Академический Документы
Профессиональный Документы
Культура Документы
Григорьев
Основы линейной
алгебры
и её приложений в технике
Утверждено
Министерством образования и науки Украины
в качестве учебника для студентов
высших учебных заведений
ISBN 966-593-283-7
Содержит систематическое изложение курса линейной алгебры и основ
функционального линейного анализа, ориентированное на использование соот-
ветствующих методов для решения практических инженерных задач.
Предназначается для студентов, аспирантов, преподавателей и научных
сотрудников технических университетов.
Містить систематичний виклад курсу лінійної алгебри і основ функціона-
льного лінійного аналізу, орієнтований на використання відповідних математич-
них методів для розв’язання практичних інженерних задач.
Призначено для студентів, аспірантів, викладачів та наукових співробіт-
ників технічних університетів.
Contains the systematic summary of the linear algebra course and the basis of
functional linear analysis, oriented to using the corresponding mathematical methods
for solving practical engineering tasks.
Intended for students, post-graduates, teachers and scientist of the technical
universities
Ил. 203. Табл. 2. Библ. 34 назв.
ББК 221.143
2
Оглавление
Об алгебре – с любовью ... (вместо предисловия) ........................9
Глава 1. Матрицы ................................................................................11
§ 1. Основные определения и примеры ..........................................................11
Точка отсчёта. Матричные шифры. Коммутационная матрица. Графы ло-
кальных сетей. Матрица вращения. Матрица проводимости. Полезная мат-
рица. Виртуальные графы. Матрица всегда должна выглядеть красиво! Мат-
ричные скобки. Передаточная матрица. Матрица из тензорезисторов. Мат-
рицы и тензоры.
§ 2. Частные виды матриц ..............................................................................21
"Железнодорожные" колебания. Шнур - удлинитель. Распад местной сети.
Цепная передача. Цилиндрическая пружина. Армейский порядок. "Главная
матрица университета".
§ 3. Основные действия над матрицами ........................................................29
Матричные окрестности. Матричное уравнение системы. Матрица для тор-
педоносца. Дифференциальное матричное уравнение. Полёт в Чикаго.
§ 4. Правила умножения для матриц частного вида ....................................41
Матричный процессор. Матричные аналогии. Уравнение свободных колеба-
ний цепной системы.
§ 5. Свойства операции умножения матриц .................................................51
"Электрические" доказательства. Матрицы перестановок. Тривиальная мат-
ричная алгебра. Каскадный преобразователь. Передаточная матрица цепной
системы. Экономичный раскрой пружины. Матричные корни из нуля и еди-
ницы.
§ 6. Транспонирование и симметрия матриц ................................................58
Две формы записи матричных уравнений. Неотрицательные матрицы. Мат-
ричные неравенства в электротехнике. Симметрия механических систем.
Глава 2. Определители и обратные матрицы ..................................66
§ 7. Факториал. Перестановки. Инверсия .....................................................66
§ 8. Понятие определителя .............................................................................69
Что "определяет" определитель матрицы? Геометрический смысл определи-
теля. ЭВМ против определителя: раунд первый. Определитель треугольной
матрицы. Определитель блочно-диагональной матрицы. Матрица из опре-
делителей.
§ 9. Формулы Лапласа .....................................................................................76
ЭВМ против определителя: раунд второй. Определитель цепной системы.
§ 10. Понятие линейной зависимости ............................................................82
Главная загадка линейной алгебры.
§ 11. Свойства определителей …....................................................................86
Перемножение определителей на дисплее "Пентиума". Транспонирование
якобиана. Расщепление определителя цепной системы.
§ 12. Вычисление определителя по методу Гаусса ……..............................95
ЭВМ против определителя: третий раунд. Определитель Вандермонда.
§ 13. Условия существования и единственности обратной матрицы .........99
3
Зачем нужны обратные матрицы? Электростатическая неопределённость.
Матрица упругости. Обратные неквадратные матрицы.
§ 14. Правила нахождения обратной матрицы ...........................................105
Определитель присоединённой матрицы. Расщепление определителя блоч-
ной матрицы. Обратная передаточная матрица.
§ 15. Операция обращения матрицы и её свойства ....................................110
Блочный определитель. Диагональный определитель. Матричные преобра-
зования обобщённых координат. Пять осей симметрии матрицы. Централь-
ная и зеркальная симметрия передаточной матрицы.
Глава 3. Эквивалентные преобразования и ранг матрицы .....119
§ 16. Миноры матрицы. Обобщённая формула Лапласа ...........................119
Сколько миноров содержит матрица? Доверяй, но проверяй! Определитель
моноблочной матрицы. Определитель произведения неквадратных матриц.
§ 17. Преобразования квадратной матрицы по алгоритму Гаусса ...........128
Матрицы элементарных преобразований. Матрица эквивалентного преобра-
зования. Прямой ход алгоритма Гаусса. Обратный ход алгоритма Гаусса.
§ 18. Гауссово представление квадратной матрицы ..................................136
Всегда - ли можно не переставлять строки? Второе "треугольное" представ-
ление. Матричные пятна на единичной сфере. Квазитреугольное представ-
ление квадратной матрицы. О непринципиальных различиях между теорией
и практикой.
§ 19. Симметричное преобразование матрицы .......................................... 145
Симметричный алгоритм Гаусса. Преобразование кососимметричной матрицы.
§ 20. Положительные и неотрицательные матрицы .................................. 148
Тонкая гауссова механика. Матрица массообмена. Утечка массы. Матрица
трения. Во всём виновата энтропия. Матрица колебаний – это единство про-
тивоположностей.
§ 21. Теорема о базисном миноре ................................................................162
Определитель произведения укороченной матрицы на удлинённую.
§ 22. Ранг матрицы и его свойства ...............................................................167
Вырожденные неквадратные матрицы.
§ 23. Методы нахождения ранга. Преобразование матрицы
к трапецеидальному виду ....................................................................173
Два направления для поиска базисного минора. Метод понижения порядка
для базисного минора. Метод окаймления.
4
Лабораторная работа по линейным электрическим цепям. Матричные тождества.
§ 27. Решение квадратных систем линейных уравнений при помощи
обратной матрицы ................................................................................198
Параллельное решение систем. Технические трудности пятого порядка.
Матричные рефлексы крылатой ракеты.
§ 28. Формулы Крамера ................................................................................201
Геометрический смысл альтернатив Крамера. Экономичные формулы Краме-
ра. Главные неизвестные. Минимальный многочлен диагональной матрицы.
§ 29. Эквивалентные преобразования расширенной матрицы .................203
Нумерующая строка расширенной матрицы. Параллельные элементарные
преобразования. Дополнительное элементарное преобразование.
§ 30. Метод Гаусса для систем линейных уравнений
с квадратной матрицей коэффициентов………………………………214
Обращение матрицы методом Гаусса. Гаусс против Гаусса. Прогноз погоды
на ... прошедший месяц.
§ 31. Решение систем уравнений с блочными и разреженными
матрицами коэффициентов ………………………………………….222
Алгоритм Гаусса для системы матричных уравнений. Интерполирующий
сплайн. Решение уравнений замкнутой цепной системы. Итерационные ме-
тоды решения систем линейных алгебраических уравнений.
5
§ 39. Метод Гаусса – Жордана и другие методы решения
неопределённых систем .......................................................................280
Система уравнений с сильно удлинённой матрицей. Главные неизвестные
неопределённой системы. Аналитическое решение неопределённых систем.
Алгоритм метода Гаусса – Жордана для неоднородной системы. Алгоритм
метода Гаусса – Жордана для однородной системы. Вакантные места для
"особых" неизвестных.
Глава 6. Линейные пространства ..................................................292
§ 40. Основные определения ........................................................................292
Пространство матриц. Точечно - векторный дуализм. Коммутативные груп-
пы и конусы. Пространство криволинейных векторов.
§ 41. Функциональные линейные пространства .........................................297
Пространство непрерывных функций. Пространство интегрируемых функций.
Пространство периодических функций. Моменты функции. Коэффициенты
Фурье. Неустановившиеся колебания груза. Периодические колебания груза.
§ 42. Линейное подпространство .................................................................305
Пространство многочленов. Пространство гармоник. Пространство решений.
Подпространство дифференцируемых функций. Пространство аналитических
функций. Пространство L2 [a ; b ] . Иерархия функциональных пространств.
§ 43. Размерность и базис линейного пространства ...................................311
Размерность арифметического пространства. Арифметическое пространство
ℜ ∞ . Пространства l 1 , l 2 и l ∞ . Размерность пространства многочленов. Ка-
нонический базис. Полиномы Чебышева. Пространство шатунных кривых.
Базис для многочленов Лагранжа. Базис для сплайнов.
§ 44. Изоморфизм линейных пространств ..................................................322
Соответствие нулей и нулевых линейных комбинаций. Изоморфизм матриц
и систем. Пространство эквивалентных систем. Изоморфизм комплексных
чисел и векторов. Графическое изображение многомерного вектора.
§ 45. Алгебраический базис счётномерного пространства .......................328
l 0 и изоморфные ему пространства функций. Счётномерное пространство
разрывных функций. Континуальный алгебраический базис. Изоморфизм
бесконечномерных пространств.
§ 46. Прямая сумма подпространств ...........................................................334
Базисное расщепление пространства. Дополнительное пространство для ку-
лачка. Проблема моментов.
§ 47. Матрица линейного оператора ............................................................341
Матрица оператора дифференцирования. Матрица оператора интегрирова-
ния. Два разных взгляда на одну матрицу.
Глава 7. Подобие матриц ...................................................................349
§ 48. Диагонализация матрицы: постановка задачи и примеры ...............349
Гидромеханический демпфер. Идеальный амортизатор. Гидромеханический
маятник. "Комплексно сопряжённые" маятники.
§ 49. Инвариантные подпространства .........................................................359
Матричный след. Формулы Виета для матричного спектра. Вращающееся под-
пространство. Нормированный вращающийся базис. Вещественные уравнения
6
для комплексного базиса. Спектр единичной матрицы. Жордановы клетки.
§ 50. Преобразование подобия для квадратных матриц ........................... 370
Принцип общности положения. Классы подобных матриц. Пространство ко-
эффициентов подобия. Левая и правая нормировка.
§ 51. Корневые подпространства .................................................................374
Конформный мир.
§ 52. Каноническая жорданова форма матрицы .........................................379
Циклические подпространства. Блочные циклы. Встреча "в верхах". Функ-
ции матричной клетки. Спектр матричной функции. "Слабое звено" линей-
ной алгебры. Движение по матричному следу.
§ 53. Элементарные функции с матричным аргументом ...........................385
Основные свойства матричных функций. Арифметический матричный ко-
рень. Функция блочной клетки. Матричная экспонента. Матричная триго-
нометрия. Матричное решение уравнений баллистики. Рекуррентная мат-
ричная алгебра. Матричная гармоника. Матричные функции для вязко - уп-
ругой модели.
§ 54. Матричные интегралы .........................................................................392
Колебательный "эскорт". Матричный метод Лагранжа. Мультипликативный
компьютерный интеграл. Следы матричных интегралов.
§ 55. Подобие линейных операторов ...........................................................398
Спектры операторов дифференцирования. Симметричный оператор и его спектр.
7
ное пространство.
§ 63. Скалярное произведение ......................................................................447
Скалярное произведение в комплексном пространстве. Псевдометрика. Ска-
лярное произведение в функциональном пространстве.
§ 64. Евклидово, унитарное и гильбертово пространства .........................454
Координатная изометрия. Процедура ортогонализации. Ортогональные много-
члены Чебышева. Обобщённый ряд Фурье. Диагонализация матрицы Грама.
§ 65. Ортогональные суммы и проекции ......................................................461
Оператор ортогонального проектирования. Экстремальное свойство много-
членов Фурье. Ортогональность инвариантных подпространств.
Глава 9. Спектр и норма матрицы ................................................465
§ 66. Диагонализация симметричных и кососимметричных матриц ........465
Прямые доказательства. Жорданово представление матрицы колебаний. Со-
пряжённая симметрия – это "два в одном". Дискриминант характеристиче-
ского уравнения.
§ 67. Ортогональные матрицы .....................................................................472
Группа ортогональных матриц. Вращения системы координат. Вращения твёр-
дого тела. Конструкционная инверсия. J - ортогональный базис матрицы коле-
баний. Группа J - ортогональных матриц. Спектр J - ортогональной матрицы.
§ 68. Спектральные оценки ..........................................................................481
Устойчивость движения механической системы. Неустойчивость разностной
схемы. Сходимость разностной схемы.
§ 69. Евклидова норма матрицы ..................................................................489
Плохо обусловленные матрицы. Жёсткая динамическая система. Норма мат-
рицы колебаний. Норма ортогональной и J - ортогональной матрицы. Норма
обратной матрицы. Асимптотическая устойчивость. Сколько нужно ждать?
Устойчивость матричного интеграла.
§ 70. Критерий Рауса – Гурвица ...................................................................498
Миноры Гурвица. Лучшее – враг хорошего. Статическая неустойчивость
прямого клапана.
§ 71. Устойчивость решения дифференциального матричного
уравнения ……………………………………………………………..507
Динамическая неустойчивость клапана. Спектр плунжерного гидронасоса.
Дифференциальный клапан. Абсолютная и относительная устойчивость.
Абсолютная устойчивость клапана. Устойчивость и вращения собственного
базиса. Устойчивость периодического движения.
§ 72. Матричные методы интегрирования линейных векторных
уравнений …………………………………………………………......517
Алгебраический метод. Численно-аналитический метод. Учтём симметрию.
Оценим спектр собственных колебаний. Выберем оптимальный дробный
шаг. Учтём специфику цепной системы. Оценим перспективы.
8
Об алгебре – с любовью...
(вместо предисловия)
В 50-ые годы ХХ - го столетия, когда Мировой океан ещё не был загрязнён радио-
активными отходами, и в нём во множестве водились киты, в бывшем Советском Союзе
была издана новая книга, которая называлась "Справочник китобоя". Так получилось, что
эта полезная книга совершенно неожиданно для её авторов получила известность не
только у "героев – китобоев", но и среди математиков. Тому виной была приведенная в
справочнике формула для определения массы выловленного кита. В самой формуле, кроме
габаритных размеров кита, использовалась общеизвестная константа π , а далее (на вся-
кий случай?) следовало разъяснение –
"где π для кита равняется 3,14".
Кого-то эта фраза тогда просто рассмешила, других – повергла в шок (какое ко-
щунство!), а третьих – заставила задуматься о серьёзных вещах. Математики, как вы,
наверняка, догадываетесь об этом, в основном люди очень сообразительные. И поэтому
они быстро смогли понять, что место "кита" в этой фразе мог бы, например, занять
инженер, или любой другой специалист, профессия которого не требует знания шестой
значащей цифры ответа. А ещё то, что отсутствие абстрактного воображения - это не
всегда зло, но часто – благо, поскольку позволяет быстро фокусировать внимание на глав-
ном. И что математик, работающий преподавателем в инженерном вузе, обязан учить
математике именно будущего инженера, а не пытаться вырастить из него новое "ма-
тематическое дарование".
Но в этой связи возникает много вопросов. Можно ли говорить о существовании
особой "математики для инженеров" или, скажем, "математики для бизнесменов", "ма-
тематики для военных"? И как увязать её учебный курс с теми личностными особенно-
стями будущего специалиста, которые обеспечили выбор данной профессии и целенаправ-
ленно формируются ею? Где должна пролегать грань между доказательностью изложе-
ния и его доступностью? Каким методам доказательных рассуждений (индуктивным или
дедуктивным) отдавать приоритет? Сохранять ли и далее в учебном курсе "чистоту"
методов высшей математики либо сразу же учитывать реалии их численной реализации?
Если бы мы не знали ответов на эти вопросы, то никогда не решились бы публико-
вать эту книгу. Но для того, чтобы найти их, нам пришлось в качестве практикующих
преподавателей высшей математики каждый учебный день на протяжении десятков лет
открывать двери студенческих аудиторий. А ещё – наводить новые мосты между мате-
матикой и техническими науками и каждый день самим путешествовать по этим мос-
там, соединяющим два берега человеческого знания.
Весь этот учебник, от первой до последней его страницы, собственно говоря, и яв-
ляется нашим развёрнутым ответом на эти вопросы. Но для тех нетерпеливых читате-
лей, кого смутит размер этого "ответа", спешим сообщить основополагающие принципы,
которыми мы руководствовались при его подготовке.
