Матрица $A^{-1}$ называется обратной по отношению к квадратной матрице $A$, если выполнено условие $A^{-1}\cdot A=A\cdot A^{-1}=E$, где $E$ – единичная матрица, порядок которой равен порядку матрицы $A$.
Невырожденная матрица – матрица, определитель которой не равен нулю. Соответственно, вырожденная матрица – та, у которой равен нулю определитель.
Обратная матрица $A^{-1}$ существует тогда и только тогда, когда матрица $A$ – невырожденная. Если обратная матрица $A^{-1}$ существует, то она единственная.
Есть несколько способов нахождения обратной матрицы, и мы рассмотрим два из них. На этой странице будет рассмотрен метод присоединённой матрицы, который полагается стандартным в большинстве курсов высшей математики. Второй способ нахождения обратной матрицы (метод элементарных преобразований), который предполагает использование метода Гаусса или метода Гаусса-Жордана, рассмотрен во второй части .
Метод присоединённой (союзной) матрицы
Пусть задана матрица $A_{n\times n}$. Для того, чтобы найти обратную матрицу $A^{-1}$, требуется осуществить три шага:
- Найти определитель матрицы $A$ и убедиться, что $\Delta A\neq 0$, т.е. что матрица А – невырожденная.
- Составить алгебраические дополнения $A_{ij}$ каждого элемента матрицы $A$ и записать матрицу $A_{n\times n}^{*}=\left(A_{ij} \right)$ из найденных алгебраических дополнений.
- Записать обратную матрицу с учетом формулы $A^{-1}=\frac{1}{\Delta A}\cdot {A^{*}}^T$.
Матрицу ${A^{*}}^T$ часто именуют присоединённой (взаимной, союзной) к матрице $A$.
Если решение происходит вручную, то первый способ хорош лишь для матриц сравнительно небольших порядков: второго (), третьего (), четвертого (). Чтобы найти обратную матрицу для матрицы высшего порядка, используются иные методы. Например, метод Гаусса, который рассмотрен во второй части .
Пример №1
Найти матрицу, обратную к матрице $A=\left(\begin{array} {cccc} 5 & -4 &1 & 0 \\ 12 &-11 &4 & 0 \\ -5 & 58 &4 & 0 \\ 3 & -1 & -9 & 0 \end{array} \right)$.
Так как все элементы четвёртого столбца равны нулю, то $\Delta A=0$ (т.е. матрица $A$ является вырожденной). Так как $\Delta A=0$, то обратной матрицы к матрице $A$ не существует.
Пример №2
Найти матрицу, обратную к матрице $A=\left(\begin{array} {cc} -5 & 7 \\ 9 & 8 \end{array}\right)$.
Используем метод присоединённой матрицы. Сначала найдем определитель заданной матрицы $A$:
$$ \Delta A=\left| \begin{array} {cc} -5 & 7\\ 9 & 8 \end{array}\right|=-5\cdot 8-7\cdot 9=-103. $$
Так как $\Delta A \neq 0$, то обратная матрица существует, посему продолжим решение. Находим алгебраические дополнения
\begin{aligned} & A_{11}=(-1)^2\cdot 8=8; \; A_{12}=(-1)^3\cdot 9=-9;\\ & A_{21}=(-1)^3\cdot 7=-7; \; A_{22}=(-1)^4\cdot (-5)=-5.\\ \end{aligned}
Составляем матрицу из алгебраических дополнений: $A^{*}=\left(\begin{array} {cc} 8 & -9\\ -7 & -5 \end{array}\right)$.
Транспонируем полученную матрицу: ${A^{*}}^T=\left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right)$ (полученная матрица часто именуется присоединённой или союзной матрицей к матрице $A$). Используя формулу $A^{-1}=\frac{1}{\Delta A}\cdot {A^{*}}^T$, имеем:
$$ A^{-1}=\frac{1}{-103}\cdot \left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right)=\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right) $$
Итак, обратная матрица найдена: $A^{-1}=\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right)$. Чтобы проверить истинность результата, достаточно проверить истинность одного из равенств: $A^{-1}\cdot A=E$ или $A\cdot A^{-1}=E$. Проверим выполнение равенства $A^{-1}\cdot A=E$. Дабы поменьше работать с дробями, будем подставлять матрицу $A^{-1}$ не в форме $\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right)$, а в виде $-\frac{1}{103}\cdot \left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right)$:
Ответ : $A^{-1}=\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right)$.
