Определитель матрицы отрицательный

Содержание

Квадратичные формы.Знакоопределённость форм. Критерий Сильвестра

Прилагательное «квадратичный» сразу наталкивает на мысль, что что-то здесь связано с квадратом (второй степенью), и очень скоро мы узнаем это «что-то» и что такое форма. Прямо скороговоркой получилась 🙂

Приветствую вас на своём новом уроке, и в качестве незамедлительной разминки мы рассмотрим форму в полосочку линейную. Линейной формой переменных называют однородный многочлен 1-й степени:

, где:

– какие-то конкретные числа* (предполагаем, что хотя бы одно из них отлично от нуля), а – переменные, которые могут принимать произвольные значения.

* В рамках данной темы будем рассматривать только действительные числа.

С термином «однородный» мы уже сталкивались на уроке об однородных системах линейных уравнений, и в данном случае он подразумевает, что у многочлена нет приплюсованной константы .

Например: – линейная форма двух переменных

Теперь форма квадратичная. Квадратичной формой переменных называют однородный многочлен 2-й степени, каждое слагаемое которого содержит либо квадрат переменной, либо парное произведение переменных. Так, например, квадратичная форма двух переменных имеет следующий вид:

Внимание! Это стандартная запись, и что-то менять в ней не нужно! Несмотря на «страшный» вид, тут всё просто – двойные подстрочные индексы констант сигнализируют о том, какие переменные входят в то или иное слагаемое:
– в этом слагаемом находится произведение и (квадрат);
– здесь произведение ;
– и здесь произведение .

Далее будем полагать, что хотя бы одна из констант не равна нулю, и вот, пожалуйста, «неполный» пример: , в котором:

– сразу упреждаю грубую ошибку, когда теряют «минус» у коэффициента, не понимая, что он относится к слагаемому:

Иногда встречается «школьный» вариант оформления в духе , но то лишь иногда. Кстати, заметьте, что константы нам тут вообще ни о чем не говорят, и поэтому запомнить «лёгкую запись» труднее. Особенно, когда переменных больше.

И квадратичная форма трёх переменных содержит уже шесть членов:

…почему в «смешанных» слагаемых ставятся множители-«двойки»? Это удобно, и скоро станет понятно, почему.

Далее ситуация начинает усугубляться:

и усугублять мы её дальше не будем, т.к. формы с бОльшим количеством переменных встречаются довольно редко.

Однако общую формулу запишем, её удобно оформить «простынёй»:

– внимательно изучаем каждую строчку – ничего страшного тут нет!

Квадратичная форма содержит слагаемых с квадратами переменных и слагаемых с их парными произведениями (см. комбинаторную формулу сочетаний). Больше ничего – никаких «одиноких иксов» и никакой приплюсованной константы (тогда уже получится не квадратичная форма, а неоднородный многочлен 2-й степени).

Матричная запись квадратичной формы

Как на счёт матриц? 🙂 Знаю, знаю, соскучились. В практических задачах широко распространенная матричная запись квадратичных форм. Объяснения опять начну с формы линейной, например, от трёх переменных: . Её можно записать, как произведение двух матриц:

И действительно, выполняя матричное умножение, получаем матрицу «один на один»: , единственный элемент которой можно эквивалентно записать вне матрицы: .

Легко понять, что линейная форма «эн» переменных записывается в виде:

Квадратичная форма представима в виде произведения уже трёх матриц:

, где:
– столбец переменных;

– его транспонированная строка;

– матрица квадратичной формы.

Это так называемая симметрическая матрица, на главной диагонали которой расположены коэффициенты при квадратах неизвестных, а симметрично относительно неё – «смешанные» коэффициенты, причём, строго на «своих местах» (например, – в 1-й строке, 3-м столбце и 1-м столбце, 3-й строке).

Определитель называют дискриминантом квадратичной формы, а ранг матрицы – рангом квадратичной формы.

