132

ГЛАВА IV. ЛИНЕЙНЫЕ (ВЕКТОРНЫЕ) ПРОСТРАНСТВА

§ 4.1. Линейные пространства, определение, примеры

Гибкий язык векторной алгебры и средства аналитической

геометрии нашли применение в математике, механике, физике и
других науках. Росло количество объектов в сфере математики по
своим свойствам схожих с классическими векторными
пространствами. В попытках охватить их единым взором родилось
понятие, выражаемое следующим определением.
Пусть V  – непустое множество, элементы которого будем

называть векторами и обозначать латинскими буквами a , b , c .
Предположим, что на множестве V  – заданы:
1) операция сложения,
 
т. е. любой паре элементам a , b множества V поставлен в

соответствие по какому-то закону третий элемент c из V ,
  
называемый их суммой: c  a  b ;
2) операция умножения векторов на вещественные числа, 

т. е.  R и a V поставлен в соответствие элемент  a из V ,
называемый произведением числа  на вектор a .
Пусть названные операции удовлетворяют следующим
условиям (аксиомам линейного пространства):
     
1.  a  (b  с )  (a  b )  с  – ассоциативность сложения;
     
2. Существует
 элемент 0 V такой, что  0  0  a  a для
a
любого a V ; 

3. Для любого a  V существует b V , называемый
   
противоположным для a , такой, что a  b  0 ;
   
4.  a  b  b  a  – коммутативность
 сложения;
5.  ( )a  a a для любого a V , для произвольных , R ;
    
6.  (a  b )  a  b для любых a, b V , для произвольного
 R ;   
7.  ( a ) ()a для любого a V , для произвольных , R ;

8. 1 a  a для любого a V .
Тогда V называется линейным (векторным) пространством
(ЛВП).
 133

Пример 1. Множество R3 всех свободных векторов (см. § 2.1)

образует линейное пространство.
Пример 2. Множество всех M mn  R  вещественных матриц
Amn (см. § 1.1) образует линейное пространство.
Пример 3. Множество всех непрерывных на отрезке [ a; b]
функций, обозначаемое C[ a ,b] , образует ЛВП, так как сумма функций
f ( x)  g ( x) и произведение числа   R на f ( x) , т. е.  f ( x ) также
принадлежит этому множеству. Аксиомы 1–8 с очевидностью
выполняются, при этом нулевым элементом является нулевая
функция f ( x)  0 x   a, b  .
Пример 4. Обобщением пространства R3 является пространство
Rn , n  N , элементами которого являются упорядоченные

совокупности по n произвольных действительных чисел a (a1,..., an ) .
 
Пусть a (a1,..., an ), b (b1,..., bn )  Rn . Определим сложение векторов
и умножение чисел на векторы по следующим правилам:
    
a  b  (a1  b1,..., an  bn ), a  (a1,..., an ) .

R
Нулевым элементом в n является вектор 0(0,...,0) . Выполнение
аксиом 1–8 проверяется легко.
Пространство Rn , n  N , называют арифметическим n -мерным
пространством.
Пример 5. Множество 
C  a  bi i 2  1; a, b  R  всех
комплексных чисел является линейным пространством.
Пример 6. Совокупность всех сигналов одной природы
образует линейное векторное пространство.
Действительно сигнал – это физический процесс, несущий или
передающий информацию. Эта информация зависит от одного или
нескольких параметров. Для теоретического изучения сигнала нужен
не весь сигнал, а несущий информацию параметр, т. е.
математическая модель сигнала. Поэтому, абстрагируясь от
физического содержания, под сигналом понимают функции
s (t ), u (t ), f (t ),... , аргументами которых является время t . С этой точки
зрения типичными сигналами являются напряжение на зажимах
электрической цепи или ток в цепи.
 134

Сигналы одной природы можно складывать, умножать на них

вещественные числа, т. е. действовать обычными математическими
функциями. Поэтому в силу примера 3 сигналы одной природы
образуют линейное векторное пространство. Типичный конкретный
пример – совокупность простейших гармоник, т. е. функций вида
s (t )  A cos(t  ) , где A  – амплитуда, A  0, A  R , фаза   – любое
вещественное число, частота  фиксирована.
  A cos(t  ),   0;
Тогда  s (t )  
 |  | A cos(t    ),   0;
s1(t )  s2 (t )  A1 cos(t  1)  A2 cos(t  2 )  A3 cos(t  3 ),
A1 sin 1  A2 sin 2
где A3  A12  A22  2 A1 A2 cos(1  2 ) ; 3  arctg ,
A1 cos 1  A2 cos 2

т. е. s  t  и s1(t )  s 2 (t ) так же являются простейшими гармониками.

Мы осуществили первое знакомство с понятием линейного
пространства. Это основной объект целого математического
направления  – линейной алгебры. По сути дела, линейная
алгебра – алгебраическое обобщение классических векторной
алгебры и элементов аналитической геометрии.
Следует еще раз напомнить, что элементами линейного
векторного пространства могут быть не только классические векторы,
но и объекты любой другой природы: функции, матрицы, сигналы и
многое-многое другое.

§ 4.2. Подпространства

Пусть V  – произвольное линейное пространство. Непустое

подмножество W  V , называется подпространством, если W , в
свою очередь, является линейным пространством относительно тех
же операций, которые заданы на V .
Пример 1. Каждое ЛВП V содержит «наименьшее»

подпространство. Оно состоит из одного единственного вектора 0 .
Разумеется, далеко не всякое подмножество W из ЛВП V будет
подпространством.
 135

Следующее утверждение содержит необходимые и достаточные

требования к подмножеству W , чтобы оно было подпространством.
Теорема 1 (критерий подпространства).
Непустое подмножество W  – является подпространством
линейного пространства V тогда и только тогда, когда
  
1) для любых a , b  W их сумма a  b принадлежит W ;
 
2) для любых   R и a  W элемент a принадлежит W ;
то есть тогда и только тогда, когда вместе с двумя любами своими

векторами a, b V содержит и всякую их линейную комбинацию
 
 a  b для произвольных чисел ,  R .
Доказательство достаточно провести лишь в одну сторону: из
условий 1 и 2 вывести, что W  – ЛВП. Действительно, из условия 2
 
 
  
следует, что если a W , то 0  a  0W и 1  a   a также
принадлежит W , т. е. нулевой вектор принадлежит W , и каждый
 
вектор a W имеет противоположный a W . Все остальные
аксиомы линейного пространства справедливы для подпространства
W , так как они выполняются в V , а W  V .
Пример 2. Из § 2.1 имеем следующую цепочку подпространств
пространства R3 : R1  R2  R3 . Здесь R1  – множество всех свободных
векторов, параллельных конкретной прямой, скажем, оси Ox ; R2  
– множество всех свободных векторов, параллельных конкретной
плоскости, например, плоскости Oxy .
Пример 3. Подмножество W всех векторов плоскости Oxy
(пространства R2 ), выходящего из начала координат в 1-ую четверть,
не является подпространством, так как 2-ое требование критерия не

выполняется для отрицательных  : для вектора a   1,1 W вектор

2 a   2,  2  W .
  
