IV.

МАТРИЦЫ И ОПРЕДЕЛИТЕЛИ

Системы линейных уравнений

Многие задачи в математике сводятся к решению т.н. систем линейных

алгебраических уравнений. В общем случае при заданном поле P их можно описать
следующим образом:

{
a11 x 1 + a12 x 2 + ⋯ +a1n x n ¿ b 1
. . ⋯ . .
am 1 x 1 + am 2 x 2 + ⋯ +amn x n ¿ bm
,
a b ∈ P , x j – неизвестные,
здесь ij i i=1 , … , m; j=1 , … , n . Говорят о системе m

линейных уравнений с n неизвестными над полем P . Будем считать, что Char ( P)=0 .
Дадим сразу понятие о решении такой системы. В данном случае различают частное
решение и общее.
Определение 4.1. Частным решением системы указанного выше вида от n
0 0 0 n
неизвестных называется упорядоченный n -местный набор ( x 1 , x 2 , … , x n )∈ P ,
подстановка компонент которого вместо соответствующих неизвестных превращает
каждое уравнение системы в верное равенство в поле P .
Определение 4.2. Общим решением системы указанного вида называется множество ее
частных решений.
Введем еще несколько важных определений, связанных с системами.
Определение 4.3. Система называется совместной, если ее общее решение не пусто, в
противном случае система называется несовместной.
Определение 4.4. Совместная система называется определенной, если ее общее
решение содержит лишь одно частное, а в противном случае такая система называется
неопределенной.
Определение 4.5. Если правые части системы равны нулю, т.е. 1
b =⋯=b =0
m , то
система называется однородной, а в противном случае – неоднородной.
Определение 4.6. Две системы линейных уравнений от n неизвестных над полем P
называются эквивалентными, если их общие решения совпадают.
В линейной алгебре разработан не один метод решения линейных систем (СЛАУ).
Здесь рассмотрим один достаточно экономный способ, называемый методом Гаусса, или
методом исключения неизвестных. Он хорош еще тем, что позволяет выписать общее
решение системы или убедиться, что оно пусто. Понятно, что для того, чтобы получить
решение, надо как-то изменить внешний вид системы, т.е. как-то ее преобразовать,
особенно, если она задана в исходной общей форме. Для этого необходимо договориться о
«разрешенных» преобразованиях, таких, которые бы не привели к искажению общего
решения.
Определение 4.7. Следующие преобразования системы линейных уравнений над
полем P называются элементарными:
1∘ . Перестановка местами (транспозиция) двух уравнений системы;
2∘ . Умножение обеих частей любого уравнения системы на ненулевой элемент поля P ;
3∘ . Прибавление к любому уравнению системы любого другого уравнения этой
системы, умноженного на произвольный элемент поля P .

Теорема 4.1. Элементарные преобразования СЛАУ являются эквивалентными, т.е.

приводят к системе эквивалентной данной.
 2
Доказательство. Оставляем студентам для использования леммы 1.1.

Располагая теоремой 4.1, получаем возможность эквивалентных преобразований, не

разрушающих общее решение системы. Рассмотрим метод Гаусса. Его можно разделить
на две части: построение «ступенчатой» системы и процедуры выписывания общего
решения.
Начнем с построения системы специального вида. Для этого вернемся к системе из
описания выше, только запишем ее несколько подробнее:

{
a 11 x1 +a12 x 2 +a13 x3 +⋯+a1 n x n =b1 ,
a21 x1 +a22 x 2 +a23 x 3 +⋯+a 2n x n =b 2 ,
a31 x1 + a32 x 2 +a33 x 3 +⋯+a 3n x n =b 3 ,
. . . . . . . . . . . . . .
am 1 x 1 +am 2 x 2 +a m 3 x 3 +⋯+a mn x n=bm .

Сначала считаем, что коэффициент a 11≠0 . Если же он равен нулю, то совершим

эквивалентное преобразование, переставив на первое место то уравнение, у которого
первый коэффициент ненулевой. Если такого уравнения нет, то система от x 1 не зависит.
Точнее, x 1 может принимать любое значение из поля P . Итак, будем умножать
последовательно обе части первого уравнения на элементы
a a a
− 21 , − 31 , ⋯ − m 1
a11 a11 a11
и прибавлять полученное ко второму, третьему и т.д. , наконец, к последнему уравнению.
Известно из теоремы 4.1, что такое преобразование приводит к системе эквивалентной
данной. Получим систему:

{
a11 x 1 + a12 x 2 + a13 x 3 +⋯+ a1 n x n=b1 ,
' ' ' '
a22 x2 +a23 x 3 +⋯+a 2n x n =b 2 ,
' ' ' '
a32 x 2 + a33 x3 +⋯+a3 n x n =b 3 ,
. . . . . . . . . . . .
a 'm 2 x 2 +a'm3 x3 +⋯+a' mn x n =b'm .
'
Теперь будем считать, что коэффициент a 22≠0 . Если он равен нулю, то переставим на
второе место уравнение, начиная с третьего, у которого соответствующий коэффициент
'
ненулевой. Если такого уравнения нет, то рассматриваем коэффициент a 23 и т.д. Будем
умножать обе части второго уравнения на элементы
' ' '
a32 a42 am 2
− , − , ⋯ −
a'22 a'22 a'22
и прибавлять последовательно соответственно к третьему, четвертому и т.д. , наконец, а
последнему уравнению. Получим систему:

{
a11 x 1 + a12 x 2 + a13 x 3 +⋯+ a1 n x n=b1 ,
' ' ' '
a22 x2 +a23 x 3 +⋯+a 2n x n =b 2 ,
'' '' ''
a33 x 3 +⋯+a 3n x n =b 3 ,
. . . . . . . . .
am 3 x 3 +⋯+ a' ' mn x n=b'm' .
''

Продолжая описанный процесс можно встретить ситуацию, при которой одно из

преобразованных уравнений окажется нулевым, т.е. все коэффициенты в правой и левой
частях будут нулевыми. Такое уравнение никаких связей на неизвестные не накладывает,
 3
и поэтому может быть из системы удалено. С другой стороны, можно получить т.н.
противоречивое уравнение, т.е. уравнение, в котором все коэффициенты слева равны
нулю, а правя часть – ненулевая. Такое уравнение решения не имеет, а вмести с ним и вся
система. В этом случае вычисления прекращаются, и делается вывод о несовместности
системы. Понятно, что в силу эквивалентности преобразований этот вывод оказывается
справедливым и для исходной системы.
Итак, в итоге получится т.н. ступенчатая система, которая будет иметь следующий вид
с учетом возможного удаления нулевых уравнений:

{
a11 x 1 + a12 x 2 + a13 x 3 +⋯+ a1 k x k +⋯+a 1n x n =b 1 ,
' ' ' ' '
a22 x 2 + a23 x 3 +⋯+a 2k x k +⋯+a2 n x n =b2 ,
'' '' '' ''
a33 x3 +⋯+a 3k x k +⋯+a3 n x n =b3 ,
. . . . . . . . .
a'kk' ' x k +⋯+ a' ' ' kn x n =b'k' ' .
Будем предполагать, что противоречивые уравнения при построении не встретились.
Здесь важно то, что элементы, стоящие на углах ступенек не равны нулю по построению.
Единственное, что может быть, – это «длинные ступени», но все угловые элементы
отличны от нуля. На этом заканчивается первая фаза вычислений.
Во второй части следует сделать некоторые предположения. Пусть, например, после
построения ступенчатой системы оказалось, что k =n , т.е.

