Линальчек

Линейная Алгебра
Коченюк Анатолий
19 января 2021 г.
0.1 Введение
Трифанов Александр Игоревич
Два модуля: аналитическая геометрия, линейная алгебра
Отчётность: дз, кр, лабы, рубежное тестирование, экзамен
дз (16 штук(8 в модуль) по 2 баллв)
кр (4 (2 в модуль) 5 баллов)
лаба (1-2 по 5 баллов)
рубежный тест (1)
2
Глава 1
I курс
1.1 Матрицы и операции над ними

Определение 1. Матрица – прямоугольная таблицв чисел
 
a11 a12 ... a1n
 a21 a22 ... a2n 
 .. .. .
 
 . . . . . , ..


am1 am2 ... amn
ai,j ∈ R – элементы матрицы
a11 , a12 , . . . , a1n – строка 1
a12 , a22 , a32 , . . . , am2 – столбец 2
aij – элемент на пересечении i-той строки и j-того столбца
В матрице выше m строк и n столюцов. Am×n – обозначение
Замечание. n = m =⇒ An×n – квадратная матрица

{aii }ni=1 – диагональ матрицы An×n
Замечание. A = kaij k B = kbij k
Замечание. A = B ⇐⇒
• одинаковые размеры
• ∀i, jaij = bij
Операции с матрицами:
3
1. Умножение на число:
B = α · A ⇐⇒ ∀i, j bij = α · aij
2. Сложение:
Пусть A, B – одинакового размера
A+B =C : cij = aij + bij ∀i, j
Замечание. Ô : O + A = A + O = A
O – полностью состоит из нулей
Свойства:
• коммутативность сложения (следует из коммутативности сложения
чисел) A + B = B + A
• ассоциативность (–||–) (A + B) + C = A + (B + C)
• дистрибутивность α(A + B) = αA + αB
• ∀A − A = −1 · A : A + (−A) = O противоположный элемент по
сложению
3 Умножение матриц
Пусть Am×l , Bl×n
Pl
C = A · B cij = k=1 aik · bkj = Cm×n
Замечание. A · B 6= B · A
Для квадратных матриц вводится такое понятие, как коммутатор
[AB] = A · B − B · A
 
1 2 3
1 2 0  9 12 15
Пример. A · D = · 4 5 6 =
1 −1 1 4 5 6
7 8 9
Замечание. Î : A · I = I · A = A
 
1 0 ... 0
0 1 . . . 0
I = . . .. .. 
 
 .. .. . .
0 0 ... 1
Свойства:
• некоммутативность A · B 6= B · A
• ассоциативность (A · B) · C = A · (B · C)
4 ГЛАВА 1. I КУРС
• дистрибутивность1 A(B + C) = AB + AC
• дистрибутивноcть2 α(AB) = (αA)B = A(αB)
Определение 2. ^N 6= O : Nk = N · N · . . . · N = O
N – нильпотентная матрица, k – её порядок нильпотентности

0 1
Пример.
0 0
Определение 3. Идемпотентной матрица называется, если N k = I

k – порядок идемпотентности

1 0
Пример.
0 −1
4 Транспонирование
Am×n = kaij k Пусть B = AT = kbij k =⇒ bij = aji
Свойства:
T
• (α · A) = α · AT
• (A + B)T = AT + B T
• (AB)T = B T · AT – проверить для себя
Замечание. A : A = AT – симметричная/симметрическая матрица.Любая

квадратная матрица с симметричными относительно диагонали элемента-
ми.
A : A = −AT – антисимметричная матрица. На главной диагонали стоят
нули
 
a1 a2 a3
 0 a4 a5  – верхняя треугольная. Транспонированная – нижняя тре-
0 0 a6
угольная матрица
1.2 Определитель
 
a11 a12 ... a1n
 a21 a22 ... a2n 
AA=
 
... ... ... ...
an1 an2 .. ann
ГЛАВА 1. I КУРС 5
Определение 4. Определитель – это число
A A1x1 = (a11 ) det A ≡ |A| = a11

a a12
A A2x2 = 11 det A = a11 · a22 − a12 · a21
a21 a22
 
a11 a12 a13
A A3x3 = a21 a22 a23 
a31 a32 a33
det A = a11 ·a22 ·a33 +a12 ·a23 ·a31 −a13 ·a22 ·a31 −a11 ·a23 ·a32 −a33 ·a21 ·a12
Мнемоническое правило для случая с тремя:
берём диагонали в одну сторону с + в другую с -.
 
1 −3 −1
Пример. A A = −2 7 2
3 2 −4
det A = −28 − 18 + 4 − (−21 + 4 − 24) = −1
 
a11 a12 . . . a1k . . . a1n
 a21 a22 . . . a2k . . . a2n 
^ ...

... ... ... ... ... 
am1 am2 . . . amk . . . amk
Определение 5. Дополнительный минор элемента aij – определитель

матрицы, полученной из исходно1 вычёркиванием i-ой строки и j-го
столбца.
Обозначение: Mij
Утверждение 1 (Рекуррентная формула вычисления определителя).

n
(−1)i+j ai+j ·Mij , где j – номер любого столбца. Эта формула
P
det A =
i=1
называется разложением определителя по j-ому столбцу.
Pn
det A = i=1 (−1)i+j aij Mij – разложение по i-ой строке
^(−1)i+j Mij = Aij – алгебраическое дополнение элемента aij

 
1 −3
−1
Пример. −2 7
2 =A
3 −42
1+3 −2 7 1 −3 1 −3
det A = (−1) ·(−1)· +(−1)2+3 ·2· +(−1)3+3 ·(−4)· =
3 2 3 2 −2 7
= 25 − 22 − 4 = −1
Пример.
1 −1 3 4
−1 3 4 1 −1 3
−1 4 0 −1
= (−1)3+1 ·3· 4 0 −1 +(−1)3+4 ·(−3)· −1 4 0 =
3 0 0 −3
−1 −3 1 4 −1 −3
4 −1 −3 1
...
1 2 3 4
0 2 5 6
Пример. = 1 · 2 · 3 · 2 = 12
0 0 3 7
0 0 0 2
В нижних (верхних) треугольных матрицах определитель – просто произ-
ведение элементов
Свойства определителя:
0 0 ... 0
... ... ... ...
1. =0
... ... ... ...
... ... ... ...
a1 a2 . . . an b1 b2 . . . bn
2. b1 b2 . . . bn = − a1 a2 . . . an
... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ...
a1 a2 . . . an a1 a2 ... an
3. =
b1 b2 . . . bn α1 · a1 + b1 α2 · a2 + b2 ... αn · an + bn
... ... ... ... ... ... ... ...
4. det(AT ) = det(A) (всё, что работает со строчками, работает и со столб-
цами)
a11 a12 . . . a1i + c1 ... a11 a12 . . . a1i . . . a11 a12 ... c1 . . .
5. a21 a22 . . . a2i + c2 . . . = a21 a22 . . . a2i . . . + a21 a22 ... c2 . . .
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
det(A + B) 6= det(A) + det(B)
... ... ... ... ... ... ... ...
6. αa1 αa2 . . . αan = α a1 a2 . . . an
... ... ... ... ... ... ... ...
1280
2848 ..
Пример. . 32
1184
3072
TODO —–
1.3 Лекция 1 - Метод аналитической геомет-

рии
метод – метод координат.
`
E X ↔ x ∈ R
0 – координатная линия
Замечание. Система координат на плоскости – две координатные линии

z
y
y
x
0
x
Определение 6. Система координат называется декартовой, если

1. Углы между координатными линиями прямые
2. Масштабы на осях одинаковые
yp P
Ey
Ex xp (xp , yp ) – координаты точки P .

Полярная система координат:
P
ϕ
0
(TODO) ——————————————-
1.4 Практика 3
1.4.1 Обратная матрица
A A, B – квадратные матрицы n × n
Матричная алгебра:
1. A + B
2. λ · A
3. A · B
Определение 7 (Обратная матрица). A−1 A−1 A = AA−1 = I
Утверждение 2. Обратная к A матрица существует, если и только

если det A 6= 0
 
5 1 −2
Задача 1. A = 1 3 −1 A−1 =?
8 4 −1
∼T
1. Метод союзной матрицы A−1 = 1
det A ·A
∼
Определение 8. A союзная матрица – матрица алгебраических
дополнений элементов матрицы A
det A = (−1) · 7 + 3 · 11 + 1 · 12 = 38
 
∼ 1 −7 −20
A = −7 11 −12
5 3 14
 
1 −7 5
A−1 = 381 
· −7 11 3
−20 −12 14
    
1 −7 5 5 1 −2 1 0 0
Â · A−1 = 381 
−7 11 3  1 3 −1 = 0 1 0
−20 −12 14 8 4 −1 0 0 1
2. Метод Гаусса [A|I] ∼ [I|A−1 ]
Элементарные преобразования:
(a) Умножение на число λ 6= 0 одной строчки
(b) Перестановка двух любых строк
(c) Составление линейной комбинации строк

     
5 1 −2 1 0 0 1 3 −1 0 1 0 1 3 −1 0 1 0
1 3 −1 0 1 0 ∼ 5 1 −2 1 0 0 ∼ 0 −14 3 1 −5 0 ∼
8 4 −1 0 0 1 8 4 −1 0 0 1 0 −20 7 0 −8 1
   
1 3 −1 0 1 0 1 3 −1 0 1 0
0 −140 30 10 −50 0 ∼ 0 −14 3 1 −5 0 ∼ . . .
0 −140 49 0 −56 7 0 0 19 −10 −6 7
Системы уравнений:

2x + y + 4z = −5

x + 3y − 6z = 2

3x − 2y + 2z = 9

Заметим, что стандартный способ решения таких систем: упрощение, скла-

дывание строк, домножение на число строк, их комбинация – напоминают
элементарные преобразования. Т.е. элементарные преобразования – преоб-
разования, приводящие к эквивалентной системе.
     
2 1 4 −5 1 3 −6 2 1 3 −6 2
1. Метод Гаусса 1 3 −6 2  ∼ 2 1 4 −5 ∼ 0 −5 16 −9 ∼
3 −2 2 9 3 −2 2 9 0 −11 20 3
   
1 3 −6 2 1 3 −6 2
0 −55 176 −99 ∼ 0 −5 16 −9 
0 −55 100 15 0 0 −76 114

x + 3y − 6z = 2 x = 2

−5y + 16z = −9 y = −3
z = − 23

−76z = 114

2. Метод Крамера
2 1 4
∆= 1 3 −6 = 2 · (−6) + 1 · (−20) + 4 · (−11) = −12 − 20 − 44 = −76
3 −2 2
−5 1 4
∆x = 2 3 −6 = (−5) · (−6) − 1 · 58 + 4 · (−22) = −152
9 −2 2
∆x −152
x= ∆ = −76 =2
2 −5 4
∆y = 1 2 −6
3 9 2
3. метод обратной матрицы
     
2 1 4 x −5
A = 1 3 6 X = y  B= 2 
3 −2 2 z 9
AX = B X = A−1 B
 T  
−6 20 −11 6 10 18
A−1 1 
= − 76 −10 −8 7  = 1 
76
−20 8 −16
−18 16 5 11 −7 −5
A−1 B = X
1.5 Лекция 3
V / ∼= W
~a + ~b
Напоминание:
1. ∃ − (~a)
2. ∃~0
3. λ~a λ(~a + ~b) = λ~a + λ~b
1.5.1 Проекция вектора на ось

Определение 9. Проекцией вектора ~a на ось γ называется класс эк-
kγ
вивалентности al , содержащий вектор, начало которого совпадает с
точкой пересечения оси l и прямой парралельной γ и проходящей че-
рез начало вектора ~a, а конец – с точкой пересечения оси l и прямой,
параллельной γ и проходящей через конец вектора ~a
Свойства проекции:
kγ kγ kγ
1. (~a + ~b)l = ~al + ~bl
kγ kγ
2. (λ~a)l = λ~al
m kγ m
P P kγ
lim: λi~ai = λi~ail
i=1 l i=1
A ~e – вектор, параллельный l. Положим |~e| = 1 =⇒ орт оси l

kγ kγ kγ
^~al = α · ~e α = (Прl ~a) · ~e α – длина проекции ~al на ось l.
γ
~a
kγ
al
Рис. 1.1: Проекция
kγ Pm Pm kγ
Лемма 1. Прl [ i=1 λi~ai ] = i=1 λi Прl ~ai
Pm kγ Pm kγ
Доказательство. ( i=1 λi~ai )l = i=1 λi~ail
kγ Pm Pm kγ
Прl [ i=1 λi~ai ] = i=1 λi Прl ~ai~e
R1
∀~a ~a = xa~e xa – координата вектора ~a на ось l
R2
ky kx
~a = ~ax + ~ay = Прkx
y ~a~~e1 + Прkx
y ~a~e2 = xx~e1 + ay ~e2
Определение 10. Говорят, что в базисе {e1 , e2 } вектор ~a имеет коор-

динаты ~a(ax , ay )
R3
~a(ax , ay , az )
Замечание. Если угол между осью l и прямой γ прямой ( l ⊥ γ) =⇒

kγ ⊥
l = Прl ~
~al = ~a⊥ a · ~e
l ⊥ Γ =⇒ ~a + l⊥Γ = ~a⊥
l = −||−
~e
Рис. 1.2: r1
В декартовой системе координат орты координатных осей обозначаются

следующим образом:
x ~e1 = ~i
y ~e2 = ~j
z ~e3 = ~k
Замечание. ~a(1, 2, 3) =⇒ ~a = 1 · ~i + 2 · ~j + 3 · ~k
m m
P P
Лемма 2. λi~ai = λi~aix
i=1 x i=1
1.6 Лекция 4
1.6.1 Скалярное произведение
W = V/ ∼
Определение 11. (~a~b) = |~a| Пр~a⊥~b
Замечание. (~a~b) = |~a| · ~b cos gamma
Алгебраические свойства:
y
kx
~ay
~a
ky x
~ax
Рис. 1.3: r2

1. ~a~b = ~b~a

2. ~a + ~b, ~c = (~a, ~c) + ~b, ~c

Доказательство. (~a + ~b, ~c) = |~c| Пр~a⊥ ~a + ~b = |~c| Пр~c⊥~a
3. (λ~a, ~b) = λ(~a, ~b)

Геометрические свойства:
1. ~a ⊥ ~b ~a 6= ~0 6= ~b =⇒ (~a, ~b) = 0
2
2. (~a, ~a) = |~a|
3. A |~a| = 1 =⇒ (~a, ~b) = Пр~a⊥~b
Замечание. Пр~⊥
i
~b = (~i, ~b)
Скалярное произведение в координатах:

• Декартова Прямоугольная Система Координат.
~a = ax~i + ay~j + az~k
~b = bx~i + by~j + bz~k
(~a~b) = (ax~i + ay~j + az~k)(bx~i + by~j + bz~k) = ax bx + ay by + az bz

ax bx +ay by +az bz
cos ϕ = √ √
a2x +a2y +a2z · b2x +b2y +b2z
z
~a
Рис. 1.4: r3
• Произвольная Система Координат.

