Академический Документы
Профессиональный Документы
Культура Документы
https://github.com/isagila/tesc
Содержание
1. Линейная алгебра 3
1.1. Евклидово пространство: определение, неравенство Коши-Буняковского. Нормированное евклидово
пространство. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Ортонормированный базис, ортогонализация базиса. Матрица Грама. . . . . . . . . . . . . . . . . . . . . 3
1.3. Ортогональность вектора подпространству. Ортогональное дополнение. Теорема Пифагора. . . . . . . . 4
1.4. Задача о перпендикуляре. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5. Линейный оператор: определение, основные свойства. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6. Обратный оператор. Взаимно-однозначный оператор. Ядро и образ оператора. Теорема о размерностях. 6
1.7. Матрица линейного оператора. Преобразование матрицы при переходе к новому базису. . . . . . . . . . 7
1.8. Собственные числа и собственные векторы оператора. Теоремы о диагональной матрице оператора. . . 9
1.9. Сопряженный и самосопряженный операторы в вещественном евклидовом пространстве: определения,
основные свойства. Свойства собственных чисел и собственных векторов самосопряженного оператора. 10
1.10. Структура образа самосопряженного оператора. Проектор. Спектральное разложение оператора. . . . 11
1.11. Ортогональная матрица и ортогональный оператор. Поворот плоскости и пространства как ортогональное
преобразование. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.12. Билинейные формы: определения, свойства. Матрица билинейной формы. . . . . . . . . . . . . . . . . . 13
1.13. Квадратичная форма: определения, приведение к каноническому виду. . . . . . . . . . . . . . . . . . . . 13
1.14. Знакоопределенность квадратичной формы: необходимые и достаточные условия. Критерий Сильвестра. 15
2. Дифференциальные уравнения 17
2.1. Обыкновенное дифференциальное уравнение (ДУ): задача о радиоактивном распаде и задача о падении
тела. Определение ДУ, решения ДУ и их геометрический смысл. Задача Коши. . . . . . . . . . . . . . . 17
2.2. Уравнение с разделяющимися переменными. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3. Однородное уравнение. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4. Уравнение в полных дифференциалах. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5. Линейное уравнение первого порядка. Метод Лагранжа. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.6. Теорема существования и единственности решения задачи Коши. Особые решения. . . . . . . . . . . . . 20
2.7. Уравнения 𝑛-ого порядка, допускающие понижение порядка. . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.8. Линейные однородные дифференциальные уравнения (ЛОДУ) : определения, решение ЛОДУ2 с посто-
янными коэффициентами для случая различных вещественных корней характеристического уравнения. 21
2.9. Решение ЛОДУ2 с постоянными коэффициентами для случая вещественных кратных корней характери-
стического уравнения. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.10. Решение ЛОДУ2 с постоянными коэффициентами для случая комплексных корней характеристического
уравнения. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.11. Свойства решений ЛОДУ2 : линейная независимость решений, определитель Вронского. Теоремы 1,2. . 22
2.12. Свойства решений ЛОДУ2 : линейная комбинация решений, линейная зависимость решений. Определитель
Вронского. Теоремы о вронскиане. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.13. Свойства решений ЛОДУ2 : линейная комбинация решений, линейная зависимость решений. Теорема о
структуре общего решения ЛОДУ2 . Фундаментальная система решений (определение). . . . . . . . . . . 24
2.14. Свойства решений ЛНДУ2 : теоремы о структуре общего решения и решении ДУ с суммой правых частей. 24
2.15. Структура решения ЛОДУ𝑛 : линейная независимость решений, нахождение фундаментальной системы
решений по корням характеристического уравнения. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.16. Решение ЛНУ2 с постоянными коэффициентами: специальная правая часть, поиск частного решения
методом неопределенных коэффициентов. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.17. Решение ЛНУ2 : метод вариации произвольных постоянных (Лагранжа). . . . . . . . . . . . . . . . . . . 26
2.18. Системы дифференциальных уравнений: определения, решение методом исключения. . . . . . . . . . . 27
2.19. Системы дифференциальных уравнений: определения, решение матричным методом в случае различных
вещественных собственных чисел. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.20. Теория устойчивости: определение устойчивости по Ляпунову, фазовая плоскость, траектории ДУ.
Примеры устойчивого и неустойчивого решения. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2/31
1. Линейная алгебра
1.1. Евклидово пространство: определение, неравенство Коши-Буняковского. Нормированное евклидово
пространство.
Def 1.1.1. Скалярным произведением называется функция двух элементов линейного пространства 𝑥, 𝑦 ∈ 𝐿𝑛
обозначаемая (𝑥, 𝑦) → R, для которой выполнены аксиомы: ∀𝑥, 𝑦 ∈ 𝐿𝑛 , 𝜆 ∈ C
1. (𝑥, 𝑦) = (𝑦, 𝑥)
2. (𝜆𝑥, 𝑦) = 𝜆(𝑥, 𝑦)
3. (𝑥1 + 𝑥2 , 𝑦) = (𝑥1 , 𝑦) + (𝑥2 , 𝑦)
4. (𝑥, 𝑥) ⩾ 0, (𝑥, 𝑥) = 0 =⇒ 𝑥 = 0
Def 1.1.2. Линейное пространство с введенным скалярным произведением называется евклидовым пространством
и обозначается 𝐸 𝑛 .
´𝑏
Замечание 1.1.3. Если 𝐿 = 𝐶[𝑎;𝑏] , то скалярное произведение обычно определяется как (𝑓, 𝑔) = 𝑎 𝑓 (𝑥)𝑔(𝑥)d𝑥
Теорема 1.1.4. Неравенство Коши-Буняковского
(𝜆𝑥 − 𝑦, 𝜆𝑥 − 𝑦) ⩾ 0
2
(𝜆𝑥 − 𝑦, 𝜆𝑥 − 𝑦) = 𝜆 (𝑥, 𝑥) − 2𝜆(𝑥, 𝑦) + (𝑦, 𝑦) ⩾ 0
Полученное выражение можно рассмотреть как квадратное уравнение относительно 𝜆. Т.к. оно неотрицательно
∀𝜆, то его дискриминант будет ⩽ 0. Таким образом
1. ‖𝜆𝑥‖ = 𝜆‖𝑥‖
2. ‖𝑥 + 𝑦‖ ⩽ ‖𝑥‖ + ‖𝑦‖
3. ‖𝑥‖ ⩾ 0, ‖𝑥‖ = 0 =⇒ 𝑥 = 0
Def 1.1.6. Евклидово пространство называется нормированным, если в нем определена норма.
√︀
Замечание 1.1.7. Чаще всего норма определяется как ‖𝑥‖ = (𝑥, 𝑥).
1.2. Ортонормированный базис, ортогонализация базиса. Матрица Грама.
Def 1.2.1. Косинусом yгла между двумя элементами Евклидова пространства называется
(𝑥, 𝑦)
cos ∠(𝑥, 𝑦) =
‖𝑥‖ · ‖𝑦‖
Def 1.2.2. Для элемента Евклидова пространства ортогональны, если их скалярное произведение равно нулю.
def
𝑥 ⊥ 𝑦 ⇐=⇒ (𝑥, 𝑦) = 0
Теорема 1.2.3. Во всяком Евклидовом пространстве 𝐸 𝑛 можно выделить ортонормированный базис размера 𝑛.
3/31
Переход: пусть у нас уже выделен набор из 𝑘 − 1 ортогональных векторов ℰ𝑘′ = {e′1 , . . . , e′𝑘−1 } и в него требуется
добавить вектор 𝛽𝑘 .
Будем искать e′𝑘 в виде
Def 1.3.1. Пусть дано Евклидово пространство 𝐸 𝑛 . Элемент ℎ ∈ 𝐸 𝑛 называется ортогональным (перпендикуляр-
ным) подпространству 𝐺 ⊂ 𝐸 𝑛 , если
def
∀𝑥 ∈ 𝐺 : ℎ ⊥ 𝑥 ⇐=⇒ ℎ ⊥ 𝐺
Следствие 1.3.2. Выделим в подпространстве 𝐺 базис ℰ = {e1 , . . . , e𝑘 }. Тогда
∀e𝑖 ∈ ℰ : ℎ ⊥ 𝑒𝑖 =⇒ ℎ⊥𝐺
Доказательство. Выберем произвольный элемент 𝑥 ∈ 𝐺, разложим его по базису ℰ, после чего воспользуемся
свойствами скалярного произведения:
𝑘 𝑘
1.2.2 1.3.1
∑︁ ∑︁
𝑥= 𝜆𝑖 e𝑖 =⇒ (ℎ, 𝑥) = 𝜆𝑖 (ℎ, e𝑖 ) = 0 ===⇒ ∀𝑥 ∈ 𝐺 : ℎ ⊥ 𝑥 ⇐==⇒ ℎ ⊥ 𝐺
⏟
𝑖=1 𝑖=1 =0
■
Def 1.3.3. Пусть дано Евклидово пространство 𝐸 𝑛 . Ортогональным дополнением 𝐹 ⊥ к подпространству 𝐹 ⊂ 𝐸 𝑛
называется совокупность векторов ℎ ⊥ 𝐹 .
Замечание 1.3.4. Из определения 1.3.1 следует, что 𝐹 также является подпространством 𝐸 𝑛 .