Пример №3
Найти обратную матрицу для матрицы $A=\left(\begin{array} {ccc} 1 & 7 & 3 \\ -4 & 9 & 4 \\ 0 & 3 & 2\end{array} \right)$.
Начнём с вычисления определителя матрицы $A$. Итак, определитель матрицы $A$ таков:
$$ \Delta A=\left| \begin{array} {ccc} 1 & 7 & 3 \\ -4 & 9 & 4 \\ 0 & 3 & 2\end{array} \right| = 18-36+56-12=26. $$
Так как $\Delta A\neq 0$, то обратная матрица существует, посему продолжим решение. Находим алгебраические дополнения каждого элемента заданной матрицы:
Составляем матрицу из алгебраических дополнений и транспонируем её:
$$ A^*=\left(\begin{array} {ccc} 6 & 8 & -12 \\ -5 & 2 & -3 \\ 1 & -16 & 37\end{array} \right); \; {A^*}^T=\left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right) $$
Используя формулу $A^{-1}=\frac{1}{\Delta A}\cdot {A^{*}}^T$, получим:
$$ A^{-1}=\frac{1}{26}\cdot \left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right)= \left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right) $$
Итак, $A^{-1}=\left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right)$. Чтобы проверить истинность результата, достаточно проверить истинность одного из равенств: $A^{-1}\cdot A=E$ или $A\cdot A^{-1}=E$. Проверим выполнение равенства $A\cdot A^{-1}=E$. Дабы поменьше работать с дробями, будем подставлять матрицу $A^{-1}$ не в форме $\left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right)$, а в виде $\frac{1}{26}\cdot \left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right)$:
Проверка пройдена успешно, обратная матрица $A^{-1}$ найдена верно.
Ответ : $A^{-1}=\left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right)$.
Пример №4
Найти матрицу, обратную матрице $A=\left(\begin{array} {cccc} 6 & -5 & 8 & 4\\ 9 & 7 & 5 & 2 \\ 7 & 5 & 3 & 7\\ -4 & 8 & -8 & -3 \end{array} \right)$.
Для матрицы четвёртого порядка нахождение обратной матрицы с помощью алгебраических дополнений несколько затруднительно. Однако такие примеры в контрольных работах встречаются.
Чтобы найти обратную матрицу, для начала нужно вычислить определитель матрицы $A$. Лучше всего в данной ситуации это сделать с помощью разложения определителя по строке (столбцу) . Выбираем любую строку или столбец и находим алгебраические дополнения каждого элемента избранной строки или столбца.
Матрица А -1 называется обратной матрицей по отношению к матрице А, если А*А -1 = Е, где Е - единичная матрица n -го порядка. Обратная матрица может существовать только для квадратных матриц.
Назначение сервиса . С помощью данного сервиса в онлайн режиме можно найти алгебраические дополнения , транспонированную матрицу A T , союзную матрицу и обратную матрицу. Решение проводится непосредственно на сайте (в онлайн режиме) и является бесплатным. Результаты вычислений оформляются в отчете формата Word и в формате Excel (т.е. имеется возможность проверить решение). см. пример оформления .
Инструкция . Для получения решения необходимо задать размерность матрицы. Далее в новом диалоговом окне заполните матрицу A .
См. также Обратная матрица методом Жордано-Гаусса
Алгоритм нахождения обратной матрицы
- Нахождение транспонированной матрицы A T .
- Определение алгебраических дополнений. Заменяют каждый элемент матрицы его алгебраическим дополнением.
- Составление обратной матрицы из алгебраических дополнений: каждый элемент полученной матрицы делят на определитель исходной матрицы. Результирующая матрица является обратной для исходной матрицы.
- Определяют, квадратная ли матрица. Если нет, то обратной матрицы для нее не существует.
- Вычисление определителя матрицы A . Если он не равен нулю, продолжаем решение, иначе - обратной матрицы не существует.
- Определение алгебраических дополнений.
- Заполнение союзной (взаимной, присоединённой) матрицы C .
- Составление обратной матрицы из алгебраических дополнений: каждый элемент присоединённой матрицы C делят на определитель исходной матрицы. Результирующая матрица является обратной для исходной матрицы.