P3
~a = a1~e1 + a2~e2 + a3~e3 = j=1 aj ~ej
~b = b1~e1 + b2~e2 + b3~e3 = P3 bk~ek
k=1
P P
3 3 3
(~a, ~b) = = j,k=1 aj bk (~ej ~ek ) – достаточно знать
P
j=1 ak ~
e j · k=1 bk ~
e k
скалярное произведение базисных векторов. gjk = ~ej ~ek называется
метрическим тензором.
P3
(~a, ~b) = j,k=1 aj bk gjk
(
6 k
0 ,j =
Замечание. В ДПСК gjk = δjk = δ – символ Кроне-
1 ,j = k
кера
 
g11 g12 g13
gjk = g21 g22 g23  – матрица Грама
g31 g32 g33
aT · g · b = (~a, ~b)
1.6.2 Векторное произведение

W = V/ ∼
~a, ~b ∈ W
h i
~a × ~b = ~a~b = ~c – вектор:
~a
~b
Рис. 1.5: скалярное произведение
1. |~c| = |~a| · ~b · sin ϕ = |~a⊥ | ~b = |~a| ~b⊥
2. ~c ⊥ ~a ~c ⊥ ~b {~a, ~b, ~c} – правая тройка (Буравчик, штопор)

Алгебраические свойства:
h i h i
1. ~a, ~b = − ~b, ~a
h i h i
2. ~a + ~b, ~c = [~a, ~c] + ~b, ~c
h i
Доказательство. [~a, ~c] = ~a⊥ , ~b
h i h i
~a⊥ + ~b⊥ , ~c = [~a⊥ , ~c] + ~b⊥ , ~c
Если нарисовать картиночку, там будут углы с перпендикулярными

сторонами и всё будет хорошо.
h i h i
3. α~a, ~b = α ~a, ~b
h i
Доказательство. m ~ = α~a, ~b ~n = [~a, ]vecb]
~ = |α| |~a| ~b sin(α~a, ~b)

|m| |n| = |~a| ~b sin(~a, ~b)
Если α < 0, то у одного другая ориентация тройки, а у другого отри-

цательный множитель
Геометрические свойства:
h i
1. ~a k ~b ⇐⇒ ~a, ~b = ~0
~b⊥
~
a
~b
γ
~a
Рис. 1.6: note
2. ~a × ~b = |~a| ~b sin ϕ = S
Замечание. ~i × ~i = ~j × ~j = k × ~k = ~0
~i × ~j = ~k ~i × ~k = −~j ~j × ~k = ~i
[~a, ~b] = (ax~i + ay~j + az~k) × (bx~i + by~j + bz~k) = (ax by − ay bx )~k + (az bx − ax bz )~j +
(ay bz − az by )~i
ax ay
Можно упростить запоминание: ax by − ay bx =
bx by
~i ~j ~k
= ax ay ax
bx by bz
Хотя формально так делать плохо, потому что в матрице объекты разной
природы: скаляры и векторы.
Общий случай:
P3
~a = m=1 am~em
~b = P3 bn~en
n=1
Точно: em × em = ~0∀m
a1 a2 a a3 a a3
~a × ~b = ~e × ~e2 − 1 ~e × ~e3 + 2 ~e × ~e3
b1 b2 1 b1 b3 1 b2 b3 2
~a ~c
~b
~b
~c
~a
Рис. 1.7: shtopor
3
P
~e1~e2 = αi ei
i=1
1.7 Практика 4: Векторная Алгебра

|AC| n
Пример. |CB| = m
~rC =?
n
~rC = m+n (~rB − ~rA ) + ~rA
п1 Скалярное произведение (~a, ~b) = |~a| Pr~a⊥ ~b
Пример. A |~a| = 1 ~b = 2 (~a − ~b)2 + (~a + 2~b)2 = 20

2 2
2 2
|~a| + 2(~a, ~b) + ~b + |~a| + 4(~a, ~b) + 4 ~b = 20
2(~a, ~b) = −2 =⇒ (~a, ~b) = −1 cos ϕ = − 21 ϕ= 2π

3
Пример. ~a(1, 2, 1) ~b (2, 3, 1, )

a,~b)
(~
Pr~a (~a + ~b) = Pr~a ~a + Pr~a ~b = |a| + |~
a|
Теперь посчитаем то же самое. но пусть вектора заданы в косоугольном

базисе.
~ + ~n ~b = 3m
~a = 2m ~ − 2~n |m|
~ =2 |~n| = 3 ∠(m,
~ ~n) = π
4
~a
~a⊥
~b
Рис. 1.8: couple
Проекция и скалярное произведение не зависят от базиса.

~ + 2~n)2 = 4~|m|2 + 4(m,
~ ~n) + ~|n|2
2
|~a| = (2m
~ = 2~e1 − 6~e2
Пример. AB ~ = 3~e1 + ~e2
AC |~e1 | = |~e2 | = 1 ∠ (~e1 , ~e2 ) = π
2
~ AC
(AB, ~ π
cos α = =0 α=
|AB
~ |·|AC
~ | 2
Аналогично остальные, вектор третеьй стороны можно выразить из двух

других, как радиус векторов из A
Пример. A(1, 2, 3) B(1, 1, 1) C(1, 0, 1) – три точки параллелограмма

−→
−→ −→ ~
OB,OC
1
O(1, 1, 2) OB(0, 0, −1) OC(0, −1, −1) cos ϕ = −→ −→ = √
1· 2
OB OC
~ + β~n ~b = γ m
Пример. ~a = αm ~ + δ~n ~a 6k ~b |~n| , |m| ~ n| – знаем
~ , |m~
2
a|2 −|~b|
|~
cos ϕ =
|~a+~b|·|~a−~b|
2 2
~ + β~n) , для ~b так же
|~a| = (~a, ~a) = (αm
Проверка того, что параллелограмм α
γ 6= β
δ
Пример. ~x(1, 2, 2) ~e1 (1, −1, 1) ~e2 (−2, 0, 1)

~x0 = α~e1 + β~e2
B
C
A
~rB
~rA
Рис. 1.9: vec
~x = ~x0 + ~z
(
(~x, ~e1 ) = α(~e1 , ~e1 ) + β(~e1 , ~e2 )
~x = α~e1 + β~e2 + ~z
(~x, ~e2 ) = α(~e1 , ~e2 ) + β(~e2 , ~e2 )
( (
5
3α − β = 1 α= 14
1
−α + 5β = 0 β= 14
1.7.1 Векторное произведение

|~c| = |~a| · ~b sin(ϕ)
При векторном произведении можно не учитывать компоненту
Пример. [~a −~b, ~a +~b] = [~a, ~a]+[~a, ~b]−[~b, ~a]+[~b, ~b] = 0+[~a, ~b]+[~a, ~b]+0 = 2[~a, ~b]
Получается площадь образуемого параллелограмма.
Пример.
1.8 Лекция 5
1.8.1 Смешанное произведение
B
A C
Рис. 1.10: trive
Определение 12. A ~a, ~b, ~c

Смешанным произведением векторов ~a, ~b и ~c называется число w
w = (~a, [~b, ~c]).

w – псевдоскаляр
Замечание. Алгебраические свойства:

1. Общие свойства векторного и скалярного произведений
2. ~a, ~b, ~c – компланарны ⇐⇒ (~a, [~b, ~c]) = 0
h i h i h i
3. ~a, ~b, ~c = |~a| ~b, ~c · cos ~a, [~b, ~c] = |~a| ~b |~c| sin(~b, ~c) cos ~a, ~b, ~c
получается объём следующего параллелограмма (рисунок)
Замечание. VПар – ориентированный объём

(
V > 0 , (~a, ~b, ~c) – правая тройка
V < 0 , (~a, ~b, ~c) – левая тройка
h i
4. ^ [~a, ~b], ~c = ~a, ~b, ~c = (~a, ~b, ~c) = (~c, ~a, ~b) = (~b, ~c, ~a
h i
^(~b, ~a, ~c) = ~b, ~c , ~c = − ~a, ~b, ~c
~x
~x
~x
~e2
~e1 p~x
Рис. 1.11: pr
1.8.2 Смешанное произведение а координатах

1. Базис ~i, ~j, ~k ~i~j~k = 1
~a(ax , ay , az ),~b(bx , by , bz ) ~c(cx , cy , cz )

~a~b~c = (ax~i+ay~j +az~k) bx~i + by~j + bz~k cx~i + cy~j + cz~k = (ax~i+ay~j +

bx by ~ b b b bz ~ b bz b b
az~k) k − x z ~j + y i = ax y − ay x z +
cx cy cx cz cy cz cy cz cx cz
ax ay az
b b
az x y = bx by bz (~i~j~k) – число элементарных объёмов, кото-
cx cy
cx cy cz
рые помещаются в задаваемый параллелепипед
2. Произвольный базис. ~e1 , ~e2 , ~e3
~a(a1 , a2 , a3 ) ~b(b1 , b2 , b3 ) ~c(c1 , c2 , c3 )
(~ ~
a, b, ~c) = (a1~e1 + a2~e2 + a3~e3 )(b1~e1 + b2~e2 + b3~e3 )(c1~e1 + c2~e2 + c3~e3 ) =
a1 a2 a3
 b1 b2 b3  · (~e1 , ~e2 , ~e3 ), где ~e1~e2~e3 – объём параллелепипеда для ме-
c1 c2 c3
ры
1.8.3 Двойное векторное произведение

h h ii
~a, ~b, ~c ~v = ~a, ~b, ~c
~v = α~b + β~c
Рис. 1.12: paral
1. ~v = ~b (~a~c) − ~c(~a~b)
h i
Доказательство. ~b, ~c = (by bz −cy cz )~i−(bx cz − cx bz ) ~j+(by cz − cy bz ) ~k
[~a, [~b, ~c]] = (ay (bx cy − cx by ) + az (bx cz − cx bz ))~i−(ax (bx cy − cx by ) − az (by cz − bz cy )) ~j+
(ax (bz cx − cz bx ) − ay (by cz − bz cy )) ~k
vx = bx (ax cx + ay cy + az cz ) − cx (ax bx + ay by + az cz )
ây bx cy − ay cx by + az bx cz − az cx bz = bx (ay cy + az cz ) − cx (ay by + az bz ) +
ax bx cx − ax bx cx = ~vx
Дальше то же самое для второй и третьей компонент (Упражнение:
дома проделать для одной из оставшихся координат)
h h ii h i h h ii
Теорема 1 (Тождество Бьянки). ~a, ~b, ~c + ~b, [~c, ~a] + ~c, ~a, ~b = ~0
Доказательство. ~b(~a~c) − ~c(~a~b) + ~c(~b~a) − ~a(~b~c) − ~b(~c~a) = ~0
d(f, g) = (df )(g) + (f )(dg)

h h ii hh i i h i
~a, ~b, ~c = ~a, ~b ~c + ~b, [~a, ~c]
Позволяет считать двойное векторное произведение некоторым аналогом

дифференцирования.
Рис. 1.13: mixed
1.9 Лекция 6
1.9.1 Аналитическая геометрия
Прямые и плоскости
1. Прямая на плоскости.
P1 , P2 – произвольные различные точки на плоскости.
Прямая – геометрическое место точек, равноудалённых от этих двух.
|P P1 | = |P P2 |
−→ −→
Пусть O – точка отсчёта. ~r1 = OP1 , ~r2 = OP2 – два радиус вектора
2
|~r − ~r1 | = |~r − ~r2 |
2 2
|~r2 | − 2 (~r~r1 ) + |~r1 | = |~r| − 2 (~r~r2 ) + |~r2 |
2 2
2 (~r, −~r1 − ~r2 ) = |~r2 | − |r1 | = (~r2 − ~r1 , ~r2 + ~r1 )
~
r2 +~
r1
~r2 + ~r1
~r − 2 ,~r2 − ~r1 = 0 ⇐⇒ ~r − ⊥ ~r2 − ~r1
2 } | {z }
| {z ~
n
~
r0
~r − ~r0 ⊥ ~n (~r − ~r0 , ~n) = 0

(~r, ~n) = (~r0 , ~n) – нормальное уравнение прямой
(~r~n) = (~r0~n) .
Способы задания:
h i
~b, ~c ~a
~c
~v
~b
Рис. 1.14: dvec
(a) В ДПСК ~r(x, y), ~n(a, b), ~r0 (x0 , y0 )
ax + by = ax0 + by0 = −c a(x − x0 ) + b(y − y0 ) = 0.

ax + by + c = 0.
Последнее – общее уравнение прямой.
(b) ~r − ~r0 k ~s =⇒ ∃t : ~r − ~r0 = ~st
~r = ~r0 + ~st ~s – направляющий вектор, любой ненулевой, смот-
рящий вдоль прямой
(c) ~z(x, y) ~r0 (x0 , y0 ) ~s(α, β)
(
x = x0 + αt
– параметрическое уравнение прямой.
y = y0 + βt
(d) x−x0
α = y−y0
β – каноническое уравнение прямой.
Пример. l : 2x + 3y − 1 = 0 Рассмотрим A(1, 1), которая не лежит

на прямой
l0 : 2(x − 1) + 3(y − 1) = 0 – уравнение прямой, проходящей через A
параллельно `
2 = 3 – уравнение прямой, проходящей через A перпенди-

y−1
l00 : x−1
кулярно ` (её направляющая – нормаль изначальной)
x−5 y−1
Пример. 2 = 4 A(1, 1)
~n
P
~s
P0
~r0 ~r
Рис. 1.15: line
y−1
l0 : x−1
2 = 4
l00 : 2(x − 1) + 4(y − 1) = 0

2. Уравнение прямой с произвольным параметром
ax + by + c = 0 | · √ 1
a2 +b2
Ax + By + C = 0
C= √ c = −(~r0 , ~n0 )
a2 +b2
C – прицельный параметр – (по модулю) расстояние от прямой до

начала координат.
3. Уравнение прямой в отрезках.
ax + by = −c.
ax by
−c + −c =1
x y
p + q =1
4. Уравнение с угловыми коэффициентами.
a
bx + y = − cb
y = kx + l
tg ϕ = k
5. Уравнение прямой через две точки
γ~n
P0
~z0
Рис. 1.16: radvec
x − x1 y − y1
= .
x2 − x1 y2 − y1
~r = ~r1 + (~r2 − ~r1 )t

Взаимное расположение прямых:
1. Найти угол между прямыми:
l1 : (~r~n1 ) = D1
l2 : (~r, ~n2 ) = D2
∠ (l1 , l2 ) = ∠ (~n1 , ~n2 ) = ϕ
(~
n1 ,~n2 )
cos ϕ = |~
n1 ||~
n2 |
2. Точка пересечения (~r1 , ~n1 ) = D1