* * *
Современный этап развития науки, техники и общества в целом требует повыше-
ния роли фундаментальных дисциплин в системе высшего образования Украины. Органи-
зационные меры решения этой проблемы, связанные с переводом многих технических вузов
в ранг университетов, должны быть поддержаны изданием новых учебников. Особенно-
стью таких учебников является углубление теоретических разделов курса при одновре-
менном расширении фактического материала, который, с одной стороны, иллюстрирует
приложения теории к практике, а с другой стороны, делает изложение доступным и ин-
тересным. Образцом для таких учебников можно считать, например, признанный во всём
цивилизованном мире «Берклеевский курс физики», или, если приводить примеры матема-
тической литературы, «Курс математической физики» А.Н. Тихонова и А.А. Самарского.
9
Современный учебник по математике для технического университета должен не
только сообщать своим читателям всю, «без утайки», сумму знаний, которая может по-
надобиться в их практической деятельности, но и учить применять математические
методы при решении практических задач.
Он должен содержать большое число полностью рассмотренных примеров, кото-
рые как раз и учат применять эти методы на практике. Примеров в такой литературе не
может быть много, их всегда только мало.
Он должен показать на многочисленных примерах силу основного математиче-
ского метода – метода математической аналогии, являющегося действительной осно-
вой самой математики и определяющего её главенствующее место в науке.
Он должен помочь полюбить математику – «царицу наук» и основу любого под-
линно научного знания, а не бояться её, как это зачастую бывает со студентами и выпу-
скниками технического вуза.
Он должен существенно расширить общенаучный и терминологический кругозор
читателя.
Он должен стать их опорой в будущей научной и практической деятельности.
Он не может использовать принятый ранее для математической литературы
«назидательный тон» подачи материала. Автор для молодого (и не очень молодого) чи-
тателя должен быть скорее советчиком и единомышленником, но не занудной всезнайкой.
Автор должен любить своего читателя и не скрывать этих чувств.
Учебник должен быть хорошо иллюстрирован. Особенность студентов техниче-
ских вузов заключается в том, что они в своей массе обладают конкретным, а не абст-
рактным мышлением; к тому же в процессе обучения они привыкли иметь так называе-
мую «зрительную опору» – рисунок или чертёж. Эта особенность должна быть обяза-
тельно учтена при подготовке учебника по математике.
* * *
Этим принципам мы и пытались следовать при подготовке данного учебника. Уда-
лось ли нам решить эту задачу – судить вам. Заметим, что других, похожих на него учеб-
ников по линейной алгебре, в бывшем СССР и странах СНГ ранее не издавалось.
Учебник составлен в полном соответствии с программой курса высшей матема-
тики для политехнического университета Украины.
Изучение материала первых пяти глав в основном базируется на тех знаниях, ко-
торые были получены в школьном курсе математики, и только в отдельных случаях ис-
пользуются некоторые сведения из университетского курса математического анализа,
читаемого в том же семестре параллельно или последовательно. Параграфы и примеры,
отмеченные звёздочкой, при первом чтении рекомендуется пропустить.
В остальных четырёх главах книги содержится материал, который изучается на
специальных курсах технического университета по программе подготовки специалистов и
магистров. Эта часть книги написана не только для студентов; она должна быть полез-
на также аспирантам и научным сотрудникам, занимающимся математическим модели-
рованием технических объектов. Поэтому наряду с алгеброй конечномерных пространств
здесь изложены азы функционального линейного анализа.
Материал разбит на главы и параграфы, которые, как и примеры, имеют сквозную
нумерацию. Формулы, на которые имеются ссылки в тексте, нумеруются в пределах гла-
вы, а при редких ссылках на формулу из другой главы используется двойная нумерация (на-
пример, запись (1.2) обозначает формулу с номером (2) из первой главы).
Выражаем благодарность профессорам Ю.В. Ганделю, В.С. Гапонову, В.И. Морозу
и доценту Н.А. Чикиной, взявшим на себя труд рецензирования учебника и сделавшим мно-
го ценных замечаний по тексту. Но главные наши рецензенты – это вы, наши читатели.
Если опыт покажется вам удачным, мы напишем продолжение.
Свои отзывы об учебнике просим направлять по адресу: 61002, Украина, г. Харьков,
ул. Фрунзе, д.21, НТУ "Харьковский политехнический институт", редакционно-издатель-
ский отдел.
Авторы
10
Глава 1. Матрицы
11
со стороны осаждающих войск берёт Тулон, охваченный мятежом роялистов. На сле-
дующий день он становится генералом Бонапартом, а через 10 лет – императором
Франции Наполеоном.
Но являются ли таблицы Брадиса, Непера или Наполеона матрицами? Формаль-
но – да, но по существу – нет. Числовую таблицу следует считать матрицей, если при
каждом обращении к ней она используется или преобразуется как единое целое; поэто-
му в определении матрицы вместо термина «множество элементов» используется бо-
лее узкий термин - «совокупность элементов». Попробуйте вспомнить задачу, для
решения которой понадобилась бы, скажем, вся таблица Брадиса для синуса. Правиль-
но, таких задач не бывает, таблица Брадиса всегда используется фрагментарно.
Понимание этих различий пришло в математику примерно через сто лет после
наполеоновских войн и связано с работами двух знаменитых английских учёных Га-
мильтона и Кэли, которые и считаются основоположниками матричного исчисления.
12
⎧ x − 0.1 ⋅ y + 0.7 ⋅ z = 1.6
⎧x + 2 ⋅ y = 0 ⎪
⎨ (1) и ⎨−2 ⋅ x + 3 ⋅ y − 0.5 ⋅ z = 0.5 (2)
⎩ x− y =0 ⎪ 0.1⋅ x + y − 2 ⋅ z = −0.9
⎩
взаимно однозначным образом соответствуют матрицы коэффициентов
⎛ 1 −0.1 0.7 1.6 ⎞
⎛1 2 ⎞ ⎜ ⎟
A=⎜ ⎟ и B = ⎜ −2 3 −0.5 0.5 ⎟ ,
⎝ 1 −1 ⎠ ⎜ 0.1 1
⎝ −2 −0.9 ⎟⎠
составленные из числовых констант, причём в рассматриваемых
примерах матрица A оказалась квадратной матрицей второго поряд-
ка, а B – неквадратной матрицей размера 3 × 4 . Ясно, что в матрицах
A и B содержится в зашифрованном виде вся информация, необхо-
димая и достаточная для решения систем (1) или (2).
Разумеется, системы (1) и (2) настолько просты, что их мож-
но решить без привлечения матриц. Найдите эти решения самостоя-
тельно, используя те методы, которые учили в школе (например, ме-
тод исключения неизвестных). Решение системы (1) очевидно
( x = 0; y = 0 ), но чтобы найти решение системы (2) вам придётся ос-
новательно поработать. А теперь представьте, как вы будете решать
Рисунок 1
этим же методом систему, содержащую 100 уравнений и 100 неиз-
вестных. Трудности покажутся непреодолимыми, но именно такой,
приблизительно, порядок имеют системы уравнений, которые приходится решать, на-
пример, при выводе космического аппарата на заданную орбиту или принятии опти-
мального решения в экономике. Так, перед запуском ракетоносителя «Титан», выводя-
щего на орбиту искусственного спутника Земли космический корабль многоразового
использования «Шаттл» (рис.1), собирается и обрабатывается информация о силе и на-
правлении ветра для нескольких десятков точек, расположенных на разгонном участке
полёта ракеты. Конечно, все вычисления в этих случаях проводит ЭВМ, но информа-
ция, необходимая для работы компьютерных программ, представляется только в мат-
ричном виде.
13
нет, то они равны 0. Так, используя это правило для пускового реле электродвигателя
можно получить матрицу
⎛1 0 0 1 0 0⎞ к о м п ь ю т е р н а я с е т ь
⎜ ⎟
⎜0 1 0 0 1 0⎟
⎜0 0 1 0 0 1⎟
G =⎜ ⎟.
⎜ 1 0 0 1 0 0 ⎟
⎜0 1 0 0 1 0⎟
⎜⎜ ⎟⎟ 1 2 3 ... n − 1 n
⎝0 0 1 0 0 1⎠ Рисунок 3
14
⎧ x = cos ϕ ⋅ X − sin ϕ ⋅ Y ⎧ X = cos ϕ ⋅ x + sin ϕ ⋅ y
⎨ или ⎨ . (3)
⎩ y = sin ϕ ⋅ X + cos ϕ ⋅ Y ⎩Y = − sin ϕ ⋅ x + cos ϕ ⋅ y
⎛ 1 1 1 ... 1 ⎞
⎜ ⎟
⎜ a1 a2 a3 ... an ⎟
C = ⎜ a12 a 2
2 a 2
3 ... an2 ⎟ ,
⎜ ⎟
⎜ ... ... ... ... ... ⎟
⎜ a n −1 a n −1
an −1
... ann −1 ⎟⎠
⎝ 1 2 3
15
⎛1 1 1 1 ⎞
⎜ ⎟
⎜ 3 2 5 −4 ⎟
C= .
⎜9 4 25 16 ⎟
⎜ ⎟
⎝ 27 8 125 −64 ⎠
16
ние A = ⎡⎣ Ai j ⎤⎦ , где выражение Ai j обозначает матрицу, расположенную в i -
⎛U F ⎞ ⎛ cos ϕ − sin ϕ ⎞ ⎛ x0 ⎞
S =⎜ ⎟ , где U =⎜ ⎟ ; F = ⎜ y ⎟ ; Θ = ( 0 0 ) ; I = (1) .
⎝Θ I ⎠ ⎝ sin ϕ cos ϕ ⎠ ⎝ 0⎠
Блоки, как показывает этот пример, могут быть составлены из элементов любого
типа – числовых констант, функций или алгебраических выражений.
17
⎛1 2 1 2 ⎞ ⎛ ⎡1 2⎤ ⎡1 2⎤ ⎞
⎜ ⎟ ⎜⎢ 4 ⎥⎦ ⎢3 ⎟
4 ⎥⎦ ⎟ ⎛ A A ⎞
⎜3 4 3 4 ⎟ ⎜ ⎣3 ⎣ ⎡1 2 ⎤ ⎡5 6 ⎤
= =⎜ ⎟ , где A = ⎢ ⎥ ; B=⎢ .
⎜1 2 5 6 ⎟ ⎜ ⎡1 2⎤ ⎡5 6⎤ ⎟ ⎝ A B ⎠ ⎣ 3 4⎦ ⎣ 7 8 ⎥⎦
⎜⎜ ⎟ ⎜ ⎟
⎝3 4 7 8 ⎟⎠ ⎜⎝ ⎢⎣3 4 ⎥⎦ ⎢⎣7 8 ⎥⎦ ⎟⎠
⎨ ,(4)
⎪ вых
⎪ U1 = h11 ⋅ J1 + ... + h1n ⋅ J n + d11 ⋅U1 + ... + d1n ⋅U n
вх вх вх вх
⎪ ..............................................................................
⎪ вых
⎪⎩U n = hn1 ⋅ J1 + ... + hnn ⋅ J n + d n1 ⋅U1 + ... + d nn ⋅ U n
вх вх вх вх
выход
...
1 2 3 n −1 n где fij , gij , hij , dij – некоторые постоянные коэффициен-
ты, которые могут быть определены для данного 2 ⋅ n -
Рисунок 6 полюсника расчётным или экспериментальным путём.
Коэффициенты этих уравнений образуют квад-
ратную матрицу S порядка 2 ⋅ n , называемую передаточной матрицей 2 ⋅ n - полюс-
ника. Эта матрица обычно записывается и используется при инженерных расчётах
электрических цепей в виде блочной матрицы, состоящей из четырёх квадратных бло-
ков n - го порядка:
⎛ f11 ... f1n g11 ... g1n ⎞
⎜ ⎟ 1 вход 2
⎜ ... ... ... ... ... ... ⎟
⎜ f n1 ... f nn g n1 ... g nn ⎟ ⎛ F G ⎞
S =⎜ ⎟=⎜ ⎟,
⎜ h11 ... h1n d11 ... d1n ⎟ ⎝ H D ⎠ R1 R2
⎜ ... ... ... ... ... ... ⎟
⎜⎜ ⎟⎟
⎝ hn1 ... hnn d n1 ... d nn ⎠
R3 R4
где F = ⎡⎣ fi j ⎤⎦ ; G = ⎡⎣ gi j ⎤⎦ ; H = ⎡⎣ hi j ⎤⎦ ; D = ⎡⎣ di j ⎤⎦ .
18
стоятельно найти блоки передаточной матрицы для четырёхполюсника, показанного на
рис.7 (тензометрический мост).
Указание. Рассмотрите отдельно следующие случаи:
1) все сопротивления одинаковые (то есть, Ri = R , i ∈1, 4 );
2) сопротивления пропорциональные ( R1 : R2 = R3 : R4 );
3) сопротивления непропорциональные ( R1 : R2 ≠ R3 : R4 ).
При помощи такой схемы, например, производится измерение механических
напряжений, возникающих в деталях механизмов и машин при их работе. Для этого в
цепи в качестве сопротивлений Ri используются тензорезисторы. Тензорезисторы на-
клеиваются на поверхность детали и деформируются вместе с ней; при этом величина
их электрического сопротивления изменяется пропорционально деформации. В резуль-
тате происходит изменение передаточной матрицы S , которое фиксируется при помо-
щи осциллографа.
Определение. Пусть у матрицы F размера m × n все элементы являются число-
выми функциями некоторого независимого аргумента t . Тогда матрица F называется
матрицей – функцией и обозначается F (t ) или ⎡⎣ fi j (t ) ⎤⎦ .
При проведении измерений быстротекущих процессов передаточная матрица
S тензометрического моста оказывается блочной матрицей – функцией S (t ) времени t .
19
имеющие четвёртый порядок; тензоры первой и второй валентности являются матри-
цами. Тензоры третьей валентности используются в прикладных задачах механики
твёрдого тела, четвёртой валентности – в теории относительности и связанных с ней
разделах теоретической физики.
20
Определение. Диагональная матрица, у которой все элементы глав-
ной диагонали равны 1, называется единичной.
За единичными матрицами в математике закреплены постоянные
обозначения – I или E , то есть
⎛1 0 0⎞
⎟⎟
⎜⎜
⎜⎜ 0 1 0 ⎟⎟⎟
I = ⎜⎜ ⎟⎟ или E = diag (1, 1, ... ,1) .
⎜⎜ ⎟⎟
⎜⎜ ⎟⎟
⎜⎜⎝ 0 0 1 ⎟⎟⎠
П р и м е р 1 3 . « Ж е л е з н о д о р о ж н ы е » к о л е б а н и я . На рис.9 схемати-
чески изображена простейшая динамическая модель цепной механической системы,
состоящей из n масс mi , связанных между собой пружинами с коэффициентами жёст-
кости ci . При помощи та-
кой модели изучаются, на-
пример, свободные про-
xn xn −1 x3 x2 x1 дольные колебания, возни-
кающие в железнодорож-
ном составе при изменении
скорости локомотива.
Составим матема-
тическую модель цепной
mn −1 m1 механической системы.
mn m3 m2
Силы Fi , возникающие в
пружинах, будем предпо-
Рисунок 9
лагать пропорциональны-
21
ми деформации пружины, то есть
Fi = ci ⋅ ( xi +1 − xi ) .
Ускорения ai масс системы будем обозначать так, как это принято в механике,
то есть ai =
xi , где знак « ⋅ » означает дифференцирование по времени. Тогда, в соот-
ветствии со вторым законом Ньютона, уравнения движения масс системы примут вид
⎧ m1 ⋅
x1 = −c1 ⋅ ( x1 − x2 )
⎪ m2 ⋅
x2 = c1 ⋅ ( x1 − x2 ) − c2 ⋅ ( x2 − x3 )
⎪⎪
⎨ ....................................... . (5)
⎪m ⋅ x = c ⋅ ( x − x ) − cn −1 ⋅ ( xn −1 − xn )
⎪ n −1 n −1 n − 2 n − 2 n −1
⎪⎩ mn ⋅ xn = cn −1 ⋅ ( xn −1 − xn )
⎛ −c1 c1 0 ... 0 0 ⎞
⎜ ⎟
⎜ c1 −c1 − c2 c2 ... 0 0 ⎟
⎜ 0 c2 −c2 − c3 ... 0 0 ⎟
C =⎜ ⎟.