Пример 4.  Пусть L  u1, u2 ,..., uk   – множество всевозможных
  
сумм 1u1   2u2  ...   k uk , i  R, i 1,2,..., k . Множество L
  
называют линейной оболочкой векторов u1, u2 ,..., uk . Несложная
проверка показывает, что L удовлетворяет критерию
подпространства и, следовательно, является подпространством
пространства V .
 136

Пример 5. Пересечение U1 U 2 подпространств U1 и U 2

данного пространства V также является подпространством в силу
критерия подпространства.
Пример 6. Сумма U1  U 2   u1  u2 u1 U1, u2 U 2  двух
подпространств также является подпространством в силу теоремы
(критерия подпространства).

 
Если при этом U1 U 2  0 , то сумма U1  U 2 называется
прямой. Если же при этом U1  U 2  V , то говорят, что V является
прямой суммой подпространств U1 и U 2 . К примеру, R2  – плоскость
является прямой суммой любых двух различных одномерных
подпространств R1 и R1 .
Пример 7. Множество R[ x] всех полиномов с вещественными
коэффициентами является подпространством в пространстве C( ; )
, так как сумма двух многочленов и произведение числа   R на
многочлен есть полином и непрерывная функция.
Пример 8. Пусть n  – фиксированное натуральное число, и W  
– подмножество R [ x ] , состоящее из всех полиномов степени n (и,
значит, не содержащее полиномов ни большей, ни меньшей степени).
Множество W не является подпространством R [ x ] , так как сумма
двух многочленов степени n не всегда является многочленом той же
степени. К примеру, пусть f ( x)  1  x n и g ( x)  1  x  x n , их сумма
есть многочлен 1-й степени: f ( x)  g ( x)  2  x .
Подмножество U всех полиномов степени, не превосходящей n
, является подпространством пространства R [ x] , так как
удовлетворяет всем условиям теоремы 1.
Пример 9. Подмножество S симметрических матриц (см § 1.1)
в пространстве M n  R  квадратных матриц удовлетворяет критерию
подпространства и, следовательно, является линейным
пространством. Подпространством является и множество K всех
кососимметрических матриц пространства M n  R  .
Упражнение 1. Доказать, что M n  R  есть прямая сумма своих
подпространств S и K .
 137

Понятие подпространства расширяет разнообразие примеров

ЛВП, обогащая и насыщая наши представления о линейных
пространствах.
Невозможно охватить небольшим списком весь спектр
линейных пространств. Примеры ЛВП будут появляться в
дальнейшем и в курсе математики, и в технических дисциплинах.
Назовем некоторые из них: множество решений линейных
однородных алгебраических уравнений, решений однородных
линейных дифференциальных уравнений, множества
дифференцируемых функций, интегрируемых на отрезке функций,
разложимых в абсолютно сходящиеся ряды Тейлора, множество
сигналов, линейные коды и многое другое.

§ 4.3. Линейная зависимость векторов

Пусть V  – произвольное линейное пространство.

Будем говорить, что система векторов пространства V
  
u1, u2 ,..., un линейно зависима, если существуют такие числа
1,  2 ,...,  n , одновременно не равные нулю, что выполняется
равенство
   
1u1   2u2  ...   nun  0. (4.3.1)
Если же равенство (4.3.1) выполняется тогда и только тогда,
  
когда все i  0 (i  1,2,..., n) , то система векторов u1, u2 ,..., un
называется линейно независимой.
   
Пример 1. Любая система векторов u1, u2 ,..., un ,0 , содержащая
нулевой вектор, линейно зависима. 
  
Действительно, сумма 0  u1  0  u2  ...  0  un    0,   0 ,
очевидно, равна нулю, хотя и имеет ненулевой коэффициент.
 
Пример 2. Любая пара u1, u2 коллинеарных векторов линейно
зависима.
 
В самом деле, если u2  0 , то в силу критерия коллинеарности
    
u1  u2 ,   R . Тогда равенство (4.3.1) имеет вид 1  u1  u2  0, где
1  1,  2  ;  1,  2    0,0  .
 138

Пример 3. Любая тройка компланарных векторов линейно

зависима (см. следствие из теоремы 2 гл. II). Сама же теорема
фактически устанавливает линейную зависимость любой четверки
векторов линейного пространства R3 .
  
Теорема. Система векторов u1, u2 ,..., un линейного пространства
линейно зависима тогда и только тогда, когда один из ее векторов
является линейной комбинацией остальных.
  
Доказательство. Пусть система векторов u1, u2 ,..., un линейно
зависима, т. е. справедливо равенство (4.3.1), где хотя бы один из
коэффициентов  k не равен нулю.
Пусть i  0 ,1  i  n , тогда
        
ui   1 u1  ...  i 1 ui 1  i 1 ui 1  ...  n un ,
i i i i
    
т. е. вектор ui есть линейная комбинация векторов u1,..., ui 1, ui 1..., un .

Обратно, если какой-то вектор, например un , есть линейная
комбинация остальных векторов:
   
un  c1  u1  c2  u2  ...  cn 1  un 1 ,
то справедливо равенство
    
c1  u1  c2  u2  ...  cn 1  un 1  1 un  0 ,

в котором есть отличные от нуля коэффициенты ci , к примеру,

cn  1  0 .
Теорема доказана.
Следствие. Всякая система векторов, содержащая линейно
зависимую подсистему, является линейно зависимой системой.
Теорема позволяет привести ряд примеров линейно
независимых систем векторов. Так, в пространстве R3 любая тройка
некомпланарных векторов линейно независима. Иначе бы один из
векторов выбранной тройки выражался линейно через остальные два,
значит, такая тройка была бы компланарной. С учетом примера 3 мы
видим, что в пространстве R3 максимальное число линейно
независимых векторов равно трем.
 139

Аналогично, любая пара неколлинеарных векторов образует

линейно независимую систему.
Рассмотрим линейное пространство Rn (из примера 4).
Выберем в нем следующую систему векторов:
  
e1(1,0,...,0), e2 (0,1,0,...,0),..., en (0,0,...,1) .

Предположим, что существуют такие числа 1,  2 ,...,  n , что

   
1e1   2e2  ...   nen  0
или в развернутом виде:
1 (1,0,...,0)   2 (0,1,...,0)  ...   n (0,0,...,1) 
 (1,  2 ,...,  n )  (0,0,...,0) .

Отсюда следует, что 1   2  ...   n  0 . Это означает

  
линейную независимость системы векторов e1, e2 ,..., en .
Таким образом, в пространстве Rn  n  1 мы указали систему из
n линейно независимых векторов.
Однако есть пространства, в которых существуют бесконечные
линейно независимые системы векторов. По определению,
бесконечная система векторов линейно независима, если линейно
независима любая ее конечная часть.
Пример 4. В пространстве функций C( ; ) , непрерывных на
всей числовой оси, система функций
1, x, x 2 ,..., x n ,... (4.3.2)
образует бесконечную линейно независимую систему.
Для доказательства этого факта возьмем в этой системе любую
конечную систему x k1 , x k2 ,..., x kn с условием ki  k j , если i  j .
Предположим, что выбранная система одночленов линейно
зависима, т. е. существуют такие не равные нулю одновременно
числа 1,  2 ,...,  n , что
1x k1   2 x k2  ...   n x kn  0 . (4.3.3)
 140

Равенство (4.3.3) должно выполняться при любых x  (; ) ,

в частности, при x  1,2, 22 ,...,2n 1 ,то есть должны выполняться
равенства:
1   2  ...   n  0,
 k k k
2 1 1  2 2  2  ...  2 n  n  0,
 2 k1 2 k 2 k
(2 ) 1  (2 ) 2  2  ...  (2 ) n  n  0, (4.3.4)
. . . . . . . . . . . . . .