Теорема 1.3.5. Евклидово пространство 𝐸 𝑛 является прямой суммой подпространства 𝐹 ⊂ 𝐸 𝑛 и его ортого-
нального дополнения 𝐹 ⊥ .
𝐸𝑛 = 𝐹 ⊕ 𝐹 ⊥
4/31
Доказательство. В 𝐸 𝑛 выделим ортогональный базис ℰ (по 1.2.3), после чего разложим произвольный 𝑥 ∈ 𝐸 𝑛
по этому базису:
Доказательство. Раскроем норму как корень из скалярного произведения элемента на себя, после чего восполь-
зуемся свойствами скалярного произведения:
2 𝑥 ⊥ 𝑦 =⇒ (𝑥, 𝑦) = 0 2 2
‖𝑥 + 𝑦‖ = (𝑥 + 𝑦, 𝑥 + 𝑦) = (𝑥, 𝑥) + 2(𝑥, 𝑦) + (𝑦, 𝑦) ============== (𝑥, 𝑥) + (𝑦, 𝑦) = ‖𝑥‖ + ‖𝑦‖
■
Доказательство. }︃
𝑥′ , 𝑥0 ∈ 𝐺 =⇒ 𝑥0 − 𝑥′ ∈ 𝐺
=⇒ ℎ ⊥ (𝑥0 − 𝑥′ )
ℎ⊥𝐺
2 2 1.3.6 2
‖ℎ′ ‖ = ‖𝑥 − 𝑥′ ‖ = ‖𝑥 − 𝑥0 + 𝑥0 − 𝑥′ ‖ ===== ‖𝑥 − 𝑥0 ‖ +‖𝑥0 − 𝑥′ ‖
⏟ 2
‖ℎ‖
′ 2 2
‖ℎ ‖ = ‖ℎ‖ + ‖𝑥0 − 𝑥′ ‖
2 2
𝑥′ ̸= 𝑥0 =⇒ ‖𝑥0 − 𝑥′ ‖ > 0 =⇒ ‖ℎ′ ‖ > ‖ℎ‖
■
Замечание 1.4.2. 𝑥0 это проекция 𝑥 на 𝐺, отстоящая от 𝑥 на наименьшее расстояние.
Замечание 1.4.3. О вычислении ортогональной проекции
В 𝐺 выделим базис ℰ и разложим 𝑥0 по этому базису:
𝑥0 = 𝜆1 e1 + . . . + 𝜆𝑘 e𝑘 (1)
Теперь задача состоит в поиске коэффициентов 𝜆𝑖 . воспользуемся тем, что ℎ это перпендикуляр к 𝐺:
}︃
ℎ = 𝑥 − 𝑥0
def
=⇒ (𝑥 − 𝑥0 , e𝑖 ) = 0 =⇒ (𝑥0 , e𝑖 ) = (𝑥, e𝑖 ) (∀e𝑖 ∈ ℰ) (2)
ℎ ⊥ 𝐺 ⇐=⇒ ∀e𝑖 ∈ ℰ : ℎ ⊥ e𝑖
Подставим (1) в (2) и воспользуемся свойствами скалярного произведения:
5/31
1.5. Линейный оператор: определение, основные свойства.
Def 1.5.1. Пусть 𝑉 𝑛 , 𝑊 𝑚 линейные пространства. Отображение 𝒜 : 𝑉 𝑛 → 𝑊 𝑚 , которое ∀𝑥 ∈ 𝑉 𝑛 сопоставляет
𝑦 ∈ 𝑊 𝑚 называется линейным оператором при выполнении следующих условий: ∀𝑥1 , 𝑥2 ∈ 𝑉 𝑛 , 𝜆 ∈ C:
1. 𝜆(𝒜 · ℬ) = (𝜆𝒜) · ℬ 3. (𝒜 + ℬ) · 𝒞 = 𝒜 · 𝒞 + ℬ · 𝒞
2. 𝒜 · (ℬ · 𝐶) = (𝒜 · ℬ) · 𝒞 4. 𝒜 · (ℬ + 𝒞) = 𝒜 · ℬ + 𝒜 · 𝒞
Def 1.5.3. Композиция оператора самим с собой 𝑛 раз называется 𝑛-ой степенью оператора: 𝒜𝑛 = ⏟𝐴 · . . . · 𝐴
𝑛
∀𝑥, 𝑦 ∈ 𝑉 𝑛 : 𝑥 ̸= 𝑦 =⇒ 𝒜𝑥 ̸= 𝒜𝑦
Lm 1.6.4. Если оператор 𝒜 : 𝑉 𝑛 → 𝑉 𝑛 взаимно-однозначный, то 𝒜𝑥 = 0 =⇒ 𝑥 = 0.
Доказательство. От противного:
⊐ 𝑥 = 𝑥1 − 𝑥2 ̸= 0 =⇒ 𝑥1 ̸= 𝑥2
𝒜𝑥 = 𝒜(𝑥1 − 𝑥2 ) = 𝒜𝑥1 − 𝒜𝑥2 = 0 =⇒ 𝒜𝑥1 = 𝒜𝑥2
Противоречие, т.к. 𝒜 взаимно-однозначный. ■
Теорема 1.6.5. Взаимно-однозначный оператор переводит линейно-независимый набор в линейно-независимый
набор.
𝜆1 𝒜𝑥1 + . . . + 𝜆𝑛 𝒜𝑥𝑛 = 0
(︁ )︁
𝒜 𝜆 1 𝑥1 + . . . + 𝜆 𝑛 𝑥𝑛 = 0
Т.к. 𝒜 взаимно-однозначный, то по 1.6.4 получаем, что 𝜆1 𝑥1 +. . .+𝜆𝑛 𝑥𝑛 = 0. Набор {𝑥1 , . . . , 𝑥𝑛 } линейно независим,
значит ∀𝜆𝑖 = 0. ■
6/31
Следствие 1.6.6. Взаимно-однозначный оператор переводит базис в базис.
𝒜 ℬ
Доказательство. =⇒ Пусть 𝑥 −→ 𝑦. Рассмотрим оператор ℬ такой, что 𝑦 −
→ 𝑥. Т.к. 𝒜 взаимно-однозначный, то
𝒜 · ℬ = 𝐼.
⇐= От противного
⊐ 𝑥1 ̸= 𝑥2 , 𝒜𝑥1 = 𝒜𝑥2
−1
𝒜𝑥1 = 𝒜𝑥2 =⇒ 𝒜 𝒜𝑥1 = 𝒜−1 𝒜𝑥2 =⇒ 𝑥1 = 𝑥2
Получили противоречие. ■
Def 1.6.8. Пусть дан линейный оператор 𝒜 : 𝑉 𝑛 → 𝑊 𝑚 . Множество Ker 𝒜 = {𝑥 ∈ 𝑉 𝑛 | 𝒜𝑥 = 0} называется
ядром оператора 𝒜.
Lm 1.6.9. Оператор 𝒜 : 𝑉 𝑛 → 𝑉 𝑛 взаимно-однозначный =⇒ Ker 𝒜 = {0}.
⊐ 𝑥1 ̸= 𝑥2 ∈ 𝑊 : 𝒜𝑥1 = 𝒜𝑥2
𝒜𝑥1 = 𝒜𝑥2 =⇒ 𝒜(𝑥1 − 𝑥2 ) = 0 =⇒ (𝑥1 − 𝑥2 ) ∈ Ker 𝒜
𝑥1 , 𝑥2 ∈ 𝑊 =⇒ (𝑥1 − 𝑥2 ) ∈ 𝑊
𝑛
Но это невозможно, т.к. 𝑊 ⊕ Ker 𝐴 = 𝑉 =⇒ 𝑊 ∩ Ker 𝐴 = ∅.
В Im 𝒜 выделим базис {𝑦1 , . . . , 𝑦𝑘 }. Т.к. 𝒜 взаимно-однозначный, то выделенный базис порождается линейно-
независимым набором {𝑥1 , . . . , 𝑥𝑘 }, 𝑥𝑖 ∈ 𝑊 (по 1.6.5). Значит dim 𝑊 ⩾ dim Im 𝒜.
Предположим, что dim 𝑊 > dim Im 𝒜. Обозначим dim 𝑊 = 𝑝, дополним систему {𝑥1 , . . . , 𝑥𝑘 } до 𝑝 линейно-
независимых векторов. Т.к. оператор 𝒜 : 𝑊 → Im 𝒜 взаимно-однозначный, то он должен перевести полученную
линейно-независимую систему в линейно-независимую. Однако это невозможно, т.к. Im 𝒜 имеет базис меньшей
размерности. ■
Замечание 1.6.12. Можно доказать, что
⎧
𝑛
⎨𝑉1 ⊂ 𝑉
⎪
𝑉2 ⊂ 𝑉 𝑛 =⇒ ∃𝒜 : 𝑉 𝑛 → 𝑉 𝑛 , Ker 𝒜 = 𝑉1 , Im 𝒜 = 𝑉2
⎪
dim 𝑉1 + dim 𝑉2 = 𝑛
⎩
rang 𝒜 = dim Im 𝒜
7/31
ℰ = {e1 , . . . , e𝑛 }
𝑥 = 𝑥1 e 1 + · · · + 𝑥𝑛 e 𝑛
𝑦 = 𝒜𝑥 = 𝑥1 𝒜e1 + · · · + 𝑥𝑛 𝒜e𝑛
Def 1.7.1. Матрицей оператора 𝒜 в данном базисе называется матрица составленная из столбцов-коэффициентов
разложения образов базисных векторов по этому же базису.
