- •1.Матрицы. Основные понятия. Виды матриц.
- •2.Линейные операции над матрицами. Св-ва операций.
- •3.Нелинейные операции над матрицами. Св-ва операций.
- •4. Определители. Основные понятия. Свойства определителей.
- •Свойства определителей
- •5.Вычисление определителей 2-го и 3-го порядков. Св-ва определит.(сумма опред., тождественные преобраз., сумма произвед. Эл-ов строк и столбцов)
- •Свойства определителей
- •6.Определители. Минор. Алгебраическое дополнение. Теорема Лапласа.
- •1. Метод окаймляющих миноров
- •2. Метод элементарных преобразований
- •Билет 11. Понятие линейной зависимость и линейной независимости строк (столбцов) матрицы. Теорема о ранге матрицы.
- •12. Системы линейных алгебраических уравнений (слау). Основные понятия. Матричная форма записи слау.
- •13. Системы лин.Ур-ий. Реш-ие сист. Лин. Ур-ий. Теорема Кронекера-Капелли.
- •14. Решение невырожденных систем линейных ур-ий. Теорема Крамера. Привести пример решения слау методом Крамера.
- •1 6. Решение систем линейных ур-ий методом исключения Гаусса (алгоритм решения, достоинства и недостатки данного метода).
- •Пример расчета межотраслевого баланса
- •22. Векторное произведение. Представление в виде определителя. Ориентация результирующего вектора. Модуль векторного произведения, его геометрический смысл.
- •23.Общее определение линейного пространства. Линейное векторное пространство. Примеры линейных пространств.
- •25. Определение скалярного произведения векторов в n-мерном векторном пространстве, его свойства. Евклидово действительное пространство. Ортогональный и ортонормированный базис в пространстве.
- •26. Собственные векторы матриц. Собственные числа матриц. Характеристическое уравнение. Базис определяемый собственными векторами матрицы.
- •27. Виды систем координат на плоскости. Уравнения связи декартовых и полярных координат. Примеры.
- •28. Прямая на плоскости. Виды задания прямой на плоскости. Взаимное расположение прямых на плоскости.
- •32.Плоскость в трехмерном пространстве. Виды задания пл-тей.
25. Определение скалярного произведения векторов в n-мерном векторном пространстве, его свойства. Евклидово действительное пространство. Ортогональный и ортонормированный базис в пространстве.
Ортогональный базис:
1) Два вектора называются ортогональными (перпендикулярными), если угол между ними прямой.
2) Система векторов называется ортогональной, если все векторы, образующие её попарно ортогональны.
Ортонормированный базис:
1) Система векторов называется ортонормированной, если она ортогональна и длина каждого вектора = 1.
С калярное произведение векторов(ab, (a,b),a*b)–скалярным произведением ненулевых векторов а и b называется число, равное произведению длин этих векторов на косинус угла между ними: (a,b) = |a | * |b | * cos = |b| * проекцию b на a
Свойства скалярного произведения:
1 ) (a , b) = (b, a)
2 ) (λa, b) = λ (a, b)
3 ) (a, b + c) = (a, b) + ( a , c)
4 ) (a , a) = | a|^2
5 ) (a, b) = 0, когдаa |b
6 )еслиa |b,то (a, b) = 0
Евклидово пространство - в изначальном смысле, пространство, свойства которого описываются аксиомами евклидовой геометрии. В этом случае предполагается, что пространство имеет размерность 3.В современном понимании, в более общем смысле, может обозначать один из сходных и тесно связанных объектов. Обычно n-мерное евклидово пространство обозначается , хотя часто используется не вполне приемлемое обозначение .
Конечномерное гильбертово пространство, то есть конечномерное вещественное векторное пространство с введённым на нём (положительно определенным)скалярным произведением, порождающим норму:
,
в простейшем случае (евклидова норма):
где (в евклидовом пространстве всегда можно выбрать базис, в котором верен именно этот простейший вариант).
26. Собственные векторы матриц. Собственные числа матриц. Характеристическое уравнение. Базис определяемый собственными векторами матрицы.
Нахождение собственных чисел и собственных векторов матриц: Собственными числами матрицы являются корни уравнения|А- λE| = 0и только они.
Пусть столбец a - собственный вектор матрицы с собственным числом . Тогда, по определению, . Это равенство можно переписать в видеАа – л а = 0 . Так как для единичной матрицы выполнено , то Аa –λEa = 0 . По свойству матричного умножения (A –λE)a = Aa–λEa и предыдущее равенство принимает вид
|
(A) |
Допустим, что определитель матрицыA – л E отличен от нуля, |A – л E|≠ 0 . Тогда у этой матрицы существует обратная (A – л Е)^-1 . Из равенства (А) получим, что а = (А – л Е)^-1 * 0 = 0 , что противоречит определению собственного вектора. Значит, предположение, что | A – л Е| ≠ 0, неверно, то есть все собственные числа должны являться корнями уравнения|А –л Е| = 0 .
Пусть A — это квадратная матрица. Вектор v называется собственным вектором матрицы A, если Av = λv, где число λ называется собственным значением матрицы A. Таким образом преобразование, которое выполняет матрица A над вектором v, сводится к простому растяжению или сжатию с коэффициентом λ. Собственный вектор определяется с точностью до умножения на константу α ≠ 0, т.е. если v — собственный вектор, то и αv— тоже собственный вектор.
Характеристическое уравнение матрицы— алгебраическое уравнение вида
;
определитель, стоящий в левой части Х. у., получается из определителя матрицы А = ||aik||n1 вычитанием величины l из диагональных элементов. Этот определитель представляет собой многочлен относительно Х — характеристический многочлен. В раскрытом виде Х. у. записывается так:
,
где S1 = a11 + a22 +... ann — т. н. след матрицы, S2 — сумма всех главных миноров 2-го порядка, т. е. миноров вида (i < k) и т.д., а Sn — определитель матрицы А. Корни Х. у. l1, l2,..., ln называются собственными значениями матрицы А. У действительной симметричной матрицы, а также у эрмитовой матрицы все lk действительны, у действительной кососимметричной матрицы все lk чистомнимые числа; в случае действительной ортогональной матрицы, а также унитарной матрицы все |lk| = 1.
Базис, определяемый собственными векторами матрицы: