
- •1. Линейно зависимая и линейно независимая система векторов. Их свойства. База пространства и ранг системы векторов.
- •2. Система линейных алгебраических уравнении. Совместимость системы, Метод Гаусса. Правило Крамера.
- •3.Смешанное произведение векторов, свойства, геометрический смысл смешанного произведения. Формула вычисления смешанного произведения.
- •4. Определители свойства, разложение определителя по ряду (по строке или по столбцу)
- •5. Обратная матрица. Присоединенная матрица, особая матрица. Обратимость матрицы.
- •6. Различные уравнения прямой на плоскости. Взаимное расположение двух прямых и угол между ними.
- •7.Векторное произведение векторов., свойства. Геометрический смысл векторного произведения векторов. Формулы вычисления
- •8. Эллипс, каноническое уравнение. Эксцентриситет и директриса эллипса
- •9. Гипербола, каноническое уравнение. Эксцентриситет и директриса гиперболы.
- •10. Парабола, каноническое уравнение. Эксцентриситет и директриса параболы
- •11. Различные уравнения прямой в пространстве. Взаимное расположение двух прямых в пространстве и угол между ними.
- •Уравнение плоскости в отрезках.
- •Нормальное уравнение плоскости.
1. Линейно зависимая и линейно независимая система векторов. Их свойства. База пространства и ранг системы векторов.
Определение.
Векторы
называются линейно зависимыми, если
существует такая линейная комбинация
,
при не равных нулю одновременно i
, т.е.
.
Если же только при i = 0 выполняется , то векторы называются линейно независимыми.
Свойство
1.
Если среди векторов
есть нулевой вектор, то эти векторы
линейно зависимы.
Свойство 2. Если к системе линейно зависимых векторов добавить один или несколько векторов, то полученная система тоже будет линейно зависима.
Свойство 3. Система векторов линейно зависима тогда и только тогда, когда один из векторов раскладывается в линейную комбинацию остальных векторов.
Свойство 4. Любые 2 коллинеарных вектора линейно зависимы и, наоборот, любые 2 линейно зависимые векторы коллинеарны.
Свойство 5. Любые 3 компланарных вектора линейно зависимы и, наоборот, любые 3 линейно зависимые векторы компланарны.
Свойство 6. Любые 4 вектора линейно зависимы.
ЛИНЕЙНАЯ ЗАВИСИМОСТЬ ВЕКТОРОВ — частный случай по отношению к общему понятию линейной зависимости. Рассмотрим в качестве примера два произвольных ненулевых вектора, a и b, принадлежащих векторному пространству V.
Если можно подобрать такие не равные нулю числа α и β, что αa + βb = 0, то векторы a и b называются линейно зависимыми. Причина этого ясна: с помощью полученного равенства можно выразить, напр., вектор a через вектор b. Это значит, что a зависит от b. Можно обобщить это определение и на произвольное число векторов: если существуют такие отличные от нуля числа α1, ..., αn, что ∑αiai = 0, то векторы называются линейно зависимыми, если же такая система чисел отсутствует, то линейно независимыми.
БАЗИС ВЕКТОРНОГО ПРОСТРАНСТВА — набор из максимального (для данного пространства) числа линейно независимых векторов (см. Линейная зависимость векторов). Следовательно, все остальные векторы пространства оказываются линейными комбинациями базисных. Если все базисные векторы взаимно ортогональны, а длина каждого из них равна единице, то базис называется ортонормированным. Единичный базисный вектор называют ортом (обозначается ei, где i — номер координаты).
Каждый вектор пространства может быть представлен в виде линейной комбинации базисных векторов: a = ∑aiei. Коэффициенты разложения ai однозначно определяют вектор a. Поэтому часто говорят, что n-мерный вектор — это упорядоченная совокупность n чисел {ai}. (См. Вектор.) Размерность векторного пространства равна количеству векторов, составляющих его базис.
2. Система линейных алгебраических уравнении. Совместимость системы, Метод Гаусса. Правило Крамера.
С
истемой
линейных
алгебраических уравнений
с
неизвестными называется
система уравнений вида
Числа
называются коэффициентами
системы;
— свободными
членами,
— неизвестными.
Количество
уравнений
в системе может быть меньше, больше или
равно числу
неизвестных.
Решением
системы называется
упорядоченная совокупность
чисел
такая,
что после замены неизвестных
соответственно
числами
каждое
уравнение системы превращается в верное
числовое равенство. Система
называется совместной,
если она имеет хотя бы одно решение.
Если система не имеет ни одного решения,
то она называется несовместной.
Систему принято записывать в матричной форме. Для этого из коэффициентов системы составляем матрицу системы
свободные члены записываем в столбец свободных членов
а неизвестные — в столбец неизвестных
Матричная
запись неоднородной
системы уравнений (5.1) имеет вид
а
однородной:
где
символ
в
правой части обозначает нулевой столбец
размеров
.
Правило
Крамера. Если
определитель
матрицы
системы
линейных
уравнений с
неизвестными
отличен от нуля, то система имеет
единственное решение, которое находится
по формулам
где
—
определитель матрицы, полученной из
матрицы системы заменой i-го столбца
столбцом свободных членов, т.е.
В
самом деле, рассмотрим систему (5.6) как
матричное уравнение
.
Так как определитель
матрицы
отличен
от нуля, по теореме 4.2 заключаем, что
матричное уравнение
имеет
единственное решение:
где
—
обратная матрица. Запишем i-й элемент
столбца
,
учитывая, что в i-й строке присоединенной
матрицы
стоят
алгебраические дополнения i-го столбца
матрицы
Заметим,
что в скобках записано разложение
определителя
по
i-му столбцу, т.е.
,
что и требовалось доказать.
Метод Гаусса
1.Составить расширенную матрицу системы:
2. Используя
элементарные преобразования над строками
матрицы
,
привести ее к ступенчатому виду. Если
базисный минор матрицы
расположен
в первых
строках
и
столбцах,
получится следующий вид:
3. Выяснить,
совместна система или нет. Для этого
определить ранги матриц
и
—
число
ненулевых строк в матрице
;
Если
(при
),
то система не имеет решений. Процесс
решения завершен. Если
(при
),
то система совместна. Процесс решения
продолжается.
4. Для
совместной системы
привести
матрицу
к
упрощенному виду. Для этого при помощи
элементарных преобразований над строками
добиваемся того, чтобы в каждом столбце,
входящем в базисный минор, все элементы
были равны нулю, за исключением одного,
равного единице. Если базисный минор
матрицы
расположен
в первых
строках
и первых
столбцах,
то матрица приводится к упрощенному
виду:
|
Первые Четыре пункта составляют прямой ход метода Гаусса. Далее применяется обратный метод Гаусса