Вы находитесь на странице: 1из 44

3

ВВЕДЕНИЕ

Математика – язык науки, а следовательно, и всех ее


приложений. Поэтому вовсе не удивительно, что математика лежит в
основе высшего образования. Линейная алгебра и аналитическая
геометрия – один из интегрированных фундаментальных разделов
высшей математики, изучаемый во всех ВТУЗах мира.
Аналитическая геометрия создана три с половиной века тому
назад усилиями Пьера Ферма, Рене Декарта и их последователей.
Гениальные идеи творцов-создателей позволили облечь
геометрические образы в ауру чисел, формул и уравнений, привнести
новые точные методы в геометрию, развить и продолжить
достижения древней математики. Именно это главное качество новой
науки и отражает в ее названии прилагательное «аналитическая».
Созданный аналитической геометрией гибкий научный
инструментарий быстро проник во все разделы математики,
механики, физики, во все опирающиеся на них прикладные
дисциплины.
Параллельное с аналитической геометрией развитие теории
систем линейных алгебраических уравнений (СЛАУ) потребовало
разработки теории матриц и определителей и привело в конечном
итоге к созданию линейной алгебры, являющейся по своей сути
формальным алгебраическим обобщением аналитической геометрии
на многомерные.
Первые учебники линейной алгебры появились в начале ХХ
века. Многие понятия линейной алгебры оказались универсальными,
придали результатам аналитической геометрии современную
чеканную форму, а методам – прозрачность и четкость в реализации.
С тех пор аналитическая геометрия и линейная алгебра – два
направления высшей математики, взаимодополняющие и
взаимопроникающие, изучаются практически во всех ВУЗах в едином
формате.
Материал предлагаемого учебно-методического пособия
соответствует действующим учебным программам, разбит на пять
больших разделов. В первой главе представлены азы теории матриц и
СЛАУ, индуктивно вводится понятие определителя. Рассматривается
спектр свойств определителей вплоть до теоремы Лапласа,
4

облегчающих их вычисление и позволяющих ввести понятие


обратной матрицы. Завершается глава изложением трех методов
решения СЛАУ – метода Гаусса, матричного (метода обратной
матрицы) и правила Крамера.
Вторая глава – «Векторная алгебра» – посвящена классическим
векторам как направленным отрезкам. Описаны линейные операции
над векторами, их свойства, введены базисы на плоскости и в
пространстве, координаты классических векторов как скалярные
проекции на оси, порожденные базисными векторами, декартовы
системы координат. Последовательно введены скалярные, векторные
и смешанные произведения классических векторов, достаточно
подробно описаны их свойства и приложения.
Третья глава содержит материал об аналитической геометрии на
плоскости и в пространстве: выводится девять видов уравнений
прямой на плоскости, обосновывается методика решения различных
задач с прямыми на плоскости, приводится перечень и основные
свойства линий второго порядка; излагаются аналогичные факты о
плоскостях и прямых и их взаимном расположении в пространстве,
даны основы теории поверхностей второго порядка.
В четвертой главе изложена теория общих линейных
(векторных) пространств (ЛВП) над полем вещественных чисел: дано
их аксиоматическое определение и широкий спектр примеров,
вводится понятие подпространства и доказывается критерий
подпространства. Исследуются линейная зависимость, независимость
и эквивалентность систем векторов в общих линейных
пространствах; на новом уровне вводится понятие базиса и
размерности ЛВП, координат векторов и их свойств. Понятие ранга
системы векторов и ранга матрицы позволяет сформулировать и
доказать критерий разрешимости СЛАУ, изложить на языке ЛВП
свойства решений и структуру общего решения однородных и
неоднородных СЛАУ. Завершается глава выводом формулы
взаимосвязи координат вектора в различных базисах.
Пятая глава содержит теорию линейных операторов и линейных
преобразований, их собственных значений и собственных векторов,
условия и методику приведения квадратной матрицы к
диагональному виду. Изучаются скалярные произведения на ЛВП.
Существенное внимание уделяется евклидовым пространствам,
5

изометричным и самосопряженным преобразованиям евклидовых


пространств, специфичным свойствам этих операторов.
Все учебные издания по данному разделу высшей математики
отличаются друг от друга прежде всего глубиной упора на
аналитическую геометрию, в редких случаях – на линейную алгебру.
Так, в учебном пособии [1] и в учебнике [2] аналитическая геометрия
изложена подробно, с множеством рисунков и примеров. Однако в
издании [1] из 318 страниц к линейной алгебре можно отнести лишь
53 страницы главы I и 6 страниц главы II. В учебнике Гурского [2]
мастерски, но кратко написана глава «Элементы линейной алгебры».
Пособия [3-5] дают основательный материал по линейной алгебре, но
они рассчитаны на более глубокое изучение высшей математики и,
соответственно, большее количество часов учебной нагрузки.
Пособие [6] наиболее удобно и полезно для студентов, однако с
современных позиций требует определенного обновления. Понятие
линейной зависимости и ранга – неотъемлемые характеристики
систем векторов в линейных пространствах – должны излагаться в
теории ЛВП. Изложение полной теории СЛАУ в отрыве от линейных
пространств в пособии [6] может быть оправдано лишь с тактических
соображений экономии времени и реального сокращения разделов
линейной алгебры.
Пособие [7] явно напоминает справочник математических
терминов и теорем по рассматриваемой тематике и больше подходит
для студентов заочной и дистанционной форм обучения.
Ряд учебных пособий по линейной алгебре и аналитической
геометрии представляют собой главы или тома общего курса
«Высшая математика» (см. [8-9]). Они написаны сжато и содержат
ряд недостатков, отмеченных в [6].
В данном пособии отражен более чем 30-летний опыт
преподавания курса «Аналитическая геометрия и линейная алгебра»
и 15-летний опыт преподавания математических основ защиты
информации в различных ВУЗах РБ. Прочное владение основами
линейной алгебры свидетельствует о растущем процессе
алгоритмизации математического образования. На наш взгляд, такой
подход больше соответствует тенденциям развития науки и
образования в ХХI веке.
6
7

ГЛАВА I. МАТРИЦЫ И ОПРЕДЕЛИТЕЛИ. СИСТЕМЫ


ЛИНЕЙНЫХ УРАВНЕНИЙ

§ 1.1. Матрицы и действия над ними

Прямоугольная таблица чисел вида

 a11 a12  a1n 


a  a2n 
 21 a22 (1.1.1)
    
 
 am1 am 2  amn 

называется матрицей размером m  n (от латинского matrix – мать,


начало, источник) или  m  n   – матрицей. Числа
aij , i  1,2, , m, j  1, 2, , n , называются элементами матрицы.
Двойная индексация элементов akl вводится для удобства и
указывает, что элемент akl расположен в k -ой строке и l -ом столбце
матрицы (1.1.1). Для краткости, матрицы обозначают большими
латинскими буквами А , В ,…, символами Amn , Bk l или формулами
 
вида: A  aij , i  1,2, , m, j  1, 2, , n .
При m  n матрица (1.1.1) называется квадратной порядка n :
 a11 a12  a1n 
 
a a22  a2 n 
A   21 , (1.1.1*)
   
 
 an1 an 2  ann 

 
Матрица A  aij называется вещественной (целочисленной),
если все ее элементы aij  R , т. е. являются вещественными числами
( aij  Z , т. е. являются целыми числами).
Две матрицы А и В называются равными, если они имеют
одинаковые размеры и при этом элементы, стоящие на одинаковых
местах, равны между собой: aij  bij .
8

Матрица А называется нулевой и обозначается символом O ,


если все ее элементы aij  0 .
Если А  – квадратная матрица (1.1.1*), то говорят, что ее
элементы a11, a22 , , ann образуют главную диагональ, а элементы
a1n , a2( n 1) ,  , an1 образуют побочную диагональ.
В связи с этим квадратную матрицу
 a11 0  0 
 
 0 a22  0 
A ,
   
 
 0 0  ann 

0, i  j
где все aij  0, i  j , называют диагональной, если к тому же aij   ,
1, i  j
то матрица называется единичной и обозначается символом E или Еn
:
1 0  0
 
0 1  0
En   .
   