(~r2 , ~n2 ) = D2
a1 b1
~n1 (a1 , b1 ) ~n2 (a2 , b2 ) a2 6= b2
~r0 – радиус вектор токи пересечения прямых

a1 x + b1 y = D1 a2 x + b2 y = D2
4 = a1 b2 − a2 b1 6= 0
4x = D1 b2 − b1 D2
4y = a1 D2 − a2 D1
q
Рис. 1.17: отрезок
D1 b2 −b1 D2
x= a1 b2 −a2 b1
a1 D2 −a2 D1
y= a1 b2 −a2 b1
Подойдём с другой стороны:

l1 : ~r = ~r1 + ~s1 t
l2 : ~r = ~r2 + ~s2 t
α1 β1
~s1 6k s2 α2 6= β2
~r1 + ~s1 t = ~r2 + ~s2 t

~s1 t − ~s2 t = ~r2 − ~r1
α1 t1 − α2 t1 = x2 − x1
β1 t1 − β2 t1 = y2 − y1
4 = α1 β2 − α2 β1 6= 0
3. Есть прямая ` и точка P 6∈ `
(~r, ~n) = D = (~r0 , ~n) `, P0
~rp P
Сначала найдём ортогональную проекцию точки P – точку Q
−→
~rQ = ~rP + P Q = ~rP − α~n

−→
−→ P0 P ,~
n
|QP | = (P0 P , ~n0 ) = |~
n|
ϕ
Рис. 1.18: coeff

−→
−→ P0 P ,~
n −→
rp −~
(~ r0 ,~
n) (~
rp ,~
n)−D
QP = |QP | ~n = n| 2
|~
~n = n|2
|~
~n ~rq = ~rp − QP = ~rp − |~n|2
~n
2
II : (~rq , ~n) = (~rp , ~n) − α |~n|
2 (~
r0 ,~
n)−D
D = (~rp , ~n) − α |~n| =⇒ α = |~
n|
−→
(~
rp ,~
n)−D
Расстояние от P до ` ρ(P, `) = QP = |~
n|
axp +byp −D
В координатах: ρ(P, `) = √
a2 +b2
Плоскость – множество точек пространство, равноудалённых от фиксиро-

ванных точек.
|P1 P | = |P2 P |
~
r1 +~
r2

~r0 − 2 ,~r1 − ~r2 = 0
(~r, ~n) = (~r0 , ~n) = D – нормальное векторное уравнение плоскости
ДПСК: ~n(A, B, C)
(~r − ~r0 , ~n) = 0 A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0
(~r, ~n) = D Ax + By + Cz = D – общее уравнение плоскости
Параметрическое уравнение плоскости
−→
~ + β~q – векторное параметрическое уравнение плос-
~r = ~r0 + P0 P = ~r0 + αm
кости

x = x0 + αm1 + βq1

ДПСК: y = y0 + αm2 + βq2 m(m
~ 1 , m2 , m3 ) ~
q (q1 , q2 , q3 )

z = z0 + αm2 + βq3

Плоскость можно задать через три точки. P1 , P2 , P3

Если нам нужна нормаль, образуем два вектора ~r2 − ~r1 ~r3 − ~r1
~n = [~r2 − ~r1 , ~r3 − ~r1 ] ~r0 = ~r1
(~r, ~n) = (~r1 , ~n)
(~r − ~r1 , ~n)
(~r − ~r1 , ~r2 − ~r1 , ~r3 − ~r1 ) = 0
x − x1 y − y1 z − z1
ДПСК: x2 − x1 y2 − y1 z1 − z1 = 0
x3 − x1 y3 − y1 z3 − z1
Для паремтрического уравнения: ~r = ~r0 + α (~r2 − ~r1 ) + β (~r3 − ~r1 )
Уравнение плоскости с прицельным параметром. Ax + By + Cz + D =
1
0 √A2 +B 2 +C 2
√ A
A2 +B 2 +C 2
B
x + √A2 +B 2 +C 2
y + √ C
A2 +B 2 +C 2
z + √ D
A2 +B 2 +C 2
=0 √ D
A2 +B 2 +C 2
–
прицельный параметр
D = (~r0 , ~n) Прицельный параметр: (~r0 , ~n) / |~n|
Взаимное расположение плоскостей: (~r, ~n1 ) = D1 (~r, ~n2 ) = D2 – две плос-
кости
Рис. 1.19: плоскости
1. Угол
∠ (L1 , L2 ) = ∠ (~n1 , ~n2 )
2. Пересечение
[~n1 , ~n2 ] 6= 0
3. Параллельность
~n1 k ~n2 =⇒ ~n2 = λ~n1

D2 |~
n1 |
(~r2 − ~r1 , ~n) = 0 (~r2 − ~r1 , ~n1 ) = (~r2 , ~n1 )−D = λ −D1 = n2 | D2
|~ − D1 6= 0
D2 D2 |~
n2 |
(~r, λ~n1 ) = D2 D1 = λ λ= D1 = |~
n1 |
4. Совпадение D2
|~
n2 | = D1
|~
n1 |
Пример. Даны плоскость и точка, не лежащая на плоскости. найдём точку

проекции.
P
~r1
~n
~rQ
~r0
Q
P0
Рис. 1.20: проекция
L (~r, ~n) = D
P ~r1
~rQ −?
−→
r0 −~
(~ r1 ,~
n) D−(~r1 ,~
n)
~rQ = ~r1 + P Q = ~r1 + n|2
|~
~n = ~r1 + n|2
|~
~n
−→
D−(~r ,~
n)
ρ (P, L ) = P Q = n|2
|~
Прямая в пространстве.
Три точки задают прямую, равноудалённую от них всех
P2
P1
P3
Рис. 1.21: прямая-через-3-точки
|P P1 | = |P P2 | = |P P3 |
(вывод будет позже)
~s – нормаль к плоскости, образованной тремя точками.
−→
~r = ~r0 + P0 P = ~r0 + ~st – векторное параметрическое уравнение прямой

x = x0 + αt

ДПСК: y = y0 + βt ~s (α, β, γ) ~r0 (x0 , y0 , z0 ) ~r (x, y, z)

z = z0 + γt

Векторное уравнение: ~r = ~r0 + ~st × ~s

[~r, ~s] = [~r0 , ~s] = ~b
x−x0
α = y−y
β
0
= z−z0
γ – каноническое уравнение прямой (выразили t и при-
равняли)
Через две точки x−x0
x1 −x0 = y−y0
y1 −y0 = z−z0
z1 −z0
(
(~r, ~n1 ) = D1
Через две пересекающиеся плоскости. [~n1 , ~n2 ] 6= 0
(~r, ~n2 ) = D2
~s = [~n1 , ~n2 ]
Прямая(взаимное расположение)
`1 [~r, ~s1 ] = ~b1
`2 [~r, ~s2 ] = ~b2

1. `1 k `2
[~s1 , ~s2 ] = 0 =⇒ ~s2 = λ~s1
[~r1 − ~r2 , ~s] 6= 0
2. `1 = `2
[~s1 , ~s2 ] = 0
[~r1 − ~r2 , ~s] = 0
Плоскость через `1 k `2
~n = [~r1 − ~r2 , ~s]
(~r, ~n) = (~r0 , ~n)
(~r − ~r0 , ~r1 − ~r2 , ~s) = 0 – уравнение плоскости
3. Скрещивание `1 × `2
(~n =) [~s1 , ~s2 ] 6= 0
(~r2 − ~r1 , ~n) 6= 0 (~r2 − ~r1 , ~s1 , ~s2 ) 6= 0
Пример. Есть прямая, есть точка. Найти отогональную проекцию этой

точки на прямую.
Q
`
P
[~r, ~s] = ~b
~rp P
~rQ −?
−→
~rQ = ~rp + P Q
(~r, ~s) = (~rp , ~s) – плоскость
h i
[~s, [~r, ~s]] = ~r(~s~s) − ~s(~s~r) = ~b, ~s
h i
2
~rQ |~s| − ~s (~rp~s) − ~b, ~s
1.10 Практика
Пример. Даны две прямые, заданные параметрическими уравнениями:
(
x = 1 + 2t
l1 :
y =1−t
(
x=2−t
l2 :
y =2+t
1. Параллельны ли они?
Набавляющие вектора ~s1 (2, −1) ~s2 (−1, 1) =⇒ ~s1 6k s2 =⇒ пересе-
каеются
2. Найти точку пересечения
1 5
1 + 2t = 2 − t =⇒ t = 3 =⇒ x = 3
1 − t = 2 + t =⇒ t = − 21 =⇒ y = 3
2
(
x−1 y−1 x + 2y = +3
l1 : 2 = −1
x+y =4
x−2 y−2
l2 : −1 = 1
y = −1, x = 5 – точка пересечение. верхний способ не работает, там

разные t
Пример. l1 : 2x + y + 2 = 0
l2 : 4x + y + 1 = 0
A(1, 2) AB = AC l =?, чтобы проходила через BC

Можно найти точку пересечения прямых O = l1 ∩ l2
(
2x + y = −2
=⇒ 2x = 1 x = 12 y = −3 O( 12 , −3) OA( 21 , 5) =⇒
4x + y = −1
O0 ( 32 , 7)
2(x − 32 ) + (y − 7) = 0
2x + y − 10 = 0
( (
2x + y = 10 x = − 11
0
C = l ∩ l2 2 =⇒ l : x−1
− 11
= y−2
21−2 – ответ
4x + y = −1 y = 21 2 −1
Пример. A(1, 3) B(2, 5) – две вершины треугольника. H(1, 4) – точка пе-

ресечения высот этого треугольника. Найти треться точку треугольника
C
−→
AB = (1, 2) =⇒ l = 1(x − 1) + 2(y − 4) = 0 x + 2y = 3
−→
AH(0, 1) =⇒ l0 : y = 5
C = l ∩ l0 =⇒ C(−1, 5)
Плоскости:
(~r~n) = (~r0 , ~n) = α
Ax + By + Cz + α = 0 ~r = ~r0 +]alpha~q + β m
~
Пример. A(1, 1, 1) B(2, 3, −1) ~a(0, −1, 2)

−→
AB(1, 2, −2)
−→
~r = ~ra + α~a + β AB
Пример. A(1, 1, −1)

α1 : 2x − y + 5z + 3 = 0
α2 : x + 3y − z − 7 = 0
α : α ⊥ α1, α ⊥ α2 A∈α α?
~n1 (2, −1, 5) ~n2 (1, 3, −1) =⇒ ~n1 6k ~n2 =⇒ ~r = ~ra + α~n1 + β~n2
Пример. α : 2x + 3y + 6z − 12 = 0
Вычислить объём фигуры, ограниченной тремя координатными и заданной
плоскостями.
x
6 + y4 + z
2 = 1 =⇒ Знаем пересечения плоскости с координатными плоско-
стями.
V =8
(
x + 2y − 3z − 5 = 0
Пример. L = – уравнение прямой через пересече-
2x − y + z + 2 = 0
ние непараллельных плоскостей.
Найти каноническое уравнение прямой.
~n1 (1, 2, −3) ~n2 (2, −1, 1)
~n = ~n1 × ~n2
~i
~j ~k
~n = 12 −3 = −~i − u~j − 5~k
−1 1
2
( (
12
x + 2y = 5 y= 5
Az=0 − 5y = −12 1
2 + −y = −2 x= 5
x− 15 y− 12 z−0
−1 = −7
5
= −5
x y−3 z−3
Пример. L : 1 = −2 = −1 (= t) α : x + +2y + 3z + 3 = 0
AP =L∩α P −?
~s(1, −2, −1) ~n(1, 2, 3)

x = t

y = 3 − 2t – вставляем в урванение для плоскости

z =3−t

t + 2(3 − 2t) + 3(3 − t) + 3 = 0

x = 3

−6t = −18 =⇒ t = 3 =⇒ y = −3

z=0

x−2 y+1 z−5

Пример. L : 6 = −5 = 4
α : x − 3y + 2z − 7 = 0
Найти проекцию прямой L на плоскость α
~n × ~s
1.11 Практика: Кривые второго порядка на плос-

кости
Определение 13. Эллипс – геометрическое место точек, сумма рас-
стояний от которых до выбранных точек (называемых фокусами) по-
стоянна.
F1 , F2 – фокусы
a – длина большой полуоси
b – длина малой полуоси
c – фокусное расстояние c2 = a2 − b2
x2 y2
В Декартовой системе координат. a2 + b2 =1
ε= c
a ∈ [0, 1] – эксцентриситет
ε = 0 =⇒ окружность a2 = b2 = R2
ε = 1 =⇒ a = c
Уравнение касательной в точке (x0 , y0 )
xx0 yy0
2
+ 2 = 1.
a b
Директриса эллипса x = ±d = ± aε
Пример. Фокусы эллипса (±1, 0)

√ √
M ( 3, 23 ) ∈ E
Построить уравнение эллипса E
Доказательство. c = 1 = a2 − b2
3 3
a2 + 4∗b2 =1
√ x2
2
Два уравнения с двумя неизвестными =⇒ b = 3 a=2 =⇒ 4 + y3 =
1
Пример. Директрисы x = ±4
Фокусы всесте с верхней и нижней точкой образуют квадрат
Найти уравнение эллипса
√
Доказательство. b = c =⇒ a2 − b2 = c2 a2 = 2c2 a = 2c
a a2 2
2c
√
d= ε = c = c = 4 =⇒ c = 2 =⇒ b = 2 a = 2 2
x2 y2
8 + 4 =1
Определение 14. Гипербола – геометрическое место точек, (модуль)
разность расстояний от которой до заданных точек есть число посто-
янное
||F1 P | − |F2 P || = const
F1 , F2 – фокусы гиперболы
x2 y2
Уравнение гиперболы a2 − b2 =1
c2 = a2 + b2
Уравнение асимптот y = ± ab x
Уравнение касательной в точке (x0 , y0 )
xx0 yy0
− 2 = 1.
a2 b
Уравнение директрисы x = ±d = a
ε
c
ε= a ∈ [1, ∞)
ε = 1 =⇒ a = c
ε → ∞ =⇒ b → ∞ – две прямые, проходящие через фокусы верти-
кально.
Пример. Доказать, что отрезок касательной к гиперболе, заключённый

между её асимптотами точкой касания делится пополам.
Рис. 1.22: zodacha
|AP | = |BP |
(
xx0
a2 − yy
b2 = 1
0
Доказательство. b
y = ±ax
xA x0 b xA y0 1 a2 b
A: 2
− = 1 =⇒ xA = x0 y0 = .
a a b2 a2 − ab x0 b − y0 a
xB x0 b xb y0 a2 b
B: + = 1 =⇒ x B = .
a2 a b2 x0 b + y0 a
xA + xB = a2 b x2 b2x 0b
2 −y 2 a2 =
2x0
x2 y2
= 2x0
0 0 0 − b20
a2
Определение 15. Парабола – геометрическое место точек, равноуда-