- Делают проверку: перемножают исходную и полученную матрицы. В результате должна получиться единичная матрица.
Пример №1
. Запишем матрицу в виде:
Алгебраические дополнения.
| A 1,1 = (-1) 1+1 |
|
∆ 1,1 = (-1 4-5 (-2)) = 6
| A 1,2 = (-1) 1+2 |
|
∆ 1,2 = -(2 4-(-2 (-2))) = -4
| A 1,3 = (-1) 1+3 |
|
∆ 1,3 = (2 5-(-2 (-1))) = 8
| A 2,1 = (-1) 2+1 |
|
∆ 2,1 = -(2 4-5 3) = 7
| A 2,2 = (-1) 2+2 |
|
∆ 2,2 = (-1 4-(-2 3)) = 2
| A 2,3 = (-1) 2+3 |
|
∆ 2,3 = -(-1 5-(-2 2)) = 1
| A 3,1 = (-1) 3+1 |
|
∆ 3,1 = (2 (-2)-(-1 3)) = -1
| A 3,2 = (-1) 3+2 |
|
∆ 3,2 = -(-1 (-2)-2 3) = 4
| A 3,3 = (-1) 3+3 |
|
∆ 3,3 = (-1 (-1)-2 2) = -3
Тогда обратную матрицу можно записать как:
| A -1 = 1 / 10 |
|
| A -1 = |
|
Другой алгоритм нахождения обратной матрицы
Приведем другую схему нахождения обратной матрицы.- Находим определитель данной квадратной матрицы A .
- Находим алгебраические дополнения ко всем элементам матрицы A .
- Записываем алгебраические дополнения элементов строк в столбцы (транспонирование).
- Делим каждый элемент полученной матрицы на определитель матрицы A .
Особый случай : Обратной, по отношению к единичной матрице E , является единичная матрица E .
Рассмотрим проблему определения операции, обратной умножению матриц.
Пусть A - квадратная матрица порядка n . Матрица A^{-1} , удовлетворяющая вместе с заданной матрицей A равенствам:
A^{-1}\cdot A=A\cdot A^{-1}=E,
называется обратной . Матрицу A называют обратимой , если для нее существует обратная, в противном случае - необратимой .
Из определения следует, что если обратная матрица A^{-1} существует, то она квадратная того же порядка, что и A . Однако не для всякой квадратной матрицы существует обратная. Если определитель матрицы A равен нулю (\det{A}=0) , то для нее не существует обратной. В самом деле, применяя теорему об определителе произведения матриц для единичной матрицы E=A^{-1}A получаем противоречие
\det{E}=\det(A^{-1}\cdot A)=\det{A^{-1}}\det{A}=\det{A^{-1}}\cdot0=0
так как определитель единичной матрицы равен 1. Оказывается, что отличие от нуля определителя квадратной матрицы является единственным условием существования обратной матрицы. Напомним, что квадратную матрицу, определитель которой равен нулю, называют вырожденной {особой), в противном случае - невырожденной {неособой).
Теорема 4.1 о существовании и единственности обратной матрицы. Квадратная матрица A=\begin{pmatrix}a_{11}&\cdots&a_{1n}\\ \vdots&\ddots&\vdots\\ a_{n1}&\cdots&a_{nn} \end{pmatrix} , определитель которой отличен от нуля, имеет обратную матрицу и притом только одну:
A^{-1}=\frac{1}{\det{A}}\cdot\! \begin{pmatrix}A_{11}&A_{21}&\cdots&A_{1n}\\ A_{12}&A_{22}&\cdots&A_{n2}\\ \vdots&\vdots&\ddots&\vdots\\ A_{1n}&A_{2n}&\cdots&A_{nn} \end{pmatrix}= \frac{1}{\det{A}}\cdot A^{+},
где A^{+} - матрица, транспонированная для матрицы, составленной из алгебраических дополнений элементов матрицы A .
Матрица A^{+} называется присоединенной матрицей по отношению к матрице A .