(2n 1) k1   (2n 1) k2   ...  (2 n 1) kn   0.
 1 2 n

Систему соотношений (4.3.4) можно рассматривать как систему

линейных уравнений относительно неизвестных 1,  2 ,...,  n .
Эта СЛАУ является однородной системой, ее определитель (см.
пример 2 § 3, гл. I)
1 1 ... 1
2k1 2 k2 ... 2 kn

     
2 2 2
2k1 2 k2 ... 2 kn  0.
. . . .

2 
k1 n 1
2 
k2 n 1
... 2 
kn n 1

Значит, согласно правилу Крамера, система (4.3.4) имеет

единственное решение и это решение нулевое: 1   2  ...   n  0 ,
что и доказывает линейную независимость исходной бесконечной
системы функций (4.3.2).

§ 4.4. Эквивалентные системы векторов

     
Две системы векторов a1, a2 ,..., an (1) и b1, b2 ,..., bk (2)
называются эквивалентными, если каждый вектор системы (1) можно
представить в виде линейной комбинации векторов системы (2) и
 141

наоборот – каждый вектор j , j  1, 2,..., k , можно представить в виде
b
линейной комбинации системы (1).
Пример 1. Всякая линейно зависимая система эквивалентна
некоторой своей подсистеме (см. § 4.3).
Отметим, что эквивалентность систем векторов является
транзитивным понятием: если система векторов (1) эквивалентна
системе (2), а та, в свою очередь, эквивалентна (3), то системы (1) и
(3) эквивалентны.
Пример 2. Две любые тройки некомпланарных векторов из R3
эквивалентны (см. § 2.3).
Теорема 1. Пусть системы векторов (1) и (2) эквивалентны и
система (2) линейно независима. Тогда k  n .
Доказательство. Линейно независимая система векторов (2)
должна полностью состоять из ненулевых векторов. Иначе, как
свидетельствует пример 1 § 4.3, она будет линейно зависимой. Тогда
и эквивалентная ей система (1) должна содержать не только нулевые
векторы. Ведь любая линейная комбинация нулевых векторов равна
нулю и ненулевые векторы из системы (2) тогда никак не могут быть
получены.
На основе метода математической индукции покажем, что
система векторов (1) имеет не менее k ненулевых векторов. Отсюда и
будет следовать, что n  k .
Точнее, докажем, что для каждого целого j , 1  j  k , с
точностью до перестановки векторов системы (1) существует система
векторов     
b1, b2 ,..., b j , a j 1,..., an ,  j  2
эквивалентная системе (1) и эквивалентная системе (2).
Сначала 
докажем данное вспомогательное утверждение для
j  1. Вектор b1 в силу эквивалентности систем (1) и (2), линейно
выражается через векторы первой системы:
   
b1 11a1   21a2  ...   n1an . (4.4.1)

для подходящих чисел i1 , i  1, 2,..., n .

 142

Так как b1  0 , то среди коэффициентов i1 обязательно
найдутся ненулевые. Пусть i1  0 . В противном случае, можно было
бы изменить нумерацию векторов системы (1), чтобы добиться
условия: i1  0 . Тогда равенство (4.4.1) можно привести к виду:
 1   21   
a1  b1  a2  ...  n1 an . (4.4.2)
11 11 11
Равенство (4.4.2) означает, что система (1) эквивалентна системе
   
b1, a2 , a3 ,..., an , (3)
то есть системе  j  2  при j  1.
Пусть система (1) эквивалентна (с точностью до перестановки
векторов системы (1)) системе  j  2  для целого j , 1  j  k , и
докажем вспомогательное утверждение для системы  j  1  2  . В
силу транзитивности свойства эквивалентности систем векторов,
система (2) эквивалентна системе (1) и, следовательно, эквивалентна
системе  j  2  . Поэтому найдутся числа 1 j1 , j  1, 2,..., n , такие,
что выполняется равенство:
    
b j 1 1 j 1 b1  ...   j  j 1 b j   j 1  j 1 a j 1  ...   n j 1 an . (4.4.3)

Заметим, что в равенстве (4.4.3) среди коэффициентов 

 j 1 j 1 ,...,  n j 1 обязательно есть ненулевые (иначе вектор b j 1
  
будет линейной комбинацией векторов 1 2 b , b ,..., b j и система векторов
  
b1, b2 ,..., b j 1 является линейно зависимой подсистемой системы (2),
что противоречит следствию из теоремы § 4.3). В частности, отсюда
следует, что j  1  n .
 
С точностью до перестановки векторов a j 1,..., an можно
считать, что  j 1 j 1  0 , тогда соотношение (4.4.3) преобразуется
к виду:
 143

 1  1 j 1   j  j 1 

a j 1  b j 1  b1  ...  bj 
 j 1 j 1  j 1 j 1  j 1 j 1
(4.4.4)
 j  2   j 1   n j 1 
 a j  2  ...  an .
 j 1 j 1  j 1 j 1

Соотношения (4.4.3) и (4.4.4) означают эквивалентность

системы векторов  j  2 и системы векторов
    
(b1, b2 ,..., b j 1, a j  2 ,..., an )  j  1  2  для j  1  k .
По предположению индукции система (2), эквивалентная (1),
эквивалентна системе  j  2  и по доказанному, эквивалентна
системе  j  1  2  , в частности, системе  k  2  .
Следовательно, k  n , что и требовалось доказать.
Следствие 1. Две эквивалентные друг другу системы (1) и (2)
линейно независимых векторов имеют одинаковую мощность: n  k .
Следствие 2. Всякая система векторов (1), содержащая и
ненулевые векторы, эквивалентна своей максимальной (по
количеству векторов) линейно независимой подсистеме.
Доказательство. Если в системе (1) есть нулевые векторы, то
все их выбросим. Получим эквивалентную систему. Поэтому с
самого начала можно считать, что (1) не содержит нулевых векторов.
Применим к системе (1) теорему из § 4.3. Согласно утверждению

этой теоремы один из векторов системы, скажем, an , линейно
выражается через остальные. Значит, система (1) эквивалентна своей
  
подсистеме a1, a2 ,..., an 1 . Ту же процедуру применим к данной
подсистеме. И так далее. В конце концов, получим подсистему
  
a1, a2 ,..., ak , k  1, линейно независимую и максимальную по
построению.
Заметим, что система из одного ненулевого вектора всегда
линейно независима. Поэтому процесс выбрасывания векторов
обязательно закончится, по крайней мере, на k  1 . Следствие 2
доказано.
Следствие 1 из теоремы доказывает, что при наличии
нескольких линейно независимых подсистем системы (1) их
 144

мощности должны быть одинаковы. Поэтому имеет место следующее

определение.
Рангом произвольной системы векторов (1) называется
количество векторов ее максимальной линейно независимой
подсистемы.
Следствие 3. Эквивалентные друг другу системы векторов
данного пространства имеют одинаковые ранги.
Доказательство вытекает из следствий 1 и 2.