{
a11 x 1 + a12 x 2 + a13 x 3 +⋯+ a1 n x n=b1 ,
' ' ' '
a22 x2 +a23 x 3 +⋯+a 2n x n =b 2 ,
'' '' ''
a33 x 3 +⋯+a 3n x n =b 3 ,
. . . . . . . . .
a' ' ' nn x n=b'n' ' .
'''
b
x 0n = 'n' '
Тогда из последнего уравнения легко получить значение ann . Затем, подставляя
полученное значение в предыдущее уравнение, находим x 0n−1 и т.д. В итоге найдем набор
( x 01 , x 02 , …, x 0n ) ,
являющийся частным решением преобразованной системы, а значит и рассматриваемой
системы. Очевидно, что других частных решений у системы нет. Поэтому общее решение
будет состоять из одного частного. Следовательно, система является определенной.
Второй возможный вариант состоит в том, что k < n , так как если k > n , то это
означает, что построение ступенчатой системы не закончено. Тогда поступаем
следующим образом. Все k неизвестных, стоящих на углах ступенек (при них
коэффициенты отличны от нуля) объявляем основными, а все прочие – свободными. Для
простоты записей считаем, что первые k будут основными, остальные свободными.
Перенесем слагаемые, содержащие свободные неизвестные, в правую часть системы, что,
очевидно, не скажется на общем решении. Получим систему:

{
a11 x 1 + a12 x 2 + a13 x 3 +⋯+ a1 k x k=b1 −a1 k +1 x k +1 −⋯−a1 n x n ,
' ' ' ' ' '
a22 x 2 + a23 x 3 +⋯+a 2k x k =b 2−a2 k +1 x k +1 −⋯−a 2n x n ,
'' '' '' '' ''
a33 x3 +⋯+a3 k x k =b 3 −a3 k +1 x k +1 −⋯−a 3n x n ,
. . . . . . . . .
akk x k =b'k' ' −a'kk' ' +1 x k +1−⋯−a' ' ' kn x n .
'' '
 4
0 0
Если придать свободным неизвестным произвольные значения x k +1 , … xn , то правая часть
системы оказывается вполне определенной. Следовательно, приходим к уже выше
0 0 0
рассмотренному случаю. Вычисляем значения основных неизвестных x 1 , x 2 , … , x k и
затем объединяем оба набора в один, что дает частное решение преобразованный
0 0 0 0 0
системы, а, следовательно, и исходной: ( x 1 , x 2 , … , x k , x k +1 , … , x n ) . Таким образом, можно
получить бесконечное множество частных решений. Покажем теперь, что любое частное
решение исходной системы можно получить указанным способом. Пусть
( x 01 , x 02 , … , x 0k , x 0k +1 , … , x 0n )
будет произвольным частным решением исходной системы. Тогда по эквивалентности
оно же будет решением и последней системы. При этом правые части этой системы
оказываются вполне определенными. Значит, по ним можно вычислить значения
основных неизвестных. Но тогда значения основных неизвестных должны соответственно
0 0 0
совпасть с набором x 1 , x 2 , … , x k , ибо в противном случае система с k =n имела бы более
одного решения. Тогда можно сформулировать такие результаты.

Теорема 4.2. Совместная система линейных алгебраических уравнений может иметь

либо одно частное решение (в ступенчатой системе число уравнений равно числу
неизвестных), либо бесконечное множество частных решений (в ступенчатой системе
число уравнений меньше числа неизвестных).

Теорема 4.3. Совместная система линейных алгебраических уравнений, в которой

число уравнений меньше числа неизвестных имеет бесконечное множество частных
решений, т.е. является неопределенной.

Теорема 4.4. Однородная система линейных алгебраических уравнений, число

уравнений которой меньше числа неизвестных, имеет нетривиальное (ненулевое) общее
решение.
Пример 4.1. Найти общее решение системы

{
x 1 +3 x 2−2 x 3 −x 4 =1 ,
−2 x 1 −7 x 2 +3 x 3 +6 x 4 =0 ,
3 x1 + 6 x 2−8 x 3 + 2 x 4 =3 .
Начинаем построение ступенчатой системы.

{
x 1 +3 x 2−2 x 3 −x 4 =1 ,
− x2 −x 3 + 4 x 4 =2 ,
−4 x 2 −3 x3 +9 x 4 =2 .
Первое уравнение умножили на 2 и прибавили ко второму, а третье уравнение получено
сложением со вторым и вычитанием первого. А далее второе уравнение умножили на 4 и
вычли из третьего. В полученной ступенчатой системе противоречивых уравнений нет.

{
x 1 +3 x 2−2 x 3− x 4 =1 ,
x 2 + x 3−4 x 4 =−2 ,
x 3−7 x 4 =−6 .
Выписываем общее решение в виде системы, где основные неизвестные выражены
через свободные. В данном случае – это
x 1 , x 2 , x3 через x 4 .
 5

{
x1 =−23+ 24 x 4 ,
x 2 =4−3 x 4 ,
x 3 =−6+7 x 4 .

Теперь все множество частных решений можно получать, задавая значение x 4 и вычисляя
по полученным соотношениям значения основных неизвестных. Легко записать одно из
возможных частных решений. Например, для x 4 =1 получим: (1, 1, 1, 1) .
В дальнейшем будет построена общая теория систем линейных алгебраических
уравнений на основе понятия матрицы над полем. Тогда возникнет возможность
описывать общее решение в виде специальной алгебраической структуры.
Понятие о матрице

Понятие матрицы возникает в математике в самых разных ситуациях, но наиболее

наглядно в системах линейных алгебраических уравнений (СЛАУ). Действительно, пусть
задана система n уравнений с m неизвестными над полем Р:

}
a11 x 1 + ⋯ +a1n x n ¿ b1
. . . . .
a m1 x 1 + ⋯ +amn x n ¿ bm
,
a b ∈ P , i=1 , … , m; j=1 , … , n .
где ij i
Вполне естественно ожидать, что вопросы существования решения, а также само
возможное решение зависит от прямоугольных таблиц вида:

a11 … a1 n b1 a11 … a 1n b1
A=‖. . . ‖ B=‖ ⋮ ‖ ‖. . . . ‖
am1 … amn , b m или A|B= am1 … amn b m .

Такие прямоугольные таблицы называют матрицами над полем Р. Последняя называется

расширенной матрицей системы. Числа m и n называют размерами матрицы А. Если
m= n , то матрицу называют квадратной, а ее размер – порядком. Элементы поля
a ij bi ∈ P называют элементами матрицы и собраны в строки и столбцы. В случае
двойной индексации первый индекс означает номер строки, в которой стоит элемент, а
второй – номер столбца. Строки нумеруются сверху вниз, а столбцы слева направо.
Множество матриц над полем Р размеров m× n обозначим M m ×n (P ) . А в случае
m= n – M n ×n ( P )=M n ( P ) . Матрицы обычно обозначают большими латинскими буквами.

Если надо указать, из каких элементов состоит матрица, то пишут ij A=‖ a ‖∈ M

m ×n (P)
Определение 4.8. Матрица, все элементы которой равны нулю, называется нулевой.

Определение 4.9. Матрица

A=‖ aij‖∈ M n ( P) называется верхней (нижней)
a =0
треугольной, если ij для i > j ( i < j ) .
Определение 4.10. Квадратная матрица называется диагональной, если она
одновременно является как нижней, так и верхней треугольной.
Определение 4.11. Совокупность элементов квадратной матрицы, расположенных
вдоль диагонали, идущей из левого верхнего угла в правый нижний, называется главной
диагональю матрицы, а вторая диагональ – побочной.
Определение 4.12. Диагональная матрица называется скалярной, если все
диагональные ее элементы равны между собой.
 6
Определение 4.13. Скалярная матрица называется единичной, если ее диагональные
элементы равны единице поля.
Определение 4.14. Матрица вида
A1 0
A=‖ ⋱ ‖
0 As ,
A …A
где 1 s – квадратные матрицы (блоки) произвольных порядков, расположенные так,
что их главные диагонали составляют главную диагональ матрицы А, а остальные
элементы, не входящие в блоки j
A , j=1 , … , s
, равны нулю, называется клеточно-
диагональной, или квазидиагональной.
Операции над матрицами

Определение 4.15. Две матрицы одинаковых размеров называются равными, если

совпадают их элементы, стоящие на соответствующих местах.