лённых от заданной прямой и точки
ρ(l, F ) = |P F |
F – фокус параболы Уравнение y 2 = 2px
Уравнение касательной yy0 = p(x + x0 )
Пример. y 2 = 4.5x
M : ρ(l, M ) = 9.125
|OM | −?
p
Доказательство. 2 = 1.125
Mx = 8 =⇒ My = 36
2
|OM | = x2M + yM
2
= 36 + 64 = 100
Пример. Найти касательную к параболе y 2 = 16x, проходящую через точ-

ку (1, 5)
(
yy0 = p(x + x0 )
Доказательство.
y02 = 2px
y02

yy0 = p x + 2p
y02

yM y0 = p xM + 2p =⇒ y0 = . . .
1.12 Лекция
1.12.1 Параллельный перенос
1.12.2 Поворот
~e02 ~e2
M (x0 , y 0 )
~e01
Θ ~e1
Рис. 1.23: rotation
|~e1 | = |~e2 | = 1
(~e1 , ~e2 ) = 0
Замечание. Сохраняем длины и углы:

|~e01 | = |~e02 | = 1 (~e01 , ~e02 ) = 0
~e01 = ~e1 cos Θ + ~e2 sin Θ
~e02 = −~e1 sin Θ + ~e2 cos Θ
~rm = x0~e01 +y 0~e02 = x0 (~e1 cos Θ+~e2 sin Θ)+y 0 (−~e1 sin Θ+~e2 cos Θ) = ~e1 (x0 cos Θ − y 0 sin Θ)+
~e2 (x0 sin Θ + y 0 cos Θ)
~rM = x~e1 + y~e2
(
x = x0 cos Θ − y 0 sin Θ
=⇒ – прямое преобразование
y = x0 sin Θ + y 0 cos Θ
(
~e1 = ~e1 cos Θ + ~e2 sin Θ
– обратное преобразование
~e02 = −~e1 sin Θ + ~e2 cos Θ

x cos Θ − sin Θ 0
X = TΘ X 0

Замечание. = x \ py
y sinΘ cos Θ
( 0
~e1 = t11~e1 + t21~e2
1
t t12
Более общий вид: TΘ → T = 12
t1 t22 ~e02 = t12~e1 + t22~e2
(~e01~e02 ) = 0 =⇒ (t11~e1 + t21~e2 )(t12~e1 + t22~e2 ) = t11 t12 + t21 t22 = 0 Т.е. в общем виде,
матрица, преобразующая оси c сохранением углов, это такая матрица, у
которой столбики ортогональны.
(
(t11 )2 + (t21 )2 = 1
Чтобы сохранялись длины нужно
(t12 )2 + (t22 )2 = 1
TΘT TΘ = I – условие на матрицу поворота

T T T = diagλ+
1 λ2
+
1 2 1 1 +
t1 t1 t1 t2 λ 0
= 1 , где λ+
1 , λ2 – положительные числа.
+
t12 t22 t21 t22 0 λ+
2
1.12.3 Общий вид преобразования плоскости
~e2
ye
M
~r1
Θ x
e
~a
~r
~e1
Рис. 1.24: general
(x, y) → (e
x, ye)
~r = ~a + ~r1
~r(x, y) ~r1 (e
x, ye)
e~e01 + ye~e02
~r1 = x
=x e(t11~e1 + t21~e2 ) + ye(t22~e1 + t22~e2 )
= ~e1 (t11 x
e + t12 ye) + ~e2 t21 x
e + t22 ye .

Подставим ~r1
~r = ~a + ~e1 (t11 x
e + t12 ye) + ~e2 t21 x
e + t22 ye .

В координатах ~a(α, β)
(
x = α + t11 x
e + t12 ye
2
e + t22 ye
y = β + t1 x
В матричной форме X = A + T X
e A - параллельный перенос, T – поворот,
масштаб и инверсия.
Частные случаи:
1. T = I – параллельный перенос
2. T = TΘ , A = 0 – поворот
3. T = diag{λ+
1 λ2 }, A = 0 – изменение масштаба
+
4. T = diag{1, −1} – инверсия OY
1.12.4 Уравнение прямой при преобразовании коорди-

нат
ax + by + c = 0

a
В матричном виде: N X + c = 0 N =
T

NT = a b
b
В новой системе: N T (A + T X)
e +c=0
NT TX
e + NT A + c = 0
| {z }
c
e
(
TX
c = NT A + c
e
N
g e +ec=0
Ne = TTN
.
1.12.5 Каноническое уравнение кривой II-го порядка

F (x, y) = ax2 + 2bxy + cy 2 + dx + ey + f = 0.

a b x d
^P = X= Q= R=f
d c y e
x
e
~e2 ~e2
ye
ye
x
e
~e1 ~e1
Рис. 1.25: linetr

T
a b x ax + by
X PX = x y = x y = ax2 + bxy + byxcy 2 = ax2 +
b c y bx + cy
2bxy + xy 2

x
QT X = d e = dx + ey
y
=⇒ F (x, y) = X T P X + QT X + R.
Теперь преобразуем систему координат (x, y) → (e

x, ye)
Замечание. Много раз будет использовано свойство (AB)T = B T AT
F (e e T P (A + T X)
x, ye) = (A + T X) e + QT (A + T X)
e +R
= AT P A + (T X)
e T P A + (T X)
e TPTXe + AT P T X
e + QT A + QT T X
e +R
eT T T P T X
=X T e T T T T
P A + QT A + R
| {z } + ((P A) T X) + A P T X + Q T X + A
e e e
| {z }
P
e
R
e
eT
= X PeX T
e + (A P T X) T
e + A PTX T
e + QT X
e +R
e T
Замечание. P T = P
(AT P T T X)
e T = (AT P T X)
e T = AT P T X
e
Последнее равенство, потому что это число (матрица 1 × 1)
= TeT PeX
e + (2AT P + QT )T X
e +R
.
?
1. Pe = T T P T = diag{λ1 , λ2 } – можно всегда

λ1 λ2 > 0
 эллиптический
λ1 0 x
гиперболический
2 2
xe ye = λ1 x e + λ2 ye λ1 λ2 < 0
e
0 λ2 ye
параболический

λ1 λ2 = 0

Замечание. det(AB) = det A det B (будем доказано позже)
det Pe = det T T det P det T = det(T T T ) det P = ∆ det P = λ1 λ2


< 0 эллиптический

^ det P = ∆λ1 λ2
< 0 гиперболический
= 0 параболический


a b
det P = = ac − b2
b c
2. Q
e T = (2AT P + QT )T = 0 (хочется, чтобы было нулевой строчкой)
2AT P = −QT
AT = − 12 QT P −1 =⇒ A = − 12 P −1 QT
e T PeX
X eT X
e+ Q e +R e T PeX
e = 0 =⇒ X e +R
e = 0.
| {z }
=0 хочу
Замечание. P −1 не всегда существует. конкретно в случае параболы.

Это можно понять, если пропадает коэффициент при x2 или y 2
det P = 0 – рассмотреть дома
e2 + λ2 ye2 = −R
λ1 x e
1.12.6 Поверхности второго порядка

Определение 16. Алгебраическая поверхность второго порядка – гео-
метрическое место точек уравнения F (x, y, z) = 0, где F (x, y, z) – целый
алгебраический полином второго порядка.
Способы задания:
1. Выражение, разрешённо относительно одной из координат x = f (y, z)

x = x(u, v)

2. Параметрическое: y = y(u, v)

z = z(u, v)

Типы поверхностей:
1. Эллипсоид
x2 y2 z2
2
+ 2 + 2 = 1.
a b c
x2 y2 C2
Метод сечений. z = C =⇒ a2 + b2 =1− c2
|C| < c – эллипс
|C| > c – ∅ (мнимый эллипс) |C| = c – точка (0, 0, C)
2. гиперболоиды
x2 y2 z2
a2 + b2 − c2 = 1 – однополостный
x2 y2 z2
a2 − b2 − c2 = 1 – двуполостный
3. Параболоиды
x2 y2
p + q = 2z p, q > 0 – эллиптический
x2 y2
p − q = 2z –
x2 y2 z2
4. Конусы a2 + b2 − c2 =0
x2 y2
5. Цилиндры a2 + b2 = 1 – эллиптический
1.13 Лекция
1.13.1
1.13.2 Группа
Определение 17. Множество G = {gk } называется группой, если на
G определён закон композиции элементов, обладающий следующими
свойствами:
1. Ассоциативность: x ◦ (y ◦ z) = (x ◦ y) ◦ z)∀x, y, z ∈ G
2. Существование нейтрального ∃e : e ◦ g = g ◦ e = g∀g ∈ G
3. Существование обратного ∀g ∈ G ∃g −1 : g −1 ◦ g = g ◦ g −1 = e
Пример. (Z, +) – аддитивная группа.

(Q+ , ·) – мультипликативная группа.
Пример. Zn = {z = (ξ1 , ξ2 , . . . , ξn )T , ξi ∈ Z}
(Zn , +) – группа
 
0  
0 −ξ1
  −ξ2 
e = 0 ξ −1 =  . 
   
 ..   .. 
.
ξn
0
Пример. Rnn = {z : det z 6= 0}

(Rnn , ·) – группа (General Linear Group, GL(n))
A, B ∈ GL(n) AB = BA
Определение 18. Группа называется абелевой, если выполняется ещё

одно условие: коммутативность ∀a, b ∈ G a ◦ b = b ◦ a
Лемма 3. нейтральный элемент – единственный
Доказательство. Пусть существует два нейтральных элементов e1 , e2 . Рас-

смотрим их композицию:
e1 ◦ e2 = e1 , потому что e2 – нейтральный элемент и e2 ◦ g = g∀g ∈ G
e1 ◦ e2 = e2 , потому что e1 – нейтральный элемент и g ◦ e2 = g∀g ∈ G
e1 = e1 ◦ e2 = e2 =⇒ e1 = e2
Лемма 4. Обратный элемент единственный
Доказательство. Аналогично: пусть есть два обратных элемента g1−1 , g2−1
к элементу g
g1−1 = g1−1 ◦ e = g1−1 ◦ (g ◦ g2−1 ) = (g1−1 ◦ g) ◦ g2−1 = e ◦ g2−1 = g2−1 =⇒ g1−1 =
g2−1
1.13.3 Кольцо
Определение 19. Множество R называется кольцом, если на R со-
гласованно заданы два закона элементов +, −, так что:
1. (R, +) – абелева группа
2. (R, ·) – полугруппа
3. Согласованность: x · (y + z) = x · y + x · z
(x + y) · z = x · z + y · z
Пример. (Z, +, ·) – коммутативное кольцо
1.13.4 Поле (Тело)

Определение 20. Множество K называется полем, если на K согла-
сованно заданы два закона композиции ( +, −), так что:
1. (K, +) – абелева группа
2. (K \ {0}, ·) – мультипликативная группа
Если она абелева, то структура называется полем
Если она не абелева, то структура называется телом
3. x · (y + z) = z · y + x · z
(y + z) · x = y · x + z · x
Пример. (Q, +, ·) – (лучшее) поле

(R, +, ·) – поле (получающееся топологическим замыканием поля Q)
(C, +, ·) – поле (алгебраическое замыкание поля Q)
Определение 21. Элемент Θ называется поглощающим элементом

относительно закона композиции , если ∀x ∈ S x ◦ Θ = Θ · x = Θ
Замечание. Представим себе структуру S c двумя законами композиции:

◦, ·, и имеет место следующее: x · (y ◦ z) = (x · y) ◦ (x · z)
^x · y = x · (e ◦ y) = (x · e) ◦ (x · y) =⇒ (x · e)
∀x x · e = e =⇒ e, который был нейтральным для ◦ также является
поглощающим для ·
· = умножение
◦ – сложение
e=0
1.13.5 Сложные алгебраические структуры

S, G, R, K – полугруппы, группы, кольца, поля – структуры нулевого уровня
1.13.6 Модуль над кольцом

Пусть у нас есть кольцо R и коммутати
Определение 22. R-модулем (или модулем над кольцом R) называ-

ется абелева группа (G, +) с заданной бинарной операцией: R × G →
G (r, g) → rg ∈ G r ∈ R, g ∈ G с законами согласования:
1. (r1 + r2 )g = r1 g + r2 g – здесь два разных плюса: один из группы
G, другой из кольца R
2. r(g1 + g2 ) = rg1 + rg2 ∀r ∈ R∀g1 , g2 ∈ R
3. (r1 · r2 )g = r1 (r2 g)
Пример. A (G, +) – абелева группа
A g ∈ G ^g + g + . . . + g = ng – используем структуру Z-модуля для

коэффициентов
^αg1 + βg2 + . . . – какие-то коэффициенты из некоторого кольца
Замечание. Хотелось бы решат задачу: получить g ищ αg = ge, но у α не

гарантирован обратный элемент в кольце
Задачи:
• Составлять α1 g1 + α2 g2 + . . . + αk gk
• Решать αg = ge
Определение 23. Линейным пространством X над полем K называ-
ется модель над кольцом , имеющим также алгебраическую структуру
поля.
A α, β, γ, . . . ∈ K
A x, y, z, . . . ∈ G
1. (α + β)x = αx + βx
2. (αβ)x = α(βx)
3. α(x + y) = αx + αy
4. 1x = x∀x
T
Пример. X n = {x = (ξ1 , ξ2 , . . . , ξn ) , ξ ∈ R} – линейное пространство над
R – арифметическое пространство
   
ξ1 φ1
 ξ2   φ2 
α .  + β . 
   
 ..   .. 
ξn φn
То же самое можно над полем C
Пример. Sn – многочлены deg 6 n – Линейное пространство над R(C, Q)

αp(x) + βq(x)
Лемма 5. α0X = 0X
Доказательство. ∀y ∈ X α0X + y = y
α0X = α · (0 · x) = 0 · x = 0X
Лемма 6. 0x = 0X =⇒ 0 · x + y = y
Доказательство. ^0 · x + y = 0x + 0X + y = 0 · x + x + (−x) + y = (0 + 1)x +

(−x) + y = x + (−x) + y = 0X + y = y∀y
Лемма 7. −1 · x = −x
Доказательство. −1x = −1x + 0X = −1x + x + (−x) = (−1 + 1)x + (−x) =

0x + (−x) = 0X + (−x) = −x
1.13.7 Линейная зависимость
Замечание. Условимся называть элементы линейных пространств векторами
– элементы группы
X(K): X – группа (живут векторы) K – поле (живут скаляры / коэффи-
циенты)
A {xi }ni=1 – набор векторов из X(R)
Pn
Определение 24. Объект вида α1 x1 +α2 x2 +. . .+αn xn = i=1 αi xi на-
зывается линейной комбинацией векторов xi с коэффициентами {αi }ni=1
из поля K
Определение 25. Набор {xi }ni=1 называется лийнейно зависимым (ЛЗ),

если существует
P нетривиальный (хотя бы один ненулевой) набор {αi }i=1 ,
n
такой что: αi xi = 0X (дальше будем писать просто 0)
Определение
Pn 26. Набор {xi }ni=1 Называется линейно независимым,
если i=1 αi xi = 0 реализуется только если {αi } – тривиальный набор
(все αi равны 0)

Пример. X = Rn = {x = ξ1 , ξ2 , . . . , ξn )T , ξi ∈ R }
α1 x1 + α2 x2 + . . . + αn xn = 0
 1  1  1  
ξ1 ξ2 ξn 0
 ξ12   ξ22  ξn2  0
α1  .  + β  .  + . . . + αn  .  =  . 
       