Если перемножить три матрицы , то получится в точности длинная «простыня» из предыдущего параграфа, но разворачивать её мы, конечно, не будем, а посмотрим, как это происходит в элементарном случае . Согласно общей формуле, матричная запись данной формы имеет следующий вид:

И в самом деле:
далее:
, в чём и требовалось убедиться.

Как вариант, сначала можно было перемножить правые матрицы, и затем первую матрицу умножить на полученный результат.

Вам понравилось так же, как и мне? Ну тогда пример для самостоятельного решения =)

Пример 1

Записать квадратичную форму в матричном виде и выполнить проверку. Определить дискриминант и ранг формы.

…что-то смущает? 😉 Краткое решение и ответ в конце урока! Статьи об определителе и ранге матрицы – в помощь.

После чего разберём аналогичную задачу с формой трёх переменных:

Пример 2

Записать матрицу квадратичной формы, найти её ранг и дискриминант

Решение: сбросим тяжёлую ношу лишних формул, и будем ориентироваться на сами члены:

– слагаемое дважды содержит 1-ю переменную, поэтому ;

– из аналогичных соображений определяем и сразу записываем результаты на главную диагональ симметрической матрицы: .

Так как в слагаемое входят 1-я и 2-я переменная, то (не забываем поделить на 2) и данный коэффициент занимает свои законные места: .

Поскольку в форме отсутствует член с произведением (а точнее, присутствует с нулевым множителем: ), то , и на холст отправляются два нуля: .

И, наконец, из слагаемого определяем , после чего картина завершена:
– матрица квадратичной формы. Вот так-то оно бывает – мы не только не испугались «страшных обозначений» , но и заставили их работать на себя!

По условию не требовалось записывать матричное уравнение, однако науки ради:

Желающие могут перемножить три матрицы, в результате чего должна получиться исходная квадратичная форма.

Теперь определим ранг формы. Он равен рангу матрицы . Так как в матрице есть хотя бы один ненулевой элемент, например, , то ранг не меньше единицы. Теперь вычислим минор , значит, ранг не меньше двух. И осталось проверить минор 3-го порядка, т.е. определитель всей матрицы. Здесь я ко второму столбцу прибавлю третий и раскрою определитель по 3-й строке:
, значит,

Если не очень понятно, что к чему, обязательно изучите статью о ранге матрицы – это довольно замысловатая задачка, и перед нами оказался лишь простой случай, когда угловые миноры не равны нулю.

Дискриминант квадратичной формы получен автоматом.

Ответ: , ранг равен трём, дискриминант

Следующее задание для самостоятельного решения:

Пример 3

Восстановить квадратичную форму по её матрице

При этом не нужно вспоминать никаких формул! Решение почти устное:

– сначала смотрим на главную диагональ и записываем слагаемые с квадратами переменных;

– затем анализируем симметричные элементы 1-й строки (или 1-го столбца), и записываем все слагаемые, в которые входит 1-я переменная (не забывая удвоить коэффициенты);

– далее смотрим на оставшиеся симметричные элементы 2-й строки (справа от диагонали) либо 2-го столбца (ниже диагонали) и записываем соответствующие парные произведения (с удвоенными коэффициентами!).

– и, наконец, анализируем правую нижнюю пару симметричных чисел.

Подробное решение и ответ в конце урока.

Знакоопределённость квадратичной формы. Критерий Сильвестра

До сих пор мы рассматривали «внешнее устройство» форм и пришло время изучить их функциональное назначение. Да, по существу, они работают, как функции. Вернёмся к простенькой линейной форме .

Как отмечалось в начале урока, переменные могут принимать произвольные действительные значения (мы ограничились ими), и каждой такой паре соответствует определённое значение , например:

, и так далее.

Говоря языком науки, перед нами скалярная функция векторного аргумента, в которой каждому вектору ставится в соответствие определённое число . Обращаю ваше внимание, что сейчас идёт речь не о геометрическом векторе, а о векторе в его алгебраическом понимании.