 
0 0  1 

Отвлечемся немного от сухого перечисления математических


терминов. Возможно, читателю будет ближе следующий, более
материальный, образ матрицы. По сути дела, матрица – это
двумерный массив информации; информации любой природы,
которую можно численно выразить.
К примеру, в телекоммуникациях за каждым цветным кадром
стоят три матрицы, как правило, размером 512  512 (стандартное
количество пикселей в строке и в столбце кадра). Каждая из матриц
соответствует базовому цвету – красный, желтый, синий. Элементы
матрицы отражают интенсивность, яркость соответствующего цвета в
том или ином пикселе.
Информация, как и сама жизнь, находится в постоянном
движении, изменении, преобразовании. Для передачи или хранения
информацию следует привести к соответствующему виду, оснастить
ее помехозащитными и криптостойкими свойствами. Конечно,
массивы информации удобнее преобразовывать целиком. Это
осуществляется стандартными действиями над матрицами.
9

Исследуем четыре основные алгебраические действия над


матрицами: умножение матриц на числа, сложение и умножение
матриц, транспонирование матриц.
Произведением матрицы A   aij  на число  называется матрица
A , получаемая умножением каждого ее элемента на число  . Таким
образом, если A   aij  , то A    aij  .
2 3  1
Пример 1. Пусть A  
5  ,
   2 . Согласно определению ,
0 7

  2   2  2   3  2    1   4 6 2
 2  A   
 2   5   0
.
  2   0  2   7 14 10 

Операция сложения вводится только для матриц одинаковых


размеров. Если Amn   aij  , Bmn  bij  , то суммой матриц A  B
называется матрица Сmn   aij  bij  .
1 2 3 2 8 1
Пример 2. Пусть A  
0 4
 , B  
 1 6 2 5  ,

 3 10 4
тогда A  B  
6 2 4  .

Разность матриц A  B можно определить как A  B  A  (1) B .


Введенные операции умножения матриц на числа и сложения
матриц сводятся к аналогичным действиям над числами, элементами
этих матриц. Поэтому справедливость следующих свойств названных
операций практически не вызывает сомнений.
1)  A  B  B  A  – коммутативность сложения матриц;
2)   A  B   C  A   B  C   – ассоциативность сложения матриц;
3)  A  0  A , где 0 – нулевая матрица;
4)  A    1 A  0 , при этом матрица   1 A называется
противоположной для А и обозначается  A ;
5)   A     A  – ассоциативность умножения чисел;
6)       A  A  A  – дистрибутивность умножения матрицы на
числа относительно сложения чисел;
7)   A  B   A  B  – дистрибутивность умножения матриц на
число относительно сложения матриц;
8) 1  A  A .
Определим операцию умножения двух матриц. Для этого введем
понятие согласованности матриц.
10

Матрица Amn называется согласованной с матрицей B pk , если


число столбцов матрицы А равно числу строк матрицы В , т. е. n  p .
Вообще говоря, из согласованности матрицы А с матрицей В не
следует согласованность матрицы В с матрицей А .
Рассмотрим частный случай:
 b11 
 
 b21 
A1n   a11 a12  a1n  , Bn1     .
 
 bn1 
 
 
Эти матрицы согласованы.
Произведением строки, т. е. матрицы A1n на столбец, т. е. на
матрицу Bn1 , назовем число
c  a11b11  a12b21    a1nbn1 ,
которое является единственным элементом матрицы C11  A1n  Bn1 .
Обобщим это правило для согласованных матриц произвольных
размеров.
Произведением матрицы Amn  aij на матрицу Bnk  bij    
называется матрица Cmk  cij с элементами  
n
cij  ai1b1 j  ai 2b2 j    ainbnj   aig bgj , i  1, 2, , m, j  1, 2, , k ,
g 1
т. е. каждый элемент cij получен как сумма произведений элементов
i-ой строки матрицы A на соответствующие элементы j-го столбца
матрицы В , 1  i  m, 1  j  k .
Пример 3. Для данных матриц A и B найдем их произведение
AB .
 2
 
а) A  1 2 3 , В    1 , AB  1  2  2  ( 1)  3  3   9 ;
 3
 
 2 1 2  2  2 4
б) 
, B  1 2  , AB       ;
2
A   
  1
  11  1 2    1  2 
 
11

1 2
  2 3
в) A  2  2  , B  
1 4  ,

0 3 

 1  2  2 1 1  3  2  4   4 11 
AB   2  2  (2) 1 2  3  (2)  4    2 2  .
 0  2  3 1 0  3  3  4   3 12 

Отметим основные свойства умножения матриц (при условии,
что указанные операции имеют смысл):
1)  A   B  C    A  B   C  – ассоциативность умножения матриц;
2)  E  A  A  E  A  – для произвольной квадратной матрицы А ;
3)   A   B    A  B   – для произвольного числа  .
Следующие два свойства называют законами дистрибутивности
умножения матриц относительно их сложения:
4а)  A   B  C   A  B  A  C ;
4б)   A  B   C  A  C  B  C .
В отличие от умножения чисел умножение матриц в общем
случае некоммутативно, т. е. AB  BA даже для квадратных матриц.
1 2   2 2
Пусть, например, A  
1 3 
, B  
1 3
 , тогда

5 8   4 10 
AB     BA    .
 5 11   4 11 
Матрицы А и В называются коммутирующими или
перестановочными, если AB  BA .

 
Пусть Amn  aij , i  1, , m, j  1, , n . Построим матрицу В
из n строк и m столбцов так, что каждая строка матрицы В есть
столбец матрицы А с тем же номером. Такая матрица Вnm
называется транспонированной к матрице А , а переход от А к В  
– транспонированием. В этом случае матрицу В обозначают AT .
Итак, если
 a11 a12  a1n   a11 a21  am1 
   
a a22  a2n  a a22  am 2 
A   21 , то AT   12 .
         
   
 am1 am 2  amn   a1n a2 n  amn 
Операция транспонирования обладает следующими свойствами:
1)   AT T A ;
12

2)   A  B  T  AT  BT ;
3)   A T  AT ;
4)   AB  T  BT  AT .

Свойства 1–3 очевидны.


Для доказательства свойства 4 вычислим элементы cij и dij
матриц  AB  T и BT  AT , стоящие на одинаковых местах – в i-ой
строке и j-ом столбце для произвольных i, j :
cij  a j1b1i  a j 2b2i    a jnbni .
dij  b1i a j1  b2i a j 2    bni a jn , i  1,2, , m, j  1,2, , k .
Сравнивая эти результаты, мы видим, что элементы матриц  AB  T и
BT  AT , стоящие в i-ой строке и j-ом столбце равны, а значит, равны
и сами матрицы.
Матрица А называется симметрической, если AT  A , и
кососимметрической, если AT   A .
Нетрудно видеть, что симметрическая матрица (как и
кососимметрическая) является квадратной и ее элементы, стоящие
симметрично относительно главной диагонали, равны, т. е. aij  a ji , i  j .
Элементы кососимметрической матрицы должны удовлетворять
удовлетворяют условиям: aii  0, a ji   aij , i  j .
 1 2 3
 
Пример 4. Матрица A   2 4 5  является, очевидно,
 3 5 6
 
 0 1 2
 
симметрической: AT  A . Матрица B   1 0 3  удовлетворяет
 2 3 0 
 
условию: AT   A , а потому является кососимметрической.
Упражнение 1. Доказать, что для любой матрицы A
произведение AT  A есть матрица симметрическая.
Упражнение 2. Доказать, что всякая квадратная матрица
единственным образом представима в виде суммы симметрической и
кососимметрической матриц.
13