 ..   ..   ..   .. 
ξ1n ξ2n ξnn 0

1 1 1
α1 ξ1 + α2 ξ2 + . . . + αn ξn = 0


α1 ξ12 + α2 ξ22 + . . . + αn ξn2 = 0

..


 .

α1 ξ1n + α2 ξ2n + . . . + αn ξnn = 0

     
1 0 0
0 1 0
Пример. x1 =  .  x2 =  .  . . . xn =  .  – линейно независимый
     
 ..   ..   .. 
0 0 1
набор, из системы уравнений получается α1 = 0 α2 = 0 . . . αn = 0
Пример. Sn {1, t, t2 , t3 , . . . , tn } – ЛНЗ?
^α1 1 + α2 t + α3 t2 + . . . + αn+1 tn = 0(t)
t = 0 α1 = 0
0 + α2 + 2α3 t + . . . + nαn+1 tn−1 = 0(t) =⇒ α2 = 0
α1 = α2 = . . . = αn = 0
Лемма 8. Если набор содержит 0, то он ЛЗ
Доказательство. Выберем все коэффициенты 0, кроме коэффициенты пе-

ред 0k , в нём выберем ненулвой αk , тогда получится нетривиальный набор,
при котором линейная комбинация обращается в 0
Лемма 9. Набор, содержащий ЛЗ поднабор является ЛЗ
Доказательство. Выберем нетривиальный набор коэффициентов для под-

набора, а для остальных зададим нулевые коэффициенты. Тогда всё, что
не было в поднаборе обратится в 0, в поднабор обратится в 0 нетривиально,
значит в итоге весь набор будет нетривиально обращён в 0
Лемма 10. Любой поднабор ЛНЗ является ЛНЗ
Теорема 2. Набор векторов {xi }ni=1 ЛЗ ⇐⇒ хотя бы один вектор

набора выражается линейной комбинацией остальных
=⇒ α1 x1 + α2 x2 + . . . + αk xk + . . . + αn xn = 0
−1
xk = αk (α1 x1 + . . . + αk−1 xk−1 + αk+1 xk+1 + . . . + αn xn )
P P
⇐= xk = i6=k αi xi =⇒ i6=k αi xi − xk = 0
1.14 Базисы в линейных пространствах

Определение 27. Набор, с помощью которого можно выразить любой
другой вектор в линейном пространстве называется полным.
T
Пример. x = Rn ei = ([01 , 02 , . . . , 0i−1 , 1i , 0i+1 , . . . , 0n )
 
ξ1
 ξ2 
x =  .  = ξ1 e1 + ξ2 e2 + . . .
 
 .. 
ξn
Определение 28. Базисом в линейном пространстве X называется

полный и линейно независимый набор векторов.
Пример. {ei }ni=1 – базис в Rn
Пример. {1, t, t2 , . . . , tn } – базис в пространстве Pn
Определение 29. Пространство X называется конечномерным, если

в нём существует конечный полный набор векторов.
Лемма 11. В любом конечномерном пространстве существует базис.
Доказательство. Т.к. X – конечномерный =⇒ существует полный набор

∃{y1 , y2 , . . . , yk } – ПН
1. Если он линейно независимый =⇒ мы нашли базис
2. Если он не линейно независимый, будем совершать процедуру проре-
живания:
(a) {y1 } – ЛНЗ (Если он не нулевой. Но в полном наборе должен
быть хотя бы один ненулевой)
(b) {y1 , y2 }. Если ЛЗ, то вычеркнем y2 , иначе оставим.
(c) {y1 . . . y3 }
...
(d) {y1 , y2 , . . . yk } – ПН + ЛН – базис

Лемма 12. В любом конечномерном пространстве любой ЛНЗ набор

может быть дополнен до базиса.
Доказательство. X – конечномерное, в нём существует полный набор =⇒

∃{ej }nj=1 базис X
i=1 – ЛНЗ
A {xi }m
1. {x1 , x2 , . . . , xm , e1 }: ЛЗ – вычёркиваем e1 , иначе оставляем
2. {x1 , x2 , . . . , xm , . . . , e2 } – задаёмся тем же вопросом и потенциально
убираем e2
...
3. {x1 , x2 , . . . ., xm , . . . , en } – тот же вопрос.
Так мы прошли всё. Он линейно независимый (по построению) + ПН (до-
бавляли вектора базиса, если они и так там не выражались)
Лемма 13. Число векторов ЛНЗ в КМ ространстве не превосходит

число векторов ПН.
A {x1 , x2 , . . . , xm } – ЛНЗ набор
A {y1 , y2 , . . . , yn } – полный набор
=⇒ m 6 n
Доказательство. A n < m =⇒
1. {y1 , y2 , . . . , yn } – ЛНЗ + ПН – базис (число базисных меньше, чем
линейно независимых??!)
2. {y1 , y2 , . . . , yn } – ЛЗ,
{x1 : y1 , y2 , . . . , yn } (идём слева направо прореживанием)
{x1 , x2 : . . . yn }
...
{x1 , x2 , . . . , xn } – ЛНЗ + ПН – базис. В базисе n элементов, а линейно неза-
висимых m > n?!!
Лемма 14. Количество векторов в двух различных базисах ЛП оди-

наково.
Доказательство. {ej } {ek } – базисы X

ЛНЗ 6 ПН
ПН > ЛНЗ
Определение 30. Размерностью ЛП называется количество векторов

его базиса. dim X
Пример. dim Rn = n
Пример. dim Pn = n + 1
Замечание. Если {xi }ni=1 – ЛНЗ в X =⇒ k 6 dim X
Замечание. Набор xi ni=1 образует базис пространства X ⇐⇒ {xi } – ЛНЗ

и k = dim X
Определение 31. A {ej }nj=1 – базис ЛП X =⇒ ∀x ∈ X∃ξ i ∈ KLx =

Pn j
j=1 ξ ej
{ξ j }nj=1 – координаты вектора x в базисе {ej }nj=1
Лемма 15. Координаты любого вектора в заданном базисе определя-

ются единственным образом.
Pn
Доказательство. x = i=1 ξ i ei
Pn
x = i=1 ψ i ei
Pn i i
i i i i
i=1 ξ − ψ ei = 0 =⇒ ξ − ψ = 0∀i =⇒ ξ = π
Лемма 16. Координаты линейной комбинации векторов в заданном

базисе равны линейным комбинациям соответствующих координат дан-
ных векторов.
Pn Pm
xi = k=1 ξik ek y = i=1 αi xi
Pn Pm
y = j=1 ψ j ej =⇒ ψ j = i=1 αi ξij
Pm Pm Pn Pn Pm
Pn y= i=1 αi xi = i=1 αi k=1 ξ k ek = k=1 i=1 αi ξik ek =
k
k=1 ψ e k
1.15 Системы линейных алгебраических урав-

нений
 1 1

α1 ξ + α21 ξ 2 + . . . + αn1 ξ n = β 1
α 1 ξ 1 + α 2 ξ 2 + . . . + α 2 ξ n = β 2

2 2 n
Определение 32.


 . . .
 m 1
α2 ξ + α2m ξ 2 + . . . + αnm ξ n = β m
αij – коэффициенты. ξ j – неизвестные, βi – свободные члены
Способы записи:
ξ1 β1
  
α11 αn1
 
... ξ2  β2 
1. Матричный A =  ... .. 
.  X = . B =  .  =⇒
    
 ..   .. 
α1m ... αnm
ξn βn
AX = B
2. Геометрический
 1  1
β1
 
α1 αn
 α12   αn2  β2 
a1 =  .  an =  .  b =  .  =⇒ a1 ξ 1 +a2 ξ 2 +. . .+an ξ n = b
     
 ..   ..   .. 
n
α1 αnm βn
Т.е. задача найти коэффициенты линейной комбинации векторов на-
бора {aj }nj=1 , которая давала бы вектор b
1. A b = 0, т.е. a1 ξ 1 + a2 ξ 2 + . . . + an ξ n = 0
Очевидное решение ξi = 0∀i – тривиальное решение. Но есть ли нетри-
виальные решения?


 r1 + 2r2 + 4r3 − 3r4 = 0

3r + 5r + 6r − 4r = 0
1 2 3 4
Пример.


 4r1 + 5r2 − 2r3 + 3r4 =0
3r1 + 8r2 + 24r3 − 19r4 = 0

Метод Гаусса:
     
1 2 4 −3 1 2 4 −3 1 2 4 −3
3 5 6 −4  0 −1 −6 5  0 1 6 −5
4 5 −2 −3  ∼ 0
   ∼ 
−4 −18 15  0 0 0 0
3 8 24 −19 0 2 12 −10 0 0 0 0
r – количество линейно-независимых столбиков в итоге, или количе-
ство ненулевых строк. Первые два столбца назовём базисными неиз-
вестными (можно выбрать любые, но ровно r) Оставшиеся столбцы
нарвём параметрами .
(
r1 + 2r2 + 4r3 − 3r4 = 0
r2 + 6r3 − 5r4 = 0
(
r1 + 2r2 = −4r3 + 3r4
r2 = −6r3 + 5r4
Замечание. a1 r1 + a2 r2 + . . . + an rn = 0
Пусть R0 = r10 , r20 , . . . , rn0 – решение
И пусть R00 = r100 , r200 , . . . , rn00 – другое решение.
Тогда ∀γ, δ ∈ K γ · R0 + δ · R00 – линейная комбинация тоже решение.
Таким образом множество решений это линейное пространство.
Пусть r3 = 1, r4 = 0 =⇒ r1 + 2r2 = −4; r2 = 6 =⇒ r1 = 8
X1 = (8, −6, 1, 0)T – одно из решений однородной системы.
r3 = 0, r4 = 1 =⇒ r1 = −7, r2 = 5
X2 = (−7, 5, 0, 1)T – линейно независим с X1
X1 , X2 - базис пространства решений.
X = c1 X1 + c2 X2 – общее решение однородной системы. Окончатель-

ная форма решения.
{X1 , X2 } – фундаментальная система решений (ФСР)

   
8 −7
−6 5
X = c1  1  + c2  1 
  
0 0


r1 + r2 − 3r4 − r5 = 0

r − r + 2r − r = 0
1 2 3 4
Пример.


4r 1 − 2r 2 + 6r3 + 3r4 − 4r5 = 0
2r1 + 4r2 − 2r3 + 4r4 − 7r5 = 0

     
1 1 0 −3 −1 1 1 0 −3 −1 1 1 0 −3 −1
1 −1 2 −1 0  0 −2 2 2 1 0 −2 2 2 1
 ∼ ∼ ∼
4 −2 6 3 −4 0 −6 6 15 0  0 0 0 9 −3
2 4 −2 4 −7 0 2 −2 10 −5 0 0 0 12 −4
 
1 1 0 −3 −1
0 −2 2 2 1
 
0 0 0 3 −1
0 0 0 0 0
Фиксируем первый, второй и четвёртый столбцы как базисные


r1 + r2 − 3r4 = r5

−2r2 + 2r4 = −2r3 − r5

3r4 = r5

T
Строим ФСР r3 = 0, r5 = 3 =⇒ X1 7 5
2 , 2 .0, 1, 3
T
r3 = 1, r5 = 0 =⇒ X2 (−1, 1, 1, 0, 0)
7  
2 −1
5 1
2  
 0  + c2  1 
X = c1    
1 0
3 0
2. b 6= 0
a1 r1 + a2 r2 + . . . + an rn = b
Рассмотрим a1 r1 + a2 r2 + . . . + an rn = 0
Если есть два решения первого, то их разность это решение второго.
1.16 Лекция 05.12

...
Лемма 17. Пространства различной размерности не могут быть изо-

морфны.
Доказательство. Пусть X ∼ Y , dim X = n > m = dim Y

A {ej }nj=1 – базис X
e j ↔ fj ∈ Y
Pn Pn
^0X = j=1 αj ej ↔ j=1 αi fj = 0Y – только когда αj = 0
{fj }nj=1 – ЛНЗ набор в пространстве Y dim Y = m < n
Лемма 18. X ∼ Y ⇐⇒ dim X = dim Y
Доказательство. A {ej }nj=1 – базис X

A {fj }nj=1 – базис Y
ϕ(ej ) = fj e j ↔ fj
Pn Pn
Ax∈X x = j=1 αj ej ↔ y = j=1 αj fj
Xn ∼ Rn ∼ Yn
Пространства размерности n удобно рассматривать как арифметическое
пространство Rn
Замечание. Любое конечномерное пространство над полем R или C можно

отождествить с пространством Rn
Пример. Cn ∼ R2n

n nm 1 0 0 1 0 0 0 )
Rm ∼ R
0 0 0 0 1 0 0 1
Pn ∼ Rn+1
1.16.1 Подпространства
Определение 33. Подпространством L Линейного Пространства X
называется подмножество X, замкнутое относительно линейных опе-
раций, индуцированных их X
Пример. X, {0} – тривиальные подпространства X

Прямая и плоскость в E3 (они должны содержать 0)
Rm ⊆ Rn , m < n
Симметричные матрицы в Rnm
Лемма 19. A L – Линейное подпространство L =⇒ dim L 6∼ X
Лемма 20. L = X ⇐⇒ ∼ L =∼ X
Лемма 21. A L – линейное подпространство X. Тогда любой базис L

может быть дополнен до базиса X, но не наоборот
Доказательство. A {f1 , f2 , . . . , fk } – базис L {e1 , e2 , . . . , en } – базис X

{f1 , f2 , . . . , fk , e1 , e2 , . . . , en } – прореживаем слева направо
Пример (Контрпример). A {e1 , e2 } – базис X {e1 + e2 } – базис L
1.16.2 Линейная оболочка

Определение 34. Линейное оболочкой набора {xi }ki=1 называется мно-
жество L {x1 , x2 , . . . , xn } всех линейных комбинаций векторов xi :
n
X
L = {x ∈ X : x= αi xi }.
i=1
Лемма 22. L {x1 , x2 , . . . , xn } – линейное подпространство X
?
Доказательство. A y1 , y2 ∈ L =⇒ y1 + y2 ∈ L λy1 ∈ L
Pn Pn
y1 , y2 ∈ L =⇒ y1 = i=1 α1i xi y2 = i=1 α2i xi
Pn
y1 + y2 = i=1 (α1i + α2i )xi =⇒ y1 + y2 ∈ L
Pn
λy1 = i=1 λα1i xi =⇒ λy1 ∈ L
Лемма 23. Линейная оболочка L {x1 , x2 , . . . , xn } векторов x1 , x2 , . . . , xn

является наименьшим Линейным подпространством X, содержащим
эти векторы.
Pk
Доказательство. A V = L \ {y} y ∈ L =⇒ y = i=1 αi xi ∈ L ⇐=
{xi } – полный набор в L
Pk
y = i=1 β i xi ∈ V =⇒ {xi } – НЕ полный набор в L
Определение 35. Линейная оболочка векторов {xi }ki=1 называется

подпространством, натянутым на данные вектора.
Определение 36. Линейным многообразием M , параллельным под-

пространству L Линейного пространства X называется множество
M = {y ∈ X : y = x0 + x| x0 – фикс x0 ∈ X, x ∈ L}.
Пример. {(x1 , y1 + y0 )} – прямая, не проходящая через 0 в общем случае.

