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. 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 Матрица (математика)
Ма́трица
- математический объект, записываемый в виде прямоугольной таблицы элементов кольца или поля (например, целых , действительных или комплексных чисел), которая представляет собой совокупность строк и столбцов, на пересечении которых находятся её элементы. Количество строк и столбцов матрицы задают размер матрицы. Хотя исторически рассматривались, например, треугольные матрицы , в настоящее время говорят исключительно о матрицах прямоугольной формы, так как они являются наиболее удобными и общими. Матрицы широко применяются в математике для компактной записи систем линейных алгебраических или дифференциальных уравнений. В этом случае, количество строк матрицы соответствует числу уравнений, а количество столбцов - количеству неизвестных. В результате решение систем линейных уравнений сводится к операциям над матрицами. Для матрицы определены следующие алгебраические операции: Относительно сложения матрицы образуют абелеву группу ; если же рассматривать ещё и умножение на скаляр, то матрицы образуют модуль над соответствующим кольцом (векторное пространство над полем). Множество квадратных матриц замкнуто относительно матричного умножения, поэтому квадратные матрицы одного размера образуют ассоциативное кольцо с единицей относительно матричного сложения и матричного умножения. Доказано, что каждому линейному оператору, действующему в n-мерном линейном пространстве, можно сопоставить единственную квадратную матрицу порядка n; и обратно - каждой квадратной матрице порядка n может быть сопоставлен единственный линейный оператор, действующий в этом пространстве. Свойства матрицы соответствуют свойствам линейного оператора. В частности, собственные числа матрицы - это собственные числа оператора, отвечающие соответствующим собственным векторам . То же можно сказать о представлении матрицами билинейный (квадратичных) форм. В математике рассматривается множество различных типов и видов матриц
. Таковы, например, единичная , симметричная , кососимметричная, верхнетреугольная (нижнетреугольная) и т. п. матрицы. Особое значение в теории матриц занимают всевозможные нормальные формы, то есть канонический вид, к которому можно привести матрицу заменой координат. Наиболее важной (в теоретическом значении) и проработанной является теория жордановых нормальных форм . На практике, однако, используются такие нормальные формы, которые обладают дополнительными свойствами, например, устойчивостью. Впервые матрицы упоминались ещё в древнем Китае, называясь тогда «волшебным квадратом ». Основным применением матриц было решение линейных уравнений. Также волшебные квадраты были известны чуть позднее у арабских математиков, примерно тогда появился принцип сложения матриц. После развития теории определителей в конце 17-го века, Габриэль Крамер начал разрабатывать свою теорию в 18-ом столетии и опубликовал «правило Крамера » в 1751 году. Примерно в этом же промежутке времени появился «метод Гаусса ». Теория матриц начала своё существование в середине XIX века в работах Уильяма Гамильтона и Артура Кэли . Фундаментальные результаты в теории матриц принадлежат Вейерштрассу , Жордану , Фробениусу . Термин «матрица» ввел Джеймс Сильвестр в 1850 г. Пусть есть два конечных множества и , где и - натуральные числа . Назовём матрицей размера (читается на ) с элементами из некоторого кольца или поля отображение вида Называется элементом матрицы, находящимся на пересечении -той строки и -ого столбца; Если индекс пробегает множество , а пробегает множество , то совокупность элементов полностью определяет матрицу. Таким образом, матрица размера состоит в точности из В соответствии с этим Сама матрица естественным образом интерпретируется как вектор в пространстве , имеющем размерность . Это позволяет ввести покомпонентное сложение матриц и умножение матрицы на число (см. ниже); что касается матричного умножения , то оно существенным образом опирается на прямоугольную структуру матрицы. Если у матрицы количество строк совпадает с количеством столбцов , то такая матрица называется квадратной
, а число называется размером
квадратной матрицы или её порядком
. Обычно матрицу обозначают заглавной буквой латинского алфавита: пусть тогда - матрица, которая интерпретируется как прямоугольный массив элементов поля вида , где таким образом, - элемент матрицы , находящийся на пересечении -той строки и -того столбца. В соответствии с этим принято следующее компактное обозначение для матрицы размера : или просто: если нужно просто указать обозначение для элементов матрицы. Иногда, вместо , пишут , чтобы отделить индексы друг от друга и избежать смешения с произведением двух чисел. Если необходимо дать развёрнутое представление матрицы в виде таблицы, то используют запись вида Можно встретить как обозначения с круглыми скобками «(…)», так и обозначения с квадратными скобками «[…]». Реже можно встретить обозначения с двойными прямыми линиями "||…||"). Поскольку матрица состоит из строк и столбцов, для них используются следующие обозначения: Таким образом, матрица обладает двойственным представлением - по строкам: и по столбцам: Такое представление позволяет формулировать свойства матриц в терминах строк или в терминах столбцов. С каждой матрицей размера связана матрица размера вида Такая матрица называется транспонированной матрицей
для и обозначается так . Транспонированную матрицу можно получить, поменяв строки и столбцы матрицы местами. Матрица размера при этом преобразовании станет матрицей размерностью . Пусть - произвольный линейный оператор. Подействуем им на обе стороны предыдущего равенства, получим Вектора также разложим в выбранном базисе, получим где - -я координата -го вектора из . Подставим разложение в предыдущую формулу, получим Выражение , заключённое в скобки, есть ни что иное, как формула умножения матрицы на столбец, и, таким образом, матрица при умножении на столбец даёт в результате координаты вектора , возникшего от действия оператора на вектор , что и требовалось получить. Над такими матрицами производят различные действия: перемножают друг на друга, находят определители, и т.п. Матрица
