БИЛЕТ 1. МАТРИЦА.

Ма́трица — математический объект, записываемый в виде прямоугольной таблицы элементов кольца или поля (например, целых 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.

Матрицы допускают следующие алгебраические операции:

• сложение матриц, имеющих один и тот же размер;

• умножение матриц подходящего размера (матрицу, имеющую n столбцов, можно умножить справа на матрицу, имеющую n строк);

• умножение матрицы на элемент основного кольца или поля (т. е. скаляр).

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.

Матрица представляет собой матрицу некоторого линейного оператора: свойства матрицы соответствуют свойствам линейного оператора. В частности, собственные числаматрицы — это собственные числа оператора, отвечающие соответствующим собственным векторам.

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.

ДЕЙСТВИЯ НАД МАРИЦЕЙ.

умножение матрицы на число

Умножение матрицы A на число λ (обозначение: λA) заключается в построении матрицы B, элементы которой получены путём умножения каждого элемента матрицы A на это число, то есть каждый элемент матрицы B равен

Свойства умножения матриц на число

1. 1*A = A;

2. (Λβ)A = Λ(βA)

3. (Λ+β)A = ΛA + βA

4. Λ(A+B) = ΛA + ΛB

Сложение матриц

Сложение матриц A + B есть операция нахождения матрицы C, все элементы которой равны попарной сумме всех соответствующих элементов матриц A и B, то есть каждый элемент матрицы C равен

Свойства сложения матриц

5.коммутативность;

6.ассоциативность;

7.сложение с нулевой матрицей;

8.существование противоположной матрицы;

Все свойства линейных операций повторяют аксиомы линейного пространства и поэтому справедлива теорема:

Множество всех матриц одинаковых размеров MxN образуют линейное пространство над полем P(полем всех действительных или комплексных чисел), поэтому каждая матрица является и вектором этого пространства.

Умножение матриц

Умножение матриц (обозначение: AB, реже со знаком умножения  ) — есть операция вычисления матрицы C, элементы которой равны сумме произведений элементов в соответствующей строке первого множителя и столбце второго.

Количество столбцов в матрице A должно совпадать с количеством строк в матрице B. Если матрица A имеет размерность  , B —  , то размерность их произведения AB = C есть  .

Свойства умножения матриц

1.ассоциативность;

2.произведение не коммутативно;

3.произведение коммутативно в случае умножения с единичной матрицей;

4.справедливость дистрибутивного закона;

5.(ΛA)B = Λ(AB) = A(ΛB);

Комплексное сопряжение

Если элементами матрицы A = (a_ij) являются комплексные числа, то комплексно сопряжённая (не путать с эрмитово сопряжённой! см. далее) матрица равна  . Здесь   — число, комплексно сопряжённое к a.

Транспонирование и эрмитово сопряжение

Транспонирование уже обсуждалось выше: если A = (a_ij), то A^T = (a_ji). Для комплексных матриц более употребительно эрмитово сопряжение:  . С точки зрения операторного взгляда на матрицы, транспонированная и эрмитово сопряжённая матрица — это матрицы оператора, сопряжённого относительно скалярного или эрмитовапроизведения, соответственно.

ОПрЕДЕЛИТЕЛЬ МАтриЦ И ИХ СВОЙСТВА.

Определи́тель (или детермина́нт) — одно из основных понятий линейной алгебры. Определитель матрицы является многочленом от элементов квадратной матрицы (то есть такой, у которой количество строк и столбцов равно). В общем случае матрица может быть определена над любым коммутативным кольцом, в этом случае определитель будет элементом того же кольца.

Определитель матрицы А обозначается как: det(A), |А| или Δ(A).

• Определитель — кососимметричная полилинейная функция строк (столбцов) матрицы. Полилинейность означает, что определитель линеен по всем строкам (столбцам):   , где   и т. д. — строчки матрицы,   — определитель такой матрицы.

• При добавлении к любой строке (столбцу) линейной комбинации других строк (столбцов) определитель не изменится.

• Если две строки (столбца) матрицы совпадают, то её определитель равен нулю.

• Если две (или несколько) строки (столбца) матрицы линейно зависимы, то её определитель равен нулю.

• Если переставить две строки (столбца) матрицы, то её определитель умножается на (-1).