Замечание. Для матриц

A=‖ aij‖, B=‖ bij‖∈ M m ×n (P ) равенство A=B , т.е.
‖ aij‖=‖ bij‖ означает a ij=b ij для всех i=1 , … , m и j=1 , … , n .
Далее, рассмотрим операции над матрицами.

Определение 4.16. Пусть заданы матрицы

A=‖ aij‖, B=‖ bij‖∈ M m ×n (P ) . Их суммой
называется матрица
C=‖ c ‖=A +B=‖ a ‖+‖ b ‖=‖a +b ‖∈ M
ij ij ij ij ij m ×n .
(P )
Таким образом, можно складывать матрицы над данным полем одинаковых размеров. При
этом получается матрица тех же размеров.
Пример 4.2.
3 −1 1 7 4 6
‖ 4 0 ‖+‖ 3 4 ‖=‖ 7 4 ‖
−6 2 6 3 0 5 .
Теорема 4.5. Пара ( M m ×n ( P ), +) – абелева группа.
Доказательство получается простой проверкой аксиом абелевой группы.
Нейтральным элементом служит нулевая матрица соответствующих размеров.

Определение 4.17. Пусть задана матрица

A=‖ aij‖∈ M m ×n( P ) элемент поля λ ∈ P .
Тогда произведением матрицы A на элемент λ называется матрица
B=‖ bij‖= λ⋅A=λ⋅‖ aij‖=‖λ⋅a ij‖∈ M m ×n ( P) .
Следовательно, умножая матрицу произвольных размеров на элемент поля, получаем
матрицу тех же размеров, у которой каждый элемент есть произведение
соответствующего элемента исходной матрицы на данный элемент поля.
Пример 4.3.
4 6 10 2 3 5
1
⋅‖ 0 1 0 ‖=‖ 0 1/2 0 ‖
2
2 8 −4 1 4 −2 .
Отметим простейшие свойства операции умножения на элемент поля. Именно:
0.
∘
1⋅A=A , ∀ A ∈ M m ×n ( P ) ;
 7

1.
∘
λ⋅( μ⋅A )=( λμ )⋅A=( μλ)⋅A , ∀ λ , μ∈ P , ∀ A ∈ M m ×n ( P ) ;
2.
∘
( λ+ μ )⋅A=λ⋅A + μ⋅A , ∀ λ , μ∈ P , ∀ A ∈ M m ×n ( P ) ;
3. λ⋅( A+ B )=λ⋅A + λ⋅B , ∀ λ ∈ P , ∀ A ,B ∈ M m ×n ( P) .
∘

Доказательство этих свойств не представляет труда.

Наконец, рассмотрим операцию умножения матриц.

Определение 4.18. Пусть заданы матрицы

A=‖ aij‖∈ M m ×n( P ) и B=‖ bij‖∈M n ×s ( P ) .
Произведением матрицы А на матрицу В называется матрица C= A⋅B ,
n

C=‖ c ij‖∈M m ×s ( P) такая, что c ij =∑

k =1
aik⋅b kj
для всех i=1 , … , m и j=1 , … , s .
Как видим из определения, не любые две матрицы можно перемножить. Требуется,
чтобы число столбцов матрицы слева совпадало с количеством строк матрицы справа. Но
даже если существуют оба произведения A⋅B и B⋅A , то как легко заметить на примерах,
произведение A⋅B , вообще говоря, не равно произведению B⋅A . Это легко объясняется
несимметричностью использования строк и столбцов левого и правого сомножителей.
Пример 4.4.
0 2 1 −3
1 7 0 56 30 8 −10
‖ ‖⋅‖ 8 4 1 −1 ‖=‖ ‖
−1 0 2 −6 −10 17 21
−3 −4 9 9 .
Уже отмечалось, умножение матриц не коммутативно. Тем не менее, эта операция
обладает свойством ассоциативности.
Лемма 4.1. Умножение матриц ассоциативно.
Доказательство. Требуется показать, что A( BC )=( AB )C для любых матриц, для

которых произведения существуют. Пусть

A=‖ aij‖∈ M m ×n( P ) , B=‖ bij‖∈M n×s ( P ) ,
C=‖cij‖∈M s ×t ( P) . Далее,
AB=D=‖d ij‖∈M m ×s ( P) , BC=F=‖ f ij‖∈M n ×t ( P) и, наконец,
A( BC )=U =‖u ij‖∈M m ×t ( P) , а ( AB)C=V =‖ v ij‖∈ M m ×t (P) . Тогда
n n s n s n s s n
u pq =∑ a pk f kq =∑ a pk ∑ b kj c jq = ∑ ∑ a pk (b kj c jq )=∑ ∑ (a pk bkj ) c jq =∑ ∑ (a pk b kj ) c jq =
k=1 k =1 j=1 k=1 j=1 k=1 j=1 j=1 k=1
s
∑ d pj c jq=v pq .
j=1
Как видим, произвольный элемент матрицы U совпадает с соответствующим элементом
матрицы V .

Теорема 4.6. ( M n ( P ), +,⋅) – ассоциативное кольцо с единицей. Если n>1 , то кольцо

имеет делители нуля.
Доказательство сводится к проверке аксиом кольца с учетом леммы 4.1 и
аналогичного доказательства дистрибутивных законов. При этом можно учесть теорему
4.5. В качестве единицы выступает единичная матрица E ∈ M n ( P) . Действительно, эту

матрицу можно представить в виде

E=‖ eij‖ , где e ij= 0 , i≠ j . {1 , i= j , Поэтому, например, если
n

B= A⋅E=‖b ij‖, b ij= ∑ aij e kj=a ij e jj =aij

то k =1 .
 8

Пример делителей нуля для n=2 :

1 0 0 0 0 0
‖ ‖⋅‖ ‖=‖ ‖
0 0 0 1 0 0 .

Отметим еще важное свойство, связывающее операцию умножения матрицы на

элемент поля и умножение собственно матриц. Именно:

( λ⋅A )⋅B=λ⋅( A⋅B)=A⋅( λ⋅B ) .

Определение 4.19. Пусть задана матрица

A=‖ aij‖∈ M m ×n( P ) . Тогда матрица
T
A =‖ a ji‖∈ M n ×m ( P) называется транспонированной по отношению к А.
T
Транспонирование означает, что строки матрицы А становятся столбцами матрицы A
в соответствии с нумерацией. Отметим свойства операции транспонирования:
∘
0. ET =E ;
∘
1. ( AT )T = A ;
∘
2. ( λ⋅A )T =λ⋅A T ;
∘
3. ( A+ B)T = AT + BT ;
∘
4. ( A⋅B )T =BT⋅A T .
Определители

Рассмотрим одну важную характеристику квадратной матрицы. Построим

специальное отображение det: M n ( P )→P , обладающее рядом интересных свойств и
имеющее многочисленные приложения.

Определение 4.20. Пусть задана матрица ij n A=‖ a ‖∈ M ( P)

. Членом определителя
такой матрицы называется произведение n ее элементов, взятых по одному из каждой

N( σ )
строки и каждого столбца, и умноженное на число (−1) , где
i i … in
σ= 1 2
j1 j2 … jn
–
( )
подстановка, составленная из строчных и столбцовых индексов элементов, вошедших в
произведение, а N (σ ) – число инверсий в подстановке.
Таким образом, видим, что член определителя матрицы А можно описать в виде
( )a
i 1 i2 … i n
N
j 1 j 2 … jn
(−1) ai2 j2 ⋯ a in jn
. i1 j1

Если упорядочить верхнюю перестановку в σ до естественного порядка, то член

определителя запишется проще:
N( k 1 k 2 … kn )
(−1) a1 k 1 a2 k 2 ⋯a nkn
,
где N (k 1 k 2 … k n ) число инверсий в нижней перестановке в σ . Функция N оказывается
функцией четности подстановки.