§ 1.2. Системы линейных уравнений. Метод Гаусса

1.2.1. Элементарные сведения о системах уравнений


Для определенности, в данном параграфе все числа являются
вещественными, а переменные принимают вещественные значения.
Однако все определения и факты остаются справедливыми при
замене поля вещественных чисел R на любое другое поле.
Уравнение – аналитическая (в виде формул) запись задачи
нахождения значений аргументов, при которых значения двух
заданных функций равны. Поэтому в наиболее общей форме
уравнение имеет вид:
P  x1, x2 ,..., xn   Q  x1, x2 ,..., xn  (1.2.1)
где вещественными переменные x1, x2 ,..., xn  – аргументы заданных
функций P и Q .
В уравнении аргументы называются неизвестными, а
совокупности x1  1, x2   2 ,..., xn   n значений неизвестных, при
которых действительно достигается равенство функций P и Q ,
называются решениями уравнения. Этот факт иногда отмечают
фразой: «Значения x1  1, x2   2 ,..., xn   n удовлетворяют
уравнению».
Уравнение (1.2.1) очевидным образом (переносом функций на
одну сторону уравнения) преобразуется к виду:
H  x1, x2 ,..., xn   0 (1.2.1*)
Если функция H в уравнении (1.2.1*) является полиномом, то
есть суммой слагаемых вида c  x1r1  x2 r2 ...  xn r2 для некоторых целых
ri  0, i  1,2,... n , то данное уравнение называется алгебраическим.
Уравнение вида
a1x1  a2 x2  ...  an xn  b (1.2.2)
называется линейным алгебраическим.
Прилагательное «линейное» добавлено в силу того, что при
n  2 уравнение (1.2.2) задает прямую на плоскости (см. § 3.2).
Совокупность уравнений
14

 H1  x1, x2 ,..., xn   0,

 H 2  x1, x2 ,..., xn   0,
 (1.2.3)
... ... ... ... ... ... ...
 H  x , x ,..., x   0,
 t 1 2 n

для которых требуется найти значения неизвестных


x1  1, x2   2 ,..., xn   n , удовлетворяющие всем ее уравнениям,
называется системой уравнений. При этом набор чисел
 1,  2 ,...,  n  называется решением данной системы.
Система уравнений, имеющая решения, называется совместной,
в противном случае – несовместной.
Следовательно, задача решить систему уравнений означает
найти все решения данной системы или установить ее
несовместность.
Для прояснения приведенных понятий найдем решения
следующих трех систем уравнений.
 x1  x2  1,
Пример 1. Система  несовместна, так как при любых
 x1  x2  2
значениях x1 и x2 , удовлетворяющих 1-му уравнению, второе
уравнение не может превратиться в числовое тождество.

 x1  x2  2,
Пример 2. Система  имеет единственное решение
x
 1 2 x  0
x1  1 ; x2  1 .
Действительно, второе уравнение можно записать в виде: x2  x1
. Но тогда первое уравнение преобразуется в уравнение 2 x1  2 . Это
означает, что x1 принимает единственно возможное значение: x1  1 .
Тогда x2  1 и пара чисел  x2 ; x1    1; 1  – единственное решение
системы.
 x1  2 x2  x3  4,
Пример 3. Решить систему 
x2  x3  1.

Решение. Какое бы ни было значение x3 , допустим x3  t , можно
однозначно определить x1 и x2 из этой системы через t :
15

 x2  1  x3  1  t ,

 x1  4  x3  2 x2  4  t  2(1  t )  6  t.
Таким образом, система имеет бесконечное множество решений
x1  6  t , x2  1  t , x3  t , так как в качестве t может быть взято
произвольное вещественное число.
Две системы линейных уравнений от одних и тех же
неизвестных x1, x2 ,..., xn называются равносильными или
эквивалентными, если всякое решение одной системы является
решением другой и наоборот.
Вряд ли у кого-нибудь из читателей вызовет сомнение тот факт,
что следующие три вида преобразований системы (1.2.3) приводят к
эквивалентным системам:
1) перестановка уравнений местами;
2) умножение какого-нибудь из уравнений системы на
ненулевое вещественное число;
3) прибавление к одному из уравнений системы другого
(других), умноженного на некоторое вещественное число,
(умноженных на некоторые вещественные числа).
Процедуры решения систем уравнений так или иначе
заключаются в переходе к эквивалентным системам, имеющим все
более простой вид, и в конечном итоге сводятся последовательным
исключением неизвестных к решению одного уравнения
наипростейшего вида.

1.2.2. Системы линейных алгебраических уравнений (СЛАУ)


В силу формулы (1.2.2) произвольная система линейных
алгебраических уравнений имеет следующий вид:
 a11x1  a12 x2    a1n xn  b1,
 a x  a x   a x  b ,
 21 1 22 2 2n n 2
 (1.2.4)
 
am1x1  am 2 x2    amn xn  bm ,
где aij , bi  – заданные вещественные числа;
xi  – неизвестные, 1  i  m, 1  j  n ;
m, n  N  – фиксированные натуральные числа.
16

Введем в рассмотрение матрицы: А – матрица системы (1.2.4),


Х – матрица-столбец неизвестных, В – матрица-столбец свободных
членов:
 a11 a12  a1n   x1   b1 
a  x  b 
 21 a22  a2 n   2
A ,X , B   2 .
       
     
a a
 m1 m 2  amn  x
 n  bm 
С учетом введенных обозначений систему (1.2.4) можно записать
компактно, в виде следующего матричного уравнения:
AX  B . (1.2.5)

В 1820 году перед знаменитым немецким математиком


К.Ф.Гауссом1 была поставлена задача – составить достоверную карту
«обширных» земель Королевства Ганновер, лишь немногим
превышающих по площади размеры, скажем, нынешней Витебской
области. В результате, Гауссом были заложены основы современной
геодезии. Вынужденный в процессе работы решать СЛАУ с большим
числом уравнений и неизвестных (до нескольких десятков), Гаусс
привел метод исключения неизвестных, применительно именно к
СЛАУ, в четкую, чеканную форму алгоритма; с тех пор этот метод
носит название метод Гаусса.
Перечислим основные этапы метода Гаусса. Условно они
делятся на две группы преобразований: «прогонка вниз» и «прогонка
вверх».
1. Найдем в системе (1.2.4) уравнение, у которого коэффициент
при x1 отличен от нуля. Возможны случаи, когда такое уравнение
может и не найтись (см. примеры в §§ 5.7-5.8 ). Тогда повторим
подобный поиск относительно переменной x2 . Во всяком случае
найдется минимальный номер i1, 1  i  n , для которого существует
коэффициент a ji1  0, 1  j  m . Тогда неизвестные x1, x2 ,..., xi1 1 …
объявляем свободными (так как ни одно уравнение системы никаких

1
Гаусс Карл Фридрих (30.04.1777 – 23.02.1855) – немецкий математик, механик, физик,
астроном, геодезист; один из величайших математиков всех времен
17

условий на них не накладывает). Далее j -ое уравнение меняем


местами с первым.
В результате второго этапа мы получили равносильную
исходному СЛАУ, но с коэффициентом a1i1  0 .
В процессе всех вычислений и преобразований проводится
постоянный мониторинг уравнений системы (1.2.4). Если найдется
уравнение 0 x1  0 x2    0 xn  0 , то такое уравнение выбрасываем из
системы. Ведь этому уравнению удовлетворяет любой набор
значений неизвестных, а потому оно не оказывает никакого влияния
на решения СЛАУ. Если найдется уравнение вида
0 x1  0 x2    0 xn  bi , bi  0 , то никакой набор значений
неизвестных такому уравнению не удовлетворяет. Другими словами,
такое уравнение, а с ним и вся система не имеет решений. Процесс
решения СЛАУ на этом заканчивается с выводом: «Данная система
не совместна».
Если подобная ситуация не обнаружилась, переходим ко
второму этапу алгоритма Гаусса.
2а.  Выполняется, если преобразованная после 1-го этапа СЛАУ,
состоит из одного единственного 1-го уравнения. Тогда данная СЛАУ
имеет бесконечно много решений – множество решений имеет n  1
свободных параметров. Его можно записать в виде:
 x1  C1  R;
 x  C  R;
 2 2
... ... ... ... ...

 xi1 1  Ci 1  R;
 ai1 1 ai1n

 xi1   a Ci 1  ...  a Cn  R;
 i1 i1
 xi 1  Ci 1  R;
 1
... ... ... ... ...
 x  C  R.
 n n

Пусть случай 2а не выполняется – преобразованная СЛАУ имеет


s  1 уравнений.
18

Тогда мы можем из 1-го уравнения неизвестную xi1 выразить


через остальные, подставить это значение xi1 в остальные уравнения.
В результате мы получим эквивалентную систему «ступенчатого»
вида – без xi1 во всех уравнениях, кроме первого. Перечисленные
преобразования СЛАУ можно осуществить четко в рамках
следующего этапа алгоритма.
2б. Ко второму уравнению прибавим первое, умноженное на
a2i1 a3i1
 . К третьему уравнению прибавим первое, умноженное на 
a1i1 a1i1
и так далее. Результатом данного этапа является следующая
одноступенчатая СЛАУ:
 a1i1 xi1  a1 i1 1 xi1 1    a1n xn  b1 ,

 a2  i 1 xi1 1    a2 n xn  b2 ,
1
 (1.2.6)
 ... ... ... ... ... ... ... ... ... ...
 as  i 1 xi1 1    asn
 xn  bs .
 1