В зависимости от значений рассматриваемая форма может принимать как положительные, так и отрицательные значения, и то же самое касается любой линейной формы – если хотя бы один из её коэффициентов отличен от нуля, то она может оказаться как положительной, так и отрицательной (в зависимости от значений ).

Такая форма называется знакопеременной. И если с линейной формой всё прозрачно, то с формой квадратичной дела обстоят куда более интересно:

Совершенно понятно, что данная форма может принимать значения любого знака, таким образом, квадратичная форма тоже может быть знакопеременной.

А может и не быть:

– всегда, если только одновременно не равны нулю.

– для любого вектора , кроме нулевого .

И вообще, если для любого ненулевого вектора , , то квадратичную форму называют положительно определённой; если же – то отрицательно определённой.

И всё бы было хорошо, но определённость квадратичной формы виднА лишь в простых примерах, и эта видимость теряется уже при небольшом усложнении:
– ?

Можно предположить, что форма определена положительно, но так ли это на самом деле? Вдруг существуют значения , при которых она меньше нуля?

На этот счёт существует теорема: если ВСЕ собственные числа матрицы квадратичной формы положительны*, то она определена положительно. Если все отрицательны – то отрицательно.

* В теории доказано, что все собственные числа действительной симметрической матрицы действительны

Запишем матрицу вышеприведённой формы:
и из уравнения найдём её собственные значения:

Решаем старое доброе квадратное уравнение:
, значит, форма определена положительно, т.е. при любых ненулевых значениях она больше нуля.

Рассмотренный метод вроде бы рабочий, но есть одно большое НО. Уже для матрицы «три на три» искать собственные числа – есть занятие долгое и неприятное; с высокой вероятностью получится многочлен 3-й степени с иррациональными корнями.

Как быть? Существует более простой путь!

Критерий Сильвестра

Нет, не Сильвестра Сталлоне 🙂 Сначала напомню, что такое угловые миноры матрицы. Это определители которые «разрастаются» из её левого верхнего угла:
и последний из них в точности равен определителю матрицы.

Теперь, собственно, критерий:

1) Квадратичная форма определена положительно тогда и только тогда, когда ВСЕ её угловые миноры больше нуля: .

2) Квадратичная форма определена отрицательно тогда и только тогда, когда её угловые миноры знакочередуются, при этом 1-й минор меньше нуля: , , если – чётное или , если – нечётное.

Если хотя бы один угловой минор противоположного знака, то форма знакопеременна. Если угловые миноры «того» знака, но среди них есть нулевые, то это особый случай, который я разберу чуть позже, после того, как мы перещёлкаем более распространённые примеры.

Проанализируем угловые миноры матрицы :

, и это сразу говорит нам о том, что форма не определена отрицательно.

Вывод: все угловые миноры больше нуля, значит, форма определена положительно.

Есть разница с методом собственных чисел? 😉

Запишем матрицу формы из Примера 1:

первый её угловой минор , а второй , откуда следует, что форма знакопеременна, т.е. в зависимости от значений , может принимать как положительные, так и отрицательные значения. Впрочем, это и так очевидно.

Возьмём форму и её матрицу из Примера 2:

тут вообще без озарения не разобраться. Но с критерием Сильвестра нам всё нипочём:
, следовательно, форма точно не отрицательна.

, и точно не положительна (т.к. все угловые миноры должны быть положительными).

Вывод: форма знакопеременна.

Разминочные примеры для самостоятельного решения:

Пример 4

Исследовать квадратичные формы на знакоопределенность

а)

б)

В этих примерах всё гладко (см. конец урока), но на самом деле для выполнения такого задания критерия Сильвестра может оказаться не достаточно.

Дело в том, что существуют «краевые» случаи, а именно: если для любого ненулевого вектора , то форма определена неотрицательно, если – то неположительно. У этих форм существует ненулевые векторы , при которых .