Замечание 1.7.2. Если 𝐴−1 = 𝐴𝑇 , то матрица оператора называется ортогональной.
Def 1.7.3. Матрица
⎛ ⎞
𝜏1,1 ... 𝜏1,𝑛
⎜ .. .. .. ⎟
𝑇 =⎝ . . . ⎠
𝜏𝑛,1 ... 𝜏𝑛,𝑛
такая, что при переходе из базиса ℰ = {e𝑖 }𝑛𝑖=1 в базис ℰ ′ = {e′𝑖 }𝑛𝑖=1 выполняется равенство ℰ ′ = ℰ𝑇 называется
матрицей перехода к новому базису.
Замечание 1.7.4. В матрице перехода 𝑇 в каждом столбце стоят коэффициенты разложения нового базиса по
старому. При этом координаты вектора 𝑥 в базисах ℰ и ℰ ′ связаны соотношением:
𝑥 = 𝑇 𝑥′
Теорема 1.7.5. Пусть дан линейный оператор 𝒜 : 𝑉 𝑛 → 𝑉 𝑛 , который в базисе ℰ = {e𝑖 }𝑛𝑖=1 имеет матрицу 𝐴, в
базисе ℰ ′ = {e′𝑖 }𝑛𝑖=1 —𝐴′ . Тогда
𝐴′ = 𝑇 −1 𝐴𝑇
Доказательство. Рассмотрим столбцы 𝑥, 𝑦 в базисе ℰ такие, что 𝐴𝑥 = 𝑦. В базисе ℰ ′ будет выполняться равенство
𝐴′ 𝑥′ = 𝑦 ′ , получаем:
{︃
𝑥 = 𝑇 𝑥′
=⇒ 𝐴(𝑇 𝑥′ ) = (𝑇 𝑦 ′ ) | ·𝑇 −1
𝑦 = 𝑇 𝑦′
𝑇 −1 𝐴𝑇 𝑥′ = 𝑇 −1 𝑇 𝑦 ′
𝑇 −1 𝐴𝑇 𝑥′ = 𝑦 ′
𝐴′ = 𝑇 −1 𝐴𝑇
8/31
Доказательство.
det 𝐴′ = det 𝑇 −1 𝐴𝑇 = det 𝑇 −1 · det 𝐴 · det 𝑇 = det 𝐴 · det 𝑇 −1 · det 𝑇 = det 𝐴
(︀ )︀
1.8. Собственные числа и собственные векторы оператора. Теоремы о диагональной матрице оператора.
Def 1.8.1. Пусть дан оператор 𝒜 : 𝑉 𝑛 → 𝑉 𝑛 с матрицей 𝐴 в некотором базисе ℰ = {e𝑖 }𝑛𝑖=1 . Тогда многочлен
det(𝐴 − 𝜆𝐸)
относительно 𝜆 ∈ R называется характеристическим многочленом.
Def 1.8.2. Пусть дан оператор 𝒜 : 𝑉 𝑛 → 𝑉 𝑛 . Подпространство 𝑈 ⊆ 𝑉 𝑛 называется инвариантным, если
∀𝑥 ∈ 𝑈 : 𝒜𝑥 ∈ 𝑈
Def 1.8.3. Пусть дан оператор 𝒜 : 𝑉 𝑛 → 𝑉 𝑛 с матрицей 𝐴 в некотором базисе ℰ = {e𝑖 }𝑛𝑖=1 .
𝑥 ̸= 0 ∈ 𝑉 𝑛 называется собственным вектором для оператора 𝒜, если
∃𝜆 ∈ C : 𝒜𝑥 = 𝜆𝑥
Тогда 𝜆 называется собственным числом (собственным значением) оператора 𝒜.
Теорема 1.8.4. Собственные числа оператора являются корнями характеристического многочлена det(𝐴 − 𝜆𝐸).
∃𝑥 ̸= 0 ∈ 𝑉 𝑛 | 𝒜𝑥 = 𝜆𝑥
𝒜𝑥 = 𝜆𝑥 =⇒ 𝐴𝑥 = (𝜆𝐸)𝑥 =⇒ (𝐴 − 𝜆𝐸)𝑥 = 0
Теперь рассмотрим оператор ℬ : 𝑉 𝑛 → 𝑉 𝑛 , ℬ = 𝒜 − 𝜆𝐼:
(𝐴 − 𝜆𝐸)𝑥 = 0 =⇒ ℬ𝑥 = 0
𝑥 ̸= 0 ∈ Ker ℬ =⇒ dim Ker ℬ > 0
{︃
dim Ker ℬ + dim Im ℬ = 𝑛 (1.6.11)
=⇒ dim Im ℬ < 𝑛
dim Ker ℬ > 0
dim Im ℬ < 𝑛 =⇒ rang ℬ < 𝑛 =⇒ rang 𝐵 < 𝑛
rang 𝐵 < 𝑛 =⇒ rang(𝐴 − 𝜆𝐸) < 𝑛 =⇒ det(𝐴 − 𝜆𝐸) = 0
⇐= Аналогичные рассуждения, но в обратную сторону. ■
Def 1.8.5. Полученное в процессе доказательства 1.8.4 уравнение
(𝐴 − 𝜆𝐸)𝑥 = 0
называют характеристическим (вековым) уравнением.
Теорема 1.8.6. Пусть дан оператор 𝒜 : 𝑉 𝑛 → 𝑉 𝑛 , у которого 𝑚 различных собственных чисел 𝜆1 , . . . , 𝜆𝑚 . Тогда
система из собственных векторов e1 , . . . , e𝑚 , соответствующих этим собственным числам, линейно-независима.
Доказательство. По индукции.
База: 𝑚 = 1, {e1 } линейно-независима, т.к. e1 ненулевой по определению.
Переход: Пусть {e1 , . . . , e𝑘 } линейно-независима, покажем, что система {e1 , . . . , e𝑘 , e𝑘+1 } также линейно-независима.
Составим её нулевую линейную комбинацию и применим к ней оператор 𝒜:
9/31
𝑐1 e1 (𝜆1 − 𝜆𝑘+1 ) + . . . + 𝑐𝑘 e𝑘 (𝜆𝑘 − 𝜆𝑘+1 ) + 𝑐𝑘+1 e𝑘+1 (𝜆𝑘+1 − 𝜆𝑘+1 ) = 0
𝑐1 e1 (𝜆1 − 𝜆𝑘+1 ) + . . . + 𝑐𝑘 e𝑘 (𝜆𝑘 − 𝜆𝑘+1 ) = 0
Каждая из скобок (𝜆𝑖 − 𝜆𝑘+1 ) не равна нулю, т.к. все собственные числа различны. Т.к. система {e1 , . . . , e𝑘 }
является базисом по предположению индукции, то полученное равенство верно только при ∀𝑐𝑖 = 0 (1 ⩽ 𝑖 ⩽ 𝑘).
Подставляя это в исходную нулевую линейную комбинацию, получаем, что
𝑐1 e1 + . . . + 𝑐𝑘+1 e𝑘+1 = 0
𝑐𝑘+1 e𝑘+1 = 0
Т.к. собственный вектор e𝑘+1 ненулевой по определению, то 𝑐𝑘+1 = 0. Таким образом ∀𝑐𝑖 = 0, значит нулевая
линейная комбинация тривиальна, т.е. полученная система линейно независима. ■
Def 1.8.7. Базис, составленный из собственных векторов, называют собственным базисом.
Теорема 1.8.8. Матрица оператора в собственном базисе диагональна.
Доказательство. Матрица оператора в некотором базисе это коэффициенты разложения образов базисных
векторов по этому же базису. Рассмотрим первый базисный вектор:
{︃ {︃
𝒜e1 = 𝑎1,1 e1 + · · · + 𝑎𝑛,1 e𝑛 𝑎1,1 = 𝜆1 ,
=⇒
𝒜e1 = 𝜆1 e1 𝑎𝑖,1 = 0 ∀𝑖 ̸= 1
Аналогично можно рассмотреть все оставшиеся базисные векторы. Таким образом матрица оператора в базисе из
собственных векторов будет иметь вид
⎛ ⎞
𝜆1 0 . . . 0
⎜ 0 𝜆2 . . . 0 ⎟
𝐴=⎜ .
⎜ ⎟
.. . . . ⎟
⎝ .. . . .. ⎠
0 0 ... 𝜆𝑛
■
Следствие 1.8.9. Если у оператора 𝒜 : 𝑉 𝑛 → 𝑉 𝑛 есть 𝑛 различных собственных чисел, то существует базис, в
котором матрица этого оператора диагональна.
Доказательство. Т.к. все собственные числа различны, то соответствующие им 𝑛 собственных векторов будут
линейно независимы (по 1.8.6). Составим из них базис, по только что доказанной теореме матрица оператора 𝒜 в
этом базисе будет диагональной. ■
(𝒜𝑥, 𝑦) = (𝑥, 𝒜* 𝑦)
Def 1.9.2. Альтернативное определение: оператор 𝒜* называется сопряженным оператором для 𝒜, если в любом
ортонормированном базисе 𝐴* = 𝐴𝑇 .