§ 4.5. Базис и размерность линейного пространства

Одной из главных характеристик ЛВП является понятие базиса.

  
Будем говорить, что система векторов u1, u2 ,..., un (1) некоторого
линейного пространства V образует базис, если
а) система векторов (1) линейно независима;
б) (1) есть система образующих пространства V ; это означает,

что любой вектор a пространства V является линейной комбинацией
системы векторов (1), т. е. найдутся такие числа 1,  2 ,...,  n  R , что
   
a  1  u1   2  u2  ...   n  un . (4.5.1)
Пример 1. В пространстве свободных векторов R3 (гл.II) любая
тройка некомпланарных векторов образует базис этого пространства.
В частности, тройка взаимно перпендикулярных векторов единичной
 
длины i , j , k образует так называемый ортонормированный базис.

Пример 2. В пространстве Rn система векторов

  
e1(1,0,...,0), e2 (0,1,0,...,0),..., en (0,0,...,1)
образует базис, так как они линейно независимы и любой вектор

a  (a1,..., an )  Rn можно представить как линейную комбинацию
   
базисных векторов: a  a1e1  a2e2  ...  anen .
Теорема 1. Любые два базиса данного ЛВП V равномощны.
 145
  
Доказательство. Пусть системы векторов u1, u2 ,..., un (1) и
  
v1, v2 ,..., vk (2) являются базисами ЛВП V .
В силу второго требования к базисам системы (1) и (2)
эквивалентны. В силу следствия 1 из теоремы § 4.4 они должны быть
равномощными: n  k , что и требовалось доказать.
На основании теоремы 1 базируется следующее определение.
Размерностью пространства V называется количество векторов
в любом из его базисов и обозначается dimV (от англ.
dimension – размерность).
Когда размерность n пространства V установлена, это
закрепляют обозначением: Vn .
Размерность классических векторных пространств ограничена
числом 3. Физики расшатали это представление, предложив в
качестве четвертой координаты (в начале ХХ века) время. Некоторые
современные физики говорят, что они себя комфортно чувствуют в
рамках минимум 28-мерного пространства. Фантазия математиков в
этом плане оказалась неограниченной. Пример 2 подтверждает
справедливость следующего утверждения.
Теорема 2. Для всякого (сколь угодно большого) n  1
существует линейное пространство размерности n .
Базисов в пространстве размерностью n  1 очень много. Об
этом свидетельствует
Теорема 3. В линейном пространстве Vn , n  1, любой
ненулевой вектор можно дополнить до базиса этого пространства. 
   
Доказательство. Пусть e1, e2 ,..., en  – базис Vn и a  0  

– произвольный в нем вектор. Вектор a раскладывается по базису:
   
a  1e1   2e2  ...   nen .
 
Так как a  0 , то обязательно найдется коэффициент i  0 .
 1  2   
Пусть для определенности 1  0 . Тогда e1  a  e2  ...  n en и
1 1 1
    
система векторов a , e2 ,..., en эквивалентна базису e1, e2 ,..., en , а,
следовательно, и сама является линейно независимой. Мы нашли

базис, содержащий вектор a . Теорема доказана.
Аналогично доказывается
 146

Теорема 4. В n -мерном линейном пространстве Vn , n  1,

  
любую линейно независимую систему векторов a1, a2 ,..., ak , 1  k  n ,
можно дополнить до базиса пространства Vn .
В определении базиса число n  – элементов в базисе – не
обязательно конечно. Тогда, если n   , ЛВП называется
бесконечномерным.
Пример 3. Если R [ x ]  – пространство всех вещественных
многочленов, то базисом этого пространства является бесконечная
система функций 1, x, x 2 ,..., x n ,...
В дальнейшем будем ограничивать себя рамками
конечномерных линейных пространств.

§ 4.6. Координаты векторов в ЛВП, свойства координат

  
Пусть в пространстве Vn система векторов u1, u2 ,..., un (1)

образует базис. Тогда для всякого вектора a Vn справедливо
разложение по данному базису:
   
a  1  u1   2  u2  ...   n  un . (4.6.1)
Числа 1,  2 ,...,  n в равенстве (4.6.1) называются
координатами вектора в данном базисе.
Для координат векторов в пространстве Vn справедливы
свойства, аналогичные таковым в классическом пространстве R3 .
Свойство 1. Координаты вектора в данном базисе определены
однозначно.
Доказательство. Пусть наряду с разложением (4.6.1)
справедливо другое разложение
   
a  1u1  2u2  ...  nun .
Вычитая из (4.6.1) последнее равенство, получим
  
0   1  1  u1  ...    n  n  un .
  
Так как векторы u1, u2 ,..., un линейно независимы, то полученное
равенство возможно только в одном случае – когда все ее разности
i  i  0, i  1,2,..., n .
 147

Значит, i  i для всех i  1, 2,..., n , что и требовалось доказать.

Свойство 1 означает, что зафиксировав в данном пространстве
  
Vn базис u1, u2 ,..., un , мы устанавливаем взаимно однозначное

соответствие между векторами a Vn и наборами  1,  2 ,...,  n  их
координат в данном базисе. Эту взаимосвязь часто подтверждают
равенством:

a  (1,  2 ,...,  n ) , (4.6.2)
которое служит, фактически, компактной записью равенства (4.6.1).
Свойство 2. При сложении векторов их одноименные
координаты складываются: если в базисе (1) Vn
 
a  (1,  2 ,...,  n ), b  (1, 2 ,...,  n ) , то
 
a  b  (1  1,  2  2 ,...,  n  n ) .
Доказательство свойства следует из дистрибутивности
сложения линейных комбинаций векторов.
Свойство 3. При умножении вектора на число все координаты

вектора умножаются на это же число: если a  (1,  2 ,...,  n ) в базисе

(1), то a  (1,  2 ,...,  n ),   R.
Доказательство свойства получается умножением на  обеих
частей равенства (4.6.1), а, следовательно, и равенства (4.6.2).
Реальное нахождение координат векторов в классическом
случае решалось с помощью проекций векторов. Этот метод не
применим в общих линейных пространствах – как можно
проецировать матрицы или полиномы?! В произвольных ЛВП
необходимо руководствоваться следующим рассуждением. 
Необходимо найти координаты вектора a в базисе (1)
   
пространства V . Система из n  1 векторов u1, u2 ,..., un , a линейно
зависима. Следовательно, существует линейная комбинация
   
1  u1   2  u2  ...   n  un   n 1a  0 .

Так как (1) – базис, то в этом равенстве  n1  0 .