• Общий множитель элементов какого-либо ряда определителя можно вынести за знак определителя.

• Если хотя бы одна строка (столбец) матрицы нулевая, то определитель равен нулю.

• Сумма произведений всех элементов любой строки на их алгебраические дополнения равна определителю.

• Сумма произведений всех элементов любого ряда на алгебраические дополнения соответствующих элементов параллельного ряда равна нулю.

• Определитель произведения квадратных матриц одинакового порядка равен произведению их определителей (cм. также формулу Бине-Коши).

• С использованием индексной нотации определитель матрицы 3×3 может быть определён с помощью символа Леви-Чивита из соотношения:

БИЛЕТ 2. ОБРАТНАЯ МАТРИЦА.

Обра́тная ма́трица — такая матрица A⁻¹, при умножении на которую исходная матрица A даёт в результате единичную матрицу E:

Квадратная матрица обратима тогда и только тогда, когда она невырожденная, то есть её определитель не равен нулю. Для неквадратных матриц и вырожденных матрицобратных матриц не существует. Однако возможно обобщить это понятие и ввести псевдообратные матрицы, похожие на обратные по многим свойствам.

СВОЙСТВА ОБРАТНОЙ МАТРИЦЫ.

• , где   обозначает определитель.

•  для любых двух обратимых матриц A и B.

•  где * ^T обозначает транспонированную матрицу.

•  для любого коэффициента   .

• Если необходимо решить систему линейных уравнений Ax = b, (b — ненулевой вектор) где x — искомый вектор, и если A ^{− 1} существует, то x = A ^{− 1}b. В противном случае либо размерность пространства решений больше нуля, либо их нет вовсе.

Способы нахождения обратной матрицы

Если матрица обратима, то для нахождения обратной матрицы можно воспользоваться одним из следующих способов:

[править]Точные (прямые) методы

[править]Метод Гаусса—Жордана

Возьмём две матрицы: саму A и единичную E. Приведём матрицу A к единичной матрице методом Гаусса—Жордана. После применения каждой операции к первой матрице применим ту же операцию ко второй. Когда приведение первой матрицы к единичному виду будет завершено, вторая матрица окажется равной A⁻¹.

При использовании метода Гаусса первая матрица будет умножаться слева на одну из элементарных матриц Λ_i (трансвекцию или диагональную матрицу с единицами на главной диагонали, кроме одной позиции):

.

.

Вторая матрица после применения всех операций станет равна Λ, то есть будет искомой. Сложность алгоритма — O(n³).

[править]С помощью матрицы алгебраических дополнений

C^T — транспонированная матрица алгебраических дополнений;

Полученная матрица A⁻¹ и будет обратной. Сложность алгоритма зависит от сложности алгоритма расчета определителя O_det и равна O(n²)·O_det.

Иначе говоря, обратная матрица равна единице, делённой на определитель исходной матрицы и умноженной на транспонированную матрицу алгебраических дополненийэлементов исходной матрицы.

[править]Использование LU/LUP-разложения

Матричное уравнение AX = I_n для обратной матрицы X можно рассматривать как совокупность n систем вида Ax = b. Обозначим i-ый столбец матрицы X через X_i; тогда AX_i = e_i,   ,поскольку i-м столбцом матрицы I_n является единичный вектор e_i. другими словами, нахождение обратной матрицы сводится к решению n уравнений с одной матрицей и разными правыми частями. После выполнения LUP-разложения (время O(n³)) на решение каждого из n уравнений нужно время O(n²), так что и эта часть работы требует времени O(n³)^[1].

Если матрица A невырождена, то для неё можно рассчитать LUP-разложение PA = LU. Пусть PA = B, B ^{− 1} = D. Тогда из свойств обратной матрицы можно записать: D = U ^{− 1}L ^{− 1}. Если умножить это равенство на U и L то можно получить два равенства вида UD = L ^{− 1} и DL = U ^{− 1}. Первое из этих равенств представляет собой систему из n² линейных уравнений для   из которых известны правые части (из свойств треугольных матриц). Второе представляет также систему из n² линейных уравнений для  из которых известны правые части (также из свойств треугольных матриц). Вместе они представляют собой систему из n² равенств. С помощью этих равенств можно реккурентно определить все n² элементов матрицы D. Тогда из равенства (PA)⁻¹ = A⁻¹P⁻¹ = B⁻¹ = D. получаем равенство A ^{− 1} = DP.