3. Если s  2 , то переходим к этапу 2k  1 . Если s  2 , то


повторяем этапы 1 и 2 с подсистемой системы (1.2.6), составленной
из 2-го, 3-го и так далее s -го уравнения и т.д.
В результате проведенных преобразований «прогонки вниз» или
на 2k -ом шаге получим СЛАУ, эквивалентную исходной системе
(1.2.4) и имеющий треугольный вид
 b11x1  b12 x2    b1n xn  d1,
 b22 x2    b2n xn  d 2 ,

 (1.2.7)
 
 bnn xn  d n ,

или имеющий «квазитреугольный», ступенчатый вид:


19

b1i1 xi1  b1 i1 1 xi1 1    b1i2 xi2  ...  b1is xis  ...  b1n xn  d1,

 b2i2 x2    b2is xis  ...  b2n xn  d 2 ,
 (1.2.8)
  ................
 bsis xis  ...  bsn xn  d s ,

где s  n .
Напомним, что в системе (1.2.7) b11  0, b22  0,..., bnn  0 , а в
системе (1.2.8) коэффициенты b1i1  0, b2i2  0,..., bsis  0 .
Дальнейшие преобразования системы (1.2.8) или
(1.2.7) – «прогонка вверх» – осуществляются подобным «прогонке
вниз» образом.
Этап 2k  1 . Если is  n , переменные xis 1, xis  2 ,..., xn
объявляем свободными – полагаем
xis 1  cis 1  R, xis  2  cis  2  R,..., xn  cn  R.
Из s -го уравнения переменную xis выражаем через
последующие:
bs i 1 b
xis  d s  s
 cis 1  ...  sn  cn .
bsis ssis

Данные значения xis , xis 1, xis  2 ,..., xn подставляем в 1-ое, 2-ое,
s  1 -ое уравнения системы (1.2.8) с последующим приведением
подобных членов.
Этап 2k  2 . Повторяем преобразования этапа 2k  1 , заменив s
-ую строку на s  1 -ую, is -ую переменную на is 1 -ую. И так далее,
вплоть до 1-го уравнения и переменной i1 .
Для «треугольной» системы (1.2.7) «прогонка верх» выглядит
более прозрачно, а сама система имеет единственное решение.
Этап 2n  1 . Из n -го уравнения системы (1.2.7) находим
d
xn  n . Подставляем его в первые n  1 уравнений с последующим
bnn
приведением подобных членов. В результате этого этапа система
«укорачивается», приобретает вид:
20

 b11x1  b12 x2    b1n 1xn 1  d1 ,


 b22 x2    b2 n 1xn 1  d 2 ,

 (1.2.9)
 
 bn 1n 1xn 1  d n 1.

Этап 2n  2 . Повторяем этап 2n  1 с заменой xn на xn 1 и n -го


уравнения на последнее уравнение системы (1.2.9) и так далее.

1.2.3. Модификации метода Гаусса


Занимаясь решением конкретных СЛАУ, легко заметить, что, по
крайней мере, «прогонка вниз» осуществляется только над
коэффициентами системы. Поэтому преобразования метода Гаусса
удобно и компактно проводить не с уравнениями системы, а с
расширенной матрицей системы A   A B  , полученной добавлением
к матрице A n  1-го столбца – столбца свободных членов B , для
визуализации оттененного в матрице A вертикальной чертой.
Практически все учебные примеры СЛАУ содержат, как
правило, только целые коэффициенты. Многолетняя культура
вычислений невольно подталкивает нас оставаться в рамках целых
чисел, оттягивая как можно дальше появление дробных значений.
Поэтому уже в первых примерах допустимы легкие модификации
строгих канонов метода Гаусса.
Пример 4. Решить методом Гаусса следующую систему
линейных уравнений
2 x1  2 x2  x3  x4  4,
4 x  3 x  x  2 x  6,
 1 2 3 4

8 x1  5 x2  3 x3  4 x4  12,

3 x1  3 x2  2 x3  2 x4  6.

Решение. В соответствии со сказанным выше, составим матрицу


~
A. В данном случае
2 2 1 1 4
 
~ 4 3 1 2 6
4 12  .
A
8 5 3
 
3 3 2  2 6 

21

Чтобы не иметь дело с дробями, поступим так: вычтем из 4-ой


строки 1-ю, из третьей – 2-ю, умноженную на 2, а затем из 2-ой –
удвоенную 1-ю строку.
В результате получим эквивалентную систему (где ~ – это знак
перехода к эквивалентной системе):
2 2 1 1 4
 
0 1 1 0  2
~   0 1 1 0 0   ~
 
1 1 1 1 2
 

К 1-ой строке прибавим 4-ю, умноженную на (–2), из 2-ой


вычтем 3-ю:
0 0 1 1 0 1 1 1 1 2
   
0 0 2 0  2 0 1 1 0 0
~   0 1 1 0 0   ~  0 0 1 0  1 .
   
1 1 1 1 2 0 0 1 1 0
   

Вычтем из 4-й строки 3-ю, а 2-ю умножим на (–1):


1 1 1 1 2
 
 0 1 1 0 0
~  . (*)
0 0 1 0 1
 
0 0 0 1 1

Последней матрице соответствует «треугольная» система


линейных уравнений:
 x1  x2  x3  x4  2,
 x2  x3  0,


 x3  1,
  x4  1.

Из нее последовательно находим:


x4  1;
x3  1 ;
x2   x3  1;
x1  2  x2  x3  x4  1.
22

Камиль Жордан2, методически осмысливая рассматриваемый


алгоритм, назвал методику сведения СЛАУ к «треугольному» или
«квазитреугольному» виду общепринятым теперь термином
«прогонкой вниз». Дальнейшее решение уже упрощенной СЛАУ он
предложил так же совершать в матричной форме, доводя
преобразования матрицы коэффициентов A до диагонального или
квазидиагонального вида, назвав эту часть преобразований
«прогонкой вверх». В целом, оба этапа прогонки стали называть
«методом Жордана-Гаусса».
В примере 3 «прогонка вниз» завершена матрицей (*). Завершим
решение этого примера «прогонкой вверх» матрицы (*).
Для этого 4-ю строку прибавим к 1-ой, затем в 4-ой строке
поменяем знаки. 3-ю строку прибавим к 1-ой и вычтем из 2-ой.
Получим:
1 1 0 0 2
 
0 1 0 0 1
.
0 0 1 0 1
 
0 0 0 1 1

Осталось из 1-ой строки вычесть вторую. Получим


единственное решение системы в матричной форме:

1 0 0 0 1
 
0 1 0 0 1
.
0 0 1 0 1
 
0 0 0 1 1

Матричная форма (1.2.2) СЛАУ является полным подобием


простейшего линейного уравнения ax  b . Решение последнего уже у
b
школьников не вызывает никаких затруднений: x  . Однако при
a
2
Жордан Мари Эдмон Камиль (05.01.1838 – 21.01.1922) – французский математик, один из
создателей современной математики, редактор «Журнала чистой и прикладной математики»
с 1885 по 1922 гг.
23

изучении действий с матрицами почему-то не рассматривалась


операция деления матриц. Не все так просто. Такую операцию можно
осуществлять при выполнении ряда условий и оговорок. На пути их
осознания и формулировки была создана стройная теория
определителей матриц. К ее изучению мы и переходим.
§ 1.3. Определители 2-го и 3-го порядков.
Определители n-го порядка. Рекуррентная формула

Определитель, или детерминант, является одной из важнейших


числовых характеристик квадратных матриц. Обозначается
определитель матрицы А как det A или А , а в развернутой форме:
a11 a12  a1n
a a22  a2n
det A  A  21 .
   