 148

Тогда вектор a однозначно выражается в виде линейной
комбинации базисных векторов в базисе (1):
     
a    1 ,  2 ,...,  n  .
  n 1  n 1  n 1 

§ 4.7. Ранг системы векторов, ранг матрицы

В § 4.4 введено понятие ранга системы векторов. Здесь

рассмотрим методики вычисления ранга.
Теорема 1. Если в произвольной системе векторов
  
u1, u2 ,..., un (1)
поменять векторы местами, умножить один из векторов на
произвольное число   0 , к одному из векторов прибавить
линейную комбинацию других векторов этой же системы, то
названные преобразования не изменяют ранга системы векторов (1).
Доказательство. Перечисленные преобразования приводят к
системе векторов, эквивалентной системе (1). Далее применяем
следствие 3 из теоремы 1 § 4.4, что и завершает доказательство.
Рассмотрим произвольную матрицу Amn :
 a11 ... a1n 
Amn   . . . . . .  .
 
 am1 ... amn 

Каждую ( i –ю строку) матрицы Amn можно рассматривать как


координаты вектора ui  (ai1,..., ain )  Rn , i  1,2,..., m .
Строки матрицы A называются линейно зависимыми или
линейно независимыми, если они обладают названным свойством как
  
векторы u1, u2 ,..., um пространства Rn .
Пример 1. Исследуем на линейную зависимость строки
следующей матрицы
 1 2 3 4
A   2 1 1 1  .
 
 3 1 4 5 
 149

Решение. Здесь строки линейно зависимы, так как 3-я строка

есть сумма первых двух, т. е. является линейной комбинацией первых
двух строк: [3 1 4 5]  [1 2 3 4]  [2 1 1 1] . Первые же две
строки матрицы A не пропорциональны друг другу и потому линейно
независимы.
Рангом матрицы A называется количество линейно
независимых строк этой матрицы (обозначается символом rA или
r  A  ).
Понятие ранга матрицы A тесно связано с понятием базисного
минора этой матрицы.
Минор M r порядка r матрицы A называется базисным, если:
1.  M r  0 ;
2. Все миноры M r 1 матрицы A равны нулю.
Так в предыдущем примере все миноры третьего порядка
матрицы A равны нулю (их всего четыре). Поэтому базисный минор
имеет порядок r  2 , и в качестве такового может быть взят любой
1 2
минор второго порядка, отличный от нуля, например, M 2  0
2 1
.
Следующая теорема связывает ранг матрицы с размерами ее
базисных миноров.
Теорема 2. Ранг матрицы равен порядку ее базисного минора.
Доказательство. Пусть матрица Amn имеет базисный минор
M порядка r . Докажем, что rA  r .
Предположим для определенности, что базисный минор M
расположен в верхнем левом углу матрицы A :
 150

 a11 a12 ... 

a1r ... a1r 1 ... a1n
a a22 ... 
a2r ... a2r 1 ... a2n
 21 
 ... ... ... ... 
 
A   ar1 ar 2 ... arr ... arr 1 ... arn
.
... ... ... ... 
 
 am1 am 2 ... amr ... amr 1 ... amn 
 
 
В противном случае мы могли бы переставить строки и столбцы
матрицы и поместить его в левый верхний угол.
Докажем, что первые r строк матрицы A , содержащие базисный
минор M , линейно независимы. Предположим, от противного,
существование таких одновременно не равных нулю чисел x1, x2 ,..., xr
, что выполняется равенство
   
x1u1  x2u2  ...  xr ur  0 , (4.7.1)
  
где u1  (a11,..., a1n ), u2  (a21,..., a2n ),..., ur  ( ar1,..., arn ) .
В координатной форме равенство (4.7.1) может быть
представлено как система из n линейных уравнений:
 x1a11  x2 a21  ...  xr ar1  0,
 x a  x a  ...  x a  0,
 1 12 2 22 r r2
. . . . . . . . . . .
 (4.7.2)
 x1a1r  x2 a2r  ...  xr arr  0,
. . . . . . . . . . .

 x1a1n  x2a2 n  ...  xr arn  0.

Рассмотрим подсистему системы (4.7.2), состоящую из r

первых уравнений. Определитель этой подсистемы есть базисный
минор M r  0 . Значит, рассмотренная подсистема является
крамеровской и согласно правилу Крамера имеет единственное, а
следовательно, нулевое решение x1  x2  ...  xr  0 .
 151

Отсюда следует, что и вся система (4.7.2) имеет единственное

нулевое решение. Таким образом, соотношение (4.7.1) возможно
только при нулевых значениях x1, x2 ,..., xr . Следовательно, первые r
базисных строк матрицы A линейно независимы.
Теперь докажем, что при n  r для l  r  1, r  2,..., n каждая l  – я
строка матрицы линейно выражается через r первых строк.
Для этого рассмотрим вспомогательный определитель порядка
r  1:
a11 a12 ... a1r a1i
a21 a22 ... a2 r a2i
di  ... ... ... ... ,
ar1 ar 2 ... arr ari
al1 al 2 ... alr ali
получающийся «окаймлением» минора M соответствующими
элементами l  – строки и i  – го столбца, i  1, 2,..., n .
Для значений i в диапазоне от 1 до r минор di  0 как минор с
двумя одинаковыми столбцами. Когда r  1  i  n , минор di  0 по
определению базисного минора. Итак, для всех значений i, 1  i  n ,
di  0 .
Разложим этот определитель по последнему столбцу:
a1i A1  a2i A2  ...  ari Ar  ali Al  0 , (4.7.3)
где A1, A2 ,... Ar , Al  – алгебраические дополнения элементов последнего
столбца определителя di , причем эти коэффициенты одинаковы для
всех i, 1  i  n . При этом Al  M  0 .
Поэтому из равенства (4.7.3) получаем:
a a
ali   A1  1i  ...  Ar  ri , i  1,2,..., n . (4.7.4)
M M
Пусть  j   –  j -тая строка матрицы A , 1  j  m .
Равенство (4.7.4) означает, что l  – я строка матрицы
A (l  r  1,..., m) есть линейная комбинация первых r строк матрицы
A:
 152

A A2 A
 l    1  1  
 2  ...  r  r  .
M M M
Теорема 2 полностью доказана.
Из свойств определителей вытекает
Следствие 1. Ранг матрицы не меняется при ее
транспонировании, т. е. число линейно независимых строк матрицы
равно числу ее линейно независимых столбцов.
Следствие 2. (Критерий равенства нулю определителя).
Определитель квадратной матрицы равен нулю тогда и только тогда,
когда ее строки (столбцы) линейно зависимы.
Из доказательства теоремы о ранге матрицы вытекает правило
отыскания базисного минора, а, значит, и ранга матрицы:
1) следует вычислять миноры матрицы от меньших порядков к
большим порядкам;
2) если минор M порядка r не равен нулю, а все окаймляющие
его миноры порядка r  1 равны нулю, то M  – базисный минор и ранг
матрицы A равен r .
Пример 2. Найти ранг матрицы
 2 4 6 10 
A   3  1 4 2  .
 