В самом деле, матрица \frac{1}{\det{A}}\,A^{+} существует при условии \det{A}\ne0 . Надо показать, что она обратная к A , т.е. удовлетворяет двум условиям:
\begin{aligned}\mathsf{1)}&~A\cdot\!\left(\frac{1}{\det{A}}\cdot A^{+}\right)=E;\\ \mathsf{2)}&~ \!\left(\frac{1}{\det{A}}\cdot A^{+}\right)\!\cdot A=E.\end{aligned}
Докажем первое равенство. Согласно п.4 замечаний 2.3, из свойств определителя следует, что AA^{+}=\det{A}\cdot E . Поэтому
A\cdot\!\left(\frac{1}{\det{A}}\cdot A^{+}\right)= \frac{1}{\det{A}}\cdot AA^{+}= \frac{1}{\det{A}}\cdot \det{A}\cdot E=E,
что и требовалось показать. Аналогично доказывается второе равенство. Следовательно, при условии \det{A}\ne0 матрица A имеет обратную
A^{-1}=\frac{1}{\det{A}}\cdot A^{+}.
Единственность обратной матрицы докажем от противного. Пусть кроме матрицы A^{-1} существует еще одна обратная матрица B\,(B\ne A^{-1}) такая, что AB=E . Умножая обе части этого равенства слева на матрицу A^{-1} , получаем \underbrace{A^{-1}AB}_{E}=A^{-1}E . Отсюда B=A^{-1} , что противоречит предположению B\ne A^{-1} . Следовательно, обратная матрица единственная.
Замечания 4.1
1. Из определения следует, что матрицы A и A^{-1} перестановочны.
2. Матрица, обратная к невырожденной диагональной, является тоже диагональной:
\Bigl[\operatorname{diag}(a_{11},a_{22},\ldots,a_{nn})\Bigr]^{-1}= \operatorname{diag}\!\left(\frac{1}{a_{11}},\,\frac{1}{a_{22}},\,\ldots,\,\frac{1}{a_{nn}}\right)\!.
3. Матрица, обратная к невырожденной нижней (верхней) треугольной, является нижней (верхней) треугольной.
4. Элементарные матрицы имеют обратные, которые также являются элементарными (см. п.1 замечаний 1.11).
Свойства обратной матрицы
Операция обращения матрицы обладает следующими свойствами:
\begin{aligned}\bold{1.}&~~ (A^{-1})^{-1}=A\,;\\ \bold{2.}&~~ (AB)^{-1}=B^{-1}A^{-1}\,;\\ \bold{3.}&~~ (A^T)^{-1}=(A^{-1})^T\,;\\ \bold{4.}&~~ \det{A^{-1}}=\frac{1}{\det{A}}\,;\\ \bold{5.}&~~ E^{-1}=E\,. \end{aligned}
если имеют смысл операции, указанные в равенствах 1-4.
Докажем свойство 2: если произведение AB невырожденных квадратных матриц одного и того же порядка имеет обратную матрицу, то (AB)^{-1}=B^{-1}A^{-1} .
Действительно, определитель произведения матриц AB не равен нулю, так как
\det(A\cdot B)=\det{A}\cdot\det{B} , где \det{A}\ne0,~\det{B}\ne0
Следовательно, обратная матрица (AB)^{-1} существует и единственна. Покажем по определению, что матрица B^{-1}A^{-1} является обратной по отношению к матрице AB . Действительно.
Для любой невырожденной матрицы А существует и притом единственная матрица A -1 такая, что
A*A -1 =A -1 *A = E,
где E — единичная матрица тех же порядков, что и А. Матрица A -1 называется обратной к матрице A.
Если кто-то забыл, в единичной матрице, кроме диагонали, заполненной единицами, все остальные позиции заполнены нулями, пример единичной матрицы:
Нахождение обратной матрицы методом присоединённой матрицы
Обратная матрица определяется формулой:
где A ij - элементов a ij .
Т.е. для вычисления обратной матрицы, нужно вычислить определитель этой матрицы. Затем найти алгебраические дополнения для всех её элементов и составить из них новую матрицу. Далее нужно транспортировать эту матрицу. И каждый элемент новой матрицы поделить на определитель исходной матрицы.
Рассмотрим несколько примеров.