⎜ ......... ............ ........ ... ...... ...... ⎟
⎜ 0 0 0 ... −cn − 2 − cn −1 cn −1 ⎟
⎜⎜ ⎟
⎝ 0 0 0 ... cn −1 −cn −1 ⎟⎠
22
Треугольные матрицы имеют вид
⎛a11 a12 a1n ⎞
⎟⎟
⎛ b11 0
⎜⎜
0 ⎞
⎟⎟
⎜⎜
⎜⎜ 0 a22 a2n ⎟⎟
⎟⎟
⎜⎜ b
21 b22 0 ⎟⎟⎟
A = ⎜⎜ ⎟⎟ или B = ⎜⎜⎜ ⎟⎟ .
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟⎟
⎜⎜ ⎟
⎜⎝ 0 0 ann ⎟⎟⎠⎟ ⎜
⎜⎜⎝bn 1 bn 2 bnn ⎟⎟⎟⎠
23
Определение. Квадратная блочная матрица, у которой блоки, распо-
ложенные на главной диагонали, являются квадратными матрицами, а вне
главной диагонали – нулевыми матрицами, называется блочно - диаго-
нальной (или клеточной).
Блочно – диагональная матрица D имеет следующий вид:
⎛ D11 Θ ... Θ ⎞
⎜ ⎟
Θ D22 ... Θ ⎟
D=⎜ .
⎜ ... ... ... ... ⎟
⎜⎜ ⎟
⎝ Θ Θ ... Dnn ⎟⎠
24
Satellite dish
центральный
локальный
Satellite dish
сервер локальный
Satellite dish
сервер сервер
Terminal server
Terminal server
локальный
Satellite dish
локальный
Satellite dish
сервер
сервер
Terminal server
Terminal server
Рисунок 11
25
Пусть рассматриваемый горизонтальный участок цепи состоит из n звеньев.
Перенумеруем координаты всех звеньев в следующем порядке: номера от 1 до 6 полу-
чат координаты первого звена, номера от 7 до 12 – такие же координаты второго звена,
и так далее. В результате каждая координата получит свой номер i ∈1, (6 ⋅ n) ; обозначим
её xi . Этой координате соответствует некоторый инерционный коэффициент – масса
или момент инерции; обозначим его mi .
Предположим, что все силы и моменты сил, возникающие в соединениях цепи,
пропорциональны изменениям координат. Тогда изменение i - той координаты будет
удовлетворять уравнению
6⋅ n
xi = ∑ ci j ⋅ x j ,
mi ⋅
0
j =1
26
Определение. Квадратная блочная матрица, у которой блоки, распо-
ложенные на главной диагонали, являются квадратными матрицами, а под
главной диагональю или над главной диагональю – нулевыми матрицами,
называется соответственно, блочной верхнетреугольной или блочной
нижнетреугольной.
Блочные треугольные матрицы имеют вид
штаб армии
П р и м е р 1 8 . А р м е й с к и й п о р я д о к . На рис. 15 изо-
бражена схема управления сухопутными войсками во время веде-
штаб корпуса ния войны, принятая в настоящее время в большинстве крупных
государств. Каждый уровень управления включает в себя опреде-
лённое число командиров и начальников, подчинённость которых
штаб дивизии друг другу и должностным лицам вышестоящих уровней строго
регламентируется уставами. Например, командир полка подчиняет-
ся командиру своей дивизии и некоторым его заместителям (но не
штаб полка всем), командиру корпуса и большинству его заместителей, коман-
диру армии и всем его заместителям и т.д. Если говорить языком
математики, армейские начальники образуют частично упорядо-
штаб батальйона ченное множество. Разобраться во всей этой системе отношений
помогает матрица субординации, которая строится следующим
образом. Сначала составляется вектор – строка, в которой за каж-
командир роты дым уровнем управления закрепляется столько элементов, сколько
и его заместители должностных лиц он содержит, причём размещение этих элемен-
тов производится слева направо в порядке субординации уровней.
командир взвода
В результате каждый командир или начальник в этой строке полу-
чает свой номер. Далее составляется квадратная матрица, элементы
и его заместитель
aij которой получают только одно из двух значений: 1 – если ко-
мандир, имеющий i -тый номер подчиняется командиру, имеюще-
командир отделения му j -тый номер, или 0 – если не подчиняется. Поскольку команди-
ров и начальников в армии много, то получающаяся при этом мат-
рица субординации имеет очень большие размеры, и её удобно
рядовой
представлять в виде блочной матрицы ⎡⎣ G i j ⎤⎦ , где блок G i j являет-
ся матрицей субординации между i -тым и j -тым уровнями управ-
Рисунок 15
ления. Командиры нижестоящих уровней управления не имеют
право отдавать приказания должностным лицам вышестоящих
уровней, поэтому все блоки G i j при i > j являются нулевыми, и матрица субордина-
ции оказывается блочной нижнетреугольной матрицей.
27
В современной армии строго регламентируется не только порядок отдачи прика-
заний, но и порядок информирования об их выполнении. Вспомните известную сцену
из кинофильма режиссёра Юрия Озерова “Последний штурм”, где показано, как “шёл”
к Сталину доклад о взятии Рейхстага. Доклады и рапорты подаются по команде от ни-
жестоящих уровней управления к вышестоящим, и эти информационные обмены опи-
сываются так называемой матрицей донесений, которая, как несложно это понять,
оказывается блочной верхнетреугольной. Матрицы субординации и донесений пред-
ставляют собой примеры ориентированных графов.
П р и м е р 1 9 . «Г л а в н а я м а т р и ц а » у н и в е р с и т е т а . Попробуйте са-
мостоятельно составить матрицу субординации для университета, в котором вы учи-
тесь. За недостающей информацией можно обратиться к куратору группы.
λ:
28
λ ⋅ ⎡⎣ Ai j ⎤⎦ = ⎡⎣λ ⋅ Ai j ⎤⎦ .
ной матрице A .
тогда
⎛ a + b11 a12 + b12 a1n + b1n ⎞
⎟⎟
⎜⎜ 11
⎜⎜ a + b a22 + b22 a2n + b2n ⎟⎟⎟
C = A + B = ⎜⎜⎜
21 21 ⎟
def ⎜ ⎟⎟⎟ .
⎜⎜ ⎟⎟
⎜⎜⎝ am 1 + bm 1 am 2 + bm 2 amn + bmn ⎠⎟⎟⎟
29
блоки другой матрицы:
⎡⎣ Ai j ⎤⎦ + ⎡⎣ B i j ⎤⎦ = ⎡⎣ Ai j + B i j ⎤⎦ .
⎛ 3 −2 0 ⎞⎟ ⎛ 4 0 3 ⎞⎟
Пример 20. ⎜
Пусть A = ⎜⎜ ⎟ , B = ⎜⎜⎜ ⎟.
⎟
⎜⎝ 1 2 −3 ⎟⎠ ⎜⎝ −2 7 1 ⎟⎟⎠
Вычислить 4 ⋅ A + 3 ⋅ B .
Решение. Матрицы A и B имеют одинаковые размеры, поэтому операция
их суммирования корректна.
⎛ 12 −8 0 ⎞
⎟⎟ , ⎛ 12 0 9 ⎞⎟
Вычислим: 4 ⋅ A = ⎜⎜⎜ ⎟⎟ 3 ⋅ B = ⎜⎜⎜ ⎟,
⎜⎝ 4 8 − 12 ⎠ ⎜⎝ −6 21 3 ⎟⎟⎠
⎛ 24 −8 9 ⎞⎟
Ответ. 4 ⋅ A + 3 ⋅ B = ⎜⎜⎜ ⎟.
⎜⎝ −2 29 −9 ⎟⎟⎠
30
C = A − B = A + ( −1 ) ⋅ B .
def
∑∑ (a
i =1 j =1
ij − bi j ) 2 < ε 2 .
31
ность нулевой матрицы Θ . Это означает, что любую матричную окрестность можно
трактовать как результат переноса окрестности нулевой матрицы Θ в новый центр.
Топологии, обладающие таким свойством, называются однородными.
32
смотрите на рис. 17, где показано изменение элементов некоторой матрицы – функции
F (t ) размера 1× 2 . Для любой, сколь угодно малой окружности с центом в точке
M (a11 , a12 ) найдётся такой промежуток (a − δ , a + δ ) , что при всех t из этого проме-
жутка (кроме, возможно, значения t = a , где матрица-функция может быть вообще не
задана) кривая находится внутри этой окружности. Однако, на практике всё же удобнее
пользоваться первым, так называемым поэлементным определением предела матри-
цы-функции.
Н е п р е р ы в н о с т ь м а т р и ц ы - ф у н к ц и и F (t ) п р и t = a э к в и в а л е н т н а
в ы п о л н е н и ю у с л о в и я lim ΔF (t ) = Θ .
t →a
Умножение матриц.
Определение. Пусть заданы две матрицы A и B , причём число
столбцов первой из них равно числу строк второй:
⎛ a11 a12 a1n ⎞ ⎛b b b1k ⎞
⎟⎟
⎜⎜ ⎟⎟ ⎜⎜ 11 12
⎜ a21 a22 a2n ⎟⎟ ⎜b b b2k ⎟⎟⎟
A = ⎜⎜⎜ ⎟⎟ ; B = ⎜⎜⎜ 21 22 ⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟⎟ .
⎜⎜a ⎟⎟ ⎜⎜ ⎟⎟
⎝ m 1 am 2 amn ⎟⎟⎠ ⎜⎜⎝bn 1 bn 2 bnk ⎠⎟⎟⎟
33
Примечание. При записи этих сумм многие физики, следуя примеру
А. Эйнштейна, сам знак суммирования Σ не пишут, договорившись под
произведением a i p ⋅ b p j понимать результат суммирования всех таких
34
5. Все полученные произведения сложить и результат – элемент cij –
П р и м е р 2 2 . Вычислить C = A ⋅ B ,
⎛ 3 −2 1 ⎞⎟ ⎛ 3 −2 ⎞⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎜⎜ ⎜⎜
где A = ⎜ 4 0 5 ⎟⎟⎟, B = ⎜ 4 1 ⎟⎟⎟ .
⎜⎜ ⎟ ⎜⎜ ⎟
⎜⎝⎜ 7 −2 1 ⎟⎟⎟⎠ ⎜⎝⎜ 5 6 ⎟⎠⎟⎟
Решение.
⎛ 3 ⋅ 3 − 2 ⋅ 4 + 1 ⋅ 5 −3 ⋅ 2 − 2 ⋅ 1 + 1 ⋅ 6 ⎞⎟ ⎛ 6 −2 ⎟⎞
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎜⎜ ⎜⎜
C = A ⋅ B = ⎜ 4 ⋅ 3 + 0 ⋅ 4 + 5 ⋅ 5 −2 ⋅ 4 + 0 ⋅ 1 + 5 ⋅ 6 ⎟⎟ = ⎜ 37 22 ⎟⎟⎟ .
⎟
⎜⎜ ⎟ ⎜ ⎟
⎜⎜⎝ 7 ⋅ 3 − 2 ⋅ 4 + 1 ⋅ 5 −7 ⋅ 2 − 2 ⋅ 1 + 1 ⋅ 6 ⎟⎟⎟⎠ ⎜⎜⎜⎝ 18 −10 ⎟⎟⎟⎠
⎛ 6 −2 ⎞
⎜ ⎟
Ответ: C = ⎜ 37 22 ⎟ .
⎜ 18 −10 ⎟
⎝ ⎠
35
П р и м е р 2 3 . М а т р и ч н о е у р а в н е н и е с и с т е м ы . Вернёмся к решени-
ям систем линейных уравнений, рассматриваемых в п р и м е р е 1 , и покажем, каким
образом эти системы можно записать в виде одного уравнения, содержащего матрич-
ные коэффициенты.
⎧x + 2 ⋅ y = 0
Рассмотрим систему (1) ⎨ ,
⎩ x− y =0
⎛1 2 ⎞
из коэффициентов которой можно образовать квадратную матрицу A=⎜ ⎟,
⎝ 1 −1⎠
⎛ x⎞
а из неизвестных – вектор - столбец X = ⎜ ⎟ или вектор - строку Y = ( x y) .
⎝ y⎠
⎛1 2 ⎞ ⎛ x ⎞ ⎛ x + 2 ⋅ y ⎞
A⋅ X = ⎜ ⎟⋅⎜ ⎟ = ⎜ ⎟; X ⋅ A – операция не корректна;
⎝ 1 −1 ⎠ ⎝ y ⎠ ⎝ x − y ⎠
⎛1 2 ⎞
A ⋅ Y – операция не корректна; Y ⋅ A = (x y)⋅⎜ ⎟ = ( x + y 2⋅ x − y) .
⎝ 1 −1⎠
Сравнивая этот результат с уравнениями системы (2) замечаем, что система мо-
жет быть переписана в следующем эквивалентном виде:
A⋅ X = F , (7)
36
⎛ 1.6 ⎞
⎜ ⎟
где F = ⎜ 0.5 ⎟ – так называемый столбец правых частей.
⎜ −0.9 ⎟
⎝ ⎠
Матричные уравнения вида (6) или (7) могут быть составлены для систем, со-
держащих любое число уравнений и неизвестных. Единообразие записи всех этих сис-
тем позволяет, как вы увидите это в дальнейшем, предложить универсальные методы
их решения.
37
⎪⎧ x = a11 ⋅ (b11 ⋅ X + b12 ⋅ Y ) + a12 ⋅ (b21 ⋅ X + b22 ⋅ Y ) = (a11 ⋅ b11 + a12 ⋅ b21 ) ⋅ X + (a11 ⋅ b12 + a12 ⋅ b22 ) ⋅ Y
⎨ .
⎪⎩ y = a21 ⋅ (b11 ⋅ X + b12 ⋅ Y ) + a22 ⋅ (b21 ⋅ X + b22 ⋅ Y ) = (a21 ⋅ b11 + a22 ⋅ b21 ) ⋅ X + (a21 ⋅ b12 + a22 ⋅ b22 ) ⋅ Y
Полученные соотношения можно переписать так:
⎧⎪ x = c11 ⋅ X + c12 ⋅ Y ⎛c c ⎞ ⎛ a ⋅b + a ⋅b a11 ⋅ b12 + a12 ⋅ b22 ⎞
⎨ , где C = ⎜ 11 12 ⎟ = ⎜ 11 11 12 21 ⎟ . (12)
⎪⎩ y = c21 ⋅ X + c22 ⋅ Y ⎝ c21 c22 ⎠ ⎝ a21 ⋅ b11 + a22 ⋅ b21
a21 ⋅ b12 + a22 ⋅ b22 ⎠
Вам ничего не напомнили формулы (12)? Если вы ещё сами об этом не догада-
лись, то попробуйте умножить матрицу A на матрицу B по сформулированному выше
правилу, и вы получите матрицу C .
Теперь выполним подстановку в матричных равенствах (10) и (11):
⎛ x⎞ ⎛X ⎞ ⎛X⎞ ⎛X⎞
⎜ ⎟ = A ⋅ ⎜ ⎟ = A ⋅ ( B ⋅ ⎜ ⎟ ) = C ⋅ ⎜⎜ ⎟⎟ .
⎝ y⎠ ⎝Y ⎠ ⎜Y ⎟
⎝ ⎠ ⎝Y ⎠
Следовательно, матрица пересчёта координат для результирующего преоб-
разования равна произведению матриц отдельных преобразований
C = A⋅ B , (13)
причём перемножение матриц выполняется по сформулированному выше п р а в и л у .
38
M ⋅Y = C ⋅ X . (14)
Матричное уравнение (14) содержит два неизвестных вектора – столбца -
X и Y . Покажем, что вектор-столбец Y , составленный из вторых производных, на
самом деле является второй производной вектор - столбца X . Для этого мы долж-
ны сформулировать определение производной матрицы-функции.
Пусть в некоторой окрестности точки a определена и непрерывна матрица-
функция F (t ) размера m × n . По аналогии с определением производной числовой
функции, составим следующее выражение из приращений матрицы-функции и её аргу-
мента:
1
⋅ [ F ( a + Δt ) − F (a )] .
Δt
Если переменная t обозначает время, то данное выражение при малых значени-
ях Δt → 0 характеризует скорость изменения матрицы-функции в момент времени
t = a . Вычислим предел этого выражения при Δt → 0 :
1 1 fi j ( a + Δt ) − fi j ( a )
lim ⋅ [ F ( a + Δt ) − F (a)] = lim ⋅ [ fi j ( a + Δt ) − fi j ( a )] = [lim ] = [ fi 'j (a)] ,
Δt →0 Δt Δt →0 Δt Δt →0 Δt
в предположении, что все производные fi 'j (a ) существуют.