Теорема 1.9.3. Равносильность определений 1.9.1 и 1.9.2 сопряженного оператора.
(𝐴𝑋)𝑇 𝑌 = 𝑋 𝑇 𝐴𝑇 𝑌 = 𝑋 𝑇 𝐴* 𝑌 =⇒ (𝑥, 𝒜* 𝑦)
■
10/31
5. (𝒜 · ℬ)* = ℬ * · 𝒜*
6. Для любого оператора существует единственный сопряженный оператор.
Def 1.9.4. Самосопряженный оператор это оператор, который равен своему сопряженному.
𝒜 = 𝒜*
(𝒜𝑥, 𝑥) ∈ R
2
(𝒜𝑥, 𝑥) = (𝜆𝑥, 𝑥) = 𝜆‖𝑥‖
{︃
2
𝜆‖𝑥‖ ∈ R
2 =⇒ 𝜆 ∈ R
‖𝑥‖ ∈ R
■
Lm 1.9.7. Собственные векторы самосопряженного оператора, соответствующие различным собственным числам,
ортогональны.
Доказательство. Собственный вектор e это линейная оболочка некоторого e𝑓 , т.е. это подпространство 𝑉𝑛 . Если
𝑥 ∈ 𝑉1 , то 𝑥⊥e =⇒ 𝑥⊥e𝑓 , таким образом 𝑉1 это ортогональное дополнение e𝑓 .
dim e = 1, т.к. это линейная оболочка одного вектора e𝑓 . Значит dim 𝑉1 = 𝑛 − 1.
Теперь докажем, что это пространство инвариантно:
𝑥⊥e =⇒ (𝑥, e) = 0
(𝒜𝑥, e) = (𝑥, 𝒜e) = (𝑥, 𝜆e) = 𝜆(𝑥, e) = 0 =⇒ 𝒜𝑥⊥e
Таким образом 𝒜𝑥 ∈ 𝑉1 по определению 𝑉1 . ■
Теорема 1.9.10. У любого самосопряженного оператора есть ортонормированный базис, состоящий из собствен-
ных векторов.
Доказательство. Возьмем одно произвольное собственное число 𝜆, ему будет соответствовать собственный вектор
e1 , который мы и возьмем в базис. Далее пользуясь 1.9.9 рассмотрим подпространство 𝑉1 , причем e1 будет ему
ортогонален. Проделаем с этим подпространством аналогичную операцию.
Повторим это 𝑛 раз, после чего нормируем все полученные векторы =⇒ получим ортонормированный базис. ■
11/31
Доказательство.
𝒜𝑥 = 𝑦 =
𝑦1 e1 + . . . + 𝑦𝑛 e𝑛 =
(𝑦, e1 )e1 + . . . + (𝑦, e𝑛 )e𝑛 =
(𝒜𝑥, e1 )e1 + . . . + (𝒜𝑥, e𝑛 )e𝑛 =
(𝑥, 𝒜e1 )e1 + . . . + (𝑥, 𝒜e𝑛 )e𝑛 =
(𝑥, 𝜆1 e1 )e1 + . . . + (𝑥, 𝜆𝑛 e𝑛 )e𝑛 =
𝜆1 (𝑥, e1 )e1 + . . . + 𝜆𝑛 (𝑥, e𝑛 )e𝑛 =
𝑛
∑︁
𝜆𝑖 (𝑥, e𝑖 )e𝑖
𝑖=1
■
Замечание 1.10.2. (𝑥, e𝑖 ) это проекция вектора 𝑥 на собственный вектор.
Таким образом 𝑦 получается следующим образом: 𝑥 проецируется на e1 , . . . , e𝑛 , после чего проекции ’растягиваются’
в 𝜆1 , . . . , 𝜆𝑛 раз и суммируются.
1.11. Ортогональная матрица и ортогональный оператор. Поворот плоскости и пространства как ортого-
нальное преобразование.
Def 1.11.1. Оператор 𝒜 называется ортогональным, если
𝐴−1 = 𝐴𝑇
Замечание 1.11.3. Ортогональный оператор сохраняет скалярное произведение, т.е. не меняет норму элементов.
Таким образом к ортогональным преобразованиям можно отнести параллельный перенос, поворот и осевую
симметрию.
Также ортогональное преобразование переводит ортонормированный базис в ортонормированный.
Некоторые примеры ортогональных преобразований в пространстве R3 :
(︂ )︂
cos 𝛼 sin 𝛼
1. Поворот на угол 𝛼: 𝐴 =
− sin 𝛼 cos 𝛼
(︂ )︂
1 0
2. Осевая симметрия относительно 𝑂𝑥: 𝐴 =
0 −1
𝒜 · 𝒜* = 𝒜* · 𝒜
𝑇 · 𝑇 * = 𝑇 · 𝑇 −1 = 𝐼 = 𝑇 −1 · 𝑇 = 𝑇 * · 𝑇
Замечание 1.11.6. Можно доказать, что собственные числа и векторы нормального оператора 𝒜 совпадают с
собственными числами и векторами его сопряженного оператора 𝒜.
12/31
1.12. Билинейные формы: определения, свойства. Матрица билинейной формы.
Def 1.12.1. Функция B : 𝑉 𝑛 → R обозначаемая B(𝑢, 𝑣) (𝑢, 𝑣 ∈ 𝑉 𝑛 ) называется билинейной формой, если
выполняются следующие требования: ∀𝑢, 𝑤, 𝑣 ∈ 𝑉 𝑛 , 𝜆 ∈ R:
Def 1.12.2. Если к каждой паре базисных векторов применить билинейную форму, то полученные числа можно
использовать как коэффициенты матрицы. Это матрица будет называться матрицей билинейной формы в данном
базисе.
Таким образом матрица 𝐵 билинейной формы B в базисе ℰ = {e}𝑛𝑖=1 имеет вид:
B(e1 , e1 ) . . . B(e1 , e𝑛 )
⎛ ⎞
⎜ .. .. .. ⎟
⎝ . . . ⎠
B(e𝑛 , e1 ) . . . B(e𝑛 , e𝑛 )
Def 1.12.3. Билинейная форма B называется симметричной, если B(𝑢, 𝑣) = B(𝑣, 𝑢).
Def 1.12.4. Билинейная форма B называется кососимметричной (антисимметричной), если B(𝑢, 𝑣) = −B(𝑣, 𝑢).
Замечание 1.12.5. Применение билинейной формы B к элементам 𝑢 и 𝑣 можно отождествлять с умножением
матриц в виде 𝑢𝑇 𝐵𝑣.
Тогда можно говорить о ранге билинейной формы и о её преобразовании при смене базиса.
Lm 1.12.6. Ранг билинейной формы это инвариант относительно смены базиса 𝑇 .
Def 1.12.7. Если ранг билинейной формы B : 𝑉 𝑛 → R равен 𝑛, то такая билинейная форма называется
невырожденной.
K (𝑢) = B(𝑢, 𝑢)
Замечание 1.13.2. Если квадратичная форма порождена симметричной билинейной формой, то эта билинейная
форма называется полярной для квадратичной.
Def 1.13.3. Каноническим видом квадратичной формы K 𝑑 (𝑢) является сумма квадратов с некоторыми коэффи-
циентами.
K (𝑢) = 𝑎1,1 𝑢21 + . . . + 𝑎𝑛,𝑛 𝑢2𝑛 + 2𝑎1,2 𝑢1 𝑢2 + . . . + 2𝑎1,𝑛 𝑢1 𝑢𝑛 + . . . + 2𝑎𝑛,1 𝑢𝑛 𝑢1 + . . . + 2𝑎𝑛,𝑛−1 𝑢𝑛 𝑢𝑛−1
тогда её матрица будет иметь вид
⎛ ⎞
𝑎1,1 . . . 𝑎1,𝑛
⎜ .. .. .. ⎟
⎝ . . . ⎠
𝑎𝑛,1 . . . 𝑎𝑛,𝑛
13/31
Теорема 1.13.8. Всякую квадратичную форму K (𝑢) можно привести к каноническому виду невырожденным
преобразованием.
Метод Лагранжа:
Один из способов приведения квадратичной формы к каноническому виду.
Рассмотрим его на примере K (𝑥) = 𝑥21 + 9𝑥22 + 𝑥23 + 6𝑥1 𝑥2 + 2𝑥1 𝑥3 + 2𝑥2 𝑥3
Метод заключается в последовательном выделении полных квадратов:
Замены 𝑦2 и 𝑦3 именно такие, потому что остался моном −4𝑥2 𝑥3 , из которого мы не можем выделить полный
квадрат.
{︃ {︃
𝑦2 = 12 (𝑥2 + 𝑥3 ) 𝑥2 = 𝑦2 + 𝑦3
=⇒
𝑦3 = 21 (𝑥2 − 𝑥3 ) 𝑥3 = 𝑦2 − 𝑦3
(𝑥1 + 3𝑥2 + 𝑥3 )2 − 4𝑥2 𝑥3
𝑦12 − 4(𝑦2 + 𝑦3 )(𝑦2 − 𝑦3 )
𝑦12 − 4(𝑦22 − 𝑦32 )
𝑦12 − 4𝑦22 + 4𝑦32
Таким образом, получен канонический вид квадратичной формы K 𝑑 (𝑦) = 𝑦12 − 4𝑦22 + 4𝑦32 .