Определение 4.21. Определителем (детерминантом) матрицы ij n A=‖ a ‖∈ M ( P)

называется сумма всех членов определителя матрицы.
Учитывая, что между всеми подстановками степени n и всеми произведениями,
представленными в определении 4.13, устанавливается биективное соответствие, то легко
 9
видеть, что различных членов определителя будет ровно столько, сколько существует
подстановок степени n , т.е. n !

Определитель матрицы
A=‖ aij‖∈ M n ( P) обозначают следующим образом: | A| или
det A , или |a ij| . В последнем случае имеет место матричная запись вида:
a11 … a 1n
|. . . |
an 1 … ann .
Тогда говорят о строках и столбцах определителя и о порядке его, опуская слово
«матрица». Используя имеющиеся обозначения, запишем определитель в виде явной
суммы членов:
N
( 12…n
k1 k2 … k n )a
det A= ∑ (−1 ) 1k
1
a2 k … a nk
2 n

( 1 2…n
k k …k
1 2
∈ Sn
n )
Пример 4.5. Пусть задана матрица
A=‖ aij‖∈ M 8 ( R ) . Тогда членом определителя будет,

например, произведение: –
a 12 a24 a 38 a 46 a51 a67 a75 a83 . Подстановка
σ= ( 12 24 38 46 51 67 75 83 )
имеет в нижней строке 15 инверсий, поэтому N (σ )=1 .

Рассмотрим примеры вычисления определителей 2-го и 3-го порядков. Итак, пусть

a11 a12
A=‖ ‖
задана матрица
a21 a22 . Тогда, очевидно, что det A=a11 a22 −a12 a21 . Слагаемые

отвечают подстановкам
σ 1= 1 2
1 2 и ( )σ 2= 1 2 ( )
2 1 . Первая из них четная, а вторая
нечетная. Пусть теперь задана матрица третьего порядка:
a11 a12 a 13
A=‖ a21 a22 a 23 ‖
a31 a32 a 33 .
Выпишем шесть подстановок третьей степени.
σ 1= (
12 3
12 3 , )
σ 2=
12 3
21 3 ,( σ 3= ) 12 3
13 2 ,
σ 4=
123
3 21 ,( σ 5= ) 12 3
31 2 , (
σ 6=
1 23
2 31 . ) ( ) ( )
σ , σ 5 , σ 6 , а нечетными будут σ 2 , σ 3 , σ 4 . Числа инверсий в них
Из них четными будут 1
соответственно равны в группе четных 0, 2, 2 в группе нечетных 1, 1, 3. Поэтому можно
выписать все члены определителя и собрать их в алгебраическую сумму:
det A=a11 a22 a 33+a13 a21 a32+a12 a23 a31−a 12 a 21 a33 −a11 a 23 a 32−a13 a22 a31 .
Как видно, количество слагаемых с ростом порядка матрицы растет очень быстро. К
примеру, определитель матрицы десятого порядка имеет 3628800 членов. Если учесть, что
в практических приложениях встречаются матрицы, имеющие порядок 100 и выше,
становится ясно, что вычислять определители по определению неудобно. Рассмотрим
свойства определителей, на основе которых можно построить алгоритмы, существенным
образом упрощающие процедуру вычисления.
∘
1. det A=det AT ; таким образом, строки и столбцы определителя равноправны;
 10
∘
2. Транспозиция двух строк (столбцов) определителя приводит к определителю, у
которого соответствующие члены имеют противоположные знаки по отношению к членам
исходного определителя и потому, следовательно, определитель меняет знак на
противоположный;
∘
3. Если умножить (как матрицу) какую-либо строку (столбец) определителя на
элемент поля, то и весь определитель умножится на этот элемент; в частности,
det (α⋅A )=α n det A для любых A=‖ aij‖∈ M n ( P) , α ∈ P . Определитель с нулевой
строкой (столбцом) равен нулю.
∘
4. Если i-ю строку (i-й столбец) определителя разбить в сумму двух строк (столбцов)
( 1) ( 2)
C i=C i + Ci , то определитель можно представить в виде суммы двух определителей
таких, что все строки (столбцы), кроме i-й (i-го) совпадают соответственно со строками
( 1)
(столбцами) исходного определителя, а на месте i-й (i-го) в первом стоит C i , а во втором
( 2)
стоит C i .
∘
5. Определитель верхней (нижней) треугольной матрицы равен произведению
элементов ее главной диагонали.
∘
6. Определитель не изменится, если к какой-либо его строке (столбцу) прибавить
(как матрицу) другую его строку (столбец), умноженную (-ого) на произвольный элемент
поля. Отсюда, в частности, следует, что определитель, содержащий равные строки
(столбцы), равен нулю.
Доказательство указанных свойств носит элементарный характер на основе
определения самого объекта, поэтому оставляем его студентам для самостоятельной
работы.
Кстати, вопрос о равенстве или неравенстве нулю определителя оказывается весьма
важным. Рассмотрим специальный результат на эту тему.
Определение 4.22. Пусть заданы строки C 1 , C 2 , … , C k ∈ M 1 ×n (P ) (или столбцы
∈ M n ×1 ( P ) ), а также элементы поля α 1 α 2 … α k . Тогда строка (столбец)
C=α 1 C1 + α 2 C 2 + ⋯ α k C k
называется линейной комбинацией строк (столбцов) 1
C , C 2 , … , C k с коэффициентами
α 1 α2 … α k .

Теорема 4.7 (критерий равенства определителя нулю).

Определитель равен нулю тогда и только тогда, когда одна из его строк (столбцов)
является линейной комбинацией других строк (столбцов) определителя.
∘
Доказательство достаточности легко получить, опираясь на свойство 4 . А вот
необходимость приходится доказывать много позже на основе понятия ранга матрицы.

Пример 4.6. Определитель матрицы A ∈ M 4 ( R ) равен нулю, так как его третья строка
есть линейная комбинация первой и четвертой строки с коэффициентами соответственно
1 и -2.
3 2 4 1
5 7 0 −3
A=‖ ‖
−5 −4 6 1
4 3 −1 0 , det A=0 .
 11
Вычисление определителей

Как уже отмечалось, вычисление определителей по определению обычно неудобно.

Здесь рассмотрим два метода, основанные на использовании свойств этих объектов.
1. Метод приведения к треугольному виду.
Рассмотрим определитель порядка n :
a11 a12 … a1 n
| a 21 a22 … a2 n |
. . . .
an 1 a n2 … a nn .
Если элемент a 11≠0 , то, умножая первую строку на элементы 21 11 −a /a , … ,−a /a
n 1 11 и
прибавляя соответственно ко второй и т.д. последней строке, получим определитель вида
a11 a 12 … a1 n
' '
0 a 22 … a 2n
| |
. . . .
' '
0 an 2 … ann ,
равный исходному в соответствии со свойством 6 . Если же a 11=0 , выведем на первое
∘
∘
место любую строку с ненулевым первым элементом и при этом учтем свойство 2 .
Наконец, если во всех строках первые элементы равны нулю, т.е. определитель имеет
'
нулевой столбец, то он равен нулю. Далее, если элемент a 22≠0 , то проделываем
'
похожую процедуру со второй и нижележащими строками, а если a 22=0 , то выводим на
место второго столбца тот, у которого второй элемент отличен от нуля, а если таковых
нет, то вторая строка оказывается нулевой, и, следовательно, определитель равен нулю.
Продолжая подобного рода преобразования, придем к определителю верхней треугольной
∘
матрицы, вычисление которого не составит труда по свойству 5 . Таким образом,
действия, предпринимаемые в этом случае либо не меняют определителя, либо меняют
его знак на противоположный, что легко учесть.
Пример 4.7. Вычислим определитель приведением к треугольному виду.
1 3 −3 1 1 3 −3 1 1 3 −3 1 1 3 −3 1
2 7 −6 4 0 1 0 2 0 1 0 2 0 1 0 2
| |=| |=| |=−| |=−6
0 4 0 2 0 4 0 2 0 0 0 −6 0 0 −1 10
−2 −8 5 4 0 −2 −1 6 0 0 −1 10 0 0 0 −6 .
Минус в последнем случае появился ввиду транспозиции третьей и четвертой строк.