Определение. Матрица-функция F (t ) называется дифференцируемой при
t = a , если все её элементы дифференцируемы при t = a . Матрица, составленная из
производных fi 'j (t ) элементов матрицы-функции F (t ) , называется производной этой
матрицы - функции и обозначается F ' (t ) .
В краткой записи эти определения выглядят так:
F ' (t ) = ⎡⎣ f i j' (t ) ⎤⎦ ,
def
т. е. п р о и з в о д н а я о т м а т р и ц ы р а в н а м а т р и ц е и з п р о и з в о д н ы х , и на-
оборот, м а т р и ц а и з п р о и з в о д н ы х р а в н а п р о и з в о д н о й о т м а т р и ц ы .
'
⎛ cos ϕ − sin ϕ ⎞ ⎛ (cos ϕ ) ' (− sin ϕ ) ' ⎞ ⎛ − sin ϕ − cos ϕ ⎞
Например, U (ϕ ) = ⎜
'
⎟ =⎜ ⎟=⎜ ⎟.
⎝ sin ϕ cos ϕ ⎠ ⎝ (sin ϕ ) (cos ϕ )' ⎠ ⎝ cos ϕ − sin ϕ ⎠
'
39
тесь в нашем курсе высшей математики примерно через год. Тем не менее, сравнивая
систему соотношений (5) с лаконичной формой уравнения (15), можно уже сейчас со-
гласиться с тем, что использование матриц вообще, а сформулированного п р а в и л а
их перемножения - в особенности, и в этом случае оказалось полезным.
40
ведения равны произведению диагональных элементов сомножителей:
diag (a11 , a22 , ... , ann ) ⋅ diag (b11 , b22 , ... , bnn ) = diag (a11 ⋅ b11 , a22 ⋅ b22 , ... , ann ⋅ bnn ) .
2. П р а в и л а у м н о ж е н и я м а т р и ц ы н а д и а г о н а л ь н у ю .
Следствие. В резуль-
тате умножения матрицы A
0 0 0
на единичную матрицу I
0 0 0 слева или справа получается
матрица A :
I⋅A= A или A ⋅ I = A .
0 0 0 Этот результат объясняет,
почему матрица
0 0 0
I = diag (1, 1,... , 1)
41
3. Правила умножения разреженных матриц.
В частности:
при умножении диагональ-
0 0 0
ной матрицы A на трёхдиа-
4. П р а в и л а у м н о ж е н и я т р е у г о л ь н ы х м а т р и ц .
Правило А. В результате
0 0 0 перемножения двух нижне-
треугольных матриц A и B
получается нижнетреуголь-
ная матрица C (рис.24).
Рисунок 24
Правило Б. В результате
перемножения двух верх-
нетреугольных матриц A
и B получается верхне- 0 0 0
треугольная матрица C
(рис.25). Рисунок 25
42
ство квадратных матриц может быть получено как результат такого умножения. Усло-
вия, при выполнении которых квадратная матрица может быть представлена в виде
произведения треугольных матриц, изучались великим немецким математиком Карлом
Гауссом, и поэтому в его честь такое представление матрицы называется гауссовым
представлением. Формулировка соответствующей т е о р е м ы о г а у с с о в о м п р е д -
с т а в л е н и и м а т р и ц ы будет приведена позже, когда вы познакомитесь с необхо-
димой для этого терминологией. Но уже сейчас можно сформулировать с л е д с т в и е
из этой теоремы.
В любой, сколь угодно малой ε - окрестности квадратной матрицы С най-
дутся такие матрицы D , которые могут быть представлены в виде произведений
D = А⋅ B и D = F ⋅G ,
5. П р а в и л а у м н о ж е н и я м а т р и ц ы н а в е к т о р .
43
⎛ a11 ⋅ b11 + ... + a1n ⋅ bn1 ⎞
⎜ ⎟
C = A⋅ B = ⎜ ... ⎟.
⎜ a ⋅ b + ... + a ⋅ b ⎟
⎝ m1 11 mn n1 ⎠
строка
C = A ⋅ B = [b11 ⋅ A b12 ⋅ A ... b1n ⋅ A] .
6.Правила перемножения
блочных матриц.
Рисунок 30
44
n
C ij = Ai1 ⋅ B1 j + Ai 2 ⋅ B2 j + + Ain ⋅ Bnj = ∑ Aip ⋅ Bpj .
p =1
45
Правило Д. В результате умножения блочной вектор - строки A на блоч-
ную матрицу B (рис. 26) получается блочная вектор - строка
C = A ⋅ B = ( A11 ⋅ B11 + ... + A1n ⋅ Bn1 ... A11 ⋅ B1m + ... + A1n ⋅ Bnm ) .
46
П р и м е р 2 7 . М а т р и ч н ы й п р о ц е с с о р . Операция перемножения двух
квадратных матриц n - го порядка включает в себя, как несложно подсчитать, n 3 опе-
раций умножения и n 2 ⋅ (n − 1) операций сложения обычных чисел. Если в ходе реше-
ния некоторой задачи приходится выполнять многократное перемножение матриц,
имеющих, например 100-ый порядок, то эта операция существенно замедляет решение.
Поэтому в 80-ые годы ХХ – го века в СССР были разработаны и выпускались серийно
для ЭВМ серии ЕС так называемые матричные процессоры, специализированные для
решения таких задач. В одном из вариантов матричный процессор представлял собой
объединение 64 процессоров, работающих парал-
30 лельно. Каждый процессор независимо от дру-
гих вычисляет один определённый элемент квад-
8×8 8×8 8×8 ... Θ ратной матрицы 8-го порядка, в результате чего
арифметические действия над такими матрица-
ми (сложение и умножение) ускоряются в 64 –
8×8 8×8 ... ... Θ ре раза. Для использования таких возможностей
30 32 матричного процессора квадратные матрицы n -
8×8 ... ... ... Θ го порядка записываются в виде блочных матриц
с блоками размера 8 × 8 , а дальше применяются
правила сложения и умножения блочных матриц.
... ... ... ... Θ Если порядок матриц не кратен 8 - ми (например,
Θ Θ Θ Θ Θ n = 30 ), то матрицы дополняются справа и снизу
32 необходимым количеством нулевых столбцов и
строк (рис.33). Вам предоставляется возможность
внимательно проанализировать правила сложения
Рисунок 33
и умножения матриц и убедиться в том, что, не-
смотря на такое изменение матриц, элементы с индексами i , j ≤ n вычисляются пра-
вильно, а остальные элементы равны нулю.
⎛ J вх ⎞ ⎛ J вых ⎞
после чего, образуем из них два блочных вектора - столбца ⎜ вх ⎟ и ⎜ вых ⎟ .
⎝U ⎠ ⎝U ⎠
⎛ J вых ⎞ ⎛ F ⋅ J вх + G ⋅ U вх ⎞ ⎛ F G ⎞ ⎛ J вх ⎞ ⎛ J вх ⎞
⎜ вых ⎟ = ⎜ вх ⎟
=⎜ ⋅
⎟ ⎜ ⎟ = S ⋅ ⎜ вх ⎟ . (15)
⎝U ⎠ ⎝ H ⋅ J + D ⋅U ⎠ ⎝ H
вх
D ⎠ ⎝ U вх ⎠ ⎝U ⎠
47
Уравнение (15) является полным аналогом уравне-
1 2 3
... n − 1 n
⎛ J вых ⎞ ⎛ J вх ⎞ ⎛ J вых ⎞ ⎛ J вх ⎞ 1 2 3
... n − 1 n
⎜ вых ⎟ = B ⋅ ⎜ вх ⎟ и ⎜ вых ⎟ = A ⋅ ⎜ вх ⎟ ,
⎝U ⎠ ⎝U ⎠ ⎝U ⎠ ⎝U ⎠ вход
⎛B B12 ⎞ ⎛ A11 A12 ⎞
где B = ⎜ 11 ⎟ и A=⎜ ⎟ – передаточные
⎝ B21 B22 ⎠ ⎝ A21 A22 ⎠
матрицы с квадратными блоками Bi j и Ai j .
Тогда матричное уравнение их последовательного выход
...
соединения имеет вид
1 2 3 n −1 n
⎛ J вых ⎞ ⎛ J вх ⎞
⎜ вых ⎟ = C ⋅ ⎜ вх ⎟ , Рисунок 34
⎝U ⎠ ⎝U ⎠
⎛C C12 ⎞ ⎛ A11 ⋅ B11 + A12 ⋅ B21 A11 ⋅ B12 + A12 ⋅ B22 ⎞
где C = ⎜ 11 ⎟=⎜ ⎟.
⎝ C21 C22 ⎠ ⎝ A21 ⋅ B11 + A22 ⋅ B21 A21 ⋅ B12 + A22 ⋅ B22 ⎠
Следовательно, передаточная матрица для последовательного соединения
многополюсников равна произведению передаточных матриц отдельных многопо-
люсников, причём перемножение матриц выполняется по сформулированному выше
правилу.
В качестве примера, иллюстрирующего это свойство передаточной матрицы,
найдём такую матрицу для последовательного соединения двух шнуров-удлинителей
из п р и м е р а 1 4 . Передаточные матрицы A и B шнуров определяются следующими
выражениями:
⎛ I Θ⎞ ⎛ I Θ⎞
A=⎜ ⎟; B =⎜ ⎟ ,
⎝ Da I ⎠ ⎝ Db I ⎠
⎛1 0⎞ ⎛0 0⎞
где Da = diag (− Ra.1 , − Ra.2 ); Db = diag (− Rb.1 , − Rb.2 ); I = ⎜ ⎟; Θ = ⎜ ⎟,
⎝0 1⎠ ⎝0 0⎠
Ra.1 , Ra.2 , Rb.1 , Rb.2 – сопротивления отдельных проводов из первого и второго шнура.
Вычислим передаточную матрицу C последовательного соединения:
⎛ I Θ ⎞ ⎛ I Θ ⎞ ⎛ I ⋅ I + Θ ⋅ Db I ⋅ Θ + Θ ⋅ I ⎞ ⎛ I Θ⎞
C = A⋅ B = ⎜ ⎟ ⋅⎜ ⎟=⎜ ⎟=⎜ ⎟.
⎝ Da I ⎠ ⎝ Db I ⎠ ⎝ Da ⋅ I + I ⋅ Db Da ⋅ Θ + I ⋅ I ⎠ ⎝ Da + Db I⎠
Найдём сумму диагональных матриц Da и Db :
⎛ −R 0 ⎞ ⎛ − Rb.1 0 ⎞ ⎛ − Ra.1 − Rb.1 0 ⎞
Da + Db = ⎜ a.1 ⎟+⎜ ⎟=⎜ ⎟ = Dc ,
⎝ 0 − Ra.2 ⎠ ⎝ 0 − Rb.2 ⎠ ⎝ 0 − Ra.2 − Rb.2 ⎠
48
Пример 29. Уравнение свободных колебаний цепной систе-
м ы . Такое уравнение для простейшей цепной механической системы, имеющей только
одну степень свободы, было получено в п р и м е р е 2 5 . Здесь мы намерены показать,
что этот же результат может быть обобщён на цепные системы с 6-тью степенями сво-
боды (смотри п р и м е р 1 6 про цепную передачу и п р и м е р 1 7 про цилиндрическую
пружину).
Для каждого i - того элемента цепной системы составим две матрицы:
диагональную матрицу шестого порядка из инерционных коэффициентов (то
есть из массы mi и из моментов инерции jx i , j y i , jz i относительно трёх осей)
M i = diag (mi , mi , mi , jx i , j y i , jz i ) ,
и вектор – столбец X i размера 6 × 1 из трёх координат и трёх углов поворота.
Далее матрицы M i объединяются в блочно – диагональную матрицу
M = diag ( M 1 , M 2 , ... , M n ) ,
а матрицы X i - в блочный вектор – столбец X , после чего практически дословно по-
вторяется тот вывод, который был проведен в п р и м е р е 2 5 . В результате мы получа-
ем то же самое уравнение свободных колебаний (15)
M ⋅ X = C ⋅ X ,
но матрица коэффициентов жёсткости C , используемая в этом уравнении, теперь явля-
ется не трёхдиагональной, а б л о ч н о й трёхдиагональной матрицей с квадратными
блоками шестого порядка.
3. ( A ⋅ B ) ⋅ C = A ⋅ ( B ⋅ C ) ,
где A , B , C – произвольные матрицы согласованных размеров; α – произ-
вольное число.
С в о й с т в а 1 и 2 непосредственно следуют из определения опера-
ций и в дополнительных пояснениях не нуждаются. С в о й с т в о 3 имеет
громоздкое доказательство, приводить которое в этой книге нет необходи-
49
мости. Вместо этого для подтверждения справедливости данного свойства
обратимся к следующему примеру.
Пример 30. «Электрические» доказательства.
1 вход k
На рис.35 изображена электрическая схема, образованная при после-
довательном соединении трёх многополюсников. Для получения ре-
матрица C зультата в максимально общей форме, будем считать, что многопо-
люсники выполнены по схеме n + m , а не 2 ⋅ n , то есть могут иметь
1 l разное число входных и выходных клемм. В соответствии с этим
обобщением, передаточные матрицы этих многополюсников могут
матрица B
иметь неквадратные блоки. Пусть эти многополюсники имеют пере-
даточные матрицы C , B и A , соответственно; передаточную матри-
1 m
цу всей схемы обозначим буквой S .
матрица A Получим формулу для матрицы S . Для этого представим схе-
му в виде соединения двух (а не трёх) многополюсников, для чего
1 выход n м ы с л е н н о объединим два крайних устройства в одно. Такое объе-
динение можно выполнить двумя способами (рис.36).
Для первого способа передаточная матрица объединения двух
Рисунок 35 многополюсников (как это было показано при решении п р и м е р а
матрица C матрица C
матрица
1 l 1 l
S BC = B ⋅ C
матрица матрица
матрица B
S = A ⋅ S BC S = S AB ⋅ C
матрица
1 m 1 m
S AB = A ⋅ B
матрица A матрица A
50
Примечание. К сожалению, то, что вы прочли выше, является хорошим образ-
цом правдоподобных рассуждений, но не доказательством. И дело не в том, что вместо
математической терминологии используется терминология электрических цепей. Ма-
тематики, особенно на стадии, так называемой, черновой работы, при доказательствах
достаточно часто пользуются методами аналогии (механической, акустической, элек-
трической и пр.). Хрестоматийный пример на эту тему можно найти у великого немец-
кого математика Римана, который доказательство одной теоремы из раздела математи-
ки “Векторный анализ” (теорема о существования потенциала некоторого векторно-
го поля) проводил так: “Выполним эту поверхность из проводящего материала…. Про-
вода закрепим здесь и здесь…. Электрический ток всё равно пройдёт, и заряды рас-
пределятся по некоторому закону…. Что и доказывает теорему.”
Но у Римана теорема действительно была д о к а з а н а , а решённый п р и м е р
3 0 свойство 3 н е д о к а з ы в а е т , п о с к о л ь к у с о д е р ж и т л о г и ч е с к и й
и з ъ я н . Попробуйте найти этот изъян самостоятельно; далее в книге мы ещё вернём-
ся к этому примеру и дадим нужные пояснения.
⎛X Y ⎞ ⎛Θ I ⎞ ⎛ X ⋅Θ +Y ⋅ I X ⋅ I +Y ⋅Θ⎞ ⎛ Θ +Y X + Θ⎞ ⎛Y X⎞
B=⎜ ⎟⋅⎜ ⎟=⎜ ⎟=⎜ ⎟=⎜ ⎟;
⎝Z V ⎠ ⎝ I Θ⎠ ⎝ Z ⋅Θ +V ⋅ I Z ⋅ I +V ⋅Θ ⎠ ⎝ Θ +V Z + Θ ⎠ ⎝V Z⎠
⎛Θ I ⎞ ⎛ X Y ⎞ ⎛Θ⋅ X + I ⋅Z Θ ⋅ Y + I ⋅V ⎞ ⎛ Θ + Z Θ + V ⎞ ⎛ Z V⎞
C =⎜ ⎟⋅⎜ ⎟=⎜ ⎟=⎜ ⎟=⎜ ⎟.