Здесь можно привести такой «баян»:

Выделяя полный квадрат, сразу видим неотрицательность формы: , причём, она равна нулю и при любом векторе с равными координатами, например: .

«Зеркальный» пример неположительно определённой формы:
и ещё более тривиальный пример:
– здесь форма равна нулю при любом векторе , где – произвольное число.

Как выявить неотрицательность или неположительнось формы?

Для этого нам потребуется понятие главных миноров матрицы. Главный минор – это минор, составленный из элементов, которые стоят на пересечении строк и столбцов с одинаковыми номерами. Так, у матрицы существуют два главных минора 1-го порядка:
(элемент находится на пересечении 1-й строки и 1-го столбца);
(элемент находится на пересечении 2-й строки и 2-го столбца),

и один главный минор 2-го порядка:
– составлен из элементов 1-й, 2-й строки и 1-го, 2-го столбца.

У матрицы «три на три» главных миноров семь, и тут уже придётся помахать бицепсами:
– три минора 1-го порядка,
три минора 2-го порядка:
– составлен из элементов 1-й, 2-й строки и 1-го, 2-го столбца;
– составлен из элементов 1-й, 3-й строки и 1-го, 3-го столбца;
– составлен из элементов 2-й, 3-й строки и 2-го, 3-го столбца,
и один минор 3-го порядка:
– составлен из элементов 1-й, 2-й, 3-й строки и 1-го, 2-го и 3-го столбца.
Задание на понимание: записать все главные миноры матрицы .
Сверяемся в конце урока и продолжаем.

Критерий Шварценеггера:

1) Ненулевая* квадратичная форма определена неотрицательно тогда и только тогда, когда ВСЕ её главные миноры неотрицательны (больше либо равны нулю).

* У нулевой (вырожденной) квадратичной формы все коэффициенты равны нулю.

2) Ненулевая квадратичная форма с матрицей определена неположительно тогда и только тогда, когда её:
– главные миноры 1-го порядка неположительны (меньше либо равны нулю);
– главные миноры 2-го порядка неотрицательны;
– главные миноры 3-го порядка неположительны (пошло чередование);

– главный минор -го порядка неположителен, если – нечётное либо неотрицателен, если – чётное.

Если хотя бы один минор противоположного знака, то форма знакопеременна.

Посмотрим, как работает критерий в вышеприведённых примерах:

Составим матрицу формы, и в первую очередь вычислим угловые миноры – а вдруг она определена положительно или отрицательно?

Полученные значения не удовлетворяют критерию Сильвестра, однако второй минор не отрицателен, и это вызывает надобность проверить 2-й критерий (в случае 2-й критерий будет не выполнен автоматически, т.е. сразу делается вывод о знакопеременности формы).

Главные миноры 1-го порядка:
– положительны,
главный минор 2-го порядка:
– не отрицателен.

Таким образом, ВСЕ главные миноры не отрицательны, значит, форма неотрицательна.

Запишем матрицу формы , для которой, очевидно, не выполнен критерий Сильвестра. Но и противоположных знаков мы тоже не получили (т.к. оба угловых минора равны нулю). Поэтому проверяем выполнение критерия неотрицательности / неположительности. Главные миноры 1-го порядка:
– не положительны,
главный минор 2-го порядка:
– не отрицателен.

Таким образом, по критерию Шварценеггера (пункт 2), форма определена неположительно.

Теперь во всеоружии разберём более занятную задачку:

Пример 5

Исследовать квадратичную форму на знакоопределенность

Данную форму украшает орден «альфа», который может равняться любому действительному числу. Но это ж только веселее будет, решаем.

Сначала запишем матрицу формы, наверное, многие уже приноровились это делать устно: на главную диагональ ставим коэффициенты при квадратах, а на симметричные места – споловиненные коэффициенты соответствующих «смешанных» произведений:

Вычислим угловые миноры:
третий определитель я раскрою по 3-й строке:

Кстати, в силу симметрии, по 3-му столбцу он раскрывается точно так же.