Метод использования теоремы Лапласа.

Этот метод требует дополнительных определений.
Определение 4.23. Пусть задана матрица A ∈ M m ×n ( P) . Выберем в ней k строк и k
столбцов, где 1≤k≤min { m , n } , произвольным образом. Элементы, стоящие на
пересечении выбранных строк и столбцов образуют матрицу k -го порядка, определитель
которой называется минором k -го порядка данной матрицы. Миноры первого порядка
суть элементы матрицы.
Задача 4.1. 1) Вычислить общее количество миноров k -го порядка в матрице
A ∈ M m ×n ( P) ; 2) вычислить общее количество миноров в матрице А.
 12

Определение 4.24. Пусть задана матрица A ∈ M n ( P) , в которой выбран минор k -го

порядка, 1≤k≤n−1 . Вычеркивая строки и столбцы, в которых расположен выбранный
минор, получаем матрицу порядка n−k , определитель которой называется
дополнительным минором к исходному.
Определение 4.25. Пусть задана матрица A ∈ M n ( P) , в которой выбран минор k -го
S 1 +S 2
порядка, 1≤k≤n−1 . Тогда его дополнительный минор, умноженный на число (−1) ,
где S1 есть сумма номеров строк, а S2 есть сумма номеров столбцов, в которых
расположен исходный минор, называется алгебраическим дополнением к заданному
минору.
Пример 4.8. Пусть задан определитель в матричной форме
3 −1 7 2
4 0 2 1
| |
9 3 4 −5
5 4 −2 6 .
Выберем в нем первую и третью строки, а также второй и третий столбец. Тогда можем
построить минор второго порядка, а именно:
−1 7
| |=−4−21=−25
3 4 .
Дополнительным минором к данному будет
4 1
| |=24−5=19
5 6 .
Наконец, алгебраическим дополнением к данному минору будет
4 1
| |⋅(−1)(1+3)+(2+3)=−19
5 6 .
Теперь можно формулировать теорему.

Теорема 4.8 (Лаплас).

Если в определителе порядка n произвольным образом выбрать k строк (или k
столбцов), где 1≤k≤n−1 , то определитель представляется в виде суммы произведений
миноров k -го порядка, расположенных в выбранных строках (столбцах), на их
алгебраические дополнения.
Следствие. Пусть A – клеточно-диагональная матрица из определения 4.7. Тогда
s
det A=∏ det A i
.
i =1

Рассмотрим частный случай теоремы Лапласа. Именно: k =1 .

Теорема 4.9 (о разложении определителя по строке (столбцу)).

Определитель равен сумме произведений элементов какой-либо его строки (столбца)
на их алгебраические дополнения.
Доказательство разобьем на три этапа. Итак, пусть задан определитель n -го порядка.
 13
a11 a12 … a1 n
Δ=| a21 a22 … a2 n |
. . . .
an 1 a n2 … ann .
1. Покажем сначала, что произведение элемента a 11 на его алгебраическое дополнение
A11 есть сумма (n−1) ! членов Δ . Действительно, эта сумма равна

(
N 2…n
)a
k2 … kn
N
( 1 2… n
1 k … k )a
a 11⋅ ∑ (−1) 2k
2
¿ ⋯ ⋅a nk =
n
∑ (−1 ) 2 n
11 ¿ a2 k ¿ … ank
2 n

( 2 …n
k … k
2 )
n (.
1 2…n
1 k … k
2 n )
В первой сумме видим, что суммирование производится по всем перестановкам длины
n−1 , а вторая сумма как раз содержит только члены Δ . Единицы, добавленные в начале
каждой перестановки не меняют их четности.
2. Теперь покажем, что произведение любого элемента определителя
a ij на его
алгебраическое дополнение
Aij есть сумма (n−1) ! членов Δ . Для этого переместим
a
элемент ij в левый верхний угол матрицы, переставляя последовательно i -ю строку с
вышестоящими строками и j -й столбец со стоящими слева от него. Каждая такая
∘
транспозиция меняет знаки членов определителя на противоположные (см. свойство 2 ).
Всего будет совершено (i−1)+( j−1 )=i+ j−2 транспозиций. В итоге получим
определитель Δ 1 , связанный с исходным соотношением
Δ 1= Δ⋅(−1)i+ j−2 =Δ⋅(−1 )i+ j .

При этом каждый член Δ 1 отличается от соответствующего члена Δ тоже множителем

(−1)i+ j . Ясно, что подобные преобразования не меняют дополнительного минора к
элементу
a ij . Воспользуемся первой частью доказательства. Так как элемент a ij теперь
стоит в левом верхнем углу матрицы, то его произведение на дополнительный минор ij
M
i+ j
a ⋅A
суть (n−1) ! членов Δ 1 . Но так как Aij =M ij⋅(−1 ) , то получаем, что ij ij есть сумма
(n−1) ! членов Δ .
3. Теперь составим сумму произведений
a i1 A u 1 +a i2⋅A i2 + ⋯ +ain A in . Каждое
слагаемое содержит согласно второй части доказательства (n−1) ! членов Δ . Среди этих
членов нет одинаковых по самому устройству суммы, а слагаемых ровно n⋅(n−1) ! =n ! ,
т.е. выписаны все члены Δ . Следовательно,
Δ=a i1 Au 1 +a i2⋅A i2 + ⋯ +a in A in ,
что требовалось доказать.
К этому результату примыкает еще один несложный факт.

Теорема 4.10 (о «чужих» дополнениях).

Пусть Δ – определитель порядка n из предыдущей теоремы. Тогда

{Δ0 ,, если
n
k=i ,
∑ aij A kj = если k≠i .
j=1
Таким образом, сумма произведений элементов любой строки (столбца) определителя на
соответствующие алгебраические дополнения другой его строки (столбца) равна нулю.
 14

Доказательство. Рассмотрим определитель матрицы ij A=‖ a ‖∈ M ( P)

n . Прибавим k-ю
∘
строку к i-й, отчего определитель матрицы не изменится в соответствии со свойством 6 .
Теперь распишем по теореме 4.5 определитель новой матрицы, разлагая его по i-й строке.
Получим:
n n n n
Δ=∑ (aij +akj ) A ij= ∑ aij Aij + ∑ a kj A ij= Δ+ ∑ akj A ij ⇒ ∑ akj Aij =0
j=1 j=1 j=1 j=1 .