Найти A -1 для матрицы
Р е ш е н и е. Найдём A -1 методом присоединённой матрицы. Имеем det A = 2. Найдём алгебраические дополнения элементов матрицы A. В данном случае алгебраическими дополнениями элементов матрицы будут соответствующие элементы самой матрицы, взятые со знаком в соответствии с формулой
Имеем A 11 = 3, A 12 = -4, A 21 = -1, A 22 = 2. Образуем присоединённую матрицу
Транспортируем матрицу A*:
Находим обратную матрицу по формуле:
Получаем:
Методом присоединённой матрицы найти A -1 , если
Р е ш е н и е. Прежде всего вычисляем определитесь данной матрицы, чтобы убедиться в существовании обратной матрицы. Имеем
Здесь мы прибавили к элементам второй строки элементы третьей строки, умноженные предварительно на (-1), а затем раскрыли определитель по второй строке. Так как определитесь данной матрицы отличен от нуля, то обратная к ней матрица существует. Для построения присоединённой матрицы находим алгебраические дополнения элементов данной матрицы. Имеем
В соответствии с формулой
транспортируем матрицу A*:
Тогда по формуле
Нахождение обратной матрицы методом элементарных преобразований
Кроме метода нахождения обратной матрицы, вытекающего из формулы (метод присоединенной матрицы), существует метод нахождения обратной матрицы, называемый методом элементарных преобразований.
Элементарные преобразования матрицы
Элементарными преобразованиями матрицы называются следующие преобразования:
1) перестановка строк (столбцов);
2) умножение строки (столбца) на число, отличное от нуля;
3) прибавление к элементам строки (столбца) соответствующих элементов другой строки (столбца), предварительно умноженных на некоторое число.
Для нахождения матрицы A -1 построим прямоугольную матрицу В = (А|Е) порядков (n; 2n), приписывая к матрице А справа единичную матрицу Е через разделительную черту:
Рассмотрим пример.
Методом элементарных преобразований найти A -1 , если
Р е ш е н и е. Образуем матрицу B:
Обозначим строки матрицы B через α 1 , α 2 , α 3 . Произведём над строками матрицы B следующие преобразования.
Пусть дана квадратная матрица . Требуется найти обратную матрицу.
Первый способ. В теореме 4.1 существования и единственности обратной матрицы указан один из способов ее нахождения.
1. Вычислить определитель данной матрицы. Если, то обратной матрицы не существует (матрицавырожденная).
2. Составить матрицу из алгебраических дополненийэлементов матрицы.
3.
Транспонируя
матрицу ,
получить присоединенную матрицу
.
4. Найти обратную матрицу (4.1), разделив все элементы присоединенной матрицы на определитель
Второй способ. Для нахождения обратной матрицы можно использовать элементарные преобразования.
1. Составить блочную матрицу , приписав к данной матрицеединичную матрицу того же порядка.
2. При помощи элементарных преобразований, выполняемых над строками матрицы , привести ее левый блокк простейшему виду. При этом блочная матрица приводится к виду, где- квадратная матрица, полученная в результате преобразований из единичной матрицы.
3. Если , то блокравен обратной матрице, т.е.. Если, то матрицане имеет обратной.
В самом деле, при помощи элементарных преобразований строк матрицы можно привести ее левый блокк упрощенному виду(см. рис. 1.5). При этом блочная матрицапреобразуется к виду, где- элементарная матрица, удовлетворяющая равенству. Если матрицаневырожденная, то согласно п.2 замечаний 3.3 ее упрощенный вид совпадает с единичной матрицей. Тогда из равенстваследует, что. Если же матрицавырожденная, то ее упрощенный видотличается от единичной матрицы, а матрицане имеет обратной.
11. Матричные уравнения и их решение. Матричная форма записи СЛАУ. Матричный способ (метод обратной матрицы) решения СЛАУ и условия его применимости.
Матричными уравнениями называются уравнения вида: A*X=C; X*A=C; A*X*B=C где матрица А,В,С известны,матрица Х не известна, если матрицы А и В не вырождены, то решения исходных матриц запишется в соответственном виде: Х=А -1 *С; Х=С*А -1 ; Х=А -1 *С*В -1 Матричная форма записи систем линейных алгебраических уравнений. С каждой СЛАУ можно связать несколько матриц; более того – саму СЛАУ можно записать в виде матричного уравнения. Для СЛАУ (1) рассмотрим такие матрицы:
Матрица A называется матрицей системы . Элементы данной матрицы представляют собой коэффициенты заданной СЛАУ.
Матрица A˜ называется расширенной матрицей системы . Её получают добавлением к матрице системы столбца, содержащего свободные члены b1,b2,...,bm. Обычно этот столбец отделяют вертикальной чертой, – для наглядности.