⎝ I Θ⎠ ⎝ Z V ⎠ ⎝ I ⋅ X + Θ⋅Z I ⋅ Y + Θ ⋅V ⎠ ⎝ X + Θ Y + Θ ⎠ ⎝ X Y⎠
51
Умножение на матрицу J справа привело к перестановке столбцов, а слева – к
перестановке строк блочной матрицы A ; поэтому матрица J называется матрицей
блочной перестановки. Далее в книге мы покажем, что эта матрица занимает важное
место в технических приложениях матричного исчисления.
Если блоки матрицы A таковы, что Y ≠ Z или X ≠ V , то B ≠ C , и результат
перемножения матриц A и J зависит от порядка следования сомножителей.
Определения.
1. Матрица Bk = A ⋅ A ⋅ ... ⋅ A , где число сомножителей в правой части
равно k , называется k - той степенью квадратной матрицы A и обо-
значается A k .
2. Нулевой степенью квадратной матрицы A n - го порядка счи-
тается единичная матрица I того же порядка.
3. Матрица B , k - тая степень которой равна матрице A , то есть
Bk = A ,
называется алгебраическим корнем k - той степени из матрицы A и
обозначается k
A.
52
Определение. Многочленом k - той степени от квадратной матри-
цы A называется матрица
B = a0 ⋅ I + a1 ⋅ A + a2 ⋅ A 2 + ... + ak ⋅ A k ,
П р и м е р 3 2 * . Т р и в и а л ь н а я м а т р и ч н а я а л г е б р а . Аккуратная
формулировка соответствующей теоремы, с указанием исключений из этого правила,
будет приведена позже, когда вы познакомитесь с необходимой для этого терминоло-
гией. Но разобраться в тех причинах, которые приводят к справедливости этого прави-
ла или к исключениям из него, можно уже сейчас на материале данного примера.
Если матрицы A и B являются диагональными, то они перестановочны между
собой. Это утверждение прямо следует из правила их перемножения и в доказательстве
не нуждается. Докажем обратное утверждение, которое звучит так:
если диагональная матрица A не имеет одинаковых диагональных элемен-
тов и перестановочна с матрицей B , то матрица B также диагональная.
53
Примечание. Если у матрицы A есть одинаковые диагональные элементы, то
перестановочная с ней матрица B может быть не диагональной. Например, если
A = α ⋅ I , где α – произвольное число, то матрица B может быть любой квадратной
матрицей того же порядка, что и единичная матрица I . Нетривиальный пример на ту
же тему даёт пара матриц
⎛1 0 0⎞ ⎛1 2 0⎞
⎜ ⎟ ⎜ ⎟
A = diag (1, 1, 2) = ⎜ 0 1 0 ⎟ и B = ⎜ 3 4 0 ⎟ ;
⎜0 0 2⎟ ⎜ 0 0 5⎟
⎝ ⎠ ⎝ ⎠
вам предоставляется возможность самостоятельно убедиться в том, что они перестано-
вочны.
54
П р и м е р 3 4 . П е р е д а т о ч н а я м а т р и ц а ц е п н о й с и с т е м ы . Выше уже
говорилось о применении передаточных матриц при статических расчётах линейных
электрических цепей. В механике аналогом таких цепей являются цепные системы,
описанные в п р и м е р а х 1 3 , 1 6 и 1 7 . Если для одного из крайних элементов цеп-
ной системы задать полный набор координат xi и полный набор сил или моментов сил
qi , то в соответствии с законами механики тем самым будут однозначно определены
значения этих величин для всех остальных элементов цепи, в том числе и для другого
крайнего элемента.
Составим из значений координат xi и обобщённых сил qi на левом и правом
концах цепи четыре вектор – столбца X лев , Q лев , Х прав , Q прав . Высота этих столбцов
равна числу k степеней свободы элемента цепи. Тогда в линейной механической сис-
теме значения этих векторов оказываются связанными равенством
⎛ X прав ⎞ ⎛ X лев ⎞
⎜ прав ⎟ = S ⋅ ⎜ лев ⎟ ,
⎝ Q ⎠ ⎝Q ⎠
где квадратная матрица S имеет порядок 2 ⋅ k и называется передаточной матрицей
цепной системы.
В инженерных расчётах эта матрица обычно используется в форме блочной мат-
⎛A B⎞
рицы S = ⎜ ⎟ с квадратными блоками k - го порядка.
⎝C D⎠
Передаточная матрица может быть составлена не только для всей цепи, но и для
любой её части, в том числе и для пары соседних звеньев. Обозначим передаточную
матрицу между i - тым и i + 1 - ым звеном цепи буквой Si . Тогда передаточная матрица
для всей цепи из n элементов находится по формуле
S = Sn −1 ⋅ S n − 2 ⋅ ... ⋅ S2 ⋅ S1 .
Если все соединения между звеньями цепи одинаковы, то эта формула принима-
ет следующий простой вид:
S = ( S1 ) n −1 .
Так для железнодорожного состава из п р и м е р а 1 3 передаточная функция S1
для двух соседних вагонов определяется формулой
⎛ 1⎞
⎜ 1 − ⎟
S1 = c ,
⎜⎜ ⎟⎟
⎝0 1 ⎠
где c – коэффициент жёсткости сцепки. Тогда передаточная матрица S для состава,
включающего локомотив и n вагонов, вычисляется так:
n
⎛ 1⎞ ⎛ n⎞
⎜ 1 − ⎟ ⎜1 − ⎟
S = ( S1 ) =
n
c = c .
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝0 1 ⎠ ⎝0 1 ⎠
При выполнении этих вычислений мы воспользовались формулами
n
⎛I A⎞ ⎛ I B ⎞ ⎛ I A+ B⎞ ⎛I A⎞ ⎛ I n ⋅ A⎞
⎜ ⎟⋅⎜ ⎟=⎜ ⎟ и ⎜ ⎟ =⎜ ⎟,
⎝Θ I ⎠ ⎝Θ I ⎠ ⎝Θ I ⎠ ⎝Θ I ⎠ ⎝Θ I ⎠
в справедливости которых вам предоставляется возможность убедиться самостоятель-
но.
55
При статической деформации цилиндрической пру-
жины обычно учитывается три степени свободы её попереч-
ного сечения – перемещение ξ этого сечения вдоль оси пру-
жины, угол α изгиба сечения относительно упругой оси
проволоки и угол γ разворота этого сечения вокруг упругой
оси (рис. 37). Представим пружину в виде последовательного
соединения n элементов – поперечных сечений проволоки
ξ
α (смотри п р и м е р 1 7 ). Два соседних сечения пружины свя-
γ зывает квадратная передаточная матрица S1 шестого поряд-
ка, которая имеет следующий вид:
Рисунок 37
⎛ I Θ⎞ ⎛ A D⎞
S1 = ⎜ ⎟ + Δl ⋅ ⎜ ⎟,
⎝Θ I ⎠ ⎝Θ B ⎠
⎛ 0 −1 0 ⎞ ⎛0 0 0 ⎞
1 1 1
⎜ ⎟ ⎜ ⎟
где I = diag (1, 1, 1); D = diag ( , , );
A = ⎜ 0 0 −1⎟ ; B = ⎜ r 0 −1⎟ ;
a b c
⎜0 1 0 ⎟ ⎜0 1 0 ⎟
⎝ ⎠ ⎝ ⎠
Δl – расстояние между центрами соседних сечений; a, b, c – коэффициенты жёст-
кости проволоки при сжатии, изгибе и кручении; r – радиус кривизны витка.
Матрица S1 для этого случая является блочной верхнетреугольной матрицей.
Такой же вид будет иметь передаточная матрица для всей пружины, вычисляемая по
формуле S = ( S1 ) n −1 .
П р и м е р 3 5 . Э к о н о м и ч н ы й р а с к р о й п р у ж и н ы . При моделировании
железнодорожного состава (п р и м е р 1 3 ) или цепной передачи (п р и м е р 1 6 ) число
n звеньев механической цепи определено условиями задачи. Для цилиндрической
пружины это число может быть произвольным; ясно, что чем больше сечений выбрано,
тем точнее используемая нами физическая модель системы с сосредоточенными пара-
метрами описывает пружину, которая на самом деле является системой с равномерно
распределёнными параметрами. Однако, чтобы вычислить передаточную матрицу S
всей пружины приходится выполнять (n − 1) перемножение матриц S1 шестого поряд-
ка, что при больших значениях n достаточно трудоёмко. Этих трудностей можно из-
бежать, если число участков при разбиении пружины выбирать в соответствие с фор-
мулой
n = 2 p +1 ,
где p – некоторое натуральное число, значение которого обычно лежит в диапазоне
10, 20 .
При таком выборе числа n показатель степени равен 2 p . Возведение матрицы
A в такую степень производится по следующему алгоритму.
1. Умножаем матрицу A саму на себя (то есть, получаем матрицу B = A ⋅ A ) и
р е з у л ь т а т у м н о ж е н и я о б о з н а ч а е м т о й ж е б у к в о й A (то есть, после ум-
ножения принимаем, что A = B ).
2. Предыдущий пункт алгоритма выполняем ровно p раз.
В результате выполнения указанных действий ф а к т и ч е с к и получается сле-
дующая последовательность матриц:
1 2 3
A ⋅ A = A2 = A2 ; ( A2 ) ⋅ ( A2 ) = A4 = A2 ; ( A4 ) ⋅ ( A4 ) = A8 = A2 , и так далее.
56
После выполнения p таких рекуррентных умножений действительно, как вы в
p
этом уже убедились, получится матрица A2 . Если p = 10 , то число операций при ис-
пользовании данного алгоритма снижается в 1024 :10 ≈ 100 раз!
П р и м е р 3 6 * . М а т р и ч н ы е к о р н и и з н у л я и е д и н и ц ы . Выше уже
говорилось, что квадратные матрицы являются обобщением обычных чисел, а диаго-
нальные матрицы – тривиальным обобщением обычных чисел. Из школьного курса ал-
гебры вам известно, что квадратное уравнение x 2 = a при a = 1 имеет два решения
x1,2 = ±1 , при a = 0 - одно решение и при a = −1 - ни одного решения; скоро вы узнаете
о существовании комплексных чисел и тогда случаю a = −1 будет также соответство-
вать два решения, но не вещественных, а комплексных.
Рассмотрим матричное квадратное уравнение X 2 = a⋅I , (20)
где a принимает значения 0 или 1 , а единичная матрица I имеет второй порядок.
Квадратные матрицы X , являющиеся решениями этого уравнения, имеют также
второй порядок и называются алгебраическими корнями второй степени из нулевой
и из единичной матрицы, соответственно.
Если ограничиться только диагональными матрицами, то решения уравнения
(20) очевидны:
при a = 0 – единственное решение X = Θ ;
при a = 1 – четыре решения
X 1 = I = diag (1, 1); X 2 = − I = diag (−1, − 1); X 3 = diag (1, − 1); X 4 = diag (−1, 1) .
Однако, уравнение (20) имеет и не диагональные корни. Так, несложно прове-
рить, что матрицы
⎛0 p⎞ ⎛ 0 0⎞
Y1 = ⎜ ⎟ , Y2 = ⎜ ⎟ , где p – любое число,
⎝0 0 ⎠ ⎝ p 0⎠
являются решением уравнения Y 2 = Θ , а матрицы
⎛0 1⎞
Y1 = J = ⎜ ⎟ и Y2 = − J – уравнения Y 2 = I .
⎝1 0⎠
Этот пример показывает, что алгебра квадратных матриц (даже второго порядка)
является значительно сложнее алгебры обычных чисел.
57
Определения. Матрица B , полученная из матрицы A заменой каж-
дой её строки столбцом с тем же номером, называется матрицей, транс-
понированной по отношению к данной, и обозначается AT , то есть
⎛ a11 a21 am 1 ⎞
⎟
⎜⎜
⎜ a12 a22 am 2 ⎟⎟⎟
B = AT = ⎜⎜⎜ ⎟⎟ .
⎟⎟
def ⎜
⎜⎜ ⎟
⎜⎝ a1n a2n amn ⎟⎟⎠⎟
4. ( α ⋅ A + β ⋅ B )T = α ⋅ AT + β ⋅ BT ; 5. ( A ⋅ B )T = BT ⋅ AT ,
где A и B – любые матрицы согласованного раз-
180 0
мера; α , β – произвольные числа.
С в о й с т в а 1 – 3 прямо следуют из опре-
деления операции. С в о й с т в о 4 является три-
виальным следствием соответствующих свойств
0
180
операций сложения матриц и умножения матри-
цы на число; наличие такого свойства позволяет
Рисунок 38 отнести операцию транспонирования к числу ли-
58
нейных операций над матрицами. С в о й с т в о 5 имеет несложное, но чис-
то техническое доказательство, поэтому для его обоснования обратимся к
следующему примеру.
59
Из определения операции транспонирования следует, что симмет-
ричные и кососимметричные матрицы являются квадратными матрицами.
У симметричной матрицы A элементы ai j и a j i , расположенные симмет-
рично относительно главной диагонали, одинаковы:
ai j = a j i ;
60
AC + AK = 0.5 ⋅ ( A + A T ) + 0.5 ⋅ ( A − A T ) = 0.5 ⋅ A + 0.5 ⋅ A T + 0.5 ⋅ A − 0.5 ⋅ A T = A ,
то есть A = AC + AK . (24)
Таким образом, утверждение теоремы о существовании такого представления
доказано. Докажем, что это представление единственно.
Пусть для некоторой матрицы A имеются два представления:
A = AC .1 + AK .1 (25) и A = AC .2 + AK .2 (26) ,
где AC .1 , AC .2 – симметричные, AK .1 , AK .2 – кососимметричные матрицы.
Приравняем правые части равенств (25) и (26), после чего у полученного равен-
ства
AC .1 + AK .1 = AC .2 + AK .2 , (27)
одновременно транспонируем левую и правую части:
( AC .1 + AK .1 ) T = ( AC .2 + AK .2 ) T ,
то есть AC .1 − AK .1 = AC .2 − AK .2 . (28)
Складывая правые и левые части равенства (27) и (28), получаем AC .1 = AC .2 , вы-
читая, получаем AK .1 = AK .2 , то есть представление единственно.
Теорема доказана.
П р и м е р 3 8 . Н е о т р и ц а т е л ь н ы е м а т р и ц ы . В задачах из технических
приложений особенно часто встречаются матрицы, которые представлены (или могут
быть представлены) в виде произведения A T ⋅ A , где A – некоторая матрица размера
m × n . Заметим, что число столбцов матрицы A T равно числу строк матрицы A , по-
этому операция их перемножения всегда корректна. В результате перемножения полу-
чается квадратная матрица n - го порядка; обозначим её B , то есть B = A T ⋅ A . Изучим
свойства матрицы B .
Транспонируем эту матрицу:
B T = ( A T ⋅ A) T = ( A) T ⋅ ( A T ) T = A T ⋅ A = B ,
следовательно, матрица B – симметричная.
⎛ x1 ⎞
Пусть X – произвольный вектор-столбец высотой n , X = ⎜⎜ ... ⎟⎟ . Тогда произве-
⎜x ⎟
⎝ n⎠
дение X ⋅ B ⋅ X является матрицей первого порядка. Покажем, что единственный эле-
T
мент этой матрицы является неотрицательным числом. Для этого выполним следующее
преобразование:
X T ⋅ B ⋅ X = X T ⋅ A T ⋅ A ⋅ X = ( A ⋅ X ) T ⋅ ( A ⋅ X ) = Y T ⋅Y ,
⎛ y1 ⎞
⎜ ⎟
где произведение Y = A ⋅ X является вектор - столбцом высоты m , Y = ⎜ ... ⎟ .
⎜y ⎟
⎝ m⎠
61
Продолжим преобразование:
⎛ y1 ⎞
⎜ ⎟
Y ⋅ Y = ( y1 ... ym ) ⋅ ⎜ ... ⎟ = ⎡⎣ y12 + y22 + ... + ym2 ⎤⎦ ,
T
и y12 + y22 + ... + ym2 ≥ 0 ,
⎜y ⎟
⎝ m⎠
что и требовалось показать.
Если некоторая квадратная матрица C имеет первый порядок и её единственный
элемент удовлетворяет условию c11 ≥ 0 , то такие матрицы естественно называть неот-
рицательными и отмечать это следующим образом:
C ≥0.
Теперь это определение можно распространить на квадратные матрицы любого
порядка.
Определение. Симметричная матрица B , которая при произвольном векторе –
столбце X удовлетворяет условию X T ⋅ B ⋅ X ≥ 0 , называется неотрицательной, что
обозначается так:
B ≥ 0.