Матрицу полученного преобразования можно получить из уравнения 𝑥 = 𝑃 𝑦, для этого обратимся к сделанной
замене и найдем обратную матрицу:
⎛ ⎞
1 3 1
𝑦 = ⎝0 1/2 1/2 ⎠ 𝑥
0 1/2 −1/2
⎛ ⎞−1
1 3 1
𝑥 = ⎝0 1/2 1/2 ⎠ 𝑦
0 1/2 −1/2
⎛ ⎞
1 −4 −2
𝑃 = ⎝0 1 1⎠
0 1 −1
Пусть 𝐾 это матрица квадратичной формы K (𝑥) в исходном базисе, а 𝐾 𝑑 — в каноническом. Тогда проверить
корректность найденной матрицы преобразования можно следующим образом:
⎛ ⎞⎛ ⎞⎛ ⎞ ⎛ ⎞
1 0 0 1 3 1 1 −4 −2 1 0 0
𝐾 𝑑 = 𝑃 𝑇 𝐾𝑃 = ⎝−4 1 1 ⎠ ⎝3 9 1⎠ ⎝0 1 1 ⎠ = ⎝0 −4 0⎠
−2 1 −1 1 1 1 0 1 −1 0 0 4
Ортоногальное преобразование:
Метод, позволяющий привести квадратичную форму к каноническому виду с помощью ортогонального преобра-
зования.
Рассмотрим его на примере K (𝑥) = 𝑥21 + 𝑥22 − 4𝑥1 𝑥2 .
Сначала составим матрицу квадратичной формы, после чего найдем её собственные числа и собственные векторы:
14/31
⎧ (︃ )︃
⎪ 1
⎨e 1 = 1
{︃ ⎪
⎪
(︂ )︂ ⎪
1 −2 𝜆1 = −1
=⇒ =⇒ (︃ )︃
−2 1 𝜆2 = 3 ⎪ 1
⎩e2 = −1
⎪
⎪
⎪
Найденные собственные числа будут коэффициентами при квадратах в диагональном виде квадратичной формы
K 𝑑 (𝑦) = −𝑦12 + 3𝑦22 .
Далее нормируем полученные собственные векторы и используем их как столбцы матрицы ортогонального
преобразования 𝑃 :
⎧ (︃ )︃ ⎧ (︃ √ )︃
⎪ 1 ⎪ 1/ 2
⎨e1 = 1 ⎨ê︀1 = 1/√2
⎪
⎪ ⎪
⎪
⎪ ⎪ (︂ √ √ )︂
1 1/ 2
(︃ )︃ =⇒ (︃ √ )︃ =⇒ 𝑃 = /√2 √
1/ 2 1/ 2 − 1/ 2
⎪ 1 ⎪
e = e =
⎪ ⎪
⎩ 2 ⎩ 2 √
⎪ ⎪ ̂︀
−1 − 1/ 2
⎪ ⎪
Замечание 1.13.9. Ранг матрицы квадратичной формы это инвариант относительно любого невырожденного
преобразования.
1.14. Знакоопределенность квадратичной формы: необходимые и достаточные условия. Критерий Силь-
вестра.
Def 1.14.1. Квадратичная форма K (𝑢) называется положительно определенной, если
∀𝑢 ̸= 0 : K (𝑢) > 0.
Def 1.14.2. Квадратичная форма K (𝑢) называется отрицательно определенной, если
∀𝑢 ̸= 0 : K (𝑢) < 0.
Def 1.14.3. Квадратичная форма K (𝑢) называется знакопеременной, если
∃𝑢 : K (𝑢) < 0 и ∃𝑣 : K (𝑣) > 0.
Def 1.14.4. Квадратичная форма K (𝑢) называется квазиположительноопределенной, если
𝑢 ̸= 0 : K (̂︀
∃̂︀ ̂︀ : K (𝑢) > 0.
𝑢) = 0 и ∀𝑢 ̸= 𝑢
Def 1.14.5. Квадратичная форма K (𝑢) называется квазиотрицательноопределенной, если
𝑢 ̸= 0 : K (̂︀
∃̂︀ ̂︀ : K (𝑢) < 0.
𝑢) = 0 и ∀𝑢 ̸= 𝑢
Замечание 1.14.6. Если квазиопределенная квадратичная форма порождена симметричной билинейной формой,
то эта билинейная форма является скалярным произведением.
Пусть дана квадратичная форма K 0 (𝑥) в нормальной форме, тогда её можно записать в виде
Доказательство. Рассмотрим случай, когда 𝑝 = 𝑛, в этом случае квадратичная форма будет положительно
определенной. Случай с 𝑞 = 𝑛 и отрицательно определенной квадратичной формой рассматривается аналогично.
=⇒ От противного
{︃
̂︀ ̸= 0
𝑢
𝑢 = (𝑢1 , . . . , 𝑢𝑝 , 𝑢𝑝+1 , . . . , 𝑢𝑛 , ) =⇒
⊐ 𝑝 < 𝑛 =⇒ ∃̂︀
⏟ ⏟ K (̂︀𝑢) ⩽ 0
0 ̸=0
Получаем противоречие.
⇐= Если 𝑝 = 𝑛, то квадратичная форма имеет следующий нормальный вид:
15/31
Теорема 1.14.9. K (𝑢) знакоопеременная тогда и только тогда, когда оба её индекса инерции больше нуля.
Теорема 1.14.10. K (𝑢) квазизнакоопределенная тогда и только тогда, когда один из её индексов инерции равен
нулю, а второй меньше 𝑛.
Замечание 1.14.11. Теоремы 1.14.9 и 1.14.10 доказываются аналогично теореме 1.14.8.
Def 1.14.12. Угловой минор ∆𝑖 это минор квадратной подматрицы образованной первыми 𝑖 столбцами и
строками.
Теорема 1.14.13. Критерий Сильвестра
Квадратичная форма положительно определенная тогда и только тогда, когда все угловые миноры её матрицы
положительны.
Квадратичная форма отрицательно определенная тогда и только тогда, когда первый угловой минор её матрицы
отрицательный, а остальные угловые миноры последовательно чередуют свой знак.
16/31
2. Дифференциальные уравнения
2.1. Обыкновенное дифференциальное уравнение (ДУ): задача о радиоактивном распаде и задача о
падении тела. Определение ДУ, решения ДУ и их геометрический смысл. Задача Коши.
Def 2.1.1. Обыкновенным ДУ𝑛 называется
𝐹 (𝑥, 𝑦, . . . , 𝑦 (𝑛) ) = 0
Замечание 2.1.2. ’Обыкновенное’ означает не в частных дифференциалах, т.е. 𝑦(𝑥) это функция одной переменной.
Def 2.1.3. Порядком ДУ называется наивысший порядок входящей в него производной.
Def 2.1.4. Решением ДУ𝑛 является функция, которая обращает его в верное равенство.
17/31
Def 2.2.1. Уравнение вида
Для решения таких уравнений необходимо разделить обе части на 𝑀 (𝑥)𝑁 (𝑦), перенести одно из слагаемых в
правую часть, после чего проинтегрировать обе части.
Критерием того, что данное уравнение является уравнением в полных дифференциалах может служить равенство
𝜕𝑃 𝜕𝑄
=
𝜕𝑦 𝜕𝑥
Решение уравнений в полных дифференциалах сводится к поиску функции 𝑧(𝑥, 𝑦), удовлетворяющей описанным
условиям. После того, как такая функция будет найдена, решение ДУ очевидно:
18/31
Замечание 2.4.2. О поиске 𝑧(𝑥, 𝑦)
ˆ
𝑧𝑥′ = 𝑃 (𝑥, 𝑦) =⇒ 𝑧(𝑥, 𝑦) =
𝑃 (𝑥, 𝑦)d𝑥 + 𝜙(𝑦) (1)
(︂ˆ )︂′ (︂ˆ )︂′
′ ′ ′
𝑧𝑦 = 𝑄(𝑥, 𝑦) = 𝑃 (𝑥, 𝑦)d𝑥 + 𝜙 (𝑦) =⇒ 𝜙 (𝑦) = 𝑄(𝑥, 𝑦) − 𝑃 (𝑥, 𝑦)d𝑥
𝑦 𝑦
Покажем, что (𝜙′ )′𝑥 = 0:
(︂ˆ )︂′′
(𝜙′ )′𝑥 = 𝑄(𝑥, 𝑦)′𝑥 − 𝑃 (𝑥, 𝑦)d𝑥 = 𝑄(𝑥, 𝑦)′𝑥 − 𝑃 (𝑥, 𝑦)′𝑦 = 0
𝑦𝑥
Таким образом из (1) получаем, что
ˆ
𝜙(𝑦) = 𝜙′ (𝑦)d𝑦
𝑦 ′ + 𝑝(𝑥)𝑦 = 0
ЛОДУ1 является уравнением с разделяющими переменными, поэтому оно решается следующим образом:
𝑦 ′ + 𝑝(𝑥)𝑦 = 0
d𝑦
= −𝑝(𝑥)𝑦
d𝑥
d𝑦
= −𝑝(𝑥)d𝑥
𝑦
´
𝑦 = 𝐶 · 𝑒⏟− 𝑝(𝑥)d𝑥
𝑦1
Замечание 2.5.2. При решении данного уравнения мы поделили на 𝑦 ̸= 0. Заметим, что 𝑦 = 0 также является
решением ЛОДУ1 , однако оно получаемо из общего решения при 𝐶 = 0.