Не линейное пространство, но линейное многообразие.
Лемма 24. M = L ⇐⇒ x0 ∈ L
Определение 37. dim M = dim L
Пример. Примеры Линейных многообразий:

1. Прямая dim L = 1
2. Плоскость dim L = 2
3. k -мерная плоскость dim L = k
4. гипер-плоскость dim L = dim X − 1
1.16.3 Сумма и пересечение подпространств
A X – линейное пространство. L1 , L2 - его линейные подпространства
Определение 38. Пересечением ЛПП L1 , L2 называется множество

L0 , такое что
L0 = {x ∈ X : x ∈ L1 &x ∈ L2 }.
Лемма 25. L0 = L1 ∩ L2 – ЛПП X
Доказательство. A x1 , x2 ∈ L0 =⇒ x1 , x2 ∈ L1 x1 , x2 ∈ L2
λx1 ∈ L1 , λx1 ∈ L2 =⇒ λx1 ∈ L1 ∩ L2
Определение 39. Множество L00 называется суммой ЛПП L1 , L2 , если
L00 = {x ∈ X : x = x1 + x2 | x1 ∈ L1 , x2 ∈ L2 }.
Лемма 26. L00 = L1 + L2 – ЛПП X
Доказательство. x, y ∈ L00 x = x1 +x2 y = y1 +y2 x1 , y1 ∈ L1 x2 , y2 ∈

L2
^x + y = x1 + x2 + y1 + y2 = (x1 + y1 ) + (x2 + y2 ) = z1 + z2
λx = λ(x1 + x2 ) = λx1 + λx2
Теорема 3 ((первая) Теорема о размерностях). A L1 , L2 – ЛПП X =⇒

dim L1 + dim L2 = dim(L1 + L2 ) − dim(L1 ∩ L2 )
Доказательство. ^L1 ∩ L2 e1 , e2 , . . . , em – базис пересечения

^L1 {e1 , e2 , . . . , em ; f1 , f2 , . . . , fk } – базис L1
^L1 {e1 , e2 , . . . , em ; g1 , g2 , . . . , gp } – базис L2
=⇒ {e1 , e2 , . . . , em ; f1 , f2 , . . . , fk ; g1 , g2 , . . . , gp } – базис L1 + L2 (должно
быть)
• Полнота: A x ∈ L1 + L2 =⇒ x = x1 + x2 x1 ∈ L1 x2 ∈ L2
Pm Pk
=⇒ x1 = i=1 α1i ei + j=1 β1j fj
Pm Pk
=⇒ x2 = i=1 α2i ei + j=1 β2j gj
Pm Pk Pp
x = x1 + x2 = i
i=1 (α1 + α2i )ei + j=1 β1j fj + s=1 β2s gs
• Линейная независимость
α1 e1 + . . . + αm em + β 1 f1 + . . . + β k fk + γg 1 + . . . + γ p gp = 0
α1 e1 + . . . + αm em + β 1 f1 + . . . + β k fk = −γg 1 − . . . − γ p gp = z =⇒ x ∈
L1 ∩ L2 =⇒ z = δe1 + δ2 e2 + . . . + δm em
^z − z = δe1 + δ2 e2 + . . . + δm em + γ 1 g1 + . . . + γ p gp = 0 =⇒ δi = γj =
0 =⇒ z = 0 =⇒ α1 e1 + . . . + αm em + β1 f1 + . . . + β k fk = 0 =⇒ αi =
βj = 0

1.16.4 Прямая сумма подпространств

Определение 40. Сумма линейных подпространства называется пря-
мой, если ∀x ∈ L = L1 + L2 x = x1 + x2 – единственное представление.
Замечание (Обозначение прямой суммы). L = L1 u L2
Лемма 27. L = L1 u L2 ⇐⇒ L1 ∩ L2 = {0}
=⇒ A L = L1 u L2 ∃z ∈ L1 ∩ L2 : z 6= 0
x = x1 + x2 = x1 + x2 + z − z = (x1 + z) + (x2 − z) x1 ∈ L1 , x2 ∈
L2 x1 + z ∈ L1 , x2 − ∈ L2
⇐= A L1 ∩ L2 = {0}, но L = L1 + L2 – не прямая сумма
x = x1 + x2 x = y1 + y2
0 = x − x = x1 − y1 + x2 − y2 =⇒ x1 − y1 = y2 − x2 = z z ∈ L1 ∩ L2 =⇒
L1 ∩ L2 6= ∅

A X – ЛП, L1 , L2 – ЛПП X
(
L1 ∩ L2 = {0}
Теорема 4. X = L1 u L2 ⇐⇒
dim L2 + dim L2 = dim X
=⇒ 1. Доказано
2. dim L1 + dim L2 = dim(L1 + L2 ) = dim X =⇒ L1 + L2 ∼ X
dim L1 + dim L2 = dim(L1 + L2 )
dim L1 + dim L2 = dim X
=⇒ dim X = dim(L1 + L2 )
L1 + L2 ⊆ X& dim X = dim(L1 + L2 ) =⇒ L1 + L2 ∼ X L1 + L2 =
X L1 ∩ L2 = {0} =⇒ X = L1
!
Определение 41. A X = L1 u L2 =⇒ ∀x ∈ X = x1 + x2 x1 ∈
L1 , x2 ∈ L2
В таком случае x1 , x2 называются компонентами x в L1 , L2 соответсты-
енно
x1 – проекция x на L1 Параллельно L2
x2 – проекция x на L2 параллельно L1
L1 – дополнение L2 до X и наоборот
Замечание. Дополнение к заданному ЛПП до X определяется не един-

ственным образом
Пример (Контрпример). A X = R3 L = L {e1 , e2 } L2 = L {e2 + αe1 +

βe2 }
X = L1 u L2
Определение 42. Пространство L называется прямой суммой про-

странств {L − i}kj=1 , если
!
∀x ∈ L x = x1 + x2 + . . . + xk : xj ∈ Lj .
(
Pk Li ∩ Lj6=i = {0}
Теорема 5. X = u i=1 Li ⇐⇒ Pk
dim X = i=1 dim Li
1.17 ... СЛАУ

1.
2. Геометрическое исследование СЛАУ
α11 αn1
     1
β
 α21   αn2   β2 
a1 =  .  an =  .  quadβn =  .  (*)
     
 ..   ..   .. 
2 m
αm αn βm
Pn
=⇒ α1 ξ 1 + α2 ξ 2 + . . . + αn ξ n = b ⇐⇒ j
j=1 aj ξ = b
^α = ЛО{a1 , a2 , . . . , an }
aj ∈ Rm dim Rm = m
Т.к. α ЛППRm =⇒ dim α 6 dim Rm
Определение 43. Система * называется системой Крамера, если

n = m и набор {αj }nj=1 – ЛНЗ
Теорема 6. Система Крамера совместно и определена
Доказательство. m = n =⇒ dim α = r 6 n = m
b ∈ Rm ' Rn (m = n)
{aj }nj=1 – ЛНЗ в α < Rn =⇒ {aj }nj=1 – базис Rn =⇒ b ∈ α –
совместна и определена
A m 6= n dim α = r 6 m
Применим процедуру прореживания к набору {aj }nj=1 =⇒ {ai1 , ai2 , . . . , air }
– ЛНЗ =⇒ базис α
Определение 44. Коэффициенты {ξ ik }rk=1 называются базис-

ными или главными неизвестными системы.
Оставшиеся коэффициенты называются свободными или пара-
метрическими.
Замечание. ξ i1 = ξ 1 x ir = ξ 3
ξ ir+1 = ξ r+1 ξ in = ξ n
Перепишем систему *:
a1 ξ 1 + a2 ξ 2 + . . . + ar ξ r = b − ar+1 ξ r+1 − . . . − an ξ n .
Теорема 7 (Кронекера-Капелли о совместности системы). Что-

бы система * была совместна необходима и достаточно выполне-
ние следующего уловия: b ∈ α
=⇒ Пусть * совместна =⇒ ∃{ξ j }nj=1 :
{b, a1 , a2 , . . . , an } – ЛЗ =⇒ b ∈ α
⇐= A b ∈ α =⇒ b − ar+1 ξ r+1 − . . . − an ξ r ∈ α

Замечание. Если r = n =⇒ * определена

a1 ξ 1 + . . . + an ξ n = b + 0
Если r < n =⇒ * неопределена
a1 ξ 1 + . . . + ar ξ r = b − ar+1 ξ r+1 − . . . − an ξ n = b0
a1 ξ 1 + . . . + ar ξ r = b0 – определена,но! разложение для b0 даёт неопре-
делённость
Следствие 1. (a) Однородная система:

• всегда определена
• имеет неоднородные решения, когда r < n
• является неопределённой, когда m < n
dim α = m < n =⇒ {aj }nj=1 – ЛЗ по любому
Теорема 8 (Альтернатива Фредгольма). A m = n

n
aj ξ j = b (∗)
P
j=1
n
X
aj ξ j = 0 (∗∗).
j=1
(a) Или ∗∗ имеет только тривиальное решение (а тогда ∗ сов-

местна и опредена)
(b) (Или ∗∗ имеет нетривиальные решение) система ∗ совместна
не при любом b
Доказательство. ∗∗ имеет нетривиальные

3. Фундаментальная систем решений
A N – множество решений системы ∗∗
Теорема 9. Множество M решений однородной системы СЛАУ
является линейным пространством.

Доказательство. A x1 = ξ11 ξ12 , . . . , ξ1n

A x2 = ξ21 ξ22 , . . . , ξ2n x1 , x2 , ∈ M
x1 + x2 ∈ M ?
Pn i i
Pn j Pn j
i=1 ξ1 + ξ2 ai = i=1 ξa1 aj + i=1 ξ2 aj == 0 + 0 = 0 =⇒ x1 + x2 ∈
M
Pn h
Pn j
i=1 (λξ )aj = λ i=1 ξ aj = λ · 0 = 0 =⇒ λx ∈ M
Теорема 10. dim M = n − r
Доказательство. dim M = n − r ⇐⇒ ' Rn−r

a1 ξ 1 + a2 ξ 2 + . . . ar ξ r = −ar+1 ξ r+1 − . . . − an ξ n =: η
Замечание. η имеет единственное разложение по набору {ai }ri=1

T T
Rn−r 3 ξ r+1 ξ r+2 . . . ξ n ←→ ξ 1 ξ 2 . . . ξ r ; ξ r+1 . . . ξ n – биекция
Pn Pn
A y1 = k=1r+1 η1k ak ←→ x1 = k=1 ξ1k ak
Pn Pn
A y2 = k=1r+1 η2k ak ←→ x2 = k=1 ξ2k ak
Pn k k
Pn k
Pn k
y1 + y1 = k=r+1 η1 + η2 ak = k=r+1 η1 ak + k=r+1 η2 ak ←→
P n k
P n k
k=1 ξ1 ak + k=1 ξ2 ak = x1 + x2
Pn Pn Pn
λy = k=r+1 λη k ak = λ k=r+1 η k ak ←→ λ k=1 ξ k ak
Доказали, что M – ЛП размерности n − r
 T
(1, 0, . . . , 0)

M 'R n−r
← базис (0, 1, . . . , 1)T . . .

(0, 0, . . . , 1)T


(100 . . .0 ) ∈ Rn−r ξ11 ξ12 . . . ξ1r ; 100 . . . 0

(0100 . . .0 ) ∈ Rn−r ←→ ξ21 ξ22 . . . ξ2r ; 010 . . . 0
...
1 2 r

(000 . . .1 ) ↔ ξn−r ξn−r . . . ξn−r ; 00 . . . 1
Справа стоит базис M . Нормальная ФСР (∗∗)

A ξj1 ξj2 . . . ξjr , 00 . . . 1..0 = xj
Определение 45. Общим решением системы ∗∗ называется ре-
шение вида
n−r
X
x = c1 x1 + c2 x2 + . . . + cn−r xn−r = ci x i .
i=1
4. Структура решения неоднородной СЛАУ

A (∗) – совместна =⇒ b ∈ α dim α = r
f – множество решений ∗
AM
M – множество решений ∗∗ – ЛПП
Теорема 11. Пусть z 0 – фиксированное решение ∗. z 0 ∈ M

f, тогда
z = z0 + x ∈ M
f ∀x ∈ M.
Доказательство. z 0 = {ζ 1 ζ 2 . . . ζ n } x = {ξ 1 ξ 2 . . . ξ n }
Pn Pn Pn
^ i=1 ζ i + ξ i ai = i=1 ζ i ai + i=1 ξ i ai = b + 0 = b
T
^x = z 0 − z z = ζe1 . . . ζf
n
Pn ei − ξ i )ai = Pn ζei ai − Pn ξ i ai = b − b = 0 = Pn ξ i ai =⇒
i=1 (ζ i=1 i=1 i=1
x∈M
Замечание. Общее решение неоднородной СЛАУ

Pn
z = z 0 − x =⇒ z = z 0 − i=1 xi xi {xi }ni=1 – ФСР
f имеет структуру линейного многообразия

Замечание. M
f z = z0 + x
∀z ∈ M x∈M z 0 6∈ M
1.18 Как практика, но на лекции, потому что

космос против практики на практике.


5x1 + 4x2 + x3 + 3x4 = −5

2x + x + x + 4x = 2
1 2 3 4
Задача 2.


3x1 + 2x2 + x3 + x4 = −3
x1 + 3x2 − 2x3 + 2x4 = −4

Получить общее решение системы
     
5 4 1 3 −5 1 3 −2 2 −4 1 3 −2 2 −4
2 1 1 4
 ∼ 5 4 1 3
2  −5 ∼ 0
 −11 11 −7 15 
∼
Доказательство. 

3 2 1 1 −3 2 1 1 4 2  0 −5 5 0 10 
1 3 −1 2 −4 3 2 1 1 −3 0 −7 7 −5 9
     
1 3 −2 2 −4 1 3 −2 2 −4 1 3 −2 2 −4
0 1 −1 0 −2 0 1 −2 0 −2 0 1 −1 0 −2
0 −11 11 −7 15  ∼ 0
   ∼ 
0 0 0 −7 0 0 0 1 1
0 −7 7 −5 9 0 0 0 −5 −5 0 0 0 0 0

x1 + 3x2 + 2x4 = 2x2

1. Решение однородной задачи: x2 = x2

x4 = 0

x3 – параметр. Можем взять любой неноль.