 5 3 10 8 

Решение.
2 4
M1  2  0, M 2   14  0;
3 1
2 4 6 2 4 10
M 3  3 1 4  0; M 3  3 1 2  0
5 3 10 5 3 8

Значит, rA  2 .
Однако такой способ вычисления ранга не всегда удобен.
Существуют некоторые приемы, облегчающие нахождение
ранга. Чтобы их сформулировать, введем понятие элементарных
преобразований матрицы.
 153

Под элементарным преобразованием матрицы будем понимать

следующие:
1) перестановку местами двух строк или столбцов;
2) умножение или деление элементов строки (столбца) матрицы
на число   0 ;
3) прибавление к элементам строки (столбца) соответствующих
элементов другой строки (столбца), умноженных на какое-то число;
4) транспонирование матрицы.
Тогда, комбинируя теоремы 1, 2 и следствие 1 из теоремы 2, мы
можем сформулировать следующее утверждение.
Теорема 3. Элементарные преобразования матрицы не меняют
ее ранга.
Данная теорема упрощает вычисление ранга матрицы, т. к. как с
помощью элементарных преобразований матрица приводится к
такому виду, из которого что становится очевидным, чему равен ее
ранг.
Пример 3. Применим к матрице A примера 2 элементарные
преобразования, при этом переход от одной матрицы к другой будем
обозначать символом «~»:
 2 4 6 10  1 2 3 5  1 2 3 5 
 3 1 4 2  3 1 4 2  0 7 5 17 
   ~     ~     ~
 5 3 10 8  5 3 10 8  0 7 5 17 

 1 2 3 5 
 
_ 0 _  7  5 17
~   
 0 0 0 0 
rA  2.
Теперь легко определить ранг любой системы векторов,
заданных своими координатами в каком-либо базисе. Достаточно
построить матрицу из координат этих векторов, записывая их по
столбцам или строкам, затем найти ранг полученной матрицы.

§ 4.8. Произвольные системы линейных алгебраических

 154

уравнений. Теорема Кронекера-Капелли11

Пусть дана произвольная система из m линейных

алгебраических уравнений с n неизвестными в матричном виде (см.
§ 5 гл. I)
AX  B, (4.8.1)
 a11 a12 ... a1n   x1  b1 
a a22 ... a2n  x  b 
где A    – матрица системы, X    , B    .
21 2 2
... ... ... ...    
     
 am1 am 2 ... amn   xn  bm 
Наряду с матрицей A будем рассматривать расширенную
матрицу
 a11 a12 ... a1n b1 
a a ... a2n b2 
A   21 22 .
... ... ... ... ... 
 
 am1 am 2 ... amn bm 

Теорема 1 (Кронекера-Капелли). Система линейных

уравнений (4.8.1) совместна тогда и только тогда, когда ранг
основной матрицы системы равен рангу расширенной матрицы, т. е.
когда
rA  rA . (4.8.2)
Доказательство. Пусть система (4.8.1) совместна и
x1  1, x2   2 ,..., xn   n  – решение системы (4.8.1). Тогда
справедливо равенство

11
Кронекер Леопольд (07.12.1823 – 29.12.1891) – немецкий математик
Капелли Алфредо (05.08.1858 – 28.01.1916) – итальянский математик, ученик Л.Кронекера
 155

 a11   a12   a1n   b1 

a  a  a   
 21   22   2n   b2 
1      2        n        . (4.8.3)
       
 am1   am 2   amn  bm 
       
   
Последнее означает, что в расширенной матрице столбец B из
свободных членов системы есть линейная комбинация первых n
столбцов матрицы, т. е. ранг матрицы A совпадает с рангом A .
Пусть теперь rA  rA . Докажем, что система совместна.
Действительно, из равенства рангов следует, что базисный
минор находится среди столбцов матрицы A . Следовательно, столбец
из свободных членов является не базисным, т. е. представляет
линейную комбинацию базисных столбцов, значит, существуют такие
числа 1,  2 ,...,  n , одновременно не равные нулю, что выполняется
равенство (4.8.3), т. е. числа 1,  2 ,...,  n есть решение системы
(4.8.1).
Теорема доказана.
Следствие (альтернатива Фредгольма12).
Произвольная система линейных алгебраических уравнений
(4.8.1)
– либо не имеет решений (когда rA  rA );
– либо имеет единственное решение (когда rA  rA  n , где n  
– число неизвестных);
– либо имеет бесконечно много решений (когда rA  rA  n ).
Действительно, первое утверждение непосредственно следует из
теоремы Кронекера-Капелли.
Докажем второе утверждение. Пусть rA  rA  n . Значит,
существует минор порядка n , который является базисным как для
матрицы A , так и для матрицы A . Остальные m  n уравнений
системы являются линейной комбинацией уравнений, входящих в
базисный минор. Поэтому система (4.4.1) эквивалента системе,

Фредгольм Эрик Ивар (07.04.1866 – 17.08.1927) – шведский математик, развил теорию

12

интегральных уравнений как предельный случай СЛАУ

 156

состоящей из n уравнений с n неизвестными. Последняя система

является крамеровской, а потому имеет единственное решение (см.
§ 5 гл. I).
Если же rA  rA  n , то считая для определенности, что базисный
минор M r расположен в левом верхнем углу матрицы A , заменим
систему (4.8.1) эквивалентной ей системой, состоящей из r
уравнений:
a11x1  a12 x2  ...  a1r xr  a1r 1xr 1  ...  a1n xn  b1;
a x  a x  ...  a x   a
 21 1 22 2 2r r 2 r 1xr 1  ...  a2 n xn  b2 ;
 (4.8.4)
 . . . . . . . . . . . . . . . . . . . . . . .
ar1x1  ar 2 x2  ...  arr xr   arr 1xr 1  ...  arn xn  br .

Переменные x1, x2 ,..., xr называются базисными неизвестными, а

остальные xr 1, xr  2 ,..., xn  – свободными.

Придавая свободным неизвестным произвольные значения

xr 1  cr 1, xr  2  cr  2 ,..., xn  cn ,
будем получать систему r уравнений с r неизвестными
a11x1  a12 x2  ...  a1r xr  a1r 1cr 1  ...  a1ncn  b1;
a x  a x  ...  a x  a
 21 1 22 2 2r r 2 r 1cr 1  ...  a2 ncn  b2 ;
 (4.8.5)
 . . . . . . . . . . . . . . . . . . . . . .
ar1x1  ar 2 x2  ...  arr xr  arr 1cr 1  ...  arncn  br .

Определитель этой системы M r  0 .

Следовательно, при фиксированных cr 1, cr  2 ,..., cn получим по
правилу Крамера решение x1  c1,..., xr  cr . Очевидно, что вектор
 c1, c2 ,..., cn  является решением системы (4.8.1). Но так как
cr 1, cr  2 ,..., cn могут быть взяты произвольно, то множество решений
системы (4.8.1) бесконечно.
Следствие доказано.
Все вышесказанное позволяет предложить следующий
обобщенный алгоритм решения произвольной системы (4.8.1):
1. Находим rA и rA . Если rA  rA , то система не совместна.
 157

2. Пусть rA  rA . Тогда выделим базисный минор и базисные

неизвестные. (Отметим, что базисный минор, как и базисные
неизвестные, может быть выбран не единственным образом).
3. Данную систему заменяем эквивалентной системой из r
уравнений, в которые вошли элементы базисного минора.
4. Находим выражение базисных неизвестных через свободные.
Придавая свободным неизвестным произвольные значения, получим
бесконечное множество решений.
Пример 1. Решить систему линейных уравнений
 x1  2 x2  3 x3  4 x4  7,

2 x1  4 x2  5 x3  x4  2,
5 x  10 x  7 x  2 x  11.
 1 2 3 4

Решение. Находим rA и rA , rA  rA  2 . Следовательно, система

совместна.
В качестве базисного минора можно, например, взять
2 3
M2   22  0 .
4 5

Тогда базисными неизвестными являются x2 и x3 , а

свободными –  x1 и x4 .
Заменим исходную систему уравнений эквивалентной системой:
 x1  2 x2  3 x3  4 x4  7,