Дальнейшее решение удобно разбить на 2 пункта:

1) Выясним, существуют ли значения «альфа», при которых форма определена положительно или неотрицательно. Согласно критерию Сильвестра, условию положительности формы соответствует следующая система линейных неравенств:

В соответствии с поставленной задачей, сначала разберёмся со 2-м неравенством:
умножим обе его части на , сменив у неравенства знак:
, что противоречит первому неравенству системы.

Таким образом, система несовместна, а значит, форма не может быть положительно определённой ни при каких «альфа», из чего логически и автоматически следует, что она не может быть и неотрицательной.

2) Проведём исследование на отрицательность / неположительнось. По Сильвестру, условию отрицательности формы соответствует следующая система линейных неравенств:

Второе неравенство уже решено: , и оно не противоречит первому. И третье неравенство тоже «вписалось в рамки»: .
Таким образом, имеем совместную систему:
из которой следует, что форма определена отрицательно при . Например, если :
– то при любом ненулевом векторе данная форма будет строго отрицательна.

Осталось исследовать «пограничный» случай. Если , то:
Последнее значение не удовлетворяет 2-му пункту критерия Сильвестра, однако оно равно нулю, что позволяет предположить неположительнось формы. Запишем матрицу формы и проверим критерий Шварценеггера. Главные миноры первого порядка:
– отлично, все миноры неположительны, поэтому проверка продолжается.

Рассчитываем миноры 2-го порядка. Если хотя бы один из них окажется отрицательным, то форма будет знакопеременной:
Нет, все миноры неотрицательны, и минор 3-го порядка уже рассчитан:

Таким образом, по критерию Шварценеггера (пункт 2), имеет место неположительнось формы, иными словами, , причём, нулю она равна и при некоторых ненулевых значениях .

Ответ: при форма определена отрицательно, при неположительно, в остальных случаях форма знакопеременна.

И творческое задание для самостоятельного решения:

Пример 5*

Исследовать квадратичную форму на знакоопределенность

И в заключение статьи хочу выразить благодарность Сергею Хохлову, некогда ст. преподавателю МПГУ – за важные замечания и интересные дополнительные примеры, а также Арнольду Шварценеггеру, который сыграл в непривычном для себя амплуа и помог мне ярче объяснить материал 🙂

Как сказал актёр, I’ll be back, и я жду вас на следующем уроке – о каноническом виде квадратичной формы.

Решения и ответы:

Пример 1. Решение: сначала приведём подобные слагаемые:
Квадратичная форма двух переменных имеет вид , в данном случае: . Запишем форму в матричном виде:

Проверка:
что и требовалось проверить.

Вычислим дискриминант формы:
Поскольку , то ранг формы равен двум.

Ответ: , , ранг формы равен двум.

Пример 3. Решение: симметрическая матрица 4*4 определяет квадратичную форму 4 переменных. Коэффициенты главной диагонали , следовательно:

Симметричные коэффициенты 1-й строки: , таким образом:

Оставшиеся симметричные элементы 2-й строки: , и:

И, наконец,

Ответ:

Пример 4. Решение:

а) запишем матрицу формы:
и вычислим её угловые миноры:

Таким образом, по критерию Сильвестра, форма определена отрицательно.

б) запишем матрицу формы:
и вычислим её угловые миноры:

Вывод: форма знакопеременна.

Задание на понимание: у данной матрицы четыре главных минора 1-го порядка:
,
шесть главных миноров 2-го порядка:
четыре главных минора 3-го порядка:
и один главный минор 4-го порядка, равный определителю матрицы.