Def 2.5.3. Линейным неоднородным уравнением первого порядка (ЛНДУ1 ) называется уравнение вида
𝑦 ′ + 𝑝(𝑥)𝑦 = 𝑞(𝑥)
𝑦1′ (𝑥)𝐶(𝑥) ′
+ 𝑦1 (𝑥)𝐶 (𝑥) + 𝑝(𝑥)𝑦1 (𝑥)𝐶(𝑥) = 𝑞(𝑥)
(︁ )︁
𝑦1 (𝑥)𝐶 ′ (𝑥) + 𝐶(𝑥) 𝑦1′ (𝑥) + 𝑝(𝑥)𝑦1 (𝑥) = 𝑞(𝑥)
⏟
=0
𝑦1 (𝑥)𝐶 ′ (𝑥) = 𝑞(𝑥)
ˆ
𝑞(𝑥)
𝐶(𝑥) = d𝑥 + 𝐶
𝑦1 (𝑥)
3. Подставим найденную функцию 𝐶(𝑥) в 𝑦(𝑥) = 𝑦1 (𝑥) · 𝐶(𝑥).
Замечание 2.5.4. Помимо рассмотренных интегрируемыми являются уравнения Лагранжа, Клеро, Риккати,
Бернулли.
19/31
Def 2.5.5. ДУ называется уравнением Бернулли, если его можно привести к виду
𝑦 ′ + 𝑝(𝑥)𝑦 = 𝑞(𝑥)𝑦 𝑛
Оно решается с помощью подстановки Бернулли:
Пример:
𝑦 ′ + 2𝑦 = 𝑦 2 𝑒𝑥
𝑢′ 𝑣 + 𝑢𝑣 ′ + 2𝑢𝑣 = 𝑣 2 𝑢2 𝑒𝑥
𝑢′ 𝑣 + 𝑢(𝑣 ′ + 2𝑣) = 𝑢2 𝑣 2 𝑒𝑥
{︃
𝑣 ′ + 2𝑣 = 0
𝑢′ 𝑣 = 𝑢2 𝑣 2 𝑒𝑥
Из первого полученного уравнения находим 𝑣(𝑥), потом подставляем его во второе уравнение и находим 𝑢(𝑥).
Ответом будет 𝑦(𝑥) = 𝑢(𝑥) · 𝑣(𝑥).
2.6. Теорема существования и единственности решения задачи Коши. Особые решения.
Def 2.6.4. Точка 𝑀 (𝑥, 𝑦) ∈ 𝐷 (где 𝐷 - область заполненная интегральными кривыми) называется обыкновенной,
если через неё проходит ровно одна интегральная кривая.
Def 2.6.5. Точка, не являющаяся обыкновенной, называется особой. Через неё может проходить несколько
интегральных кривых, либо не проходить ни одной.
Lm 2.6.6. Если ДУ задано в дифференциалах 𝑃 d𝑥 + 𝑄d𝑦 = 0, то условие особой точки имеет вид 𝑃 = 0 или
𝑄 = 0.
20/31
2.8. Линейные однородные дифференциальные уравнения (ЛОДУ) : определения, решение ЛОДУ2 с
постоянными коэффициентами для случая различных вещественных корней характеристического
уравнения.
Def 2.8.1. Линейным дифференциальным уравнением 𝑛-ого порядка (ЛДУ𝑛 ) называется
Def 2.8.3. Если в ЛДУ𝑛 ∀𝑖 : 𝑎𝑖 (𝑥) = 𝑝𝑖 ∈ R, то такое ЛДУ𝑛 называется ЛДУ𝑛 с постоянными коэффициентами.
Оно имеет вид
Def 2.8.5. Линейным неоднородным дифференциальным уравнение 𝑛-ого порядка называется ЛДУ𝑛 вида
Рассмотрим ЛОДУ2 вида 𝑦 ′′ + 𝑝𝑦 ′ + 𝑞𝑦 = 0. Любой паре (𝑝, 𝑞) ∈ R2 можно поставить в соответствие квадратное
уравнение 𝑘 2 + 𝑝𝑘 + 𝑞 = 0. По т. Виета 𝑝 = −(𝑘1 + 𝑘2 ), 𝑞 = 𝑘1 𝑘2 , где 𝑘1 , 𝑘2 это корни уравнения. Подставим
полученные выражения в исходное ДУ:
𝑦 ′′ − (𝑘1 + 𝑘2 )𝑦 ′ + 𝑘1 𝑘2 𝑦 = 0
𝑦 ′′ − 𝑘1 𝑦 ′ − 𝑘2 𝑦 ′ + 𝑘1 𝑘2 𝑦 = 0
(𝑦 ′′ − 𝑘2 𝑦 ′ ) − 𝑘1 (𝑦 ′ − 𝑘2 𝑦) = 0
⊐ 𝑢(𝑥) = 𝑦 ′ − 𝑘2 𝑦
𝑢′ − 𝑘1 𝑢 = 0 =⇒ 𝑢(𝑥) = 𝑐1 𝑒𝑘1 𝑥 =⇒ 𝑦 ′ − 𝑘2 𝑦 = 𝑐1 𝑒𝑘1 𝑥
Сначала найдем частное решение соответствующего ЛОДУ1 : 𝑦 = 𝑐2 𝑒𝑘2 𝑥 , 𝑦1 = 𝑒𝑘2 𝑥 . Далее будем варьировать
постоянную 𝑐2 , тогда 𝑦(𝑥) = 𝐶2 (𝑥)𝑒𝑘2 𝑥 . Подставим это в исходное ДУ:
2.9. Решение ЛОДУ2 с постоянными коэффициентами для случая вещественных кратных корней
характеристического уравнения.
(⋆) случай II: 𝑘1 = 𝑘2 , 𝑘1 , 𝑘2 ∈ R
Пусть 𝑘1 = 𝑘2 = 𝑘, тогда получаем:
21/31
𝐶2′ (𝑥) = 𝑐1 𝑒(𝑘1 −𝑘2 )𝑥
𝐶2 (𝑥) = 𝑐1 𝑥 + 𝑐2
𝑦(𝑥) = 𝐶2 (𝑥)𝑦1 (𝑥) = (𝑐1 𝑥 + 𝑐2 )𝑒𝑘𝑥
𝑦(𝑥) = 𝑐1 𝑥 · 𝑒𝑘𝑥 + 𝑐2 𝑒𝑘𝑥
2.10. Решение ЛОДУ2 с постоянными коэффициентами для случая комплексных корней характеристи-
ческого уравнения.
(⋆) случай III: 𝑘1,2 = 𝛼 ± 𝛽𝑖, 𝑘1,2 ∈ C
В заданных ограничениях получаем
Lm 2.10.1. Если 𝑦(𝑥) = 𝑢(𝑥) + 𝑖𝑣(𝑥) это решение ЛОДУ2 , то 𝑦(𝑥) = 𝑢(𝑥) + 𝑣(𝑥) также являются решением
ЛОДУ2 .
𝑦 ′′ (𝑥) + 𝑝𝑦 ′ (𝑥) + 𝑞𝑦(𝑥) = 𝑢′′ (𝑥) + 𝑣 ′′ (𝑥) + 𝑝𝑢′ (𝑥) + 𝑝𝑣 ′ (𝑥) + 𝑢(𝑥) + 𝑞𝑢(𝑥) + 𝑞𝑣(𝑥) = 0
(︁ )︁ (︁ )︁
𝑢′′ (𝑥) + 𝑝𝑢′ (𝑥) + 𝑞𝑢(𝑥) + 𝑣 ′′ (𝑥) + 𝑝𝑣 ′ (𝑥) + 𝑞𝑣(𝑥) = 0
Это равенство верно, т.к. 𝑢(𝑥) и 𝑣(𝑥) решения ЛОДУ2 . ■
Значит, по 2.10.1 общее решение (⋆) в третьем случае будет иметь вид
(︁ )︁
𝑦(𝑥) = 𝑒𝛼𝑥 𝑐̂︀1 cos(𝛽𝑥) + 𝑐̂︀2 sin(𝛽𝑥)
2.11. Свойства решений ЛОДУ2 : линейная независимость решений, определитель Вронского. Теоремы
1,2.
Рассмотрим множество Ω непрерывных функций с непрерывными производными 2ого порядка. Определим
линейный дифференциальный оператор ℒ[𝑦] = 𝑦 ′′ + 𝑝𝑦 ′ + 𝑞𝑦 → 𝑓 (𝑥).
Def 2.11.1. Будем называть функции 𝑦1 , . . . , 𝑦𝑛 линейно-независимыми на отрезке [𝑎; 𝑏], если
𝑛
∑︁
𝑐𝑖 𝑦𝑖 = 0 =⇒ ∀𝑐𝑖 = 0
𝑖=1
Def 2.11.2. Определитель Вронского (вронскиан) 𝒲 это определитель, составленный из 𝑛 функций и всех их
производных вплоть до (𝑛 − 1)-ого порядка. Он имеет вид:
⃒ ⃒
⃒ 𝑦1 ... 𝑦𝑛 ⃒⃒
⃒ . .. ⃒
⃒
𝒲 = ⃒ .. ..
