- •1. Определитель квадратной матрицы и его геометрический смысл.
- •2. Вычисление определителей
- •3. Линейные свойства определителей
- •4. Определитель матрицы с линейно зависимыми строками
- •5. Матрица. Линейные операции над матрицами. Транспонирование матрицы.
- •6. Умножение матриц. Основные свойства
- •7. Обратная матрица. Теорема об обратной матрице
- •8. Ранг матрицы. Основные свойства.
- •9. Решение слу методом Гаусса. Теорема Кронекера-Капелли.
- •10. Решение слу матричным методом.
- •11. Решение слу методом Крамера.
- •12. Определение векторного пространства. Линейные операции над векторами. Основные свойства.
- •13. Базис векторного пространства. Теорема о единственности разложения вектора о базису.
- •14. Скалярное произведение векторов. Основные свойства
- •15. Косинус угла между векторами. Орт и модуль вектора. Направляющие косинусы вектора.
- •16. Векторное произведение векторов: определение и геометрический смысл
- •17. Основные свойства векторного произведения
- •18. Смешанное произведение. Основные свойства и геометрический смысл
- •19. Параметрическое и каноническое уравнение прямой в пространстве
- •20. Угол между прямыми. Условие параллельности и перпендикулярности прямых в пространстве.
- •21. Уравнение плоскости, проходящей через 3 данные точки.
- •22. Параметрическое уравнение плоскости
- •23. Общее уравнение плоскости. Нормальный вектор плоскости.
- •24. Нормальное уравнение плоскости. Расстояние и отклонение точки от плоскости.
- •25. Угол между плоскостями. Условие параллельности и перпендикулярности плоскостей.
- •26. Деление отрезка в данном отношении
- •27. Уравнение прямой на плоскости
- •28. Нормальное уравнение прямой на плоскости. Отклонение точки от прямой.
- •29. Угол между прямыми на плоскости условие параллельности и перпендикулярности прямых.
- •30. Эллипс: каноническое уравнение и геометрические свойства
- •31. Гипербола: каноническое уравнение и геометрические свойства
- •32. Парабола: каноническое уравнение и геометрические свойства
10. Решение слу матричным методом.
В общем виде будем рассматривать систему m линейных уравнений с n переменными. В общем виде:
Эту же систему можно записать в матричном виде:
А*Х=В , где -- столбец переменных
А*Х=О – однородная СЛУ, где . Очевидно, такая система имеет хотя бы одно тривиальное решение.
-- множество решений СЛУ. Если существует хотя бы одно решение, то СЛУ называется совместной. Иначе это несовместная СЛУ.
Решение СЛУ матричным методом.
Пусть А – квадратная матрица. Это означает, что det(A)≠0. Число уравнений и число переменных совпадает. В процессе элементарных преобразований расширенная матрица [A|B]->[C|D]. Используя теоремы об элементарных преобразованиях матрицы, получаем:
имеет единственное решение.
А*Х=В А-1*А*Х=А-1*В
Е*Х=А-1*В
Х=А-1*В
Прим.:
11. Решение слу методом Крамера.
В общем виде будем рассматривать систему m линейных уравнений с n переменными. В общем виде:
Эту же систему можно записать в матричном виде:
А*Х=В , где -- столбец переменных
А*Х=О – однородная СЛУ, где . Очевидно, такая система имеет хотя бы одно тривиальное решение.
-- множество решений СЛУ. Если существует хотя бы одно решение, то СЛУ называется совместной. Иначе это несовместная СЛУ.
Решение СЛУ методом Крамера.
] число уравнений = числу переменных
А – невырожденная матрица det(A)≠0
Тогда
х1=
х2=
хn= , где ∆=|A| ‑главный определитель, ∆n – определитель для переменной хn. ∆n – определитель матрицы, который получен заменой n-го столбца на столбец свободных членов. Это метод Крамера решения СЛУ.
Вывод:
хk: Ak= Разложим этот определитель по k-му столбцу.
∆k=
Решаем систему матричным методом А*Х=В Х=А-1*В.
Используем структуру обратной матрицы и правило умножения матриц.
хk= хk= , при k=1, 2, …, n.
12. Определение векторного пространства. Линейные операции над векторами. Основные свойства.
Rn – n-мерное пространство
(х1, х2, …, хn) – точки из пространства Rn
R – множество действительных чисел.
R2 – плоскость
R3 – 3-х мерное пространство
-- расстояние между двумя точками. Для 2-х мерного пространства это обычная теорема Пифагора.
Определение вектора и векторного пространства:
А, В определяют перемещение в пространстве из точки А в точку В, которые называются векторами. Эти перемещения(векторы) определяются с точностью до параллельного переноса, т.е. равенство между векторами задается следующей формулой:
Общий вид таких векторов записывается в виде , где а1;а2;…;аn – координаты вектора или проекции вектора а на оси х1;х2;…;хn.
Множество всех векторов называют векторным пространством.
Замечание:
Это определение будет вектор как отрезок и введенное равенство определяют направляющий отрезок с точностью до параллельного переноса.
А В=CD=PQ
a={a1; a2; …; an}
a определяется как перенос(параллельный) пространства, т.е. как отображение пространства на себя.
Мы получаем: .
Для нас вектор – перемещение из точки в точку В.
Линейные свойства векторов:
1.
2.
3. -- нулевой вектор
Из этих определений следует правило вычитания векторов:
4.
5. -- определение противоположного вектора.
Нетрудно доказать следующие свойства векторов:
6. а+0=0+а=а
a+b=b+a – переместительный закон сложения
(a+b)+c=a+(b+c) – ассоциативность сложения
λ(a+b)= λ*a+ λ*b и т.д.
Из определения сложения и вычитания векторов получаем следующие правила: параллелограмма, треугольника и многоугольника:
П равило параллелограмма a+b
П равило треугольника a+b
Правило многоугольника e=a+b+c+d
Правило многоугольника:
Направляем векторы один за другим, соединяя начало первого с концом последнего.
b +(a-b)=a
a +(b-a)=b
Нетрудно проверить все эти свойства на плоскости и в пространстве.
Линейная зависимость и независимость векторов.
λ1а1+ λ2а2+…+ λnаn – линейная комбинация векторов а1, а2, …, аn.
Если λ1а1+ λ2а2+…+ λnаn=0 и хотя бы одно из чисел λ1, λ2, ..., λn не равно 0, то такую линейную комбинацию называют нетривиальной линейной комбинацией.
Линейная зависимость векторов.
Если существует нетривиальная линейная комбинация λ1а1+ λ2а2+…+ λnаn, то векторы а1, а2, …, аn называют линейно зависимыми. В этом случае один из векторов является линейной комбинацией других векторов.
Пусть λn≠0 =>
Линейная независимость векторов.
а1, а2, …, аn называются линейно независимыми, если не существует нетривиальной линейной комбинации этих векторов. Для любой линейной комбинации получаем:
λ1а1+ λ2а2+…+ λnаn=0 => .
Линейно зависимые вектора называются компланарными.
λ1а1+ λ2а2+λ3а3=0
(1) а3=с1а1+с2а2(λ3≠0)
Если эти векторы отложить один за другим, то получится замкнутая фигура.
Поэтому компланарные векторы параллельны одной плоскости. В условии (1) содержится условие компланарности векторов.
Два линейно зависимых вектора называют коллинеарными.
λ1а1+ λ2а2 =0 – нетривиальная комбинация
b=λа – условие коллинеарности векторов.