Выше было показано, что матрицы A T ⋅ A являются неотрицательными, то есть
AT ⋅ A ≥ 0.
Справедливо и обратное утверждение, а именно: л ю б а я н е о т р и ц а т е л ь н а я
матрица B может быть представлена в виде B = AT ⋅ A .
Доказательство обратного утверждения будет приведено в третьей главе.
Диагональная матрица D = diag (d11 , d 22 , ... , d nn ) является неотрицательной, если
все dii ≥ 0 ; здесь в качестве матрицы A можно использовать один из диагональных ал-
гебраических корней второй степени из матрицы D , например
A = diag ( d11 , d 22 , ... , d nn ) .
62
⎛ −c c 0 ... 0 0⎞
⎜ ⎟
⎜ c −2 ⋅ c c ... 0 0⎟
⎜0 c −2 ⋅ c ... 0 0⎟
C =⎜ ⎟.
⎜ ... ... ... ... ... ... ⎟
⎜0 0 0 ... −2 ⋅ c c ⎟
⎜⎜ ⎟
⎝0 0 0 ... c −c ⎟⎠
Матрица C может быть представлена также и в следующем виде:
⎛ 1 −1 0 ... 0 0 ⎞
⎜ ⎟
⎜ 0 1 −1 ... 0 0 ⎟
⎜ 0 0 1 ... 0 0 ⎟
C = − A T ⋅ A , где матрица A = c ⋅ ⎜ ⎟
⎜ ... ... ... ... ... ... ⎟
⎜ 0 0 0 ... 1 −1⎟
⎜⎜ ⎟⎟
⎝ 0 0 0 ... 0 1 ⎠
и является неположительной. Вам предоставляется возможность убедиться в этом са-
мостоятельно, составив матрицы M , C и A для железнодорожного состава, показан-
ного на рис.9 (то есть содержащего локомотив и четыре вагона).
П р и м е р 3 9 * . М а т р и ч н ы е н е р а в е н с т в а в э л е к т р о т е х н и к е . Вер-
нёмся к задачам об электрических цепях и покажем, что передаточная матрица
⎛ F G⎞
S =⎜ ⎟ для 2 ⋅ n -полюсника не может состоять из произвольных блоков, а должна
⎝H D⎠
удовлетворять условию, имеющему вид матричного неравенства.
Из курса физики вам хорошо известна формула для мощности электрического
тока: W = U ⋅ J , где U – напряжение, а J – сила тока. Используя эту формулу для всех
входных, а затем всех выходных клемм, суммарную входную и выходную мощности
можно представить в следующей форме:
Wвх = U1вх ⋅ J1вх + ... + U nвх ⋅ J nвх = (U вх ) T ⋅ J вх ;
⎛Θ I ⎞
Используем матрицу блочной перестановки J = ⎜ ⎟ (смотри п р и м е р 3 1 )
⎝ I Θ⎠
и перепишем эти формулы в следующем симметричном виде:
⎛ U вх ⎞ ⎛ J вх ⎞
= 0.5 ⋅ ( J ) ⋅ ⎜ вх ⎟ = 0.5 ⋅ ( J U ) ⋅ J ⋅ ⎜ вх ⎟ ,
T вх T
Wвх = (U ) ⋅ J
вх T вх вх
U вх вх
⎝J ⎠ ⎝U ⎠
T ⎛U ⎞ ⎛ J вых ⎞
вых
Wвых = (U вых ) T ⋅ J вых = 0.5 ⋅ ( J вых U вых ) ⋅ ⎜ вых ⎟ = 0.5 ⋅ ( J вых U вых ) ⋅ J ⋅ ⎜ вых ⎟ .
T
⎝J ⎠ ⎝U ⎠
⎛ J вх ⎞ ⎛ J вых ⎞
Блочные вектора-столбцы ⎜ вх ⎟ и ⎜ вых ⎟ связаны между собой передаточной
⎝U ⎠ ⎝U ⎠
матрицей S –
63
⎛ J вых ⎞ ⎛ J вх ⎞
⎜ вых ⎟ = S ⋅ ⎜ вх ⎟ и ( J U вых ) = ( J вх U вх ) ⋅ S T ,
вых
⎝U ⎠ ⎝U ⎠
поэтому формулу для выходной мощности можно записать так:
⎛ J вх ⎞
Wвых = 0.5 ⋅ ( J вх
U ) ⋅ S ⋅ J ⋅ S ⋅ ⎜ вх ⎟ .
вх T T
⎝U ⎠
Если многополюсник не имеет дополнительных источников питания (как это
бывает, например, в усилителях), то
Wвых ≤ Wвх ,
или, что эквивалентно,
⎛ J вх ⎞ ⎛ J вх ⎞
( J вх U вх ) ⋅ S T ⋅ J ⋅ S ⋅ ⎜U вх ⎟ ≤ ( J вх U вх ) ⋅ J ⋅ ⎜U вх ⎟ .
T T
(29)
⎝ ⎠ ⎝ ⎠
Перепишем неравенство (29) в следующем виде:
⎛ J вх ⎞
( J вх U вх ) ⋅ (S T ⋅ J ⋅ S − J ) ⋅ ⎜U вх ⎟ ≤ 0 .
T
(30)
⎝ ⎠
Условие (30) выполняется при любых значениях входных токов и напряжений,
поэтому оно означает, что матрица S T ⋅ J ⋅ S − J является неположительной, то есть
S T ⋅J ⋅S − J ≤ 0. (31)
Условие (31) даёт пример так называемого матричного неравенства. Часто его
записывают в такой эквивалентной форме:
S T ⋅J ⋅S ≤ J . (32)
Матричные неравенства A ≤ B или A ≥ B в линейной алгебре понимаются в том
смысле, что A − B ≤ 0 или A − B ≥ 0 , соответственно.
В правой и левой части неравенства (32) стоят симметричные матрицы. Ясно,
что условие (32) ограничивает сверху значения элементов матрицы S , поэтому, но и не
только поэтому, “электрическое доказательство”, приведенное в п р и м е р е 3 0 , не яв-
ляется корректным.
П р и м е р 4 0 . С и м м е т р и я м е х а н и ч е с к и х с и с т е м . Уравнения движе-
ния механических систем обладают
особой формой симметрии, которая яв-
ляется следствием симметрии основных
законов динамики. Проиллюстрируем
это на примере простейшей динамиче-
ской модели тепловой импульсной
машины (рис.39). При помощи такой
модели, например, исследуют основные
закономерности тех процессов, которые
происходят в стволе артиллерийского
орудия во время выстрела, то есть ре-
шают задачу внутренней баллистики.
Модель учитывает изменение давления
и объёма пороховых газов, силы, ока-
зывающие сопротивление движению
снаряда, откат ствола и ряд других
x2 , x2 p, w x1 , x1 влияющих факторов.
Рисунок 39
64
Соответствующая математическая модель включает уравнения движения снаря-
да и ствола:
m1 ⋅
x1 = f ⋅ p − kcтв ⋅ ( x1 − x2 ) − kвоз ⋅ x1 ;
m2 ⋅
x2 = f ⋅ p − kcтв ⋅ ( x2 − x1 ) − kам ⋅ x2 ,
и уравнение сжимаемости пороховых газов в затворной камере
α ⋅ w ⋅ p = qгаз (t ) − f ⋅ ( x1 + x2 ) − k ут ⋅ р ,
65
ской энергии на преодоление сил трения и при утечках массы). Проявившаяся здесь
особая форма симметрии матрицы называется симметрией механических систем.
Замечательным является то, что если уравнения динамики любой механической систе-
мы записаны в форме матричного уравнения (33), то матрица A всегда может быть
представлена в виде блочной матрицы (34), причём матрицы B и Z являются симмет-
ричными и B ≤ 0, Z ≤ 0 .
Другими словами, м а т р и ч н о е п р е д с т а в л е н и е ( 3 4 ) я в л я е т с я м а т е -
матическим эквивалентом основных законов механики и следст-
вием их симметрии.
Использование матричных уравнений вместо систем уравнений позволяет в
наиболее наглядной форме выявить симметрию, присутствующую в этих системах, и
избегать грубых ошибок при составлении математических моделей для сложных дина-
мических объектов.
66
Глава 2. Определители и обратные матрицы
В частности,
1! = 1; 2! = 1 ⋅ 2 = 2; 3! = 1 ⋅ 2 ⋅ 3 = 6; 4! = 1 ⋅ 2 ⋅ 3 ⋅ 4 = 24; 5! = 1 ⋅ 2 ⋅ 3 ⋅ 4 ⋅ 5 = 120 ,
и так далее.
Факториал числа 0 считается равным 1 (то есть 0 ! = 1 ) ; факториалы
отрицательных целых чисел пока не определены; позже вы узнаете, что их
можно считать равными бесконечности.
Факториалы двух соседних чисел удовлетворяют следующему оче-
видному соотношению:
(n + 1) ! = (n + 1) ⋅ n ! , (1)
формулы такого вида в математике называются рекуррентными.
Рекуррентная формула (1) позволяет последовательно переходить от
одного факториала к другому, не выполняя все вычисления заново. Так на
основе этой формулы может быть легко получена следующая таблица зна-
чений факториала (табл. 1).
Таблица 1 – Значения факториала .
n n! n n! n n! n n!
1 1 6 720 11 39916800 16 20922789888000
2 2 7 5040 12 479001600 17 355687428096000
3 6 8 40320 13 6227020800 18 6402373705728000
4 24 9 362880 14 87178291200 19 121645100408832000
5 120 10 3628800 15 1307674368000 20 2432902008176640000
67
Как видно из приведенных данных, факториал с увеличением числа
n очень быстро возрастает и при n > 15 выходит в область астрономиче-
ских чисел.
Определение. Пусть даны n чисел a1, a2, …, an . Любое расположение
и так далее.
Тогда число k = k1 + k2 + + kn −1 даёт число инверсий в переста-
68
П р и м е р 4 1 . Вычислить количество инверсий в перестановке 2, 4, 3, 5, 1, 7.
Решение. Число 2 образует инверсию с 1, т.е. k1 = 1 . Вычеркивая число 2, по-
лучаем перестановку 4, 3, 5, 1, 7.
Число 4 образует инверсию с числами 3 и 1, следовательно k2 = 2 . Зачеркивая
4, получаем перестановку 3, 5, 1, 7.
Число 3 образует перестановку с 1, поэтому k3 = 1 .
Аналогично показываем, что k 4 = 1, k 5 = 0 .
Ответ: [2, 4, 3, 5, 1, 7] = 1+2+1+1+0=5.
Определения.
1. Перестановка a1, a2, …, an называется чётной (или нечётной), если
соответственно чётно (или нечётно) число инверсий в перестановке.
2. Операция перемены местами каких-либо двух чисел в перестанов-
ке называется транспозицией этих чисел.
69
§ 8. Понятие определителя
70
a11 a12
a21 a22 = a11 ⋅ a22 − a21 ⋅ a12 . (5)
Рисунок 40
⎛ 2 1 −3 ⎞⎟
⎜⎜ ⎟⎟
⎜⎜
П р и м е р 4 2 . Вычислить определитель матрицы ⎜ −1 2 2 ⎟⎟⎟ .
⎜⎜ ⎟⎟
⎜⎜⎝ −3 2 4 ⎟⎟⎠
71
Решение:
2 1 −3
−1 2 2 = 2 ⋅ 2 ⋅ 4 + 1⋅ 2 ⋅ 3 −1⋅ 2 ⋅ 3 − 3 ⋅ 2 ⋅ 3 − 2 ⋅ 2 ⋅ 2 + 1⋅1⋅ 4 =
−3 2 4
= 16 + 6 − 6 − 18 − 8 + 4 = −6
П р и м е р 4 3 . Ч т о « о п р е д е л я е т » о п р е д е л и т е л ь м а т р и ц ы ? Попыта-
емся найти ответ на этот так называемый «детский» вопрос на примере решения систем
линейных уравнений. Вы уже знаете (смотри п р и м е р ы 1 и 2 3 ), что систему двух
линейных уравнений
⎧ a11 ⋅ x + a12 ⋅ y = f1
⎨ , (7)
⎩a21 ⋅ x + a22 ⋅ y = f 2
можно записать в виде матричного уравнения A ⋅ X = F ,
⎛a a12 ⎞ ⎛ x⎞ ⎛f ⎞
где A = ⎜ 11 ⎟; X = ⎜ ⎟ ; F = ⎜ 1 ⎟.
⎝ a21 a22 ⎠ ⎝ y⎠ ⎝ f2 ⎠
Найдём решения системы (7), используя метод исключения неизвестного:
⎧ 11
a ⋅ x + a12 ⋅ y = f1 ⎧a22 ⋅ a11 ⋅ x + a22 ⋅ a12 ⋅ y = a22 ⋅ f1
⎨ ⇒⎨ ⇒ (a22 ⋅ a11 − a12 ⋅ a21 ) ⋅ x = a22 ⋅ f1 − a12 ⋅ f 2 ;
⎩a21 ⋅ x + a22 ⋅ y = f2 ⎩a12 ⋅ a21 ⋅ x + a12 ⋅ a22 ⋅ y = a12 ⋅ f2
⎧ a11 ⋅ x + a12 ⋅ y = f1 ⎧ a ⋅ a ⋅ x + a21 ⋅ a12 ⋅ y = a21 ⋅ f1
⎨ ⇒ ⎨ 21 11 ⇒ (a21 ⋅ a12 − a11 ⋅ a22 ) ⋅ y = a21 ⋅ f1 − a11 ⋅ f 2 .
⎩a21 ⋅ x + a22 ⋅ y = f 2 ⎩a11 ⋅ a21 ⋅ x + a11 ⋅ a22 ⋅ y = a11 ⋅ f 2
Воспользуемся формулой (5) для определителя второго порядка и перепишем
полученные равенства в следующем эквивалентном виде:
a11 a12 f1 a12 a11 a12 a11 f1
⋅x = ; ⋅y= . (8)
a21 a22 f2 a22 a21 a22 a21 f2
72
f1 a12 a11 f1
f a22 a f2
x= 2 ; y = 21 , (9)
det A det A
то есть определители позволяют «определить» значения неизвестных для того слу-
чая, когда решение системы единственно.
Формулы (9) являются частным случаем формул для решения системы n линей-
ных уравнений с n неизвестными, которые были получены немецким математиком
Крамером и носят его имя. Далее в этой книге на эту тему будет доказана соответст-
вующая теорема. Надеемся, что вам понятна закономерность, которой подчиняются
определители, используемые в числителях формул Крамера. Поэтому, имея целью
продолжить упражнения в методах вычисления определителей, покажем, как исполь-
зуются определители при решениях систем третьего порядка.
⎧ x − 0.1 ⋅ y + 0.7 ⋅ z = 1.6
⎪
Найдём решение системы (1.2) ⎨−2 ⋅ x + 3 ⋅ y − 0.5 ⋅ z = 0.5 из п р и м е р а 1 . Для
⎪ 0.1⋅ x + y − 2 ⋅ z = −0.9
⎩
этого составим и вычислим четыре определителя третьего порядка:
a11 a12 a13 1 −0.1 0.7
Δ = a21 a22 a23 = −2 3 −0.5 = −6 + 0.005 − 1.4 − 0.21 + 0.4 + 0.5 = −6.705 ;
a31 a32 a33 0.1 1 −2
f1 a12 a13 1.6 −0.1 0.7
Δ x = f2 a22 a23 = 0.5 3 −0.5 = −9.6 − 0.045 + 0.35 + 1.89 − 0.1 + 0.8 = −6.705 ;
f3 a32 a33 −0.9 1 −2
a11 f1 a13 1 1.6 0.7
Δ y = a21 f2 a23 = −2 0.5 −0.5 = −1 − 0.08 + 1.26 − 0.035 − 6.4 − 0.45 = −6.705 ;
a31 f3 a33 0.1 −0.9 −2
a11 a12 f1 1 −0.1 1.6
Δ z = a21 a22 f 2 = −2 3 0.5 = −2.7 − 0.005 − 3.2 − 0.48 + 0.18 − 0.5 = −6.705 .
a31 a32 f3 0.1 1 −0.9
П р и м е р 4 4 . Г е о м е т р и ч е с к и й с м ы с л о п р е д е л и т е л я . В предыду-
щем примере мы ответили на поставленный вопрос только частично, объяснив, что
«определяет» определитель матрицы в линейной алгебре. Покажем, что «определяет»
определитель в геометрии.