Матрица-столбец B называется матрицей свободных членов , а матрица-столбец X – матрицей неизвестных .
Используя введённые выше обозначения, СЛАУ (1) можно записать в форме матричного уравнения: A⋅X=B.
Примечание
Матрицы, связанные с системой, можно записать различными способами: всё зависит от порядка следования переменных и уравнений рассматриваемой СЛАУ. Но в любом случае порядок следования неизвестных в каждом уравнении заданной СЛАУ должен быть одинаков.
Матричный метод подходит для решения СЛАУ, в которых количество уравнений совпадает с числом неизвестных переменных и определитель основной матрицы системы отличен от нуля. Если система содержит больше трех уравнений, то нахождение обратной матрицы требует значительных вычислительных усилий, поэтому, в этом случае целесообразно использовать для решения метод Гаусса .
12. Однородные СЛАУ, условия существования их ненулевых решений. Свойства частных решений однородных СЛАУ.
Линейное уравнение называется однородным, если его свободный член равен нулю, и неоднородным в противном случае. Система, состоящая из однородных уравнений, называется однородной и имеет общий вид:
13 .Понятие линейной независимости и зависимости частных решений однородной СЛАУ. Фундаментальная система решений (ФСР) и её нахождение. Представление общего решения однородной СЛАУ через ФСР.
Система функций y 1 (x ), y 2 (x ), …, y n (x ) называется линейно зависимой на интервале (a , b ), если существует набор постоянных коэффициентов , не равных нулю одновременно, таких, что линейная комбинация этих функций тождественно равна нулю на (a , b ): для . Если равенство для возможно только при , система функций y 1 (x ), y 2 (x ), …, y n (x ) называется линейно независимой на интервале (a , b ). Другими словами, функции y 1 (x ), y 2 (x ), …, y n (x ) линейно зависимы на интервале (a , b ), если существует равная нулю на (a , b ) их нетривиальная линейная комбинация. Функции y 1 (x ),y 2 (x ), …, y n (x ) линейно независимы на интервале (a , b ), если только тривиальная их линейная комбинация тождественно равна нулю на (a , b ).
Фундаментальной системой решений (ФСР) однородной СЛАУ называется базис этой системы столбцов.
Количество элементов в ФСР равно количеству неизвестных системы минус ранг матрицы системы. Любое решение исходной системы есть линейная комбинация решений ФСР.
Теорема
Общее решение неоднородной СЛАУ равно сумме частного решения неоднородной СЛАУ и общего решения соответствующей однородной СЛАУ.
1 . Если столбцы - решения однородной системы уравнений, то любая их линейная комбинациятакже является решением однородной системы.
В самом деле, из равенств следует, что
т.е. линейная комбинация решений является решением однородной системы.
2. Если ранг матрицы однородной системы равен , то система имеетлинейно независимых решений.
Действительно, по формулам (5.13) общего решения однородной системы найдем частных решений, придавая свободным переменным следующиестандартные наборы значений (всякий раз полагая, что одна из свободных переменных равна единице, а остальные - равны нулю):
которые линейно независимы. В самом деле, если из этих столбцов составить матрицу, то последние ее строк образуют единичную матрицу. Следовательно, минор, расположенный в последнихстроках не равен нулю (он равен единице), т.е. является базисным. Поэтому ранг матрицы будет равен. Значит, все столбцы этой матрицы линейно независимы (см. теорему 3.4).
Любая совокупность линейно независимых решенийоднородной системы называетсяфундаментальной системой (совокупностью) решений .
14 Минор -ого порядка, базисный минор, ранг матрицы. Вычисление ранга матрицы.
Минором порядка k матрицы А называется детерминант некоторой ее квадратной подматрицы порядка k.
В матрице А размеров m x n минор порядка r называется базисным, если он отличен от нуля, а все миноры большего порядка, если они существуют, равны нулю.
Столбцы и строки матрицы А, на пересечении которых стоит базисный минор, называются базисными столбцами и строками А.
Теорема 1. (О ранге матрицы). У любой матрицы минорный ранг равен строчному рангу и равен столбцовому рангу.
Теорема 2.(О базисном миноре). Каждый столбец матрицы раскладывается в линейную комбинацию ее базисных столбцов.
Рангом матрицы (или минорным рангом) называется порядок базисного минора или, иначе, самый большой порядок, для которого существуют отличные от нуля миноры. Ранг нулевой матрицы по определению считают 0.