Пример 4.9. Вычислим определитель из примера 4.8. Ясно, что выгодно разложить его по
второй строке, ибо она содержит нуль. Получим
3 −1 7 2
−1 7 2 3 −1 2 3 −1 7
4 0 2 1
|=4⋅| 3 4 −5 |⋅(−1) +2⋅| 9 3 −5 |⋅(−1) +| 9 3 4 |⋅(−1)2+4
2+1 2+3
|
9 3 4 −5
4 −2 6 5 4 6 5 4 −2
5 4 −2 6
=1296−470+43=869 .
Пример 4.10. Вычислим тот же определитель разложением по теореме Лапласа. Выберем
первую и вторую строки для выписывания миноров. Получим
3 −1 7 2
4 0 2 1 3 −1 4 −5 3 7 3 −5 3 2 3 4
| |=| |⋅| |⋅(−1)3+3 +| |⋅| |⋅(−1)3+ 4+| |⋅| |⋅¿ ¿
9 3 4 −5 4 0 −2 6 4 2 4 6 4 1 4 −2
5 4 −2 6
−1 7 9 −5 −1 2 9 4 7 2 9 3
(−1)3+5 +| |⋅| |⋅(−1)3+5 +| |⋅| |⋅(−1)3+6 +| |⋅| |⋅(−1)3+7=
0 2 5 6 0 1 5 −2 2 1 5 4
56+ 836+110−158−38+ 63=869 .
Как видно из примеров, теорема Лапласа позволяет уменьшить порядки вычисляемых
определителей, но при этом увеличивается их количество.
Теперь рассмотрим результат о связи между умножением матриц и произведением их
определителей. На первый взгляд трудно ожидать каких-либо соотношений, но, тем не
менее, имеет место следующая теорема.

Теорема 4.11 (об умножении определителей).

Определитель произведения нескольких квадратных матриц одного порядка равен
произведению определителей перемножаемых матриц, т.е.,

(∏ )
k k
det A i =∏ det A i
i =1 , Ai ∈ M n ( P) , i=1 , … , k .
i =1

Доказательство проведем для случая k =2 . Общий случай легко получается

индукцией по k . Итак, пусть заданы две матрицы ij A=‖ a ‖∈ M ( P ) и B=‖bij ‖∈ M n (P ) .

n
Построим вспомогательный определитель Δ порядка 2 n . Именно:
 15
a11 a12 … a1 n 0 0 … 0
a21 a22 … a2 n 0 0 … 0
. . . . . . . .
a a n2 … ann 0 0 … 0
Δ=| n 1 |
−1 0 … 0 b 11 b12 … b1 n
0 −1 … 0 b 21 b22 … b2 n
. . . . . . . .
0 0 … −1 bn 1 b n2 … b nn .
A 0
Δ=| |
Структура Δ легко угадывается. −E B . ВычислимΔ разложением по первым n
строкам, используя теорему Лапласа 4.8. Ясно, что единственным минором n -го порядка,
отличным возможно от нуля, будет det A , поэтому Δ=det A⋅det B . Преобразуем Δ не
меняя его величины следующим образом: первый столбец умножим на элемент b 11 и
прибавим к (n+1 ) -му столбцу, второй столбец умножим на элемент b 21 и вновь прибавим
b
к (n+1 ) -му столбцу и т.д. , наконец, n -й столбец умножим на элемент n1 и прибавим к
(n+1 ) -му столбцу. На местах, где расположены элементы первого столбца матрицы В
очевидным образом появятся нули. Подобным же путем обнулим остальные элементы
матрицы В. В итоге получим определитель вида

a11 a12 … a1 n c11 c 12 … c 1n

a21 a22 … a2 n c 21 c 22 … c 2n
. . . . . . . .
Δ=| an 1 a n2 … ann c n1 c n2 … c nn |
−1 0 … 0 0 0 … 0
0 −1 … 0 0 0 … 0
. . . . . . . .
0 0 … −1 0 0 … 0 .

Как легко проследить, в результате обнуления матрицы В в правом верхнем углу

формируется матрица С, являющаяся произведением матриц А и В , т.е. C= A⋅B . Теперь
вновь вычислим определитель Δ , разложением по последним n столбцам. В этом случае
единственным, вообще говоря, отличным от нуля минором n -го порядка является
S 1+S S +S2
определитель матрицы С. Поэтому Δ=det C⋅det (−E )⋅(−1 ) =det C⋅(−1)n ¿(−1) 1 , где
2n n
S1 = ∑ k S2 = ∑ k
k =n+1 , а k =1 .
2(n 2+n )
Это в результате дает Δ=det C⋅(−1 ) =detC . Сравнивая два вычисления, получаем
требуемое:
Δ=det C=det ( A⋅B)=det A⋅det B .

Определитель Вандермонда
 16

Определение 4.26. Матрицей Вандермонда порядка n (n≥2) называется матрица вида

1 1 1 … 1
a1 a2 a3 … an
‖ a21 2
a2
2
a3 … a n ‖
2

. . . . .
n−1 n−1
W ( a1 , a 2 , a3 , … , a n )= a1 a2 a3 … an−1
n−1
n ,
определитель которой det W (a1 , a 2 , a3 , … , a n ) называется определителем Вандермонда.
Отметим красивый результат, посвященный вычислению такого специфического
определителя. Именно:
Теорема 4.12. Справедлива следующая формула для вычисления определителя
Вандермонда:
det W (a1 , a 2 , a3 , … , a n )= ∏ (a j −ai )
. 1≤i< j≤n

Доказательство получается индукцией по n . Для n=2 формула очевидна. Делаем

индуктивное предположение, что для всех n≤k , k≥2 , теорема справедлива. Будем ее
доказывать, для случая n=k +1 . Изменим матрицу определителя следующим образом.
Вычтем из каждой строки, начиная снизу, предыдущую строку, умноженную на a 1 .
Получим определитель
1 1 1 … 1
0 a2−a1 a3 −a1 … ak+1 −a1 1 1 … 1
k+1
| 0 a 2 (a 2−a1 ) a 3 (a 3−a1 ) … a k+1 (ak+1 −a1 ) | a a3 … ak+1
. . . . .
∏ (a m−a1 )⋅| 2
. . . .
|
m=2
k−1
0 a2 ( a2 −a1 ) a3k−1 ( a3 −a1 )
k−1 k−1
… a k+1 ( ak+1 −a1 ) = a2 a k−1
3 … ak−1
k+1 .
Последнее выражение получается после раскрытия преобразованного определителя по
первому столбцу в соответствии с теоремой 4.9 и вынесения общих множителей по
∘
свойству 3. Теперь справа находится определитель Вандермонда порядка k , и можно
воспользоваться индуктивным предположением. Тогда имеем:
k +1
det W (a1 , a 2 , a3 , … , a k+1 )= ∏ (am−a1 ) ∏ (a j −ai )= ∏ (a j −ai )
m=2 2≤i< j≤k +1 1≤i< j≤k +1 .

Полная линейная группа

В предыдущих построениях были описаны кольцо квадратных матриц и, в частности,

аддитивная группа матриц. Возникает вопрос о построении мультипликативной группы
матриц. Эта группа должна содержать квадратные матрицы одного порядка и быть
заведомо неабелевой. Но на всем множестве M n (P ) получить групповую конструкцию не
удается. В этом легко убедиться, используя теорему 4.11. Действительно, пусть
определитель матрицы A ∈ M n ( P) равен нулю. Обозначим обратный элемент к матрице
A через A−1 . В силу того, что единичная матрица E играет роль мультипликативной
−1
единицы, то должно выполняться равенство A⋅A =E . Но по теореме об умножении
определителей 4.11 имеем:
det ( A⋅A−1 )=det A⋅det A−1 =0⋅det A−1 ≠1=det E .
 17
Полученное противоречие говорит о том, что матрицы с нулевыми определителями
заведомо не могут войти в гипотетическую мультипликативную группу.
Определение 4.27. Матрица A ∈ M n ( P) называется невырожденной (неособенной),
если ее определитель отличен от нуля. В противном случае матрица называется
вырожденной (особенной).
0
Обозначим множество невырожденных матриц порядка n над полем Р через M n (P ) .
Тогда справедлива следующая теорема.