A x3 = 1
 
−1
1
=⇒ x4 = 0, x2 = 1, x1 = −1 x1 =  

1
0
Общее решение ОЗ: x = c1 x1
2. Решение неоднородной задачи

x1 + 4x2 + 2x4 = −4 + 2x3

x2 = −2 + x3

x4 = 1

В неоднородной задаче можно взять параметры вообще любыми (даже

0)
Частное решение: x3 = 0 x4 = 1 x2 = −2 x1 = 0
 
0
−2 
z0 = 
0

1
   
0 −1
−2 1
Общее решение: z = z 0 + c1 x1 = 
   
 0  + x1  1 

1 0

 
λ 1 1 1 1
1 λ 1 1 1
Пример. 
1

1 λ 1 1
1 1 1 λ 1
Найти общее решение в зависимости от параметра λ
 
  1 1 1 λ 1
1 1 1 λ 1
1 1 λ 1 ∼ 0
 0 λ − 1 1 − λ 0 ∼
1  0 λ−1 0 1 − λ 0
1 λ 1 1 1 \ lambda 1 1 1 1
   λ−1 0 0 1 − λ 0 
1 1 1 λ 1 1 1 1 λ 1 1 1 1 λ
0 0 1 −1 0 0 1 0 −1 0 0 1 0 −1 0
(λ − 1 6= 0) 
  ∼   ∼  ∼
0 1 0 −1 0 0 0 1 −1 0  0 0 1 −1 0
1 0 0 −1 0 0 −1 −1 −1 − λ −1 0 0 −1 −2 − λ −1
 
1 1 1 λ 1
0 1 0
 −1 0
0 0 1 −1 0
0 0 0 −3 − λ −1
λ = −3 =⇒ система несовместна
λ 6= −3&λ 6= −1 =⇒ единственное решение x4 = 1
λ+3 x3 = 1
λ+3 x2 =
1 λ 2 1
λ+3 x1 = 1 − λ+3 − λ+3 = λ+3

λ=1 1 1 1 1 1
x1 = 1 − x2 − x3 − x4
Однородная задача: x1 = −x2 − x3 − x4
T
x2 = 1 × x3 = x4 = 0 (−1, 1, 0, 0) = y1
T
x2 = x3 = 0 x2 = 1 (−1010) = y2
T
x2 = x3 = 0 x4 = 1 (−1001) = y3
y1 , y2 , y3 – ФСР
Неоднородная задача: x2 = x3 = x4 = 0 x1 = 1
 
1
0 P3
Общее решение: z = 
0 + i=1 xi yi

0
II вариант. Когда система будет крамеровского типа? Когда определитель
будет отличен от 0
λ 1 1 1 1 0 1 − λ 1 − λ 1 − λ2
1 λ 1 1 1 0 λ−1 0 1−λ 1 − λ 1 − λ 1 − λ2 \ λ − 1 0 1−λ
= = =
1 1 λ 1 1 0 0 λ−1 1−λ 0 λ−1 1−λ
1 1 1 λ 1 1 1 1 λ
1 1 1+λ 1 1 1+λ
3 1 2+λ
−(1−λ)3 −1 0 1 = − (1 − λ) 0 1 2 + λ = (1−λ)3 =
−1 1
0 −1 1 0 −1 1
(λ − 1)3 (λ + 3) = 0
λ = −3 =⇒
λ = 1 =⇒
λ Остальные
1.19 Линейные подпространства

Rn , P n , Rnm
Вспомним:
Определение 46. L ⊆ X L – замкнуто относительно операций ин-

дуцированных на X
Пример. Rn
x ∈ Rn x = (ξ, ξ, . . . , ξ) –линейное пространство
ξi = 0 – линейное пространство
P
Пример.
ξi = 1 – НЕ линейное пространство
P
Пример. X = Rnn
x – матрица с нулевой первой строкой. Можество таких x – линейное под-
пространство
Если заменить на единичную строку, то уже не будет
Пример. Верхние треугольные матрицы – линейное подпространство.

Вспомним также, что в инейном пространстве есть базис.
   
1 0 0
0 1 0
Rn :  .   .   . 
   
 ..   ..   .. 
0 0 1
Пример.
T
x1 = (−1, 4, 0, 1)
T
x2 = (0, 0, 0, 1)
T
x3 = (−1, 1, 1, −)
T
x4 = (0, 3, −1, 1)
.
Найдём линейные зависимости (если они есть) Запишем вектора по строч-
кам:
   
−1 4 0 1 1 0 0 0 −1 4 0 1 1 0 0 0
0 0 0 1 0 1 0 0  0 −3 1 −2 −1 0 1 0
 ∼ ∼
−1 1 1 −1 0 0 1 0  0 3 −1 1 0 0 0 1
0 3 −1 1 0 0 0 1 0 0 0 1 0 1 0 0
   
−1 4 0 1 1 0 0 0 −1 4 0 1 1 0 0 0
0 −3 1 −2 −1 0 1 0
∼ 0
 −3 1 −2 −1 0 1 0
∼ 
0 0 0 −1 −1 0 1 1  0 0 0 −1 −1 0 1 1
0 0 0 1 0 1 0 0 0 0 0 0 −1 1 1 1
0 = −x1 + x2 + x3 + x4
 1

 3ξ + 3ξ 2 − 4ξ 3 − 3ξ 4 = 0
6ξ 1 + ξ 3 + ξ 4 = 0

Пример.


 5ξ 1 + 4ξ 2 + 2ξ 3 + ξ 4 = 0
 1
2ξ + 3ξ 2 + 3ξ 3 + 2ξ 4 = 0
Множество решений – ЛП. Найдём базис и размерность этого пространства.
ФСР → Базис L
А что если мы хотим наоборот по ФСР восстановить систему. Или по-
другому: имея базис ЛП составить систему, которая этот базис порождает.
T
x1 = (2, 0, 1, 3, −1)
T
x2 = (1, 1, 0, −1, 1)
T
x3 = (0, −2, 1, 5, −3)
T
x4 = (1, −3, 2, 9, −5)
.
=⇒ L = L (x1, ..., xn )
=⇒ α1 x1 + α2 x2 + α3 x3 + α4 x4 = y – совместна

y∈L η1 , η2 , η3 , η4 , η5
1
 
2 1 0 1 η
0
 1 −2 −3 η2 

1
 0 1 2 η3 

3 −1 5 9 η4 
−1 1 −3 −5 η5
1.20 Лекция
TODO: дописать
Лемма 28. f, g – линейные форма =⇒ f + g – линейная форма
Доказательство. A x1 , x2 ∈ X
h (x1 + x2 ) = (f + g)(x1 + x2 )
= f (x1 + x2 ) + g(x1 + x2 )
= f (x1 ) + f (x2 ) + g(x1 ) + g(x2 )
= (f + g)(x1 ) + (f + g)(x2 )
= h(x1 ) + h(x2 )
.
h (λx) = (f + g)(λx)
= λf (x) + λg(x)
= λ(f + g)(x)
= λh(x)
.
Теорема 12. Линейные формы образуют линейное ространства
Определение 47. Линейное пространство линейных форм над X на-

зывается пространством, сопряжённым к X
Замечание. Обозначение: X ∗
A {ej } – базис X
Pn
∀x ∈ X x ←→ ξ x= j=1 ξ j ej
A f ∈ X∗
P P
n n Pn
^f (x) = f j=1 ξ j ej = j=1 ξ j f (ej ) = j=1 ξ j φj
| {z }
φj
Определение 48. Коэффициентами линейной формы в базисе {ej }

ЛП X называется набор {φj } : φj = f (ej )
Лемма 29. Задание линейной формы над X эквивалентно заданию её
коэффициентов на базисных векторах X
Доказательство. Доказательство чуть выше
Замечание. f ←→ (φ1 , φ2 , . . . , φn )

x ←→ ξ 1 , ξ 2 , . . . , ξ n
f (x) = ξ 1 φ1 + ξ 2 φ2 + . . . + ξ n φn
Если f (x) = 0 =⇒ ξ 1 φ1 + ξ 2 φ2 + . . . + ξ n φn = 0
Теорема 13 (О базисе X ∗ ). Набор линейных форм {f k }nk=1 : X → K,

действующих на X с базисом {ej } следующим образом:
n
X
f k (x) = ξ k x= ξ j ej .
j=1
образует базис линейного пространства X ∗
Замечание. dim X = dim X ∗ = n =⇒ X ' X ∗
теоремы. {f k }nk=1 – полный набор.

∗
Pn Pn Pn
Png ∈ X k x
A ∈X P ^g(x) = k=1 ξ k g (ek ) = k=1 ξ k φk = k=1 φk f k (x) =
n k
k=1 φk f (x) = k=1 φk f (x)
Pn
=⇒ g = k=1 φk f – полный набор!
k
{f k }nk=1 – ЛНЗ
Pn
^ k=1 αk f k = O (ноль-форма) αk = 0∀k?
Pn
O(e1 ) = k=1 αk f k (e1 ) = α1 f 1 (e1 ) = α1 = 0
Pn
O (e2 ) = k=1 αk f k (e2 ) =⇒ α2 = 0
...
α1 = α2 = . . . = αn = 0
Замечание. {f k }nk=1 : X → K f k (x) = ξ k

(
1 k=j
f k (ej ) = = δjk .
0 k 6= j
Такие базисы называются сопряжёнными. Для такой формы есть спец сим-
вол, называемый формой Корнекера
Pn
Замечание. x = ξ 1 e1 + ξ 2 e2 + . . . + ξ n en = j=1 ξ j ej
Pn
x = f 1 (x)e1 + f 2 (x)e2 + . . . + f n (x)en = j=1 f j (x)ej
k n {ej }n
j=1
k {f }k=1
Pn ∗
Замечание. f = k=1 ηk f ← f ∈X φ j = f (ej )
(η1 , η2 , . . . , ηn ) (φ1 , φ2 , . . . , φn )
Если f и ej сопряжены, то эти наборы коэффициентов совпадают (f k (ej ) =
k
δjk )
Замечание. X X ∗ (X ∗ )∗ = X ∗∗ ?
(
(f, x1 + x2 ) = (f, x1 ) + (f, x2 )
(f, x) (f, ∗) X→K
(f, λx) = λ(f, x)
(
(f1 + f2 , x) = (f1 , x) + (f2 , x)
(∗, x) X∗ → K
(λf, x) = λ(f, x)
X ' X ∗ ' X ∗∗ =⇒ X ' X ∗∗
x, ∗)
(∗, x) = (e
X ' X ∗∗ – “естественно изоморфны”. (x → x
e) ⇐⇒ (e
x, f ) = (f, x)
x1 + x2 ←→ x
e1 + x
e2
λx1 ←→ λe
x1
1.21 Низапная Практика
T
x1 = (2, 0, 1, 3, −1)
T
x2 = (1, 1, 0, −1, 1)
T
x3 = (0, −2, 1, 5, −3)
T
x4 = (1, −3, 2, 9, −5)
.
=⇒ L = L (x1, ..., xn )
=⇒ α1 x1 + α2 x2 + α3 x3 + α4 x4 = y – совместна

y∈L η1 , η2 , η3 , η4 , η5
1
η3 η3
     
2 1 0 1 η 1 0 1 2 1 0 1 2
0
 1 −2 −3 η2  
0 1 −2 −3 η 1 − 2η 3  0
  1 −2 −3 η 1 − 2η 3 

1
 0 1 2 η3  ∼
0 1 −2 −3 η4   ∼ 0
 0 0 0 2 1
η − η + 2η 3 

4 4 3 1 3 4 3
3 −1 5 9 η 0 −1 2 3 η − 3η 0 0 0 0 η − 2η + η − 3η
5 4 3
−1 1 −3 −5 η 0 1 −2 −3 η + η 0 0 0 0 η 5 + η 3 − η 1 + 2η 3

1 2 3
−η + η + 2η = 0

Для совместности напротив нулей должны быть нули =⇒ η ! − 5η 3 + η 4 = 0

 1
−η + 3η 3 + η 5
Эта система уравнений даёт нам нужную линейную оболочку четырёх век-
торов x1 , x2 , x3 , x4
     
0 0 1 1 2 2 1 2 3
Пример. A1 = 0 1 0 A2 = 2 1 −2 A3 = 2 3 4 A4 =
1 0 1 2 −2 1 3 4 5
     
−2 3 1 2 2 −1 0 1 1
 3 6 2 A5 =  2 −1 2  A6 = 1 −1 −1
1 2 2 −1 2 2 1 −1 −2
Эти матрицы лежат в линейном пространстве симметричных матриц раз-

мерности 3×3. Найдём базис их линейной оболочки: L{A1 , A2 , A3 , A4 , A5 , A6 }
^ базис пространства симметричных матриц:

       
1 0 0 0 1 0 0 0 1 0 0 0
E1 = 0 0 0 E2 = 1 0 0 E3 = 0 0 0 E4 = 0 1 0 E5 =
 0 0 0  0 0 0  1 0 0 0 0 )
0 0 0 0 0 0 0 0 0
0 0 1 E5 = 0 0 1 E6 = 0 0 0
1 0 0 0 1 0 0 0 1
A1 = 0E1 + 0E2 + 1E3 + 1E4 + 0E5 + 1E6 =⇒ A1 ←→ (0, 0, 1, 1, 0, 1)
Так можно переформулировать на язык векторов. А дальше тот же алго-

ритм.