Пример 5*. Решение: запишем матрицу формы и вычислим её угловые миноры:
Таким образом, форма не удовлетворяет критерию Сильвестра, однако, может оказаться неотрицательной (т.к. и остальные миноры нулевые). Для этого все главные миноры должны быть неотрицательны. Главные миноры 1-го порядка:
.
Вычислим главные миноры 2-го порядка:
– среди главных миноров встретился отрицательный, следовательно, форма не удовлетворяет критерию неотрицательности.

Ответ: форма знакопеременна.

Емелин Александр

Формулировки

Пусть M будет эрмитовой матрицей размерности . Обозначим транспонированный вектор a посредством aT, а сопряжённый транспонированный вектор — посредством a * .

Матрица M является положительно определённой, если она удовлетворяет любому из следующих равнозначных критериев:

1. Для всех ненулевых комплексных векторов ,

Отметим, что величина z * Mz всегда вещественна, поскольку M — эрмитова матрица.

2. Все собственные значения M, , положительны. Вспомним, что любая эрмитова матрица по теореме о спектральном разложении может быть представлена как вещественная диагональная матрица D, переведённая в другую систему координат (то есть M = P − 1DP, где P — унитарная матрица, строками которой являются ортонормальные собственные векторы M, образующие базис). По этому определению M — положительно определённая матрица, если все элементы главной диагонали D (или, другими словами, собственные значения M) положительны. То есть в базисе, состоящем из собственных векторов M, действие M на вектор равносильно покомпонентному умножению z на положительный вектор.
3. Полуторалинейная форма

определяет внутреннее произведение в . Обобщая сказанное, любое внутреннее произведение в образуется из эрмитовой положительно определённой матрицы.

4. M — матрица Грама, образованная из множества линейно независимых векторов

для какого-то k. Другими словами, элементы M определены следующим образом

Таким образом, M = A * A, где A инъективная, но не обязательно квадратная матрица.

5. Определители всех угловых миноров матриц положительны (критерий Сильвестра).

В соответствии с этим критерием у положительно полуопределённых матриц все угловые миноры неотрицательны, что, тем не менее, не является достаточным условием для положительной полуопределённости матрицы, как видно из следующего примера

Для вещественных симметричных матриц в вышеприведённых свойствах пространство может быть заменено на , а сопряжённые транспонированные векторы на транспонированные.

Квадратичные формы

Также можно сформулировать положительную определённость через квадратичные формы. Пусть K будет полем вещественных () или комплексных () чисел, а будет векторным пространством над K. Эрмитова форма

является двулинейным отображением, притом числом, сопряженным , будет . Такая функция B называется положительно определённой, когда для любого ненулевого .

Отрицательно определённая, полуопределённая и неопределённая матрицы

Эрмитова матрица M размерности будет называться отрицательно определённой, если

для всех ненулевых (или, эквивалентным образом, для всех ненулевых ).

M будет называться положительно полуопределённой, если

для всех (или, эквивалентным образом, для всех ).

M будет называться отрицательно полуопределённой, если

для всех (или, эквивалентным образом, для всех ).

Таким образом, матрица будет отрицательно определённой, если все её собственные значения отрицательны, положительно полуопределённой, если все её собственные значения неотрицательны, и отрицательно полуопределённой, если все её собственные значения неположительны.

Матрица M будет положительно полуопределённой тогда и только тогда, когда она является матрицей Грама какого-нибудь множества векторов. В отличие от положительно определённой матрицы данные векторы не обязательно линейно независимы.

Для любой матрицы A выполняется следующее: A * A — положительно полуопределённая, а . Обратное утверждение также верно: любая положительно полуопределённая матрица M может быть выражена как M = A * A (разложение Холеского).

Эрмитова матрица не являющаяся ни положительно, ни отрицательно полуопределённой называется неопределённой.

Дополнительные свойства

Введём обозначение для положительно полуопределённых матриц и — для положительно определённых матриц.

Для произвольных квадратных матриц M,N будем писать , если , то есть M − N положительно полуопределённая матрица. Таким образом, отношение определяет частичный порядок на множестве квадратных матриц. Подобным образом можно определить отношение полного порядка .