Рассмотрим произвольную матрицу второго порядка
⎛a a12 ⎞
A = ⎜ 11 ⎟
⎝ a21 a22 ⎠
73
и отметим на координатной плоскости O xy (рис.41) точки M 1 (a11 , a12 ) и M 2 (a21 , a22 ) .
Построим параллелограмм OM 1 PM 2 и найдём его площадь S :
S = OM 1 ⋅ OM 2 ⋅ sin ϕ .
Преобразуем эту формулу, используя равенство ϕ = ϕ 2 − ϕ1 и соотношения меж-
ду сторонами прямоугольных треугольников OK1M 1 и OK 2 M 2 :
ют следующие координаты:
M 1 (a11 , a12 , a13 ); M 2 (a21 , a22 , a23 ) ; M 3 (a31 , a32 , a33 ) .
В курсе аналитической геометрии доказывается, что объём этого параллелепи-
педа в точности равен абсолютной z
величине определителя матрицы A . M3 P 2
P3
Пример 45. ЭВМ против
определителя: раунд пер-
в ы й . Оценим число операций, кото- P3
рое требуется для вычисления опреде- P
лителя квадратной матрицы n -го по-
рядка по формуле (4). Предполагается, O
что все элементы матрицы отличны от y
M2
нуля, то есть она является не разре-
x
женной, а заполненной. Будем учи-
тывать то, что на большинстве ЭВМ
операция умножения двух чисел вы- M1
полняется примерно в 2 раза дольше, P1
чем операции сложения. Тогда, для Рисунок 42
74
того, чтобы получить все n ! слагаемых формулы (4) (без определения их знака !) и
найти их сумму потребуется выполнить
N1 = 3 ⋅ (n − 1) ⋅ n !
операций сложения. Воспользуемся дан-
ными таблицы значений факториала и
выясним, что для определителя 20 - го
порядка число N составляет приблизи-
тельно 12 ×1020 . Если использовать ре-
кордную по быстродействию суперЭВМ
Marc – IV (приблизительно 1 млрд. опе-
раций сложения в секунду), то на вычис-
ление этих слагаемых для одного такого
определителя понадобится приблизи-
тельно 30 тысяч лет! Но ведь ещё нужно
считать инверсии. Первый раунд ЭВМ
проиграла, что и отражено на рис. 43.
Рисунок 43
Пример 46. Определитель
т р е у г о л ь н о й м а т р и ц ы . Пусть матрица AΔ является нижнетреугольной матрицей
n - го порядка, то есть
⎛ a11 0 ... 0 ⎞
⎜ ⎟
a a22 ... 0 ⎟
AΔ = ⎜ 21 .
⎜ ... ... ... ... ⎟
⎜⎜ ⎟
⎝ an1 an 2 ... ann ⎟⎠
75
Пример 47*. Определитель блочно-диагональной матрицы.
Пусть квадратная матрица D N - го порядка является блочно-диагональной матрицей с
квадратными блоками Di i порядка li , то есть
⎛ D11 Θ ... Θ ⎞
⎜ ⎟
Θ D22 ... Θ ⎟
D=⎜ и l1 + l2 + ... + ln = N .
⎜ ... ... ... ... ⎟
⎜⎜ ⎟
⎝ Θ Θ ... Dnn ⎟⎠
Если записать для определителя этой матрицы формулу (4) и отбросить в ней
заведомо нулевые члены, то в этой формуле останется K слагаемых вида
det [ diag ( D11 , D22 , ... , Dnn ) ] = det D11 ⋅ det D22 ⋅ ... ⋅ det Dnn . (14)
П р и м е р 4 8 * . М а т р и ц а и з о п р е д е л и т е л е й . Вычислим определитель
⎛Θ I ⎞
матрицы блочной перестановки J = ⎜ ⎟ , где I , Θ – единичная и нулевая матрицы
⎝ I Θ⎠
n - го порядка. При использовании для этой матрицы формулы (4) сумма будет содер-
жать только одно ненулевое слагаемое, равное (−1) r , где
r = [ (n + 1), (n + 2), ... , (2 ⋅ n), 1, 2, ... , n ] .
76
Замечание. Решённый пример позволяет избавиться от одной довольно распро-
странённой иллюзии, которая может возникнуть у внимательного читателя после зна-
комства с результатами предыдущих п р и м е р о в 4 6 и 4 7 . Справедлива ли формула
det ⎡⎣ A i j ⎤⎦ = det ⎡⎣det A i j ⎤⎦ ?
§ 9. Формулы Лапласа
an 1 an 2 ann
77
⎛+ − + − + ... ⎞ Aik = ( −1 )i +k ⋅ M ik . (15)
⎜ ⎟
⎜− + − + − ... ⎟
⎜+ − + − + ... ⎟
⎜ ⎟ Знаки при движении по строке или по столбцу
⎜− + − + − ... ⎟
матрицы чередуются, причём миноры всех элемен-
⎜+ − + − + ... ⎟
⎜⎜ ⎟ тов главной диагонали используются в формуле
⎝ ... ... ... ... ... ... ⎟⎠
(15) со знаком « + » (рис. 44).
Рисунок 44
Доказательство. Докажем формулу (17) для случая, когда k = 1 (то есть, для
первого столбца). Заметим, что каждое слагаемое из суммы (4) содержит некоторый,
причём единственный, элемент ai1 из первого столбца матрицы A . Каждый элемент ai1
содержится в (n − 1) ! слагаемых этой суммы, которые можно записать в виде отдель-
ной группы. Если из каждой группы вынести элемент ai1 за скобки, то формула (4)
примет такой вид:
78
det A = a11 ⋅ S11 + a21 ⋅ S21 + ... + an1 ⋅ S n1 , где Si1 = ∑ (−1) r ⋅ ai2 2 ⋅ ai3 3 ⋅ ... ⋅ ain n ,
i2, …, in ; i j ∈ 1, n; i j ≠ i; r = ⎡⎢ i , i2, …, in ⎤⎥ .
⎣ ⎦
Число инверсий r в соответствии с методом его вычислений, описанном в § 7,
удовлетворяет такой формуле:
r = (i − 1) + r1 ,
где выражение (i − 1) определяет число инверсий номера i с остальными числами пере-
становки i , i2, …, in ; а r1 = [ i2, …, in ] .
Заметим, что (−1)i −1 = (−1)i +1 , поэтому
Si1 = (−1)i +1 ⋅ ∑ (−1) r1 ⋅ ai2 2 ⋅ ai3 3 ⋅ ... ⋅ ain n = (−1)i +1 ⋅ M i1 .
П р и м е р 5 1 . Э В М п р о т и в о п р е д е л и т е л я : р а у н д в т о р о й . Оценим
число операций, которое потребуется для вычисления определителя заполненной мат-
рицы n -го порядка по формулам Лапласа. Учтём, как и ранее в п р и м е р е 4 5 , что
операция умножения по длительности эквивалентна двум операциям сложения. Тогда
раскрытие определителя n - го порядка по элементам первой строки потребует пример-
79
но 3 ⋅ n операций сложения. Если раскрыть все миноры по элементам их первой строки,
то на это потребуется ещё n ⋅ (3 ⋅ (n − 1)) операций. Продолжая указанным образом пони-
жать порядки миноров, мы можем вычислить определитель, потратив на это время, ко-
торое примерно эквивалентно выполнению
N2 = 3 ⋅ n !
операций сложения. Число N 2 оказалось меньшим числа N1 , но для определителей по-
рядка n ≥ 20 оно всё ещё чрезвычайно велико (время счёта - тысячи лет!). И поэтому
второй раунд ЭВМ тоже проиграла (рис. 43).
80
xk = d k ⋅ xk −1 − (bk −1 ⋅ ck −1 ) ⋅ xk − 2 k ∈ 3, n . (19)
Формула (19) даёт ещё один пример рекуррентных зависимостей. Для её практи-
ческого использования необходимо найти значения двух определителей: x1 и x2 .
Составим и вычислим эти определители:
⎛d b1 ⎞
x1 = det [ d1 ] = d1 ; x2 = det ⎜ 1 ⎟ = d1 ⋅ d 2 − b1 ⋅ c1 . (20)
⎝ c1 d2 ⎠
xk = d ⋅ xk −1 − (b ⋅ c) ⋅ xk − 2 или xk = −5 ⋅ xk −1 − 4 ⋅ xk − 2 ; (21)
y k = d ⋅ y k −1 − (b ⋅ c) ⋅ y k − 2 или y k = 5 ⋅ y k −1 − 4 ⋅ y k − 2 ,
81
y 2 − d ⋅ y + (b ⋅ c) = 0 или y 2 + 5⋅ y + 4 = 0 . (23)
82
§ 10. Понятие линейной зависимости
α1 ⋅ A1 + α2 ⋅ A2 + + αk ⋅ Ak
α1 ⋅ A1 + α2 ⋅ A2 + + αk ⋅ Ak = Θ следует α1 = α2 = = αk = 0 ,
83
⎛ a1i ⎞ ⎛1⎞ ⎛0⎞ ⎛0⎞ ⎛0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ a2i ⎟ ⎜0⎟ ⎜1⎟ ⎜0⎟ ⎜0⎟
Ai = ⎜ a3i ⎟ = a1i ⋅ ⎜ 0 ⎟ + a2 i ⋅ ⎜ 0 ⎟ + a3i ⋅ ⎜ 1 ⎟ + ... + ani ⋅ ⎜ 0 ⎟ = a1 i ⋅ E1 + a2 i ⋅ E2 + a3 i ⋅ E3 + ... + an i ⋅ En ,
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟
⎜ ani ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜1⎟
⎝ ⎠ ⎝0⎠ ⎝0⎠ ⎝0⎠ ⎝ ⎠
где каждый столбец E i = ⎡⎣ e j1 ⎤⎦ устроен так, что все его элементы e j1 равны
сима в том и только в том случае, когда хотя бы один из столбцов является
линейной комбинацией остальных.
84
Следствие. Если один из столбцов A1, A2, …, Ak нулевой, то совокуп-
ность столбцов линейно зависима.
Действительно, нулевой столбец является тривиальной линейной комбинацией
остальных столбцов.
z
столбец представляет собой линей-
⎛ x1 ⎞ ⎛ x2 ⎞ ⎛ α i ⋅ x1 + β i ⋅ x2 ⎞ ⎛ x ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
Ai = α i ⋅ B1 + β i ⋅ B2 = α i ⋅ ⎜ y1 ⎟ + β i ⋅ ⎜ y2 ⎟ = ⎜ α i ⋅ y1 + β i ⋅ y2 ⎟ = ⎜ y ⎟ .
⎜z ⎟ ⎜ z ⎟ ⎜α ⋅z + β ⋅z ⎟ ⎜ z ⎟
⎝ 1⎠ ⎝ 2⎠ ⎝ i 1 i 2 ⎠ ⎝ ⎠
В курсе аналитической геометрии доказывается, что при любых значениях ко-
эффициентов α i , β i точка N ( x, y, z ) также принадлежит этой плоскости OM 1M 2 .
Пусть линейным комбинациям A1 , A2 , ... , An на рис.45 соответствуют точки
N1 , N 2 , ... , N n . Если все эти точки лежат на одной прямой, проходящей через начало
координат, то столбцы A1 , A2 , ... , An пропорциональны друг другу, а, значит, линейно
зависимы.
85
На рис. 45 изображён другой случай, когда точки N1 , N 2 не лежат на одной пря-
мой, проходящей через начало координат. Тогда любой столбец Ai , например столбец
A3 , может быть представлен в виде следующей линейной комбинации:
A3 = α ⋅ A1 + β ⋅ A2 ,
где коэффициенты α , β определяются формулами
OL1 OL 2
α= ; β= .
ON 1 ON 2
Теперь осталось привести формальное обоснование линейной зависимости всей
совокупности строк A1 , A2 , ... , An . Для этого составим следующую линейную комбина-
цию:
α ⋅ A1 + β ⋅ A2 − A3 + 0 ⋅ A4 + ... + 0 ⋅ An = Θ .
Коэффициент перед столбцом A3 не равен нулю, следовательно, данная линей-
ная комбинация является нетривиальной, и столбцы A1 , A2 , ... , An линейно зависимы.
П р и м е р 5 3 . Г л а в н а я з а г а д к а л и н е й н о й а л г е б р ы . Посмотрите вни-
мательно на квадратную матрицу третьего порядка
⎛ 1 2 3⎞
⎜ ⎟
A = ⎜ 4 5 6⎟ ;
⎜5 7 9⎟
⎝ ⎠
в ней третья строчка равна сумме первых двух строк, следовательно, строки этой мат-
рицы линейно зависимы. Это утверждение очевидно, по правде говоря, сама матрица
A составлялась так, чтобы её строки были линейно зависимы. Спрашивается, будут ли
линейно зависимы столбцы этой матрицы? Ответ не очевиден, но после нескольких не-
удачных попыток нам всё же удалось подобрать коэффициенты для такого равенства:
86
⎛1⎞ ⎛ 2⎞ ⎛ 3⎞ ⎛ 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
1⋅ ⎜ 4 ⎟ − 2 ⋅ ⎜ 5 ⎟ + 1⋅ ⎜ 6 ⎟ = ⎜ 0 ⎟ = Θ ,
⎜5⎟ ⎜7⎟ ⎜9⎟ ⎜0⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
то есть столбцы оказались тоже линейно зависимы. Далее в нашем курсе вы узнаете,
что это совпадение не случайно, а закономерно, причём будет предложено несколько
доказательств этой закономерности. Парадокс заключается в том, что все эти доказа-
тельства являются формальными, и никто до сих пор не дал простого объяснения
тому факту, почему у квадратной матрицы порядка n ≥ 3 линейная зависимость
строк обязательно сопровождается линейной зависимостью столбцов.
87
Раскроем det A по первой строке, а det AT по первому столбцу:
n n
det A = ∑ a1i ⋅ A1i = ∑ a1i ⋅ (−1)i +1 ⋅ M1i ; (28)
i =1 i =1
n n
det AT = ∑ a1i ⋅ AT1i = ∑ a1i ⋅ (−1)i +1 ⋅ M T . 1i
(29)
i =1 i =1
a11 a1i + b1i a1n a11 a1i a1n a11 b1i a1n
a21 a2i + b2i a2n a21 a2i a2n a21 b2i a2n
= + .
88
Доказательство. Раскроем исходный определитель по i -тому столбцу
n
det A = ai 1 ai 2 ain = ∑ aik ⋅ Aik .
k =1
a n 1 an 2 ann
n n
λ ⋅ ai 1 λ ⋅ ai 2 λ ⋅ ain = ∑ λ ⋅ aik ⋅ Aik = λ ⋅ ∑ aik ⋅ Aik = λ ⋅ det A .
k =1 k =1
an 1 an 2 ann
Свойство 3 доказано.
89
С в о й с т в о 3 можно сформулировать следующим образом: посто-
янный множитель из строки или столбца матрицы можно выносить за знак
определителя. Из с в о й с т в а 3 следует очевидное равенство:
det ( λ ⋅ A ) = λn ⋅ det A , где n – порядок матрицы A .
ai ai ai n
k1 k2 k
⎡ i ,i ,…,i ,…,i ,…,in ⎤⎥
det A = = ∑ ( −1 )⎢⎣ 1 2 k j ⎦ ai 1ai 2 …ainn ,
1 2
(31)
ai 1 a i 2 ai n
j j j
an 1 an 2 ann
a i 1 ai ai n
j j2 j
⎡ i ,i ,…,i ,…,i ,…,in ⎤⎥
= ∑ ( −1 )⎢⎣ 1 2 j k ⎦
ai 1ai 2 …ainn ,
1 2
(32)
ai ai ai n
k1 k2 k
an 1 an 2 ann
90
Доказательство. Действительно, переставив одинаковые строки, по свойству 4
получаем:
det A = − det A ,
откуда
det A = 0 .
Свойство 5 доказано.
91
Свойство 8. Если квадратная матрица A представлена в виде про-
изведения A = B ⋅ C , причём строки матрицы B или / и столбцы матрицы C
линейно зависимы, то det A = 0 .
∑ ai k ⋅ Aj k = 0 , если i ≠ j ,
k =1
и ∑a
k =1
ki ⋅ Ak j = 0 , если i ≠ j. (33)
92
Учтём, что b j k = ai k , и поскольку остальные строки у матриц A и B одинако-
вые, то B j k = Aj k . После таких замен равенство (34) совпадёт с первой формулой (33).
Вторая формула (33) доказывается аналогично.
Свойство 9 доказано.