2 2
P1 = (1 + t )

(e)
Пример. X = P3 P2 = (1 − t2 )2

P3 = 1

Выберем базис {1, t2 , t4 }
P1 ←→ (1, 2, 1)T
T
P2 ←→ (1, −2, 1)
T
P3 ←→ (1, 0, 0)
1 1 1
2 −2 0 = −4 6= 0 =⇒ образуют базис.
1 1 0
 T
x1 = (1, 2, −1, −2)
(
 T
T y1 = (2, 5, −6, −6)
Пример. L1 : x2 = (3, 1, 1, 1) L2 : T
 T y2 = (−1, 2, −7, −3)
x3 = (−1, 0, 1, −1)

L1 + L2 –? (базис суммы)
L1 ∩ L2 – ? (базис пересечения)
     
1 −3 −1 2 −1 1 2 −1 2 −1 1 3 −1 2 −1
2 1 0 5 2  0 −5 2 1 4 0 1 0 −1 −2
Сумма:  −1 1
∼ ∼  =⇒
1 −6 −7 0 4 0 −4 −8 0 0 2 −4 −6
−2 1 −1 −5 −3 0 7 −3 −1 −5 0 0 −3 6 9
y1 ∈ L1 , y2 ∈ L1
L1 + L2 = L1 =⇒ L2 ⊆ L1
Базис суммы совпадает с базисом L1
Базис пересечения – базис L2
Пример. L1 , L2 ⊆ P3
 
3 3
p1 = 1 + 2t + t
 q1 = 1 + t

L1 : p2 = 1 + t + t2 L2 : q2 = 1 + 3t + t2
 
p3 = t − t2 + t3 q3 = 3t − t2 + t3
 
L1 + L2 – ? L1 ∩ L2 – ?
Выберем базис P3 – {1, t, t2 , t3 }
p1 ←→ x1 (1, 2, 0, 1)T
p2 ←→ x2 (1, 1, 1, 0)T
p3 ←→ x3 (0, 1, −1, 1)T
q1 ←→ y1 (1, 0, 0, 1)T
q2 ←→ y2 (1, 2, 0, 1)T
q3 ←→ y3 (0, 3, −1, 1)T
Найдём базис суммы
     
1 1 0 1 1 0 1 1 0 1 1 0 1 1 0 1 1 0
2 1 1 0 3 3  0 −1 1 −2 1 3 0 −1 1 −2 1 3
0 1 −1 0 0 −1 ∼ 0
   ∼ ∼
1 −1 0 0 −1 0 0 0 −2 1 2
1 0 1 1 1 1  0 −1 1 0 0 1 0 0 0 2 −1 −2
1 1 0 1 1 0
0 −1 1 −2 1 3
 
0 0 0 −2 1 2
0 0 0 0 0 0
Базис суммы: 1, 2 и 4 столбцы:
 T 3
(1, 2, 0, 1) ↔ b1 = 1 + 2t + t

T
(1, 1, 1, 0) ↔ b2 = 1 + t + t2
 T
(1, 0, 0, 1) ↔ b3 = 1 + t3

(Можем взять те же столбцы из начальной матрицы, т.к. Гаусс сохраняет

линейные соотношения.
СЛАУ для L1 :
1 1 0 ξ1 ξ1 ξ1
     
1 1 0 1 1 0
2 1 1 ξ 2  0 −1 1 ξ 2 − 2ξ 1  0 −1 1 ξ 2 − 2ξ 1 
0 1 −1 ξ 3  ∼ 0 1 −1
   ∼ 
ξ 3  0 0 0 −2ξ 1 + ξ 2 + ξ 3 
1 0 1 ξ4 0 −1 1 ξ4 − ξ1 0 0 0 ξ1 − ξ2 + ξ4
(
−2ξ 1 + ξ 2 + ξ 3 = 0
ξ1 − ξ2 + ξ4 = 0
1 1 0 ξ1 ξ1 ξ1
     
1 1 0 1 1 0
0 3 3 ξ 2  0 3 3 ξ 2  0 3 3 ξ2 
0 0 −1 ξ 3  ∼ 0 0 −1
   ∼ 
ξ 3  0 0 −1 ξ3 
1 1 1 ξ4 0 0 1 ξ4 − ξ1 0 0 0 −ξ 1 + ξ 3 + ξ 4
n
−ξ 1 + ξ 3 + ξ 4 = 0
Базис для L1 ∩ L2 – ФСР


1 2 3
−2ξ + ξ + ξ = 0

ξ1 − ξ2 + ξ4 = 0

 1
−ξ + ξ 3 + ξ 4 = 0
1.22 Практика-закрепление
1.22.1 Линейные формы
f :X→K ∀x, y ∈ X f (x + y) = f (x) + f (y) f (λx) = λf (x)
Пример. Pn f – отображение ∀p ∈ Pn f (p) = p (t0 ) t0 – фиксировано

1. f – Линейная форма
2. Найти коэффициенты в базисе {1, t, t2 , . . . , tn }
Pn Pn
Доказательство. A p, q ∈ P n p(t) = k=0 αk tk q(t) = m=0 βm tm
Pn
f (p + q) = f ( + ) = f ( ) = k=0 (αk + βk ) tk0 =
P P P P P
+ = f (p) + f (q)
P P
f (λp) = f (λ ) = λf ( ) = λf (p)
f – ЛФ
^{1, t, t2 , . . . , tn }


 f (1) = 1

f (t) = t
0
2


 f (t ) = t20
...

f ↔ (1, t0 , t20 , . . . , tn0 )

f, g – ЛФ =⇒ (f + g)(x) = f (x) + g(x) (λf )(x) = λ · f (x) =⇒ X ∗ – пр-во

сопряжённое X (dim X ∗ = dim X)
Пример. {f k }nk=1 – набор Линеных Форм в Pn∗ (над Pn )

dk−1 p
f k (p) = dtk−1
(0)
Покажем, что {f k }nk=1 – ЛНЗ набор в Pn∗
Доказательство. Pnk = Rn+1

A {1, t, t2 , . . . , tn }
T
f 1 ←→ (1, 0, 0, . . . , 0)
T
f 2 ←→ (0, 1, 0, . . . , 0)
T
f 3 ←→ (0, 0, 2, . . . , 0)
T
f n ←→ (0, 0, 0, . . . , n!)
Этот набор ЛНЗ
f k (ej ) = δjk – сопряжённый базис

Ax∈X {ej }nj=1 – базис X

Pn
=⇒ x = j=1 ξ j ej
P P
n j n Pn
^f (x) = f j=1 ξ e j = j=1 ξ j f (ej ) = j=1 ξ j ϕj
Пример.
y 1 (x) = 2ξ 1 − ξ 2 + 3ξ 3 + 4ξ 4 − ξ 5
y 2 (x) = 5ξ 1 − 5ξ 2 + 12ξ 3 + 11ξ 4 − 5ξ 5
y 3 (x) = ξ 1 − 3ξ 2 + 6ξ 3 + 3ξ 4 − 3ξ 5 .
y1 , y2 , y3 ∈ X ∗
1. ЛЗ -?
2. Найти зависимости
X∗ ' R5 =⇒ y1 (2, −1, 3, 4, −1) . . .
 
2 −1 3 4 −1 1 0 0
5 −5 12 11 −5 0 1 0
1 −2 6 3 −3 0 0 1
1
Пример. P2 f 0 (p) = p(1) f 2 (p) = p(2) f 3 (p) = p(3) Покажем, что эти
три формы образуют базис.
Доказательство. Выберем базис {1, t, t2 }

f 1 → (1, 1, 1) f 2 → (1, 2, 4) f 3 → (1, 3, 9)
1 1 1
1 2 3 6= 0 =⇒ f 1 , f 2 , f 3 – ЛНЗ =⇒ базис
1 3 9
^δ ∈ P2∗ δ(p) = p(0) δ ↔ (1, 0, 0)
α1 f61 + α2 f 2 + α3 f 3 =δ
     
1 1 1 1 1 1 1 1 1 1 1 1
1 2 3 0 ∼ 0 1 2 −1 ∼ 0 1 2 −1
1 4 9 0 0 2 8 −1 0 0 2 2
=⇒ α1 = 3 α2 = −3 α3 = 1
δ = 3f 1 − 3f 1 + f 3 Применим к p ∈ P2
p(0) = 3p(1) − 3p(2) + p(3) ∀p ∈ P2
f1 , f 2 , f 3 – базис P2∗
Построим базис P2 , сопряжённый базису f 1 , f 2 , f 3
Если p1 , p2 , p3 – искомый базис =⇒ f k (pm ) = δm
k
p1 (t) : f 1 (p1 ) = 1 f 2 (p1 ) = 0, f 3 (p3 ) = 1

p1 = α1 + β1 t + γt2
f 2 (p1 ) = p1 (2) = 0 =⇒ 2 – корень полином. 3 – тоже корень полинома.
1
p1 (t) = a(t − 2)(t − 3) p1 (1) = 1 =⇒ a = 2
p1 (t) = 21 (t − 2)(t − 3)
p2 (t) : f 1 (p2 ) = 0 f 2 (p2 ) = 1 f 3 (p2 ) = 0 =⇒ p2 (t) = −1 · (t − 1)(t − 3)
p3 (t) : f 1 (p3 ) = 0 f 2 (p3 ) = 0 f 3 (p3 ) = 1 p3 (t) = − 12 (t − 1) (t − 1)
R1
Пример. P3 f (p) = (1 + t2 )p(t)dt
−1
Найти коэффициенты разложения f в базисе P3∗ , сопряжённом к базису

{1, t, t2 , t3 }
∀x ∈ X x = f 1 (x)e1 + f 2 (x)e2 + . . . + f n (k)en
Эта штука работает в обе стороны
∀g ∈ X ∗ g(e1 )f 1 + g(e2 )f 2 + . . . + g(en )f n
8
f (1) = 3
f (t) = 0
16
f (t2 ) = 15
f (t3 ) = 0
1.23 Преобразование базиса

A X – Линейное пространство
Pn
{ej }nj=1 – базис X ∀x ∈ X x= j=1 ξ j ej
ek }nk=1 – тоже базис X
A {e
Pn
ek = j=1 τkj ej j, k = 1 . . . n
ê
A T = kτkj k – матрица перехода от базиса {ej } к базису {e

ek }
Для удобства введём ещё две матрицы: E = [e1 , e2 , . . . , en ] E

e = [e
e1 , ee2 , . . . , een ]
Замечание. E e = ET
Pn
eek = j=1 τkj ej j, k = 1 . . . n
Pn
^x = j=1 ξ j ej Какие координаты будет иметь x в базисе {e
ek }
T
{ej } → {e
ek }
?
x ↔ ξ j → ξek
Pn Pn Pn Pn h i Pn
x = k=1 ξek eek = k=1 ξek j=1 τkj ej = j=1 ξek τkj ej = j=1 ξ j ej =⇒
Pn
=⇒ ξ j = k=1 ξek τkj ξ = T ξe
A {f i } – базис X ∗ (старый)
{fel } – тоже базис X ∗ (новый)
T
{ej } → {e
ek }
?
{f i } → {fel }
Нижняя строчка сопряжена с верхней.
n
X
A fel = αil f i δkl (1.1)
i=1

= fel , eek (1.2)
 
X n n
X
= αil f i , τkj ej  (1.3)
i=1 j=1
n X
X n
αil τkj f i , ej (1.4)

=
i=1 j=1
= (1.5)
n
X
αil τkj (1.6)
i=1
= δkj (1.7)
(1.8)
AI = I =⇒ A = T −1
Замечание. Матрицу, обратную к матрице перехода T обозначают S =

kσip k
Pn
fel = i=1 σil f i
T
{ej } → {e ek }
−1
T
{fei } → {fel }
 
f1 fe1
 
f 2   e2 
f 
Введём две матрицы: F =  .   .. 
Fe =  Fe = SF F = T Fe S = T −1
 
 .. 

 . 
fn fen
Pn
^g ∈ X ∗ g= i=1 ηi f i
n
X
^g = ηel fel (1.9)
l=1
n
X n
X
= ηee σil f u (1.10)
l=1 i=1
n
" n # n
X X X
= ηel σil fi = ηi f i (1.11)
i=1 l=1 i=1
Pn
ηi = l=1 ηel σil η = ηeS ηe = ηT η – строка
Ковариантные величины – те, которые преобразуются как базис e. Индекс
снизу как в ej , ηj
Контравариантные – те, которые преобразуются обратной матрицей. Ин-
декс сверху ξ j f j
n Pn
ηi f i x = j=1 ξ j ej
P
g=
i=1
^g ∈ X ∗ g (ej ) = χj – коэффициенты ЛФ в базисе ej

Линальчек

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Линальчек

Загружено:

Авторское право:

Доступные форматы

Линейная Алгебра

1.1 Матрицы и операции над ними

Замечание. n = m =⇒ An×n – квадратная матрица

Замечание. A = kaij k B = kbij k

Определение 3. Идемпотентной матрица называется, если N k = I

Замечание. A : A = AT – симметричная/симметрическая матрица.Любая

Определение 5. Дополнительный минор элемента aij – определитель

Утверждение 1 (Рекуррентная формула вычисления определителя).

^(−1)i+j Mij = Aij – алгебраическое дополнение элемента aij

1.3 Лекция 1 - Метод аналитической геомет-

Замечание. Система координат на плоскости – две координатные линии

Определение 6. Система координат называется декартовой, если

Ex xp (xp , yp ) – координаты точки P .

Определение 7 (Обратная матрица). A−1 A−1 A = AA−1 = I

Утверждение 2. Обратная к A матрица существует, если и только

(a) Умножение на число λ 6= 0 одной строчки

(b) Перестановка двух любых строк

(c) Составление линейной комбинации строк

Заметим, что стандартный способ решения таких систем: упрощение, скла-

1.5.1 Проекция вектора на ось

A ~e – вектор, параллельный l. Положим |~e| = 1 =⇒ орт оси l

Рис. 1.1: Проекция

Определение 10. Говорят, что в базисе {e1 , e2 } вектор ~a имеет коор-

Замечание. Если угол между осью l и прямой γ прямой ( l ⊥ γ) =⇒

В декартовой системе координат орты координатных осей обозначаются

Определение 11. (~a~b) = |~a| Пр~a⊥~b

Замечание. (~a~b) = |~a| · ~b cos gamma

3. (λ~a, ~b) = λ(~a, ~b)

3. A |~a| = 1 =⇒ (~a, ~b) = Пр~a⊥~b

Скалярное произведение в координатах:

(~a~b) = (ax~i + ay~j + az~k)(bx~i + by~j + bz~k) = ax bx + ay by + az bz

• Произвольная Система Координат.

1.6.2 Векторное произведение

Рис. 1.5: скалярное произведение

1. |~c| = |~a| · ~b · sin ϕ = |~a⊥ | ~b = |~a| ~b⊥

2. ~c ⊥ ~a ~c ⊥ ~b {~a, ~b, ~c} – правая тройка (Буравчик, штопор)

Если нарисовать картиночку, там будут углы с перпендикулярными

~ = |α| |~a| ~b sin(α~a, ~b)

Если α < 0, то у одного другая ориентация тройки, а у другого отри-

Рис. 1.6: note

Рис. 1.7: shtopor

1.7 Практика 4: Векторная Алгебра

п1 Скалярное произведение (~a, ~b) = |~a| Pr~a⊥ ~b

Пример. A |~a| = 1 ~b = 2 (~a − ~b)2 + (~a + 2~b)2 = 20

2(~a, ~b) = −2 =⇒ (~a, ~b) = −1 cos ϕ = − 21 ϕ= 2π

Пример. ~a(1, 2, 1) ~b (2, 3, 1, )

Теперь посчитаем то же самое. но пусть вектора заданы в косоугольном

Рис. 1.8: couple

Проекция и скалярное произведение не зависят от базиса.

Аналогично остальные, вектор третеьй стороны можно выразить из двух

Пример. A(1, 2, 3) B(1, 1, 1) C(1, 0, 1) – три точки параллелограмма

Пример. ~x(1, 2, 2) ~e1 (1, −1, 1) ~e2 (−2, 0, 1)

Рис. 1.9: vec

1.7.1 Векторное произведение

При векторном произведении можно не учитывать компоненту

Получается площадь образуемого параллелограмма.

Рис. 1.10: trive

Определение 12. A ~a, ~b, ~c

w = (~a, [~b, ~c]).

Замечание. Алгебраические свойства:

получается объём следующего параллелограмма (рисунок)

Замечание. VПар – ориентированный объём

1.8.2 Смешанное произведение а координатах

1.8.3 Двойное векторное произведение