an1 an 2  ann

Существует, по меньшей мере, три различных, но


эквивалентных определения определителя и все они достаточно
сложные. Приводимое ниже является наиболее простым. Данное
понятие определителя вводится индуктивно и рекуррентно, в
зависимости от порядка n матрицы А.
Если n  1, т. е. A   a11  , то А  a11 .
 a11 a12 
При n  2, т. е. при A  a  ее определитель
 21 a22 
A  a11a22  a12a21 , (1.3.1)
т. е. определитель 2-го порядка равен произведению элементов
главной диагонали минус произведение элементов побочной
диагонали.
При n  3 определитель сводится к вычислению определителей
2-го порядка по формуле
a11 a12 a13
a a23 a a23 a a22
A  a21 a22 a23  a11 22  a12 21  a13 21 . (1.3.2)
a32 a33 a31 a33 a31 a32
a31 a32 a33
24

Если в равенстве (1.3.2) определители 2-го порядка заменить


выражениями (1.3.1), то получим явную формулу
A  a11a22 a33  a12 a23a31  a13a21a32 
 a11a23a32  a12 a21a33  a13a22 a31.
(1.3.2*)

Последнюю формулу легче запомнить, если воспользоваться


следующим правилом – правилом Саррюса3: первые три слагаемых
формулы (1.3.2*) представляют собой произведение элементов
главной диагонали матрицы A и элементов вершин двух
треугольников, у которых одна из сторон параллельна главной
диагонали. Остальные 3 слагаемые, взятые со знаком минус,
вычисляются аналогично, только за основу взята побочная диагональ.
Схематически правило Саррюса выглядит так:
                    
                          .
                    

Пример 1. Вычислить определитель 3-го порядка


1 2 3
6 4 0 .
5 7 1

Решение. Воспользуемся формулой (1.3.2*).


1 2 3
6 4 0  1  4  ( 1)  6  7  3  ( 2)  0  ( 5)  3  4  ( 5) 
5 7 1

 6  ( 2)  ( 1)  0  7  1  170 .

Формулу (1.3.2) представим по-другому, для чего введем


понятие минора элемента aij . В определителе (1.3.2) (левая часть
формулы) вычеркнем 1-ю строку и 2-й столбец. Из оставшихся
элементов образуем определитель второго порядка
a21 a23
M12 
a31 a33 ,

который называется минором, дополнительным к элементу a12 .

 Саррюс Пьер Фредерик (10.03.1798 – 20.11.1861) – французский математик, профессор и


3

декан факультета в Страссбургском университете.


25

Аналогично определяется минор M ij , дополнительный к любому


элементу aij определителя A .
Алгебраическим дополнением к элементу aij определителя A
называется число Aij  (1)i  j M ij .
С учетом введенных понятий формула (1.3.2) примет вид
a11 a12 a13
A  a21 a22 a23  a11M 11  a12 M12  a13M 13 
a31 a32 a33 (1.3.2**)
 a11 A11  a12 A12  a13 A13 .

Пример 2. Вычислить определитель из примера 1 по формуле


(1.3.2**).
Решение.
1 2 3
4 0 6 0 6 4
6 4 0  1
7 1
 ( 2) 
5 1
 3
5 7
 170 .
5 7 1

Аналогично формуле (1.3.2**) вводится понятие определителя


n-го порядка:
A  a11M11  a12 M12  a13M13    ( 1) n 1 a1n M1n 
 a11 A11  a12 A12    a1n A1n ,
(1.3.3)
где M 1i  – минор,дополнительный к элементу a1i , т. е. определитель
( n  1) -го порядка, полученный из A вычеркиванием 1-ой строки и i-
го столбца; A1i  – алгебраическое дополнение к элементу a1i :
A1i  ( 1)1 i M1i .

Формула (1.3.3) вычисления определителя n -го порядка сводит


к вычислению n определителей (n  1) -го порядка и поэтому
называется рекуррентной. Ее следует признать очень громоздкой в
практическом применении. Ведь при n  4 аналог формулы (1.3.2*)
содержит 24 слагаемые, а при n  5  – 120 слагаемых-произведений по
пять элементов матрицы, при n  6  – 720 слагаемых!
Ясно, что при n  4 требуются более простые методы
вычисления определителей. Такие методы существуют, они близки
по духу методу Гаусса решения СЛАУ и вытекают из свойств
детерминантов.

§ 1.4. Свойства определителей


26

Отметим основные свойства определителей.


Формула (1.3.3) называется формулой разложения определителя
по первой строке. Следующее свойство снимает приоритет 1-ой
строки, и вообще, приоритет строк.
Свойство 1. Для произвольной матрицы A и произвольном
i , 1  i  n имеет место формула:
n n
A   (1) ik
aik M ik   aik Aik (1.4.1)
k 1 k 1

Для произвольной матрицы A и для любого j, 1  j  n


справедливо равенство:
n n
A  (1) k  j akj M kj   akj Akj . (1.4.2)
k 1 k 1

Формула (1.4.1) называется формулой разложения определителя


по i-й строке.
Формула (1.4.2) называется формулой разложения определителя
по j-му столбцу.
Обе формулы доказываются методом математической индукции:
для малых n их справедливость проверяется непосредственно, затем
формулы доказываются для произвольного n  k в предположении,
что они верны для всех n  k . В силу громоздкости вычислений мы
опустим это доказательство. Рассмотрим справедливость формулы
(1.4.1) только для n  3 . Для этого в формуле (1.3.2*) сгруппируем
слагаемые, содержащие один и тот же элемент 2-й строки
определителя, получим
A  a21 (a13a32  a12 a33 )  a22 (a11a33  a13a31 )  a23 (a12 a31  a11a32 ) .
Величины, стоящие в скобках, являются алгебраическими
дополнениями к элементам a21 , a22 и a23 , т. е.
A  a21 A21  a22 A22  a23 A23 .

Тем самым мы получим выражение, которое следует из (1.4.1)


при i  2, n  3 . Остальные равенства формул (1.4.1) и (1.4.2)
получаются аналогично.
Итак, в силу формул (1.4.1) и (1.4.2) получаем
27

a11 a12 a13


A  a21 a22 a23  ai1 Ai1  ai 2 Ai 2  ai3 Ai3 
a31 a32 a33
 a1 j A1 j  a2 j A2 j  a3 j A3 j , i, j  1, 2,3.
Свойство 1 эффективно при вычислении определителей со
строками или столбцами, содержащими много нулей.
Пример 1. Вычислить определитель, раскладывая его по 2-ой
строке.
Решение.
1 2 3 4
1 3 4
0 1 0 0 1 2 3 4
 2 0 0  2   1  2  21  24   6.
2 3 0 0 6 7
4 6 7
4 5 6 7
Из свойства 1 вытекает
Следствие. Определитель треугольной матрицы равен
произведению диагональных элементов:
a11 a12  a1n
0 a22  a2 n
 a11  a22  ...  ann .
   
0 0  ann

Свойство 2. Величина определителя не изменится, если его


строки заменить на соответствующие столбцы, т. е. A  A . T

Это свойство также может быть доказано по индукции на


основании свойства 1. В самом деле, разложение A по 1-ой строке
T

совпадает с разложением A по 1-му столбцу, если учесть, что в силу


предположений индукции соответствующие миноры не меняются при
транспонировании. В случае n  3 в этом свойстве легко убедиться,
вычислив непосредственно A и A . T

Свойство 2 означает равноправность строк и столбцов


определителя, что позволяет последующие свойства определителя,
присущие строкам и столбцам, обосновывать либо только для строк,
либо для столбцов.
28

Свойство 3. Общий множитель строки или столбца можно


выносить за знак определителя.
Свойство 3 вытекает из формул (1.4.1) и (1.4.2).
Свойство 4. Если в матрице А одна строка (или столбец)
нулевая, то определитель такой матрицы равен 0.
Для доказательства свойства 4 достаточно разложить
определитель по этой нулевой строке.
Свойство 5. Пусть каждый элемент какой-нибудь строки
(столбца) определителя есть сумма двух слагаемых, тогда такой
определитель равен сумме двух определителей, причем в одном из
них соответствующая строка (столбец) состоит из первых слагаемых,
в другом – из вторых слагаемых.
Для доказательства свойства 5 достаточно применить формулу
разложения определителя по строке (столбцу), содержащей сумму
двух слагаемых.
Так, при n  3 имеем
  a11
a11  a12 a13
 a22 a23   a11
  a21
A  a21   A11   a21
  a11   a21  A21   a31   A31 
  a31
  a31
a31  a32 a33
 A11  a21
 a11  A21  a31
 A31  a11  A11  a21
 A21  a31 A31 
 a12 a13 a11
a11  a12 a13
 a22
 a21  a22
a23  a21 a23 .
 a32
a31 a33 a31 a32 a33

Аналогично для других столбцов (строк).