- частный случай массива: если массив может иметь любое количество измерений, то матрицей называют только двумерный массив. В программировании матрицей также называют двумерный массив. Любой из массивов в программе имеет имя, как если бы это была одна переменная. Чтобы уточнить, какая из ячеек массива имеется в виду, при упоминании его в программе совместно с переменной используют номер ячейки в ней. Как двумерная матрица, так и n-мерный массив в программе может содержать не только числовую, но и символьную, строковую, булевую и иную информацию, но всегда одну и ту же в пределах всего массива. Обозначаются матрицы заглавными буквами А:MxN, где А – имя матрицы, M– количество строк в матрице, а N– количество столбцов. Элементы – соответствующими строчными буквами с индексами, обозначающими их номер в строке и в столбце a (m, n). Наиболее часто распространены матрицы прямоугольной формы, хотя в далеком прошлом математики рассматривали и треугольные. Если количество строк и столбцов матрицы одинаково, она называется квадратной. При этом M=N уже имеет наименование порядка матрицы. Матрица, имеющая всего одну строку, именуется строкой. Матрица с всего одним столбцом называется столбцом. Диагональная матрица – это квадратная матрица, в которой не равны нулю только элементы, расположенные по диагонали. Если все элементы равны единице, матрица называется единичной, если нулю – нулевой. Если в матрице поменять местами строки и столбцы, она станет транспонированной. Если все элементы заменить комплексно-сопряженными, она станет комплексно-сопряженной. Кроме того, существуют и другие виды матриц, определяющиеся условиями, которые накладываются на матричные элементы. Но большинство таких условий применимо только к квадратным . Видео по теме
Определение Матрицей
– называется таблица чисел содержащая определенное количество строк и столбцов Элементами матрицы являются числа вида a ij , где i- номер строки j- номер столбца Пример 1 i = 2 j = 3 Обозначение: А=
Виды матриц:
1. Если число строк не равно числу столбцов , то матрица называется прямоугольной:
2. Если число строк равно числу столбцов , то матрица называется квадратной:
Число строк или столбцов квадратной матрицы называется ее порядком
. В примере n = 2 Рассмотрим квадратную матрицу порядка n: Диагональ, содержащая элементы a 11 , a 22 ……., a nn , называетсяглавной,
а диагональ, содержащая элементы а 12 , а 2 n -1 , …….a n 1 – вспомогательная.
Матрица, у которой отличны от нуля только элементы, находящиеся на главной диагонали, называется диагональной
: Пример 4 3. Если у диагональной матрицы элементы равны 1, то матрица называется единичной
и обозначается буквой Е: Пример 6 4. Матрица, все элементы которой равны нулю, называется нулевой
матрицей и обозначается буквой О Пример 7 5. Треугольной
матрицей n-ого порядка называется квадратная матрица, все элементы которой, расположенные ниже главной диагонали, равны нулю: Пример 8 Действия над матрицами:
Суммой матрицы А и В называется такая матрица С, элементы которой равны сумме соответствующих элементов матриц А и В. Складывать можно только матрицы, имеющие одинаковые число строк и столбцов. Произведением матрицы А на число k
называется такая матрица kA, каждый элемент которой равен ka ij Пример10 Умножение матрицы на число сводится к умножению на это число всех элементов матрицы. Произведение матриц
Что бы умножить матрицу на матрицу, необходимо выбрать первую строку первой матрицы и умножить на соответствующие элементы первого столбца второй матрицы, результат сложить. Этот результат расположить в результатирующей матрице в 1-ой строке и 10ом столбце. Аналогично выполняем действия со всеми остальными элементами: 1-ую строку на второй столбец, на 3-ий и т.д., затем со следующими строками. Пример 11 Умножение матрицы А на матрицу В возможно только в том случае, если число столбцов первой матрицы равно числу строе второй матрицы. Примеры 12 Транспонирование матрицы
называется операция замены элементов строки на элементы столбца: Пример13 Возведением в степень
называется последовательное перемножение матрицы саму на себя. 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
: 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: 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: 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 Вынесем минус за пределы матрицы, сменив у КАЖДОГО элемента матрицы знак
: Обратный пример: 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: Сначала рассмотрим то, чего делать НЕ НАДО
: 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. Например, если дана матрица «два на два», то ее можно складывать только с матрицей «два на два» и никакой другой! Пример:
Сложить матрицы 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:
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. 
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=
История
Определение
Обозначения
Транспонированная матрица
Диагональная матрица
n = 3
n = 3
n = 3
- произведение существует;
- произведение не существует
последнюю строчку во II матрицы умножать не с чем, т.е. произведение не существует
Все числа (элементы) внутри матрицы существуют сами по себе, то есть ни о каком вычитании речи не идет:
Это просто таблица (набор) чисел!
и три столбца:
– матрица «три на три».
. 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.
У нуля, как Вы понимаете, знак не меняется, ноль – он и в Африке ноль.
. Выглядит безобразно.
– умножение матрицы на дробь
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).
НЕ ВСЕ МАТРИЦЫ МОЖНО СКЛАДЫВАТЬ. Для выполнения сложения (вычитания) матриц, необходимо, чтобы они были ОДИНАКОВЫМИ ПО РАЗМЕРУ.
и 
, 
Можно ли умножить матрицу на матрицу ?
Например, для матриц, и возможно как умножение , так и умножение