0
Теорема 4.13. Пара ( M n ( P ), ⋅) – группа.
Доказательство. Алгебраичность операции следует из того, что матрицы заданы над
0
полем. Поэтому, если A , B ∈ M n ( P ) , то det ( A⋅B)=det A⋅det B≠0 , ибо в поле нет
0
делителей нуля. Так что A⋅B ∈ M n ( P) . Ассоциативность и наличие единицы уже
обсуждалось в более широком контексте. Наконец, надо убедиться, что каждая матрица из
рассматриваемого множества имеет в этом множестве обратный элемент. Этот обратный

элемент может быть получен конструктивно. Действительно, пусть

A=‖ aij ‖∈ M 0n ( P ) .
Заменим каждый элемент матрицы его алгебраическим дополнением
Aij . Получим
~
матрицу
A=‖ A ij ‖, затем транспонируем полученную матрицу и умножим результат на
~
(det A )−1 . Утверждаем, что A−1 =(det A )−1⋅A T . Ясно, что нужно проверить условие
A⋅A−1 =A−1⋅A=E . Рассмотрим первое слева произведение и обозначим det A=Δ .

a 11 a12 … a1 n A11 A 21 … A n1 Δ 0 … 0 1 0 … 0
a a22 … a2 n −1 A12 A 22 … An 2 0 Δ … 0 0 1 … 0
A⋅A−1 =‖ 21 ‖Δ ‖ ‖=Δ−1‖ ‖=‖ ‖
. . . . . . . . . . . . . . . .
an1 an 2 … a nn A 1n A2 n … A nn 0 0 … Δ 0 0 … 1
,

−1 0
т.е. A⋅A =E . Теорема 4.11 позволяет убедиться, что A ∈ M n ( P ) . Второе соотношение
−1

проверяется аналогично. Здесь использовали теорему 4.5 о разложении определителя по

строке и теорему 4.6 о «чужих» дополнениях. Теорема доказана.

Полученная группа носит название полной линейной группы и обозначается GL n ( P )

или GL(n , P ) .
−1
Определение 4.28. Пусть задана матрица A ∈ M n ( P) . Тогда матрица A ∈ M n ( P )
называется обратной к матрице А, если выполнено условие
A⋅A−1 =A−1⋅A=E .

Теорема 4.14 (критерий обратимости матрицы)

Матрица A ∈ M n ( P) обратима тогда и только тогда, когда она невырожденная.
Необходимость доказывается применением к указанному соотношению теоремы 4.11,
а достаточность следует из теоремы 4.13.
−1 −1
Следствие. det ( A )=(det A ) .
Все предыдущее в этом разделе говорит о том, что получен алгоритм вычисления
обратной матрицы. Именно:
 18

Вход: матрица
A=‖ aij ‖∈ M n( P ) .
∘
1. Вычислить определитель матрицы А. Если det A=0 , то завершить работу с
резолюцией «обратная матрица не существует», иначе продолжать.
~
2.
∘
Построить матрицу
A=‖ A ij ‖, где
Aij суть алгебраические дополнения к
элементам
a ij (матрица ~
A называется присоединенной).
∘ ~ T ~
3. Транспонировать матрицу A . Получить A .
∘ −1 ~T
4. Вычислить (det A ) ⋅A .
∘ −1 −1 ~T
5. Подать на выход A =(det A ) ⋅A .

Пример 4.11. Пусть требуется найти матрицу, обратную к А:

1 −1 3
A=‖ 2 0 2 ‖
5 4 −1 .
Вычисляем определитель: det A=4≠0 . Обратная матрица существует.
Теперь вычислим присоединенную матрицу:

−8 12 8 −8 11 −2
~ ~T
A=‖ 11 −16 −9 ‖ A =‖ 12 −16 4 ‖
−2 4 2 и 8 −9 2 .
И, наконец,
−2 11/ 4 −1/2
−1
A =‖ 3 −4 1 ‖
2 −9/4 1/2 .
Проверка легко подтверждает этот ответ.

Элементарные преобразования матрицы

Определение 4.29. Элементарными преобразованиями (ЭП) матрицы называются:

∘
1. Транспозиция двух строк (столбцов) матрицы;
∘
2. Умножение любой строки (столбца) на элемент отличный от нуля;
∘
3. Прибавление к любой строке (столбцу) матрицы любой другой строки (столбца)
этой матрицы, умноженной (умноженного) на любой элемент поля.

Теорема 4.15. Пусть задана матрица ij n A=‖ a ‖∈ M ( P )

. Элементарными
преобразованиями строк и столбцов ее можно привести к диагональному виду.
Доказательство. Предположим, что элемент a 11≠0 . Тогда умножая первую строку
на элементы
−a /a , … , −an 1 /a11 и прибавляя соответственно ко второй и т.д., к
21 11 n -й
строке получим матрицу вида
 19
a 11 a12 … a1 n
' '
0 a22 … a2 n
‖ ‖
. . . .
' '
0 a n2 … a nn ,
А затем, работая подобным образом со столбцами, получаем матрицу
a 11 0 … 0
'' ''
0 a22 … a2 n
‖ ‖
. . . .
'' ''
0 a n2 … a nn .
После этого можно применить индукцию по порядку матрицы.
Если a 11=0 , то переставим на первое место строку с первым ненулевым элементом, а
если таких нет, то переставим на первое место столбец с первым ненулевым элементом.
Наконец, если и таких столбцов нет, то продолжаем рассуждения с элементом a 22 .
Выполняя далее указанную процедуру, получим требуемое. Теорема доказана.

0
Теорема 4.16. Пусть задана матрица
A=‖ a ij ‖∈ M n ( P ) . Тогда ее можно привести к
диагональному виду элементарными преобразованиями одних лишь строк (столбцов).
Доказательство. Допустим, что будем работать со строками. Тогда снова обратимся к
элементу a 11 . Если он не равен нулю, то снова, как в предыдущей теореме, получим
матрицу
a 11 a12 … a1 n
' '
0 a22 … a2 n
‖ ‖
. . . .
' '
0 a n2 … a nn .
Если же a 11=0 , то выведем на первое место строку с ненулевым первым элементом.
Такая строка обязательно существует, ибо в противном случае матрица оказывается
вырожденной. Надо отметить, что преобразования, применяемые здесь, могут изменить
лишь знак определителя, и, таким образом, преобразованная матрица остается
'
невырожденной. Далее, переходим к работе с элементом a 22 . Если он отличен от нуля, то
'
получим нули во втором столбце под элементом a 22 , а если он равен нулю, то
перестановками строк, начиная с третьей, выведем на второе место строку с нулевым
первым элементом и ненулевым вторым. Такая строка обязательно найдется среди строк с
номерами от 3 до n , ибо в противном случае, раскрывая определитель матрицы по
первому столбцу, получим нуль. Продолжая этот процесс, получим в итоге верхнюю
треугольную невырожденную матрицу. Наконец, начинаем производить нули указанным
выше способом над главной диагональю, начиная с последней строки и последнего
столбца. Теорема доказана.
Следствие. Невырожденную матрицу можно с помощью ЭП привести к единичной.

Определение 4.30. Элементарной матрицей 1-го типа называется квадратная матрица

вида
 20
1 0 … 0 … 0 … 0 0
0 1 … 0 … 0 … 0 0
. . . . . . . . .
0 0 … 0 … 1ij … 0 0
Eij =‖ . . . . . . . . . .‖
0 0 … 1 ji … 0 … 0 0
. . . . . . . . .
0 0 … 0 … 0 … 1 0
0 0 … 0 … 0 … 0 1 .

Эта матрица получается из единично перестановкой i -й и j -й строк местами.