. . ⃒⃒
⃒ (𝑛−1) (𝑛−1) ⃒
⃒𝑦 . . . 𝑦𝑛
1
22/31
Lm 2.11.3. Если два решения ЛОДУ2 линейно-зависимы на [𝑎; 𝑏], то их вронскиан на [𝑎; 𝑏] равен нулю.
⎫
ℒ[𝑦1 ] = 0⎪
⎬
ℒ[𝑦2 ] = 0 =⇒ 𝒲 = 0
⎪
𝑦1 = 𝜆𝑦2
⎭
Доказательство. ⃒
⃒𝑦
⃒ ⃒ ⃒ ⃒ ⃒
𝑦2 ⃒⃒ ⃒⃒𝜆𝑦2 𝑦2 ⃒⃒ ⃒𝑦 𝑦2 ⃒⃒
𝒲 = ⃒⃒ 1′ = = 𝜆 ⃒⃒ 2′ =0
𝑦1 𝑦2′ ⃒ ⃒𝜆𝑦2′ 𝑦2′ ⃒ 𝑦2 𝑦2′ ⃒
■
Lm 2.11.4. Если два решения ЛОДУ2 линейно-независимы на [𝑎; 𝑏], то их вронскиан на [𝑎; 𝑏] не равен нулю.
⎫
ℒ[𝑦1 ] = 0⎪
⎬
ℒ[𝑦2 ] = 0 =⇒ 𝒲 =
̸ 0
⎪
𝑦1 ̸= 𝜆𝑦2
⎭
Доказательство. От противного ⃒
⃒𝑦
⃒
𝑦2 ⃒⃒
⊐ 𝒲 = 0 = ⃒⃒ 1′ = 𝑦1 𝑦2′ − 𝑦1′ 𝑦2 | : 𝑦12 ̸= 0
𝑦1 𝑦2′ ⃒
𝑦1 𝑦2′ − 𝑦1′ 𝑦2
=0
𝑦12
(︂ )︂′
𝑦2
=0
𝑦1
𝑦2
= 𝑐𝑜𝑛𝑠𝑡
𝑦1
𝑦1 = 𝜆𝑦2
Получили противоречие. ■
Теорема 2.11.5. Линейная зависимость/независимость функций определяется равенством их вронскиана нулю.
𝒲 = 𝑦1 𝑦2′ − 𝑦1′ 𝑦2
𝒲 ′ = (𝑦1 𝑦2′ − 𝑦1′ 𝑦2 )′ = 𝑦1′ 𝑦2′ + 𝑦1 𝑦2′′ − 𝑦1′′ 𝑦2 − 𝑦1′ 𝑦2′ = 𝑦1 𝑦2′′ − 𝑦1′′ 𝑦2
Подставим это в полученное ранее уравнение:
Таким образом, если 𝒲0 = 0, то 𝒲(𝑥) = 0 на всем отрезке [𝑎; 𝑏]. Дуально, если 𝒲0 =
̸ 0, то т.к. второй множитель
всегда больше нуля, то 𝒲(𝑥) ̸= 0. ■
23/31
Замечание 2.11.8. Таким образом, чтобы узнать равен ли вронскиан нулю на отрезке, достаточно узнать его
значение в одной произвольной точке этого отрезка.
2.12. Свойства решений ЛОДУ2 : линейная комбинация решений, линейная зависимость решений. Опре-
делитель Вронского. Теоремы о вронскиане.
Lm 2.12.1. Линейная комбинация решений ЛОДУ2 также является решением.
}︃ {︃
ℒ[𝑦1 ] = 0 ℒ[𝑦1 + 𝑦2 ] = 0
=⇒
ℒ[𝑦2 ] = 0 ℒ[𝜆𝑦1 ] = 0 (∀𝜆 ∈ R)
𝑦 ′′ + 𝑝𝑦 ′ + 𝑞𝑦 = 0
(𝑦1 + 𝑦2 )′′ + 𝑝(𝑦1 + 𝑦2 )′ + 𝑞(𝑦1 + 𝑦2 ) = 0
(𝑦1′′ + 𝑝𝑦1′ + 𝑞𝑦1 ) + (𝑦2′′ + 𝑝𝑦2′ + 𝑞𝑦2 ) = 0
Это верно, т.к. 𝑦1 и 𝑦2 это решения исходного ДУ. Случай 𝑦 = 𝜆𝑦1 рассматривается аналогично. ■
𝑦 ′′ = 𝑔(𝑥, 𝑦, 𝑦 ′ ) = 𝑓 (𝑥) − 𝑝𝑦 ′ − 𝑞𝑦
Если 𝑔, 𝑔𝑦′ , 𝑔𝑦′ ′ непрерывны в области 𝐷 ∋ (𝑥0 , 𝑦0 ), то задача Коши
⎧
⎨ℒ[𝑦] = 𝑓 (𝑥)
⎪
𝑦0 = 𝑦(𝑥0 )
⎩ ′
𝑦0 = 𝑦 ′ (𝑥0 )
⎪
2.13. Свойства решений ЛОДУ2 : линейная комбинация решений, линейная зависимость решений.
Теорема о структуре общего решения ЛОДУ2 . Фундаментальная система решений (определение).
Доказательство. Начнем с того, что 𝑦 = 𝑐1 𝑦1 + 𝑐2 𝑦2 это решение как линейная комбинация решений (см. 2.12.1).
Рассмотрим точку (𝑥0 , 𝑦0 ) в рамках задачи Коши:
⎧
⎨ℒ[𝑦] = 0
⎪ {︃ (︂ )︂ (︂ )︂ (︂ )︂
𝑐1 𝑦1 (𝑥0 ) + 𝑐2 𝑦2 (𝑥0 ) = 𝑦0 𝑦1 𝑦2 𝑐1 𝑦0
𝑦0 = 𝑦(𝑥0 ) ⇐⇒ ⇐⇒ =
⎩ ′ 𝑐1 𝑦1′ (𝑥0 ) + 𝑐2 𝑦2′ (𝑥0 ) = 𝑦0′ 𝑦1′ 𝑦2′ 𝑐2 𝑦0′
𝑦0 = 𝑦 ′ (𝑥0 )
⎪
По т. Крамера решение полученной СЛАУ будет единственным только в том случае, если определитель главной
матрицы не равен нулю. Это выполняется, т.к. этот определитель это вронскиан, который не равен нулю, т.к.
решения линейно-независимы. ■
Def 2.13.2. Фундаментальная система решений (ФСР) ЛОДУ𝑛 это набор из 𝑛 линейно независимых решений
ДУ.
2.14. Свойства решений ЛНДУ2 : теоремы о структуре общего решения и решении ДУ с суммой правых
частей.
Теорема 2.14.1. Общее решение ЛНДУ2 представимо в виде суммы общего решения соответствующего ЛОДУ2
и некоторого частного решения ЛНДУ2 .
𝑦 ′′ + 𝑝𝑦 ′ + 𝑞𝑦 = 𝑓 (𝑥)
𝑦 = 𝑦 + 𝑦*
ℒ[𝑦] = 0, ℒ[𝑦 * ] = 𝑓 (𝑥)
24/31
Доказательство. Сначала покажем, что 𝑦 будет являться решением ДУ:
𝑦 ′′ + 𝑝𝑦 ′ + 𝑞𝑦 = 𝑓1 (𝑥) + 𝑓2 (𝑥)
ℒ[𝑦1* ] = 𝑓1 (𝑥), ℒ[𝑦2* ] = 𝑓2 (𝑥)
𝑦 * = 𝑦1* + 𝑦2*
Доказательство.
ℒ[𝑦 * ] = ℒ[𝑦1* ] + ℒ[𝑦2* ] = 𝑓1 (𝑥) + 𝑓2 (𝑥)
■
|𝑥 − 𝑥0 | < ℎ0 ,
|𝑦 − 𝑦0 | < ℎ1 ,
...
⃒ ⃒
⃒ (𝑛−1) (𝑛−1) ⃒
⃒𝑦 − 𝑦0 ⃒ < ℎ𝑛 ,
(𝑛−1)
где (𝑥0 , 𝑦0 , . . . , 𝑦0 ) это начальные условия. Тогда существует единственное решение задачи Коши.
По аналогии с ЛОДУ2 для ЛОДУ𝑛 можно составить характеристическое уравнение:
25/31
Def 2.16.1. Специальной правой частью называется (СПЧ)
26/31
𝑦 ′′ − 3𝑦 ′ + 2𝑦 = 2𝑒3𝑥
𝑘 2 − 3𝑘 + 2 = 0
𝑘1 = 1, 𝑘2 = 2
𝑦 = 𝑐1 𝑒⏟𝑥 +𝑐2 𝑒⏟2𝑥
𝑦1 𝑦2
Будем искать 𝑦(𝑥) в виде 𝑦(𝑥) = 𝐶1 (𝑥)𝑦1 + 𝐶2 (𝑥)𝑦2 (𝑥). Пусть 𝐶1 (𝑥) = 𝑔(𝑥) + 𝑐1 , 𝐶2 (𝑥) = ℎ(𝑥) + 𝑐2 , тогда:
Def 2.18.3. Нормальная СДУ называется автономной, если функции в правой части каждого из её уравнений не
зависят явно от независимой переменной.
