства умножения матриц:
А*(В*С)=(А*В)*С;
А * (В + С) = АВ + АС
(А+В)*С=АС+ВС;
а(АВ) = (аА)В,
(A+B) T =A T +B T
(АВ) Т =В T А T
3)Сложение, вычитание.
Суммой (разностью)- матриц является матрица, элементами которой являются соответственно сумма (разность) элементов исходных матриц.
c ij = a ij b ij
С = А + В = В + А.
Вопрос 2.
Непрерывность функций в точке, на интервале, отрезке. Точки разрыва функций и их классификация.
Функция f(x), определенная в окрестности некоторой точки х 0 , называется непрерывной в точке х 0 , если предел функции и ее значение в этой точке равны, т.е.
Функция f(x) называется непрерывной в точке х 0 , если для любого положительного числа e>0 существует такое число D>0, что для любых х, удовлетворяющих условию
верно
неравенство 
.
Функция f(x) называется непрерывной в точке х = х 0 , если приращение функции в точке х 0 является бесконечно малой величиной.
f(x) =f(x 0) +a(x)
где a(х) – бесконечно малая при х®х 0 .
Свойства непрерывных функций.
1) Сумма, разность и произведение непрерывных в точке х 0 функций – есть функция, непрерывная в точке х 0 .
2) Частное двух непрерывных функций – есть непрерывная функция при условии, чтоg(x) не равна нулю в точке х 0 .
3) Суперпозиция непрерывных функций – есть непрерывная функция.
Это свойство может быть записано следующим образом:
Если u=f(x),v=g(x) – непрерывные функции в точке х = х 0 , то функцияv=g(f(x)) – тоже непрерывная функция в этой точке.
Функция f (x ) называетсянепрерывной на интервале (a ,b ), если она непрерывна в каждой точке этого интервала.
Свойства функций, непрерывных на отрезке.
Функция, непрерывная на отрезке, ограничена на этом отрезке, т.е. на отрезке выполняется условие –M f(x) M.
Доказательство этого свойства основано на том, что функция, непрерывная в точке х 0 , ограничена в некоторой ее окрестности, а если разбивать отрезок на бесконечное количество отрезков, которые “стягиваются” к точке х 0 , то образуется некоторая окрестность точки х 0 .
Функция, непрерывная на отрезке , принимает на нем наибольшее и наименьшее значения.
Т.е. существуют такие значения х 1 и х 2 , что f(x 1) = m, f(x 2) = M, причем
m f(x) M
Отметим эти наибольшие и наименьшие значения функция может принимать на отрезке и несколько раз (например – f(x) = sinx).
Разность между наибольшим и наименьшим значением функции на отрезке называется колебанием функции на отрезке.
Функция, непрерывная на отрезке , принимает на этом отрезке все значения между двумя произвольными величинами.
Если функция f(x) непрерывна в точке х = х 0 , то существует некоторая окрестность точки х 0 , в которой функция сохраняет знак.
Если функция f(x)- непрерывная на отрезке и имеет на концах отрезка значения противоположных знаков, то существует такая точка внутри этого отрезка, где f(x) = 0.
Определение. Матрицей называется множество чисел, которое составляет прямоугольную таблицу, состоящее изmстрок иnстолбцов
коротко матрицу обозначают так:
где элементы данной матрицы,i– номер строки,j– номер столбца.
Если в матрице число строк равно числу столбцов (m = n ), то матрица называетсяквадратной n -го порядка, а в противном случае –прямоугольной.
Если m = 1 и n > 1, то получаем однострочную матрицу
которая называется вектор-строкой , если, жеm >1 иn =1, то получаем одностолбцовую матрицу
которая называется вектор-столбцом .
Квадратная матрица, у которой все элементы, кроме элементов главной диагонали, равны нулю, называется диагональной.
Диагональная матрица, у которой элементы главной диагонали равны единице, называется единично, обозначаетсяE .
Матрица, полученная из данной заменой ее строки столбцом с тем же номером, называется транспонированной к данной. Обозначается.
Две матрицы иравны, если равны между собой элементы, стоящие на одинаковых местах, то есть если
при всех i иj (при этом число строк (столбцов) матрицA иB должно быть одинаковым).
1°. Суммой двух матрицA =(a ij ) иB =(b ij ) с одинаковым количествомm строк иn столбцов называется матрицаC =(c ij ), элементы которой определяются равенством
Сумму матриц обозначают C =A +B .
Пример.
2 0 . Произведением матрицыA =(a ij ) на числоλ называется матрица, у которой каждый элемент равен произведению соответствующего элемента матрицыA на числоλ :
λA =λ (a ij )=(λa ij ), (i =1,2…,m ; j =1,2…,n).
Пример.