Свойство 6. При перестановке двух строк (столбцов) местами
определитель меняет знак на противоположный.
Выполнение этого свойства при n  2 очевидно. Пусть n  2 и
предположим, что свойство верно для n  1 . Разложим определитель
по строке, отличной от переставляемых. Тогда переставленные
строки входят в каждый минор формулы (1.4.1) или (1.4.2), которые
являются определителями (n  1) -го порядка. При перестановке строк
каждый минор поменяет знак на противоположный, значит и A
изменит знак.
29

Свойство 7. Если в матрице две строки (два столбца) одинаковы


или пропорциональны друг другу, то определитель такой матрицы
равен нулю.
Действительно, если две строки пропорциональны, то вынося
общий множитель за знак определителя, мы получим определитель с
двумя одинаковыми строками. При перемене местами таких строк его
величина не изменится, а с другой стороны, по свойству 6, он
поменяет знак на противоположный. Это возможно только в том
случае, когда A  0 .
Свойство 8. Определитель матрицы не изменится, если к
элементам какой-либо строки (столбца) прибавить соответствующие
элементы другой строки (столбца), умноженные на одно и то же
число.
В самом деле, если измененный таким образом определитель
разложить на сумму двух по свойству 5, то один из них будет
определителем исходной матрицы, а другой – определитель матрицы
с двумя пропорциональными строками, а значит, в силу свойства 7,
равный нулю.
Например, пусть
a11 a12 a13 a11  ka13 a12 a13
A  a21 a22 a23 и A  a21  ka23 a22 a23 .
a31 a32 a33 a31  ka33 a32 a33
Тогда
a11 a12 a13 ka13 a12 a13
A  a21 a22 a23  ka23 a22 a23  A .
a31 a32 a33 ka33 a32 a33

Свойство 8 позволяет преобразовать матрицу к ступенчатому


или к треугольному виду, определитель которой легко считается
согласно следствию из свойства 1.
Пример 2. Вычислить определитель из примера 1, используя
свойства определителя.
Решение. Вычтем из элементов 2-ой строки элементы 1-ой,
умноженные на 6, и сложим элементы 3-й строки с элементами 1-ой,
умноженной на 5, получаем
30

1 2 3 1 2 3
A  6 4 0  0 16  18 .
5 7 1 0 3 14

А теперь разложим последний определитель по элементам 1-го


столбца:
16  18
A  1  16  14  3  18  170 .
3 14

Пример 3. Вычислить определитель, используя свойство 8.


Решение.
1 1 1 1 1 1 1 1
2 3 1 2 0 1 3 4
3 3 7 5

0 0 4 2
 8 .
4 4 4 2 0 0 0 2

Здесь мы прибавили ко 2-ой, 3-ей и 4-ой строкам 1-ую,


умноженную на (–2), (–3) и (–4) соответственно.
Пример 4. Вычислить определитель Вандермонда4
1 1  1
1 2  n
Vn  12  22  n2 ,
   
1n 1  2 n 1   n n 1
где i  – заданные вещественные числа, 1  i  n, n  1 .
Решение. Вычтем из последней n-ой строки предпоследнюю
 n  1 -ую, умноженную на 1 , из предпоследней вычтем  n  2  -ую,
умноженную на 1 , и т. д. Получим определитель
1 1  1
0  2  1   n  1
Vn  0  22   21   n 2   n1 
   
0  2 n 1   2n  21   n n 1   n n  21

4
 Вандермонд Шарль Огюст (Александр Теофил) (28.02.1735 – 01.01.1796) – французский
математик. Впервые дал логически четкое изложение теории определителей.
31

 2  1   n  1
 2 ( 2  1 )   n ( n  1 )
 1 ,
  
n 2
 2 ( 2  1 )   n n  2 ( n  1 )

который мы разложили по элементам 1-го столбца.


Вынесем за знак полученного определителя общий множитель
первого столбца – число ( 2  1 ) , второго столбца – число (3  1) и
т. д.

В результате получим
1  1
2  n
Vn  ( n  1 )( n 1  1 ) ( 2  1 ) 
  
2n2  nn2
n
  ( i  1 )Vn 1 ,
i 2

где Vn 1  – определитель Вандермонда, аналогичный исходному, но


только на порядок меньший.
С ним поступим аналогичным образом, т. е.
n
Vn 1   (i   2 )Vn  2 т. д.
i 3
Тогда
n n
Vn   (i  1 ) (i   2 ) ( n   n 1 )   ( i   j ) .
i2 i 3 n i  j 1

В частности, получаем, что Vn  0 тогда и только тогда, когда


среди i , i  1, 2, , n , есть равные, т. е. когда в определителе
Вандермонда есть одинаковые столбцы. В противном случае Vn  0 .
Данный пример будет неоднократно встречаться в дальнейшем.
В силу перечисленных свойств практически любой
определитель можно привести к треугольному виду.
Любопытно, что название, общая форма и приведенные здесь
вычисления определителя Вандермонда принадлежат Огюсту Коши5.
В архивах Вандермонда найден такой определитель лишь третьего
порядка. Имеем явное свидетельство глубокого уважения
 Коши Огюст Луи (21.08.1789 – 23.05.1857) – французский математик, автор более 700
5

работ, в которых заложил основы современной математики.


32

знаменитого математика к трудам практически забытого ныне


ученого.

§ 1.5. Теорема Лапласа6, альтернативное


и мультипликативное свойство определителей

Продолжим список важнейших свойств определителей.


Свойство 9. Сумма произведений элементов какой-либо строки
(столбца) определителя на алгебраические дополнения к элементам
другой строки (столбца) равна нулю:
ai1 A j1  ai 2 A j 2  ...  ain A jn  0 , если i  j .

Доказательство. Сумма произведений элементов i-ой строки на


алгебраические дополнения элементов j-ой строки, i  j , равна
а11 а12 ... а1n
... ... ... ...
аi1 аi 2 ... аin
ai1 A j1  ai 2 A j 2  ...  ain A jn  ... ... ... ... ,
а j1 а j 2 ... а jn
... ... ... ...
аn1 аn 2 ... аnn
Тем самым мы вычисляем определитель, который получается из
A заменой j-ой строки элементами i-ой строки. Так как у
полученного определителя две строки одинаковы, то согласно
свойству 7 этот определитель равен нулю.
Свойство 9 вместе со свойством 1 обеспечивают
Свойство 10 (альтернативное свойство определителя):
n  A , i  k,
 ij ij ij
a A   A  
j 1  0, i  k ,

6
 Лаплас Пьер Симон (23.03.1749 – 05.03.1827) – французский математик, физик, астроном.
33

n  A , j  s,
 ij is is
a A   A  
i 1  0, j  s.
1, i  j ,
 
где ij   – так называемый символ Кронекера7.
0, i  j,
Обобщением свойства 1 является теорема Лапласа. Для ее
формулировки необходимо ввести следующее понятие.
 
Пусть в квадратной матрице A  aij порядка n  1 выделено k
строк и k столбцов, 1  k  n . Дважды вычеркнутые элементы
образуют подматрицу k  k . Ее определитель M k называется
минором k -го порядка матрицы A . Ни разу не вычеркнутые
элементы матрицы A образуют квадратную матрицу порядка  n  k  .
Ее определитель Dn k называется минором, дополнительным к
минору M k . Если минор M k расположен в строках с номерами
i1, i2 ,..., ik и в столбцах с номерами j1, j2 ,..., jk , то для

  i1  i2  ...  ik  j1  j2  ...  jk величина Ak   1  Dn k
называется алгебраическим дополнением к минору M k .
Пример 1. Пусть дана следующая 6  6 матрица
1 2 3 4 5 
6 7 8 9 8
 
A   7 6 5 4 3 .
 