2 x1  4 x2  5 x3  x4  2.
Пусть x1  c1, x4  c2  – произвольные вещественные числа. Тогда
СЛАУ можно переписать в виде:
2 x2  3 x3  7  c1  4c2 ,

4 x2  5 x3  2  2c1  c2 .
Решая полученную СЛАУ по правилу Крамера, находим:
41  11c1  17c2 24  18c2
x2  , x3  .
22 22
 158

Следовательно, система имеет бесконечное множество решений

вида:
 41  11c1  17c2 24  18c2 
(c1; x2  ; x3  ; c2 ) c1, c2  R  .
 22 22 

§ 4.9. Однородные СЛАУ. Свойства решений

Если система линейных алгебраических уравнений (4.8.1) имеет

вид
AX  0, (4.9.1)
то она называется однородной СЛАУ.
Такая система всегда совместна, так как rA  rA .
Отметим основные свойства решений однородных СЛАУ.
Свойство 1. Множество U решений однородной СЛАУ всегда
не пусто.
Действительно, U содержит, по крайней мере, тривиальное
нулевое решение  x1, x2 ,..., xn    0,0,...,0  .

Свойство 2. Если c   c1, c2 ,..., cn   – одно из решений
однородной СЛАУ, то для каждого вещественного числа  вектор

  c  – также является решением той же СЛАУ.
 
Свойство 3. Если c1 и c2  – два вектор-решения системы (4.9.1),
 
то их сумма c1  c2 также есть решение этой же системы.
   
Доказательство. A  (c1  c2 )T  A  c1T  A  c 2T  0.
 
Свойство 4. Если, c1 , c2 U , то и любая их линейная
 
комбинация   c1   c2 , ,  R также принадлежит U .
Доказательство следует из свойств 2 и 3.
Из критерия подпространства (см. § 4.2) и свойства 4 вытекает
Свойство 5. Множество U всех решений любой однородной
СЛАУ от n неизвестных является подпространством пространства
Rn .
 159

Свойство 6. Размерность подпространства решений U равна

n  r , где n  – число неизвестных, r  – ранг матрицы A .
Доказательство. Так как матрица A имеет n столбцов, то r  n
. Если r  n , то согласно доказательству альтернативы Фредгольма
пространство U  – нулевое; dim U  0  n  n  n  r .
Пусть r  n . Пусть для определенности базисный минор
матрицы A расположен, как обычно, в ее левом верхнем углу:
a11 a12 ... a1r
a a ... a2 r
M  21 22  0.
... ... ... ...
ar1 ar 2 ... arr

Тогда СЛАУ (4.9.1) преобразуется к виду (4.8.4). В данном

случае получится система вида:
a11x1  a12 x2  ...  a1r xr  a1r 1xr 1  ...  a1n xn ,
a x  a x  ...  a x   a
 21 1 22 2 2r r 2 r 1xr 1  ...  a2 n xn ,
 (4.9.2)
. . . . . . . . . . . . . . . . . . . . .
ar1x1  ar 2 x2  ...  arr xr  arr 1xr 1  ...  arn xn .

Как видим, среди неизвестных системы (4.9.2), а, следовательно,

и системы (4.9.1), имеется n  r свободных неизвестных:
xr 1, xr  2 ,..., xn . При любом наборе значений свободных неизвестных
xr 1  c1, xr  2  c2 ,..., xn  cn r , ci  R, i  1,2,..., n  r ,

остальные переменные x1, x2 ,..., xr однозначно выражаются через

свободные решением крамеровской СЛАУ (4.9.2).
Докажем, что пространство U решений системы (4.9.2) и
эквивалентной ей системы (4.9.1) содержит не менее n  r линейно
независимых векторов-решений. Для этого придадим свободным
переменным поочередно следующие значения:
 160

1) xr 1  1, xr  2  ...  xn  0;
2) xr 1  0, xr  2  1, xr 3  ...  xn  0;
... ... ... ... ... ... ... ... ... ... ... ... ...
n  r ) xr 1  xr  2  ...  xn 1  0, xn  1.
Для каждого из этих наборов свободных неизвестных мы
получим из системы (4.9.2) по правилу Крамера векторы-решения
всей системы: 
d1   d11, d 21,..., d r1, 1,0,0,...,0  ;

d 2   d11, d 21,..., d r 2 ,0,1,0,...,0  ;
... ... ... ... ... ... ... ...

 

d n r  d1 n r  , d 2 n r  ,..., d r  n r  ,0, 0,...,0,1 .
  
Векторы-решения d1, d 2 ,..., d n  r линейно независимы по
построению: матрица со строками-координатами этих векторов в
последних n r столбцах
 содержит ненулевой минор. Покажем, что
векторы d1, d 2 ,..., d n r составляют систему образующих пространства

U . В самом деле, пусть y   y1, y2 ,..., yn   – произвольное решение
системы (4.9.2). Тогда в силу свойства 4 решений однородных СЛАУ
линейная комбинация
    
z  y  yn r 1  d1  yn r  2  d 2  ...  yn  d n r
является также решением системы (4.9.2). При этом последние n  r

координат вектора z по построению равны нулю:
zn r 1  0, zn r  2  0,..., zn  0 .

Как и всякое решение системы (4.9.1), вектор z получается при
подходящих значениях свободных переменных. В данном
случае – это нулевое значение свободных переменных. Это означает,

что первые r координат вектора z получаются решением
однородной СЛАУ:
 161

a11x1  a12 x2  ...  a1r xr  0,

a x  a x  ...  a x  0,
 21 1 22 2 2r r
 (4.9.2*)
. . . . . . . . . . . . .
ar1x1  ar 2 x2  ...  arr xr  0.

По правилу Крамера система (4.9.2*) имеет единственное

 
нулевое решение: x1  x2  ...  xr  0 . Значит, z  0 и вектор-решение
   
y  ynr 1  d1  ynr  2  d 2  ...  yn  d n r является линейной
  
комбинацией векторов d1, d 2 ,..., d n r .
  
Таким образом, d1, d 2 ,..., d n  r  – линейно независимая система
образующих, т. е. базис пространства решений U , а, следовательно,
dimU  n  r .
Свойство 6 полностью доказано.
Базис пространства решений однородной системы линейных
уравнений называется ее фундаментальной системой решений
(Ф.С.Р).   
Свойство 7. Если d1, d 2 ,..., d n r  – произвольный базис
пространства решения U , то для произвольных чисел C1, C2 ,..., Cn r
общее решение системы (4.9.1)имеет следующую структуру:
   
y  C1d1  C2d 2  ...  Cn  r d n r . (4.9.3)
Пример. Найти Ф.С.Р. и общее решение СЛАУ
3 x  2 y  z  3u  5v  0,
6 x  4 y  3 z  5u  7v  0,

 (*)
9 x  6 y  5 z  7u  9v  0,
3 x  2 y  4u  8v  0.
Решение. Составим расширенную матрицу данной СЛАУ и
найдем ее ранг с помощью элементарных преобразований строк.
 162

3 2 1 3 5 0
6 4 3 5 7 0 
  ~
9 6 5 7 9 0
 
3 2 0 4 8 0
От последней строки вычтем первую; от третьей – 1-ую и 2-ую;
от второй – удвоенную первую:
3 2 1 3 5 0
 0 0 1 1  3 0 
~     ~
 0 0 1 1  3 0 
 