Определение 4.31. Элементарной матрицей 2-го типа называется квадратная матрица
вида
1 0 … 0 … 0 … 0 0
0 1 … 0 … 0 … 0 0
. . . . . . . . .
0 0 … αii … 0 … 0 0
Ei (α )=‖ . . . . . . . . .‖
0 0 … 0 … 1 … 0 0
. . . . . . . . .
0 0 … 0 … 0 … 1 0
0 0 … 0 … 0 … 0 1
с α ≠0 .
Определение 4.32. Элементарной матрицей 3-го типа называется квадратная матрица
вида
1 0 … 0 … 0 … 0 0
0 1 … 0 … 0 … 0 0
. . . . . . . . .
0 0 … 1ii … αij … 0 0
Eij (α )=‖ . . . . . . . . .‖
0 0 … 0 … 1 jj … 0 0
. . . . . . . . .
0 0 … 0 … 0 … 1 0
0 0 … 0 … 0 … 0 1 .
Легко видеть, что матрицы всех трех типов невырожденные. Сформулируем
следующий результат.
Лемма 4.2. Элементарные преобразования строк матрицы можно заменить
умножением соответствующих элементарных матриц на данную матрицу слева, а
элементарные преобразования столбцов – умножением на соответствующие элементарные
матрицы справа.
Лемма носит очевидный характер, и ее справедливость проверяется непосредственно.
 21
0
Пусть теперь задана матрица A ∈ M n ( P) . Элементарными преобразованиями строк
приведем ее к единичной. Это можно описать в матричной форме:
E k⋅E k−1⋅⋯⋅E1⋅A= E ,

где j
E , j=1 , … , k
– элементарные матрицы подходящих типов. Умножая это равенство
−1
на A справа, получаем, что
E k⋅E k−1⋅⋯⋅E1 ⋅E = A−1 .
Это наблюдение дает возможность получить еще один метод обращения матриц. Именно,
приводя данную невырожденную матрицу к единичной ЭП строк и выполняя те же
преобразования над единичной матрицей в итоге получим из единичной обратную к
данной.

Пример 4.12. Найдем указанным способом обратную матрицу из примера 4.11.

1 −1 3 1 −1 3 1 −1 3 1 −1 3 1 −1 0 1 0 0
‖2 0 2 ‖‖ 0 2 −4 ‖‖ 0 2 −4 ‖‖ 0 1 0 ‖‖ 0 1 0 ‖‖ 0 1 0 ‖
5 4 −1 0 9 −16 0 1 0 0 0 −4 0 0 −4 0 0 1
1 0 0 1 0 0 1 0 0 1 0 0 −5 27/4 −3/2 −2 11/4 −1/2
‖0 1 0 ‖‖ −2 1 0 ‖‖ −2 1 0 ‖‖ 3 −4 1 ‖‖ 3 −4 1 ‖‖ 3 −4 1 ‖
0 0 1 −5 0 1 3 −4 1 −8 9 −2 −8 9 −2 2 −9/4 1/2
Теорема Крамера

Общая теория СЛАУ будет построена позже, а пока приведем один частный результат,
который позволяет в явной форме представить решение. Это будет случай системы с
квадратной основной матрицей, что дает возможность применять теорию определителей,
рассмотренную выше. Заметим лишь, что метод большого практического значения не
имеет, но зато используется в теоретических построениях. Но сначала представим
произвольную СЛАУ в виде матричного уравнения. Это становится возможным с
использованием формальных операций над матрицами, а также условия равенства матриц.
Пусть задана система

}
a11 x 1 + ⋯ +a1n x n ¿ b1
. . . . .
a m1 x 1 + ⋯ +amn x n ¿ bm
.
Введем в обращение матрицу-столбец неизвестных, матрицу коэффициентов при
неизвестных и столбец правых частей, именно:
x1 a11 … a1 n b1
X =‖ ⋮ ‖ A=‖. . . ‖ B=‖ ⋮ ‖
xn , am 1 … a mn , bm .
Тогда соотношения, задаваемые системой можно записать в матричной форме в виде
матричного же уравнения
a11 … a1 n x1 b1
‖. . . ‖⋅¿ ¿‖ ⋮ ‖=‖ ⋮ ‖
am1 … amn xn b m или A⋅X=B .
Очевидно, что каждый столбец-решение указанного уравнения является частным
решением системы и наоборот, каждое частное решение системы, записанное в виде
 22
столбца, будет решением матричного уравнения. Сформулируем теперь основной
результат раздела.

Теорема 4.17. Пусть задана СЛАУ от n неизвестных с квадратной невырожденной

основной матрицей над полем P . Тогда общее решение такой системы содержит лишь
0 0 0 n
одно частное решение ( x 1 , x 2 , … , x n )∈ P , компоненты которого могут быть
Δ
x 0i = i , i=1 , … , n
представлены в виде Δ , где Δ – определитель матрицы системы, а
Δ i – определитель, получаемый из этой матрицы заменой i -го столбца столбцом правых
частей системы.
Доказательство. Перепишем систему

}
a11 x 1 + ⋯ +a1n x n ¿ b1
. . . . .
a n1 x 1 + ⋯ +ann x n ¿ bn

в виде матричного уравнения A⋅X=B и получим результат, оперируя этим уравнением.

Единственность. Пусть имеется решение уравнения 0 . Тогда 0 X. В силу
A⋅X =B
невырожденности матрицы системы можно утверждать, что существует обратная к А
−1 −1
матрица A по теореме 4.14. Поэтому умножая обе части равенства слева на A имеем:
A−1⋅( A⋅X 0 )=( A−1⋅A )⋅X 0 =E⋅X 0 =X 0 = A−1⋅B .
−1
Таким образом, видно, что если решение существует, то оно обязательно равно A ⋅B .
−1
Существование. Подставим в уравнение предполагаемое решение A ⋅B . Получим
A⋅( A −1⋅B )=( A⋅A−1 )⋅B= E⋅B=B .
Значит, решение существует. Остается показать его явный вид. Для этого воспользуемся
явным представлением обратной матрицы.
n n

A11 … A n1 b1
∑ A j1⋅b j ∑ b j⋅A j1
j=1 j=1
A−1⋅B=Δ−1⋅‖ . . . ‖⋅‖ ⋮ ‖= Δ−1
⋅‖ ⋮ ‖=Δ−1
‖ ⋮ ‖
A1 n … Ann bn n n
∑ A jn⋅b j ∑ b j ⋅ A jn
j=1 j=1 .
Суммы в последнем столбце представляют определители, получаемые из определителя
матрицы системы заменой соответствующего столбца столбцом правых частей системы и
раскрываемые по этому столбцу в соответствии с теоремой 4.9. Теорема доказана.

Пример 4.13. Пусть задана система

}
2 x 1+ 5 x 2 + x3 ¿ 8
3 x1 − 2 x 2 + 6 x3 ¿ 7
5 x 1 + −6 x 2 + 3 x n ¿ 2
.
Вычислим определитель системы Δ .
2 5 1
Δ=| 3 −2 6 |=−12−18+150+10+72−45=157≠0
5 −6 3
Следовательно, можно применять метод Крамера. Вычислим
Δ 1 , Δ2 , Δ 3 .
 23

8 5 1
Δ 1=| 7 −2 6 |=−48−42+60+4+288−105=157
2 −6 3 ;
2 8 1
Δ 2 =|3 7 6 |=42+6+240−35−24−72=157
5 2 3 ;
2 5 8
Δ 3 =|3 −2 7 |=−8−144+175+80+84−30=157
5 −6 2 .
Δ 1 157 Δ 2 157 Δ3 157
x 1= = =1 x 2= = =1 x 3= = =1
Таким образом, имеем: Δ 157 , Δ 157 , Δ 157 . Т.е.
решением будет { (1, 1 , 1 ) } .