 2 1 2 3 4 
5 6 7 8 9
 
Пусть i1  2, i2  3, i3  5, j1  1, j2  3, j3  5 . Тогда

7
 Кронекер Леопольд (07.12.1823-29.12.1891) – немецкий математик, профессор Берлинского
университета, академик Берлинской АН.
34

6 8 8 1 1 1 1 0 0
M 3  7 5 3  1 3 5  1 4 4  8  4 14  4  2  14   48.
5 7 9 5 7 9 5 2 14
7 9
Дополнительный минор D2   21  9  12 и алгебраическое
1 3
дополнение A3  D2  12.
Свойство 11. (Теорема Лапласа). Если в матрице A выделить
k строк ( k столбцов), то определитель матрицы A равен сумме
произведений всевозможных миноров M kt в выделенных строках
(столбцах) на их алгебраические дополнения:
A   M kt Akt .
Теорема Лапласа не рассчитана на бездумное применение,
которое неизбежно заведет в вычислительные дебри. Ведь только
одних миноров в k строках имеется
n! n  n  1  ...   n  k  1
Cnk   .
k ! n  k  ! k   k  1  ...  2 1
Теорему Лапласа разумно применять лишь для матриц,
содержащих достаточно много нулей, группирующихся по строкам и
столбцам.
Пример 2. Вычислить определитель
0 1 2 0
3 4 5 6
A .
7 8 9 1
0 2 3 0
Решение. Выделим 1-ую и 4-ую строки. В них расположен
1 2
единственный отличный от нуля минор M 2   1.
2 3
3 6
Дополнительный минор D2   39, алгебраическое
7 1
35

1 4  2 3
дополнение A2   1  D2  39. Тогда
A  M 2  A2   1   39   39.
Пример 3. Вычислить определитель матрицы
1 2 3 4 5 6 
7 8 9 1 2 3 
 
 0 0 4 5 6 7
A .
 0 0 8 9 1 2 
 0 0 0 0 3 4
 
 0 0 0 0 5 6 
Решение. В первых двух столбцах матрицы A имеется
1 2
единственный минор M 2   8  14  6 , отличный от нуля.
7 8
Поэтому вычисление определителя этой матрицы удобно
осуществить с применением теоремы Лапласа, выделив именно
первые два столбца матрицы. Тогда
4 5 6 7 4 5 6 7
1 2 1 21 2 8 9 1 2 8 9 1 2
A    1    6   .
7 8 0 0 3 4 0 0 3 4
0 0 5 6 0 0 5 6
В первых двух столбцах вновь полученного определителя 4-го
порядка расположен единственный определитель
4 5
M 2   36  40  4  0 .
8 9
Поэтому
4 5 6 7
8 9 1 2 4 5 1 23 4 3 4
   1    4    18  20   8 .
0 0 3 4 8 9 5 6
0 0 5 6

Отсюда A  6  8  48 .
36

Свойство 12. (Мультипликативное свойство определителя).


Определитель произведения матриц равен произведению
определителей матриц-сомножителей:
det  A  B   det A  det B .

Доказательство. Так как квадратные матрицы A и B можно


перемножить друг на друга, то они обязательно согласованы – их
порядки совпадают. Из матриц A и B одинакового порядка n
составим «квазитреугольную» матрицу F порядка 2n :
 a11 a12 ... a1n 0 0 ... 0
a a ... a 0 0 ... 0 
 21 22 2 n 
 ... ... ... ... ... ... ... ... 
 
F 
an1 an 2 ... a nn 0 0 ... 0  A 0
 .
 1 0 ... 0 b11 b12 ... b1n    1  En B 
 
 0  1 ... 0 b21 b22 ... b2n 
 ... ... ... ... ... ... ... ... 
 
 0 0 ...  1 bn1 bn2 ... bnn 

В силу теоремы Лапласа, определитель F  A  B .


Применим к матрице F элементарные преобразования, не
изменяющие значения ее определителя: к 1-ой строке прибавим
 n  1 -ую, умноженную на a11 ,  n  2  -ую, умноженную на a12 , …,
2n -ую, умноженную на a1n ; затем ко 2-ой строке прибавим  n  1 -
ую, умноженную на a21 ,  n  2  -ую, умноженную на a22 , …, 2n -ую,
умноженную на a2n ; …; наконец, к n -ой строке прибавим  n  1 -ую,
умноженную на an1 ,  n  2  -ую, умноженную на an 2 , …, 2n -ую,
умноженную на ann .
В итоге получим матрицу
 0 C 
G ,
  1   En B 
где C  A  B .
37

Согласно теореме Лапласа


n 1 23... n  n 1 2... 2 n
G  C   1   1 
1 2 n
2 n n

 A  B   1 
2 n 2 2 n 
 A  B   1  A B .

Поскольку G  F  A  B  A B , то имеем полное


доказательство свойства 12.

§ 1.6. Обратная матрица

Пусть A  – квадратная матрица порядка n . Если существует


матрица B порядка n такая, что
AB  BA  E , (1.6.1)
где E  – единичная матрица, то B называется матрицей обратной к
матрице A .

1.6.1. Основные свойства обратной матрицы


Свойство 1. Если обратная матрица для матрицы A существует,
то она единственна.
Доказательство. Пусть существует две матрицы B и C ,
обратные A , т. е. BA  AB  E и CA  AC  E .
Тогда BAC  ( BA)C  EC  C , но BAC  B( AC )  BE  B , следовательно,
B  C , что и требовалось доказать.
В силу единственности обратной матрицы принято обозначение
для нее A1 . Таким образом,
A1 A  A A1  E . (1.6.2)
Свойство 2. Если det A  0 , то обратной матрицы A1 не
существует.
Доказательство. Пусть у матрицы A существует A1 . Тогда
выполняется соотношение (1.6.2). Согласно свойству 12 
определителей:
A  A1  A  A1  E  1. (1.6.3)
38

Равенство (1.6.3) возможно только в случае, когда A  0.


Свойство 2 доказано.
Свойство 3. Если обратная матрица A1 существует, то
1
A1  .
A
Доказательство данного свойства следует из равенства (1.6.3).
Свойство 4. Пусть A  – обратимая матрица. Тогда A1 также

 
1
обратима и A1  A.
Доказательство вытекает из равенства (1.6.2).
Свойство 5. Пусть A и B  - обратимые матрицы данного
порядка n . Тогда A  B  – обратимая матрица и
 AB  1  B 1  A1 .
Доказательство вытекает из свойства 1 и ассоциативности
умножения матриц, так как
 B1  A1   A  B   B1  A1  A B  B1  E  B  B1  B  E
Свойство 6. Квадратная матрица A имеет обратную тогда и
только тогда, когда det A  0 . В этом случае обратная матрица
задается формулой:
1
A1   C T , (1.6.4)
A
где C  – союзная с A матрица (присоединенная к A матрица), то есть
матрица из алгебраичеких дополнений Aij ко всем элементам aij
матрицы A :
 A11 A21  A1n 
A A  A 
C  21 22 2 n . (1.6.5)
    
 
A
 n1 An2  Ann 
Доказательство. Вычислим произведение A и C T :
39

 a11  a1n   A11  An1 


D  AC T              dij .  
a   
 n1  ann   A1n  Ann 
Согласно определению произведения матриц, элемент dij
матрицы D равен сумме произведений элементов i -ой строки
матрицы A на соответствующие элементы j -го столбца матрицы C ,
поэтому
dii  ai1 Ai1    ain Ain  det A

в силу свойства 9 определителей.


Для остальных элементов
dij  ai1 A j1    ain A jn  0, i  j ,
в силу альтернативного свойства определителей.
Следовательно,
 det A 0  0
 0 det A  0 
T 
D  AC   det A  E .
    
 
 0 0  det A 

Аналогично проверяется, что C T  A  det A  E .


Таким образом, доказано, что AC T  C T  A  det A  E .
Свойство 6 полностью доказано.