В случае использования LU-разложения не требуется перестановки столбцов матрицы D но решение может разойтись даже если матрица A невырождена.

Сложность алгоритма — O(n³).

[править]Итерационные методы

[править]Методы Шульца

[править]Оценка погрешности

[править]Выбор начального приближения

Проблема выбора начального приближения   в рассматриваемых здесь процессах итерационного обращения матриц не позволяет относиться к ним как к самостоятельным универсальным методам, конкурирующими с прямыми методами обращения, основанными, например, на LU-разложении матриц. Имеются некоторые рекомендации по выбору  , обеспечивающие выполнение условия   (спектральный радиус матрицы меньше единицы), являющегося необходимым и достаточным для сходимости процесса. Однако при этом, во-первых, требуется знать сверху оценку спектра обращаемой матрицы A либо матрицы   (а именно, если A — симметричная положительно определённая матрица и  , то можно взять  , где  ; если же A — произвольная невырожденная матрица и  , то полагают  , где также  ; можно конечно упростить ситуацию и, воспользовавшись тем, что  , положить  ). Во-вторых, при таком задании начальной матрицы нет гарантии, что   будет малой (возможно, даже окажется  ), и высокий порядок скорости сходимости обнаружится далеко не сразу.

БИЛЕТ 3. КРАМЕР.

Метод Крамера (правило Крамера) — способ решения квадратных систем линейных алгебраических уравнений с ненулевым определителем основной матрицы (причём для таких уравнений решение существует и единственно). Назван по имени Габриэля Крамера (1704–1752), придумавшего метод.

Для системы n линейных уравнений с n неизвестными (над произвольным полем)

с определителем матрицы системы Δ, отличным от нуля, решение записывается в виде

(i-ый столбец матрицы системы заменяется столбцом свободных членов). В другой форме правило Крамера формулируется так: для любых коэффициентов c₁, c₂, …, c_n справедливо равенство:

В этой форме формула Крамера справедлива без предположения, что Δ отлично от нуля, не нужно даже, чтобы коэффициенты системы были бы элементами целостного кольца(определитель системы может быть даже делителем нуля в кольце коэффициентов). Можно также считать, что либо наборы b₁,b₂,...,b_n и x₁,x₂,...,x_n, либо набор c₁,c₂,...,c_n состоят не из элементов кольца коэффициентов системы, а какого-нибудь модуля над этим кольцом. В этом виде формула Крамера используется, например, при доказательстве формулы для определителя Грама и Леммы Накаямы.

БИЛЕТ 4. ГАУСС.

Ме́тод Га́усса^[1] — классический метод решения системы линейных алгебраических уравнений (СЛАУ). Это метод последовательного исключения переменных, когда с помощью элементарных преобразований система уравнений приводится к равносильной системе ступенчатого (или треугольного) вида, из которого последовательно, начиная с последних (по номеру) переменных, находятся все остальные переменные^[2]

Пусть исходная система выглядит следующим образом

Матрица A называется основной матрицей системы, b — столбцом свободных членов.

Тогда согласно свойству элементарных преобразований над строками основную матрицу этой системы можно привести к ступенчатому виду(эти же преобразования нужно применять к столбцу свободных членов):

При этом будем считать, что базисный минор (ненулевой минор максимального порядка) основной матрицы находится в верхнем левом углу, то есть в него входят только коэффициенты при переменных  ^[3].

Тогда переменные   называются главными переменными. Все остальные называются свободными.

Если хотя бы одно число  , где i > r, то рассматриваемая система несовместна.

Пусть   для любых i > r.

Перенесём свободные переменные за знаки равенств и поделим каждое из уравнений системы на свой коэффициент при самом левом   ( , где   — номер строки):

, где 

Если свободным переменным системы (2) придавать все возможные значения и решать новую систему относительно главных неизвестных снизу вверх (то есть от нижнего уравнения к верхнему), то мы получим все решения этой СЛАУ. Так как эта система получена путём элементарных преобразований над исходной системой (1), то по теореме об эквивалентности при элементарных преобразованиях системы (1) и (2) эквивалентны, то есть множества их решений совпадают.