Отметим два очевидных свойства минорного ранга.
1) Ранг матрицы не меняется при транспонировании, так как при транспонировании матрицы все ее подматрицы транспонируются и миноры не меняются.
2) Если А’-подматрица матрицы А, то ранг А’ не превосходит ранга А, так как ненулевой минор, входящий в А’, входит и в А.
15. Понятие -мерного арифметического вектора. Равенство векторов. Действия над векторами (сложение, вычитание, умножение на число, умножение на матрицу). Линейная комбинация векторов.
Упорядоченная совокупность n действительных или комплексных чисел называется n-мерным вектором . Числа называются координатами вектора .
Два (ненулевых) вектора a и b равны, если они равнонаправлены и имеют один и тот же модуль. Все нулевые векторы считаются равными. Во всех остальных случаях векторы не равны.
Сложение векторов. Для сложения векторов есть два способа.1. Правило параллелограмма. Чтобы сложить векторы и, помещаем начала обоих в одну точку. Достраиваем до параллелограмма и из той же точки проводим диагональ параллелограмма. Это и будет сумма векторови.
2. Второй способ сложения векторов - правило треугольника. Возьмем те же векторы и . К концу первого вектора пристроим начало второго. Теперь соединим начало первого и конец второго. Это и есть сумма векторов и . По тому же правилу можно сложить и несколько векторов. Пристраиваем их один за другим, а затем соединяем начало первого с концом последнего.
Вычитание векторов. Вектор направлен противоположно вектору. Длины векторовиравны. Теперь понятно, что такое вычитание векторов. Разность векторов и - это сумма вектора и вектора .
Умножение вектора на число
При умножении вектора на число k получается вектор, длина которого в k раз отличается от длины. Он сонаправлен с вектором, если k больше нуля, и направлен противоположно, если k меньше нуля.
Скалярным произведением векторов называется произведение длин векторов на косинус угла между ними. Если векторы перпендикулярны, их скалярное произведение равно нулю. А вот так скалярное произведение выражается через координаты векторов и .
Линейная комбинация векторов
Линейной
комбинацией векторов 
называют
вектор
где 
-
коэффициенты линейной комбинации.
Если 
комбинация
называется тривиальной, если -
нетривиальной.
16 .Скалярное произведение арифметических векторов. Длина вектора и угол между векторами. Понятие ортогональности векторов.
Скалярным произведением векторов а и в называется число,
Скалярное произведение используется для вычисления:1)нахождения угла между ними;2)нахождение проекции векторов;3)вычисление длины вектора;4)условия перпендикулярности векторов.
Длиной отрезка АВ называют расстоянием между точками А иВ. Угол между векторами А и В называют угол α=(а,в) ,0≤ α ≤П. На который необходимо повернуть 1 вектор,чтоб его направления совпало с другим вектором. При условии,что их начала совпадут.
Ортом а называется вектор а имеющий единичную длину и направления а.
17. Система векторов и её линейная комбинация. Понятие линейной зависимости и независимости системы векторов. Теорема о необходимом и достаточном условиях линейной зависимости системы векторов.
Система векторов a1,a2,...,an называется линейно зависимой, если существуют числа λ1,λ2,...,λnтакие, что хотя бы одно из них отлично от нуля и λ1a1+λ2a2+...+λnan=0. В противном случае система называется линейно независимой.
Два вектора a1 и a2 называются коллинеарными если их направления совпадают или противоположны.
Три вектора a1,a2 и a3 называются компланарными если они параллельны некоторой плоскости.
Геометрические критерии линейной зависимости:
а) система {a1,a2} линейно зависима в том и только том случае, когда векторы a1 и a2 коллинеарны.
б) система {a1,a2,a3} линейно зависима в том и только том случае, когда векторы a1,a2 и a3компланарны.
теорема. (Необходимое и достаточное условие линейной зависимости системы векторов.)
Система векторов векторного пространства является линейно зависимой тогда и только тогда, когда один из векторов системы линейно выражается через другие вектора этой системы.
Следствие.1. Система векторов векторного пространства является линейно независимой тогда и только тогда, когда ни один из векторов системы линейно не выражается через другие вектора этой системы.2. Система векторов, содержащая нулевой вектор или два равных вектора, является линейно зависимой.