1.6.2. Явная формула обратной матрицы и ее применение


Итак, явная формула обратной матрицы имеет вид:
 A11 A21  An1 
 An 2 
1 1 T 1  A12 A22 
A  C  . (1.6.6)
det A A    
 
 A1n A2n  Ann 

Из вышеизложенного вытекает следующий алгоритм


нахождения обратной матрицы.
1. Находим det A . Если det A  0 , то A1 не существует.
40

2. Если det A  0 , то составляем союзную матрицу C из


алгебраических дополнений Aij ко всем элементам aij матрицы A .
3. Записываем
1
A1  CT .
det A
 1 1 0
 
Пример 1. Найти матрицу, обратную к A   1 3 4 .
 1 2 2 

Решение.
1 1 0
1.  det A   1 3 4  8  0 .
1 2 2

2. Находим алгебраические дополнения ко всем элементам


матрицы A
3 4 1 0
A11  (1)11  2 A21  ( 1) 2 1
; 2 ;
2 2 2 2
1 0 1 4
A31  ( 1)31  4 A12  ( 1)1 2
; 6 ;
3 4 1 2
1 0 1 0
A22  (1) 2  2  2 A32  ( 1)3 2
;  4 ;
1 2 1 4
1 3 1 1
A13  ( 1)1 3  5 A23  ( 1) 2  3
;  3 ;
1 2 1 2
1  1
A33  ( 1)3 3 2 .
1 3
Значит,
 2 6 5   2 2 4 
C   2 2 3  ; C T   6 2 4  .
 4 4 2   5 3 2 
   
3. Находим A :
1

 2 2  4   0,25  0,25 0,5 


1 1    
A    6 2  4     0,75  0,25 0,5  .
8 
5 3 2   0,625 0,375  0,25 

Итак, определитель определяет существование обратной


матрицы и обеспечивает ее вычисление по формуле (1.6.4).
Рассмотрим альтернативный метод нахождения обратной
матрицы.

1.6.3. Метод элементарных преобразований нахождения


обратной матрицы
41

Нахождение обратной матрицы к квадратным матрицам порядка


n  4 по явной формуле требует вычисления n 2 определителей  n  1
-ого порядка. Это составляет достаточно большой объем
однообразных вычислений.
Как и вычисление определителей нахождение обратной матрицы
можно реализовать с помощью элементарных преобразований данной
матрицы. Рассмторим более подробно данную методику.
 
Пусть А  аij  – квадратная матрица порядка n , пусть X  xij    
– обратная к ней матрица с неизвестными пока элементами xij . По
определению A X  En . В развернутом виде данное матричное
равенство эквивалентно следующей совокупности крамеровских
СЛАУ:
1  0  0 
0  1  0 
     
A X1   0  ; A X 2   0  ;…; A X n   0  ,
     
...
  ...
   ... 
0  0  1 
     
где X i   xi1, xi 2 ,..., xin  T , i  1; 2;...; n .
Если A  0 , то каждая из этих СЛАУ имеет единственное
решение, согласно правилу Крамера. Применим ко всей
совокупности систем один и тот же метод Жордана-Гаусса.
Поскольку данные системы отличаются только правыми частями, то
объединенная расширенная матрица для всех систем сразу имеет вид:

A   A E  .

«Прогонки вверх и вниз» матрицы A преобразуют ее к


единичной, а следовательно, эквивалентны умножению расширенной
матрицы A на матрицу A1 . Поэтому в итоге «прогонок» мы
1
получаем из A автоматически матрицу E A .  
Пример 1. Найти методом элементарных преобразований
матрицу, обратную к матрице
42

 1 1 0 
A   2 3 4  .
 1 2 2
 
Решение. Составим расширенную матрицу
 1 1 0 1 0 0 
 
A   2 3 4 0 1 0  .
 1 2 2 0 0 1
 
Первую строку вычтем из 3-ей, умножим на 2 и прибавим ко
второй. Получим
 1 1 0 1 0 0
 
0 1 4 2 1 0 .
0 3 2 1 0 1 

Вторую строку прибавим к 1-ой, к третьей строке прибавим
вторую, умноженую на (-3). Получим
1 0 4 3 1 0
 
 0 1 4 2 1 0 .
 0 0 10 7 3 1 
 
1
Третью строку умножим на (- ). Затем умножим ее на (-4) и
10
прибавим к 1-ой и 2-ой строкам. Получим:
 1 0 0 0, 2 0, 2 0, 4 

 0 1 0 0,8 0, 2 0,
 0 0 1 0, 7 0,3 0,1
4

  E A 1
 
 
§ 1.7. Решение невырожденных линейных систем.
Правило Крамера8

Пусть дана система n линейных уравнений с n неизвестными


8
 Крамер Габриэль (31.07.1704 – 04.01.1752) – швейцарский математик, заложил основы
теории определителей.
43

 a11 x1  a12 x2    a1n xn  b1,


a x  a x    a x  b ,
 21 1 22 2 2n n 2
 (1.7.1)


 an1x1  an 2 x2    ann xn  bn .

Если det A  0 , где матрица A составлена из коэффициентов при


неизвестных
 a11 a12  a1n 
 
 a21 a22  a2 n 
A ,
   
 
 an1 an 2  ann 

то система (1.7.1) называется невырожденной или крамеровской.


Запишем систему (1.7.1) в виде:
AX  B , (1.7.1*)
где X   x1, x2 , , xn  T
, B   b1, b2 , , bn  T
.
Найдем решение системы (1.7.1*), умножив равенство (1.7.1*)
слева на A1 :
A1 AX  A1B .

Так как A1 A  E , EX  X , то получим решение в матричном виде:


X  A1B . (1.7.2)
Итак, доказана следующая
Теорема 1. Всякая крамеровская система (1.7.1) имеет
единственное решение (1.7.2).
Распишем матричное равенство (1.7.2) с учетом формулы (1.6.6)
для обратной матрицы:
 x1   A11 A21  An1   b1 
x  A A A  b 
 
2 1  12 22  n 2   2 .
   det A         
    
x
 n A
 1n A2n  A nn   bn 

Отсюда получим окончательно решение системы (1.7.1)


44

 1 1
 x1   b1 A 11  b2 A 21    b n A n 1   ;
det A 

 x  1  b A  b A    b A    2 ;
2 1 12 2 22 n n2
 det A 
........................................................................ (1.7.3)

 x  1  b A  b A    b A   n ,
 n det A 1 1n 2 2n n nn

где   det A, i  b1 A1i    bn Ani есть определитель, полученный из


определителя матрицы A заменой i-го столбца столбцом из
свободных членов.
Таким образом, доказана
Теорема 2. (Правило Крамера). Всякая крамеровская система
(1.7.1) имеет единственное решение, задаваемое формулами (1.7.3).
Формулы (1.7.3) называются формулами Крамера. Они
получены в результате предположения, что det A  0 .
Пример 1. Получить решение системы матричным способом:
3 x1  5 x2  2 x3  1,

 x1  3 x2  2 x3  0,
6 x  7 x  3 x  1.
 1 2 3

Решение.
1. Вычислим определитель
3 5 2
det A  1 3 2  10  0 ;
6 7 3

2. Вычислим A1 , для чего найдем алгебраические дополнения


A11  5; A21  1; A31  4; A12  15; A22  3; A32  8;

A13  25; A23  9; A33  14;


 5 1 4
1 1  
A   15 3 8 ;
10 
 25 9  14 
3. Запишем решение в матричном виде
45

 1
 x1   5 1  1  0  4  (1)   0,9;
 x1   5 1 4  1   10
 x    15 3  8  0    x  1 15 1  3  0  8  (1)  2,3;
1
 2  10     2 10  
x   25 9 14  1  
 3     1
 3 10  25  1  9  0  14  (1)   3,9.
x 

Теория систем линейных алгебраических уравнений лежит в
фундаменте математического образования ввиду широчайшего
спектра применений как в самой математике, так и в ее приложениях.
Приведем типичный пример – расчет простейших электрических
цепей, где требуется рассчитать контурные точки в электрической
схеме (рис. 1.1).
8 1

I2 10 I3
4 15
I2
E=40 в
Рис. 1.1. Пример простейшей электрической цепи
Прямоугольниками здесь обозначены резисторы, цифры указывают
на величину их сопротивления; I1 , I 2 , I 3  – токи, подлежащие
определению.
Для решения задачи воспользуемся вторым законом Кирхгофа,
согласно которому сумма ЭДС и падений напряжения вдоль
замкнутого контура цепи равна нулю. Следовательно, для контуров
имеем уравнения:
для первого контура: 4 I1  4 I 2  15I1  15I3  40 ;
для второго контура: 4I 2  4 I1  8I 2  10I 2  10I3  0 ;
для третьего контура: 10 I3  I3  10 I 2  15I3  15I1  0 .
Приведя подобные и решив систему любым из рассмотреных
методов, получим
I1  7,86 А; I 2  4, 23 А; I3  6,192 А .
46