 0 0  1 1 3 0 
Вторую строку вычтем от третьей; 2-ую строку прибавим к
четвертой:
3 2 0 4 8 0 
 0 0 1 1 3 0 
~   
0 0 0 0 0 0
 
 0 0 0 0 0 0 
Ранг полученной матрицы, очевидно, равен 2.
В качестве базисного минора можно взять минор на пересечении
1-ой и 2-ой строк, 2-го и 3-го столбцов. При этом полученную
эквивалентную СЛАУ можно записать в виде:
 3
 y   x  2u  4v,
 2 (**)
 z  u  3v.
Базисные переменные –  y, z ; свободные –  x, u, v . Придадим
свободным переменным три значения:
1)   2,0,0  ; 2)   0,1,0  ; 3)   0,0,1 .
Для каждого из них из системы (**) найдем соответствующие
значения базисных переменных:
1)   3,0  ; 2)   2,1 ; 3)   4,  3 .
 163

Эти вычисления проводятся последовательным заполнением

таблицы 1.
Таблица 1. Ф.С.Р. СЛАУ (*)
x y z u v 
ci

2 -3 0 0 0 c1

0 -2 1 1 0 c2

0 -4 -3 0 1 c3
  
Строки таблицы 1 – это координаты базисных векторов 1 , c2 , c3
c
пространства U решений СЛАУ (*). Согласно формуле (4.9.3) общее
решение этой СЛАУ имеет вид:
   
y  C1  c1  C2  c2  C3  c3
или более явно:
 x  2  0  0
 y  3   2   4 
       
 z   C1  0   C2  1   C3  3  .
       
u
   0  1  0
v  0  0  1
       

§ 4.10. Свойства решений произвольных СЛАУ

Пусть дана произвольная СЛАУ из m уравнений от n

неизвестных x1, x2 ,..., xn
AX  B (4.10.1)
и соответствующая однородная СЛАУ с той же матрицей
коэффициентов, что и система (4.10.1),
AX  0 . (4.10.2)
Пусть A   A B   – расширенная матрица системы (4.10.1) и
 
r A  r  A  . Тогда система (4.10.1) имеет решения.
Отметим следующие свойства решений совместных
неоднородных СЛАУ:
 164

1. Разность двух решений системы (4.10.1) есть решение

соответствующей однородной системы (4.10.2).
2. Сумма частного решения системы (4.10.2) и любого решения
системы (4.10.1) есть решение системы (4.10.1).
3. Если x  – частное решение (4.10.1), и
   
xодн.  C1d1  C2 d 2  ...  Cn  r d n  r  –
общее решение соответствующей однородной системы (4.10.2), то
общее решение СЛАУ (4.10.1) имеет следующую структуру:
 *  *   
x  x  xодн.  x  C1d1  C2d 2  ...  Cn r d n r . (4.10.3)
Общее решение неоднородной системы линейных
алгебраических уравнений (4.10.1) имеет следующий
геометрический смысл (рис. 4.1).

L *
x L

Рис. 4.1. Геометрическая интерпретация взаимосвязи

решений неоднородной и однородной СЛАУ
Если общее решение однородной СЛАУ (4.10.2) – плоскость L в
R3 , проходящая через начало координат, x*  – частное решение
неоднородной СЛАУ (4.10.1), то общее решение L неоднородной
СЛАУ (4.10.1) – параллельная плоскость L , получающаяся сдвигом
L на вектор x* .
Пример 1. Найти общее решение системы
 x  y  z  1,

2 x  2 y  2 z  2.
Решение. Нетрудно видеть, что rA  rA  1 . Одним из решений

системы является x1  1, y  0, z  0 , т. е. x   [0 0  1]T .
Соответствующая однородная система эквивалентна уравнению
x  y  z .
 165

Ее фундаментальная система состоит из векторов

 T 
d1   1 1 0 , d 2   1 0 1 .
T

Следовательно, общее решение может быть получено как сумма

 x 0  1 1
 
 y   x  C d  C d   0   C  1   C  0
  1 1 2 2   1  2 .
 z   1  0   1

Решение однородной системы – множество точек плоскости L :

z  x  y ; решение неоднородной системы – точки плоскости L :
z  x  y  1 , параллельной L , получающейся сдвигом L на вектор
x*   0, 0,  1 (рис. 4.2).
z
O y
*
x
x L L
Рис. 4.2. Геометрическая интерпретация
взаимосвязи решений СЛАУ примера 1
§ 4.11. Матрица перехода от базиса к базису
в линейном пространстве
     
Пусть u1, u2 ,..., un (1) и v1, v2 ,..., vn (2) – два различных базиса
линейного пространства Vn . Векторы одного из базисов выражаются
линейно через векторы другого и наоборот. В частности, для
подходящих чисел tij  R, 1  i, j  n , справедливы равенства:
   
v1  t11u1  t21u2  ...  tn1un ,
v  t u  t u  ...  t u ,
 2 12 1 22 2 n2 n
 (4.11.1)
. . . . . . . . . . .
vn  t1nu1  t2 nu2  ...  tnnun .
 166

Тогда матрица
t11 t12 ... ... t1n 
t t22 ... ... t2 n 
T   21 ,
... ... ... ... ... 
 
tn1 tn 2 ... ... tnn 

состоящая из координат векторов базиса (2) в базисе (1), выписанных

по столбцам сверху вниз, называется матрицей перехода от базиса (1)
к базису (2).
Матрица T позволяет установить связь между координатами

одного и того же вектора x Vn в разных базисах (1) и (2).

Пусть в базисе (1) вектор x имеет координаты ( x1, x2 ,..., xn ) , а в
базисе (2) –  ( y1, y2 ,..., yn ) . Введем обозначения:
X  [ x1 ... xn ]T , Y  [ y1 ... yn ]T .
Тогда с учетом (4.11.1) имеем:
      
x  y1v1  y2v2  ...  ynvn  y1 (t11u1  t21u2  ...  tn1un ) 
     
 y2 (t12u1  t22u2  ...  tn 2un )  ...  yn (t1nu1  t2nu2  ...  tnnun ) 
 
 ( y1t11  y2t12  ...  ynt1n )u1  ( y1t21  y2t22  ...  ynt2n )u2  ... 

( y1tn1  y2tn 2  ...  ynt nn )un .
   
С другой стороны, x  x1u1  x2u2  ...  xnun , значит,
справедливы равенства:
 x1  y1t11  y2t12  ...  ynt1n ;
 x  y t  y t  ...  y t ;
 2 1 21 2 22 n 1n
 (4.11.2)
. . . . . . . . . . . . .
 xn  y1tn1  y2tn 2  ...  yntnn .

Равенства (4.11.2) можно записать компактно в следующем

матричном виде:
X  TY . (4.11.3)
 167

Поскольку любой базис является линейно независимой

системой векторов, то матрица T имеет ранг n , т. е. det T  0 , значит,
матрица T невырожденная.
Умножив равенство (4.11.1) на матрицу T 1 слева, получим

Y  T 1 X . (4.11.4)
Итак, формулы (4.11.3) и (4.11.4) устанавливают связь между
координатами одного и того же вектора в разных базисах.