3 0 . Произведением матрицыA =(a ij ), имеющейm строк иk столбцов, на матрицуB =(b ij ), имеющейk строк иn столбцов, называется матрицаC =(c ij ), имеющаяm строк иn столбцов, у которой элементc ij равен сумме произведений элементовi -ой строки матрицыA иj -го столбца матрицыB , то есть
При этом число столбцов матрицы A должно быть равно числу строк матрицыB . В противном случае произведение не определено. Произведение матриц обозначается A*B =C.
Пример.
Для произведения матриц не выполняется равенство между матрицами A * B иB * A , в общем случае одна из них может быть не определена.
Умножение квадратной матрицы любого порядка на соответствующую единичную матрицу не меняет матрицу.
Пример. Пусть,, тогда согласно правилу умножения матриц имеем
,
откуда заключаем, что
Определители и их свойства.
Пусть дана квадратная матрица третьего порядка:
Определение. Определителем третьего порядка, соответствующим матрице (1), называется число, обозначаемое символом
и определяемое равенством
Чтобы запомнить, какие произведения в правой части равенства (2) берутся со знаком "+", а какие со знаком "-", полезно использовать следующее правило треугольников.
Пример.
Сформулируем основные свойства для определителей третьего порядка, хотя они присущи определителям любого порядка.
1. Величина определителя не изменится, если его строки и столбцы поменять местами, т. е.
2. Перестановка двух столбцов или двух строк определителя равносильна умножению его на -1.
3. Если определитель имеет два одинаковых столбца или две одинаковые строки, то он равен нулю.
4. Умножение всех элементов одного столбца или одной строки определителя на любое числоλ равносильно умножению определителя на это числоλ .
5. Если все элементы некоторого столбца или некоторой строки определителя равны нулю, то и сам определитель равен нулю.
6. Если элементы двух столбцов или двух строк определителя пропорциональны, то определитель равен нулю.
7. Если каждый элементn -го столбца (n -ой строки) определителя представляет собой сумму двух слагаемых, то определитель может быть представлен в виде суммы двух определителей, из которых один вn -ом столбце (n -ой строке) содержит первые из упомянутых слагаемых, а другой - вторые; элементы, стоящие на остальных местах, у всех трех определителей одни и те же.
Например,
8 0 . Если к элементам некоторого столбца (строки) определителя прибавить соответствующие элементы другого столбца (строки), умноженные на любой общий множитель, то величина определителя не изменится.
Например,
Минором некоторого элемента определителя называется определитель, получаемый из данного определителя вычеркиванием строки и столбца, на пересечении которых расположен этот элемент.
Например, минором элемента а 1 определителяΔ является определитель 2-го порядка
Алгебраическим дополнением некоторого элемента определителя называется минор этого элемента, умноженный на (-1) p , гдер - сумма номеров строки и столбца, на пересечении которых расположен этот элемент.
Если, например, элемент а 2 находятся на пересечении 1-го столбца и 2-ой строки, то для негор =1+2=3 и алгебраическим дополнением является
9 0 . Определитель равен сумме произведений элементов какого–либо столбца или строки на их алгебраические дополнения.
10 0 . Сумма произведений элементов какого–либо столбца или какой–либо строки определителя на алгебраические дополнения соответствующих элементов другого столбца или другой строки равны нулю.
Возникает вопрос, можно ли для квадратной матрицы А подобрать некоторую матрицу, такую что умножив на нее матрицу А в результате получить единичную матрицу Е , такую матрицу называют обратной к матрице А.
Определение. Матрицаназывается обратной квадратной матрицеA, если.
Определение. Квадратная матрица называется невырожденной, если ее определитель отличен от нуля. В противном случае квадратная матрица называется вырожденной.
Всякая невырожденная матрица имеет обратную.
Элементарными преобразованиями матриц являются:
перестановка местами двух параллельных рядов матрицы;
умножение всех элементов матрицы на число, отличное от нуля;
прибавление ко всем элементами ряда матрицы соответствующих элементов параллельного ряда, умноженных на одно и то же число.
Матрица В , полученная из матрицыА с помощью элементарных преобразований, называетсяэквивалентной матрицей.
Для невырожденной квадратной матрицы
третьего порядка обратная матрица А -1 может быть вычислена по следующей формуле
здесь Δ - определитель матрицы А ,A ij – алгебраические дополнения элементовa ij матрицыА.
Элемент строки матрицы называется крайним , если он отличен от нуля, а все элементы строки, находящиеся левее него, равны нулю. Матрица называетсяступенчатой , если крайний элемент каждой строки находится правее крайнего элемента предыдущей строки. Например:
Не ступенчатая; - ступенчатая.
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. https://pandia.ru/text/78/365/images/image065_9.gif" height="11">│, ││). 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=">.gif" width="65" height="13 src="> Свойства скалярного произведения: 1. Комутативность 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 https://pandia.ru/text/78/365/images/image117_5.gif" width="116" height="15">- 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">