Описание

Алгоритм решения СЛАУ методом Гаусса подразделяется на два этапа.

• На первом этапе осуществляется так называемый прямой ход, когда путём элементарных преобразований над строками систему приводят к ступенчатой или треугольной форме, либо устанавливают, что система несовместна. А именно, среди элементов первого столбца матрицы выбирают ненулевой, перемещают его на крайнее верхнее положение перестановкой строк и вычитают получившуюся после перестановки первую строку из остальных строк, домножив её на величину, равную отношению первого элемента каждой из этих строк к первому элементу первой строки, обнуляя тем самым столбец под ним. После того, как указанные преобразования были совершены, первую строку и первый столбец мысленно вычёркивают и продолжают пока не останется матрица нулевого размера. Если на какой-то из итераций среди элементов первого столбца не нашёлся ненулевой, то переходят к следующему столбцу и проделывают аналогичную операцию.

• На втором этапе осуществляется так называемый обратный ход, суть которого заключается в том, чтобы выразить все получившиеся базисные переменные через небазисные и построить фундаментальную систему решений, либо, если все переменные являются базисными, то выразить в численном виде единственное решение системы линейных уравнений. Эта процедура начинается с последнего уравнения, из которого выражают соответствующую базисную переменную (а она там всего одна) и подставляют в предыдущие уравнения, и так далее, поднимаясь по «ступенькам» наверх. Каждой строчке соответствует ровно одна базисная переменная, поэтому на каждом шаге, кроме последнего (самого верхнего), ситуация в точности повторяет случай последней строки.

БИЛЕТ 5. СКАЛЯРНАЯ ПРОИЗВЕДЕНИЕ ВЕКТОРОВ.

Скаля́рное произведе́ние — операция над двумя векторами, результатом которой является скаляр (число), не зависящее от системы координат и характеризующее длины векторов-сомножителей и угол между ними. Данной операции соответствует умножение длины данного вектора x на проекцию другого вектора y на данный вектор x. Эта операция обычно рассматривается как коммутативная и линейная по каждому сомножителю.

1 СВОЙСТВА. Если скаляр, произведение равно 0- вектора ортагональны.

БИЛЕТ 6. ВЕКТОРНОЕ ПРОИЗВЕДЕНИЕ.

Векторное произведение- определитель матрицы 3 порядка, у которого первая строка, вектор и ж к, вторая строка, координаты 1 вектора , а третья строка, координаты 2 вектора.

Ответ вектор.

Свойства: если произведение векторов равно 0- то вектора колинеарны.

БИЛЕТ 7. СМЕШАННОЕ ПРОИЗВЕДЕНИЕ.

Сме́шанное произведе́ние   векторов   — скалярное произведение вектора   на векторное произведение векторов   и  :

.

Иногда его называют тройным скалярным произведением векторов, по всей видимости из-за того, что результатом является скаляр (точнее — псевдоскаляр).

• Смешанное произведение кососимметрично по отношению ко всем своим аргументам:

т. е. перестановка любых двух сомножителей меняет знак произведения. Отсюда следует, что

• Смешанное произведение   в правой декартовой системе координат (в ортонормированном базисе) равно определителю матрицы, составленной из векторов  и  :

• Смешанное произведение   в левой декартовой системе координат (в ортонормированном базисе) равно определителю матрицы, составленной из векторов   и , взятому со знаком "минус":

В частности,

• Если три вектора линейно зависимы (т. е. компланарны, лежат в одной плоскости), то их смешанное произведение равно нулю.

• Геометрический смысл — Смешанное произведение   по абсолютному значению равно объёму параллелепипеда (см. рисунок), образованного векторами   и  ; знак зависит от того, является ли эта тройка векторов правой или левой.

Три вектора, определяющие параллелепипед.

• Смешанное произведение удобно записывается с помощью символа (тензора) Леви-Чивита:

(в последней формуле в ортонормированном базисе все индексы можно писать нижними; в этом случае эта формула совершенно прямо повторяет формулу с определителем, правда, при этом автоматически получается множитель (-1) для левых базисов).

БИЛЕТ 8 УРАВНЕНИЕ ПРЯМОЙ.