P1 P1
L1 L1
L P N
F
N F N1
K1 K1 L2
O K O M O F1
M1
K2 P2
a б в
Рисунок 46
числить определитель их произведения A ⋅ B . Для решения этой задачи воспользуемся
услугами графического редактора “VISIO”, входящего в пакет стандартного математи-
ческого обеспечения персональной ЭВМ. Построим на дисплее квадрат OKPL (рис. 46
а), сторону которого будем считать равной единице. Соблюдая масштаб, поставим на
экран точки K1 (b11 , b12 ) и L1 (b21 , b22 ) , где координаты bi j являются элементами матрицы
93
⎛b b ⎞
B = ⎜ 11 12 ⎟ . Далее сгруппируем объект «квадрат – оси координат», дублируем его и,
⎝ b21 b22 ⎠
используя доступные в этом редакторе средства трансформации изображения (дефор-
мацию, масштабирование, перенос), совместим на дубле точки K , L с точками K1 , L1 ,
соответственно. При этом квадрат OKPL трансформируется в параллелограмм OK1 P1 L1 ,
причём, как показано в п р и м е р е 4 4 , отношение площадей параллелограмма S1 и
квадрата S0 будет в точности равно модулю определителя матрицы B , то есть
S1
= det B или S1 = S0 ⋅ det B = det B .
S0
Здесь важно подчеркнуть следующее. С точки зрения старой системы координат
(которая в результате трансформации из прямоугольной превратилась в косоугольную)
все координаты точек квадрата остались прежними, и его площадь не изменилась. На
самом деле мы видим, что она изменилась, причём можем учесть это изменение путём
введения соответствующего коэффициента.
Определение. Коэффициенты изменения площади (или объёма), связанного с
изменением системы координат, в математике называются якобианами в честь знаме-
нитого математика Якоби и обозначаются буквами j .
Таким образом, для выполненного преобразования якобиан j1 = det B .
Теперь сгруппируем получившийся параллелограмм вместе с новым единичным
квадратом OMFN (рис. 46 б). Соблюдая масштаб, поставим на экран точки
M 1 (a11 , a12 ) и N1 (a21 , a22 ) , где координаты ai j являются элементами матрицы
⎛a a12 ⎞
A = ⎜ 11 ⎟ , и используя графические трансформации, совместим точки M , N с
⎝ a21 a22 ⎠
точками M 1 , N1 , соответственно (рис. 46 в). При этом квадрат OMFN трансформиру-
ется в параллелограмм OM 1 F1 N1 , причём, отношение площадей параллелограмма S 2 и
квадрата S0 будет в точности равно модулю определителя матрицы A , то есть
S2
= j2 = det A или S 2 = S0 ⋅ det A = det A .
S0
Поскольку объект был сгруппирован, то одновременно с этим параллелограмм
OK1 P1 L1 трансформировался в параллелограмм OK 2 P2 L2 , причём, как это следует из ре-
зультатов п р и м е р а 2 4 , координаты точек K 2 и L2 являются, соответственно, эле-
ментами первой и второй строки матрицы C = A ⋅ B . Поэтому, площадь S3 параллело-
грамма OK 2 P2 L2 удовлетворяет аналогичному равенству:
S3
= j3 = det C или S3 = S0 ⋅ det C = det C .
S0
С другой стороны, при трансформациях площади всех объектов изменяются
одинаково, поэтому
S3 S 2 det C
= или = det A , то есть det ( A ⋅ B ) = det A ⋅ det B .
S1 S0 det B
94
Покажем, что модули в этом равенстве можно убрать. При переходе от рис. 46 б
к рис. 46 в все трансформации выполнялись так, что изображение на дисплее изменя-
лось непрерывным образом (перевороты относительно осей симметрии не использова-
лись). Следовательно, матрица этой трансформации является непрерывной матрицей -
функцией F (t ) времени t , изменяющейся от начального значения F (0) = I до конечно-
го значения F (T ) = A , где T - продолжительность деформации, причём в каждый мо-
мент времени выполняется равенство
det ( F (t ) ⋅ B ) = det F (t ) ⋅ det B .
Перепишем это равенство для якобианов в следующей форме:
det ( F (t ) ⋅ B) = ± det F (t ) ⋅ det B
и определим правильный знак для его правой части.
При значении t = 0 оно принимает вид det B = ±1 ⋅ det B , значит здесь нужно
использовать знак плюс. Трансформация выполнялась так, что деформируемый квад-
рат OMFN не вырождался в отрезок, поэтому определитель матрицы F (t ) не обращает-
ся в нуль ни при каком значении t . Следовательно, знак в этом равенстве измениться
не может, и мы имеем
det ( A ⋅ B) = det A ⋅ det B .
Если точки M 1 и N1
y y
поменять местами, то в
F F
N N x1 процессе деформации воз-
M 1
M 1
K
x
2
никнет такой момент вре-
O x O F1 *
N1 F
*
N1
мени t , при котором де-
*
P формируемый квадрат
y1 P 2
L 2
OMFN выродится в отре-
зок OF * (рис. 47 а). Но
45В 45В
95
П р и м е р 5 6 . Р а с щ е п л е н и е о п р е д е л и т е л я ц е п н о й с и с т е м ы . Если
квадратную матрицу C удалось представить в виде произведения двух треугольных
матриц A и B (смотри § 4) , то её определитель в силу с в о й с т в а 9 может быть най-
ден по следующей простой формуле:
det C = (a11 ⋅ a22 ⋅ ... ⋅ ann ) ⋅ (b11 ⋅ b22 ⋅ ... ⋅ bnn ) .
Используем этот приём для вычисления определителя матрицы коэффициентов
C цепной механической системы. В п р и м е р е 3 8 для этой матрицы было получено
представление
C = −AT ⋅ A ,
где A , A T – верхнее- или нижнетреугольная матрица, имеющая одинаковые диаго-
нальные элементы, равные c .
Таким образом,
det C = det(− A T ) ⋅ det A = (−1)n ⋅ det A T ⋅ det A = (−1)n ⋅ (det A) 2 = (−1)n ⋅ (( c ) n )2 = (−1) n ⋅ c n .
Сравните этот результат с тем, который вы получили при решении п р и м е р а
5 2 . Обращаем внимание на любопытную закономерность: все определители чётного
порядка положительны, нечётного порядка – отрицательны. Попробуйте обосно-
вать эту закономерность для произвольной неположительной матрицы n - го порядка.
П р и м е р 5 7 . Вычислить определитель
1 2 −3 0
1 1 −2 1
det A = .
3 2 −1 1
−1 1 2 −1
96
Решение. Начинаем выполнение первого этапа с того, что получим во всех пози-
циях первого столбца, кроме самой верхней, нули. Верхняя строка объявляется рабо-
чей, остальные строки называются текущими. Для каждой текущей i - той строки
подбирается такой коэффициент ki , чтобы в результате сложения данной строки и ра-
бочей строки, умноженной на этот коэффициент, первый элемент текущей строки был
равен нулю. После нахождения этих коэффициентов выполняются указанные преобра-
зования строк. При этом в силу с в о й с т в а 7 величина определителя не меняется.
В соответствии с указанным выше порядком, прибавим ко второй строке пер-
вую, умноженную на коэффициент k2 = −1 , к третьей строке – первую, умноженную
на коэффициент k3 = −3 , и к четвертой – первую строку, получим
1 2 −3 0
0 −1 1 1
det A = .
0 −4 8 1
0 3 −1 −1
Таким образом, выполнен так называемый первый шаг алгоритма Гаусса. Те-
перь нужно выполнить второй шаг и обнулить элементы второго столбца, располо-
женные под главной диагональю, сохранив при этом те три нуля, которые были полу-
чены раньше. Использовать первую строку в качестве рабочей больше нельзя, так как
это не даст возможности сохранить нули в первом столбце. Поэтому, выберем в каче-
стве рабочей строки вторую.
Прибавив к третьей строке вторую, умноженную на коэффициент k3 = −4 , к
четвёртой строке - вторую, умноженную на коэффициент k 4 = 3 , получим:
1 2 −3 0
0 −1 1 1
det A = .
0 0 4 −3
0 0 2 2
97
7
det A = 1 ⋅ ( −1 ) ⋅ 4 ⋅ = −14 .
2
Примечание. При ручном счёте рабочая строка обычно выбирается так, чтобы
все или большинство коэффициентов ki были целыми числами. Поэтому в определите-
ле
1 2 −3 0
0 −1 1 1
det A =
0 0 4 −3
0 0 2 2
в качестве рабочей строки надо было выбрать не третью, а четвёртую, поменяв их мес-
тами. Повторим вычисления:
1 2 −3 0 1 2 −3 0 1 2 −3 0
0 −1 1 1 0 −1 1 1 0 −1 1 1
=− =− = −1 ⋅ (−1) ⋅ 2 ⋅ (−7) = −14 .
0 0 4 −3 0 0 2 2 0 0 2 2
0 0 2 2 0 0 4 −3 0 0 0 −7
Как видите, результат не изменился, но мы обошлись без дробей.
При вычислениях на ЭВМ, особенно если определитель имеет очень высокий
порядок, переставляются местами не только
строки, но и столбцы. При этом обычно до-
биваются того, чтобы все коэффициенты ki
на каждом шаге преобразований были ми-
нимальными, что обеспечивает минимум
погрешности вычислений. Такая разновид-
ность алгоритма называется методом Га-
усса с выбором главного элемента.
98
теории. Вы, конечно, прекрасно понимаете, что бой с определителем на самом деле
выиграла не ЭВМ, а метод расчёта. Гаусс был великим математиком, а отличие ве-
ликих учёных от знаменитых, известных, видных и прочих состоит как раз в том, что
они не только открывают новые направления в науке, но и каждую разрабатываемую
ими научную проблему решают исчерпывающим образом.
П р и м е р 5 9 . О п р е д е л и т е л ь В а н д е р м о н д а . Определитель матрицы
Вандермонда (п р и м е р 6 ) называется определителем Вандермонда. Этот определи-
тель имеет следующий вид:
1 1 1
a1 a2 an
2
Δ = a1 a22 an2 .
1 1 1
Δ3 = a1 a2 a 3 = ∏ (ai − a j ) = (a2 − a1 ) ⋅ (a3 − a1 ) ⋅ (a3 − a2 ) .
1≤ j <i ≤3
a12 a22 a 32
1 1 1 a2 − a1 a 3 − a1
Δ3 = 0 a2 − a1 a 3 − a1 = =
a22 − a12 a 32 − a12
0 a22 − a12 a 32 − a12
99
1 1
= ( a2 − a1 ) ⋅ ( a 3 − a1 ) ⋅ = ( a2 − a1 ) ⋅ ( a 3 − a1 ) ⋅ ( a 3 − a2 ).
a2 + a1 a 3 + a1
( A−1 ) −1 = A .
П р и м е р 6 0 . З а ч е м н у ж н ы о б р а т н ы е м а т р и ц ы ? Мы ответим на этот
вопрос, но прежде заметим, что в приводимых выше примерах вы уже встречались с
парами взаимно обратных матриц. Так, две матрицы вращения
⎛ cos ϕ − sin ϕ ⎞ ⎛ cos ϕ sin ϕ ⎞
U (ϕ ) = ⎜ ⎟ и U (−ϕ ) = ⎜ ⎟
⎝ sin ϕ cos ϕ ⎠ ⎝ − sin ϕ cos ϕ ⎠
при любом значении угла ϕ удовлетворяют условию U (ϕ ) ⋅U (−ϕ ) = U (ϕ − ϕ ) = U (0) = I
и являются взаимно обратными.
⎛Θ I ⎞
Матрицы блочной перестановки J = ⎜ ⎟ удовлетворяют условию J ⋅ J = E ,
⎝ I Θ⎠
где E = diag ( I , I ) – единичная матрица порядка 2 ⋅ n , являются взаимно обратными с
самими собой; таким же свойством обладают любые матричные алгебраические корни
второй степени из единичной матрицы I = diag (1, 1) (смотри п р и м е р 3 6 ).
Теперь отвечаем на поставленный вопрос. Напомним, что в обычной арифмети-
1
ке числа a и b = , удовлетворяющие очевидному равенству a ⋅ b = 1 , называются вза-
a
имно обратными; деление чисел c на a эквивалентно умножению делимого на чис-
100
1 1
ло, обратное к делителю, то есть c : a = c ⋅, причём перемножение чисел c и мо-
a a
жет выполняться в любом порядке. При этом результат деления (частное x ) удовлетво-
ряет одновременно двум условиям:
x⋅a = c и a⋅x = c ,
которые, в силу свойства перестановочности сомножителей, эквивалентны друг другу.
К сожалению, в матричной арифметике свойства перестановочности сомно-
жителей нет, поэтому здесь система двух матричных уравнений
X ⋅A=C и A⋅ X = C ,
как правило, решения не имеет, и операцию деления матриц определить нельзя. Тем
не менее, каждое из этих уравнений может иметь своё решение, которое находится с
помощью обратной матрицы.
Действительно, умножая обе части первого уравнения слева, а второго уравне-
ния - справа на матрицу A−1 , получаем:
X ⋅ A ⋅ A−1 = C ⋅ A−1 ⇒ X ⋅ I = C ⋅ A−1 ⇒ X = C ⋅ A−1 ;
A−1 ⋅ A ⋅ X = A−1 ⋅ C ⇒ I ⋅ X = A−1 ⋅ C ⇒ X = A−1 ⋅ C .
Ниже будет показано, что если матрицы A и C не перестановочные, то полу-
ченные решения отличаются друг от друга.
Т е о р е м а 2 . 6 (не о б х о д и м о е у с л о в и е с у щ е с т в о в а н и я о б -
р а т н о й м а т р и ц ы ). Если квадратная матрица A имеет обратную мат-
рицу A−1 , то определитель матрицы A отличен от нуля.
101
П р и м е р 6 1 . Э л е к т р о с т а т и ч е с к а я н е о п р е д е л ё н н о с т ь . Вы уже по-
знакомились со свойствами определителей и знаете, что вырожденность квадратной
матрицы связана с выполнением известных условий, накладываемых на числовые зна-
чения её элементов. Поскольку в практике инженерных и любых других расчётов ис-
пользуется округление, то многим может показаться, что вырожденные матрицы пред-
ставляют собой редкое исключение. На материале этого и следующего примера мы по-
кажем, что в приложениях математики к электротехнике и механике используются це-
лые классы вырожденных матриц.
В п р и м е р е 5 мы уже рассматривали матрицу проводимости линейного мно-
гополюсника. Конкретизируем это понятие для схемы, в которой все клеммы разбиты
на две группы – входные и выходные.
Образуем из токов и напряжений на входных и выходных клеммах (n + m) - по-
люсника два новых вектора-столбца
1 выход m ⎛ J вх ⎞ ⎛ U вх ⎞
J = ⎜ вых ⎟ ; U = ⎜ вых ⎟ .
⎝J ⎠ ⎝U ⎠
1 выход m 1 выход m Эти столбцы связаны между собой следующим ра-
венством:
матрица P1 матрица P2 J = P ⋅U , (37)
вход вход где матрица P является блочной матрицей форма-
1 n 1 n та 2 × 2 и называется матрицей проводимости
(n + m) - полюсника.
1 вход n Напомним, что все элементы этой матрицы
имеют физическую размерность [ 1/ Ом ] .
Рисунок 49 Матрицы проводимости используются при
расчёте параллельного соединения многополюсни-
ков. Пусть два (n + m) -полюсника с матрицами проводимости P1 и P2 подключены к
общим входным и выходным клеммам (рис.49). Тогда векторы – столбцы напряжений
одинаковы, а векторы – столбцы токов определяются равенствами:
J1 = P1 ⋅ U и J 2 = P2 ⋅ U .
Складывая эти равенства, получаем:
J = J1 + J 2 = P1 ⋅ U + P2 ⋅ U = ( P1 + P2 ) ⋅U = P ⋅ U , где P = P1 + P2 .
Таким образом, при параллельном соединении матрицы проводимости
складываются.
Проиллюстрируем это правило на следующем простом примере.
Для шнура – удлинителя (п р и м е р 1 4 ) матрица проводимости имеет следую-
щий вид:
⎛ 1 1 ⎞
⎜R −R ⎟
P=⎜ 1 1
⎟.
⎜ 1 1 ⎟
⎜R −R ⎟
⎝ 2 2 ⎠
102
1 1 1 1 1 1
где = + ; = + .
R5 R1 R3 R6 R2 R4
Формулы такого типа вы учили в школьном курсе физики.
103