27/31
Замечание 2.18.4. С помощью введения новых переменных ДУ 𝑦 (𝑛) = 𝑓 (𝑥, 𝑦, 𝑦 ′ , . . . , 𝑦 (𝑛−1) ) можно свести к системе
ДУ следующего вида
⎧
⎪
⎪
⎪ 𝑦 = 𝑦1
′
⎨ = 𝑦2
𝑦
⎪
⎪
⎪
...
⎪
𝑦 (𝑛−1) = 𝑦𝑛
⎪
⎪
⎪
⎪
⎩𝑦 (𝑛) = 𝑓 (𝑥, 𝑦 , . . . , 𝑦 )
⎪
1 𝑛
где 𝑦1 , . . . , 𝑦𝑛 — новые переменные.
Def 2.18.5. Порядком системы называется сумма порядков старших производных каждой из переменных системы.
Порядок системы равен порядку ДУ, соответствующему ей.
Полученное выражение можно продифференцировать еще раз. Подставляя производные из изначального СДУ
можно получить аналогичные функции вплоть до 𝐹𝑛 (𝑥, 𝑦1 , . . . , 𝑦𝑛 ). Итого получится следующая система:
⎧ d𝑦1
= 𝐹1 (𝑥, 𝑦1 , . . . , 𝑦𝑛 )
⎪ dd𝑥
⎪
⎪ 2
𝑦1
d𝑥2 = 𝐹2 (𝑥, 𝑦1 , . . . , 𝑦𝑛 )
⎨
⎪
⎪. ..,
⎩ d𝑛 𝑦1
⎪
d𝑥𝑛 = 𝐹𝑛 (𝑥, 𝑦1 , . . . , 𝑦𝑛 )
Как видно из 2.18.4 полученный вид системы свидетельствует о том, что её можно свести к равносильному ДУ
(𝑛)
𝜙(𝑥, 𝑦1 , . . . , 𝑦1 ).
Пример:
{︃ {︃ {︃ {︃
𝑦 ′ = 𝑦 + 5𝑥 𝑦 ′′ = 𝑦 ′ + 5𝑥′ 𝑦 ′′ = 𝑦 ′ + 5(−𝑦 − 3𝑥) 𝑦 ′′ = 𝑦 ′ − 5𝑦 + 15𝑥
⇐⇒ ⇐⇒ ⇐⇒
𝑥′ = −𝑦 − 3𝑥 𝑥′ = −𝑦 − 3𝑥 𝑥′ = −𝑦 − 3𝑥 𝑥′ = −𝑦 − 3𝑥
Выразим 𝑥 из первого уравнения изначальной системы и подставим его в первое уравнение полученной системы:
{︃
𝑦 ′ = 𝑦 + 5𝑥 =⇒ 𝑥 = 15 (𝑦 ′ − 𝑦)
=⇒ 𝑦 ′′ = 𝑦 ′ − 5𝑦 + 3𝑦 ′ − 3𝑦 =⇒ 𝑦 ′′ − 4𝑦 ′ + 8𝑦 = 0
𝑦 ′′ = 𝑦 ′ − 5𝑦 + 15𝑥
Из полученного ЛОДУ2 можно найти 𝑦, после чего подставить его в СДУ и найти 𝑥.
Замечание 2.18.6. Линейная СДУ сводится к ЛОДУ, т.к. дифференцирование и исключение линейны. Аналогично
СДУ с постоянными коэффициентами сводится к ДУ с постоянными коэффициентами.
28/31
Пусть все собственные числа различные и вещественные, тогда ∀𝜆𝑖 : 𝑌𝑖 = Γ𝑖 𝑒𝜆𝑖 𝑥 это решение, причем ∀𝑖 ̸= 𝑗 : 𝑌𝑖 и
𝑌𝑗 линейно-независимы. Общее решение СДУ можно записать в виде:
𝑌 = 𝑐1 𝑌1 + . . . + 𝑐𝑛 𝑌𝑛
Пример:
⎧ (︃ )︃
⎪ −1
𝜆1 = −1 =⇒ Γ1 =
{︃ ⎪
⎪
′
(︂ )︂ ⎪
𝑥 =𝑥+𝑦 1 1
⎨ 2
′
⇐⇒ 𝑌 ′ = 𝑌 ⇐⇒ (︃ )︃
𝑦 = 8𝑥 + 3𝑦 8 3 ⎪ 1
⎪𝜆2 = 5 =⇒ Γ2 =
⎪
⎪
⎩ 4
{︃ {︃
𝑌1 = Γ1 𝑒𝜆1 𝑡 𝑥(𝑡) = 𝑐1 · (−1) · 𝑒−𝑡 + 𝑐2 · 1 · 𝑒5𝑡
⇐⇒
𝑌2 = Γ2 𝑒𝜆2 𝑡 𝑦(𝑡) = 𝑐1 · 2 · 𝑒−𝑡 + 𝑐2 · 4 · 𝑒5𝑡
2.20. Теория устойчивости: определение устойчивости по Ляпунову, фазовая плоскость, траектории ДУ.
Примеры устойчивого и неустойчивого решения.
Def 2.20.1. Пусть дана СДУ
{︃
𝑥′ = 𝑓1 (𝑡, 𝑥, 𝑦)
𝑦 ′ = 𝑓2 (𝑡, 𝑥, 𝑦)
и 𝑥(𝑡), 𝑦(𝑡) это её решение, удовлетворяющее начальным условиям 𝑥(𝑡 = 0) = 𝑥0 , 𝑦(𝑡 = 0) = 𝑦0 . Рассмотрим
𝑥(𝑡),
̃︀ 𝑦(𝑡)
̃︀ — другое решение, удовлетворяющее начальным условиям с отклонением 𝑥(𝑡
̃︀ = 0) = 𝑥 ̃︀0 , 𝑦(𝑡
̃︀ = 0) = 𝑦̃︀0 .
Решение 𝑥(𝑡), 𝑦(𝑡) называется устойчивым по Ляпунову, если
{︃ {︃
|𝑥0 − 𝑥̃︀0 | < 𝛿 |̃︀
𝑥(𝑡) − 𝑥(𝑡)| < 𝜀
∀𝜀 > 0 ∃𝛿 > 0 | ∀𝑡 > 0 ∀𝑥0 , 𝑦0 , 𝑥
̃︀0 , 𝑦̃︀0 : =⇒
|𝑦0 − 𝑦̃︀0 | < 𝛿 |̃︀
𝑦(𝑡) − 𝑦(𝑡)| < 𝜀
𝜆1 ̸= 𝜆2 ∈ R =⇒ 𝑐1 𝑒𝜆1 𝑡 + 𝑐2 𝑒𝜆2 𝑡
𝜆1 = 𝜆2 = 𝜆 ∈ R =⇒ 𝑐1 𝑒𝜆𝑡 + 𝑐2 𝑡 · 𝑒𝜆𝑡
𝛼𝑡
𝜆1,2 = 𝛼 + 𝑖𝛽 ∈ C =⇒ 𝑒 (𝑐1 cos 𝛽𝑡 + 𝑐2 sin 𝛽𝑡)
Подробно рассмотрим случай 𝜆1 ̸= 𝜆2 ∈ R причем 𝜆1 , 𝜆2 < 0.
Решаем ДУ методом исключения. Составим характеристическое уравнение: 𝜆2 − (𝑎 + 𝑚)𝜆 + (𝑎𝑚 − 𝑏𝑐) = 0.
Получаем:
29/31
{︃
𝑥(𝑡) = 𝑐1 𝑒𝜆1 𝑡 + 𝑐2 𝑒𝜆2 𝑡
𝑦(𝑡) = 1𝑏 𝑐1 𝑒𝜆1 𝑡 (𝜆1 − 𝑎) + 𝑐2 𝑒𝜆2 𝑡 (𝜆2 − 𝑎)
(︀ )︀
𝑦
𝑦 𝑦
𝑥
𝑥 𝑥
{︃ {︃ {︃
𝑥′ = −𝑥 𝜆1 ̸= 𝜆2 ∈ R 𝑥′ = 𝑥 𝜆1 ̸= 𝜆2 ∈ R 𝑥′ = 𝑥 𝜆1 ̸= 𝜆2 ∈ R
𝑦 ′ = −2𝑦 𝜆1,2 < 0 𝑦 ′ = 2𝑦 𝜆1,2 > 0 𝑦 ′ = −2𝑦 𝜆1 𝜆2 < 0
𝑦 𝑦 𝑦
𝑥 𝑥 𝑥
{︃ {︃ {︃
𝑥′ = −𝑥 + 𝑦 𝜆1,2 = 𝛼 + 𝑖𝛽 ∈ C 𝑥′ = 𝑥 + 𝑦 𝜆1,2 = 𝛼 + 𝑖𝛽 ∈ C 𝑥′ = 𝑦 𝜆1,2 = 𝛼 + 𝑖𝛽 ∈ C
𝑦 ′ = −𝑥 − 𝑦 𝛼<0 𝑦 ′ = −𝑥 + 𝑦 𝛼>0 𝑦 ′ = −4𝑥 𝛼=0
30/31
𝑦 𝑦 𝑦
𝑥 𝑥 𝑥
(a) Неустойчивое (b) Вырожденный узел (устойчивое) (c) Вырожденное седло (неустойчивое)
31/31