1.

Любая положительно определённая матрица обратима, а её обратная матрица также положительно определённая. Если , то .

2. Если M — положительно определённая матрица и , то положительно определённая матрица.

Если M and N — положительно определённые матрицы, то их сумма M + N и произведения MNM и NMN тоже положительно определённые. Если MN = NM, то MN тоже положительно определённая.

3. Если M — положительно определённая матрица, то элементы главной диагонали mii положительны. Следовательно, . Более того, .
4. M — положительно определённая матрица тогда и только тогда, когда существует положительно определённая такая, что B2 = M. Обозначим . Такая матрица B единственна при условии, что . Если , то .
5. Если M and N — положительно определённые матрицы, то (где обозначает произведение Кронекера).
6. Если M and N — положительно определённые матрицы, то (где обозначает произведение Адамара). Когда M,N вещественные матрицы, выполняется также следующее неравенство (неравенство Оппенхейма):
7. Если M — положительно определённая матрица, а N — эрмитова матрица и , то .
8. Если M and N — положительно полуопределённые вещественные матрицы, то .
9. Если M — положительно определённая вещественная матрица, то существует число δ > 0 такое, что , где I — единичная матрица.

Определитель матрицы и его свойства

8 февраля 2018

— Отпустите синицу на верную смерть!
Пусть её приласкает свобода!
И корабль плывёт, и реактор ревёт…
— Паш, ты упоролся?

Помню, класса до 8-го мне не нравилась алгебра. Вообще не нравилась. Бесила она меня. Потому что я там ничего не понимал.

А затем всё изменилось, потому что я просёк одну фишку:

В математике вообще (и алгебре в частности) всё строится на грамотной и последовательной системе определений. Знаешь определения, понимаешь их суть — разобраться в остальном не составит труда.

Вот так и с темой сегодняшнего урока. Мы детально рассмотрим несколько смежных вопросов и определений, благодаря чему вы раз и навсегда разберётесь и с матрицами, и с определителями, и со всеми их свойствами.

Определители — центральное понятие в алгебре матриц. Подобно формулам сокращённого умножения, они будут преследовать вас на протяжении всего курса высшей математики. Поэтому читаем, смотрим и разбираемся досконально.:)

И начнём мы с самого сокровенного — а что такое матрица? И как правильно с ней работать.

Правильная расстановка индексов в матрице

Матрица — это просто таблица, заполненная числами. Нео тут ни при чём.

Одна из ключевых характеристик матрицы — это её размерность, т.е. количество строк и столбцов, из которых она состоит. Обычно говорят, что некая матрица $A$ имеет размер $\left$, если в ней имеется $m$ строк и $n$ столбцов. Записывают это так:

\\]

Или вот так:

\

Бывают и другие обозначения — тут всё зависит от предпочтений лектора/ семинариста/ автора учебника. Но в любом случае со всеми этими $\left$ и ${{a}_{ij}}$ возникает одна и та же проблема:

Какой индекс за что отвечает? Сначала идёт номер строки, затем — столбца? Или наоборот?

При чтении лекций и учебников ответ будет казаться очевидным. Но когда на экзамене перед вами — только листик с задачей, можно переволноваться и внезапно запутаться.

Поэтому давайте разберёмся с этим вопросом раз и навсегда. Для начала вспомним обычную систему координат из школьного курса математики:

Введение системы координат на плоскости

Помните её? У неё есть начало координат (точка $O=\left( 0;0 \right)$) оси $x$и $y$, а каждая точка на плоскости однозначно определяется по координатам: $A=\left( 1;2 \right)$, $B=\left( 3;1 \right)$ и т.д.

А теперь давайте возьмём эту конструкцию и поставим её рядом с матрицей так, чтобы начало координат находилось в левом верхнем углу. Почему именно там? Да потому что открывая книгу, мы начинаем читать именно с левого верхнего угла страницы — запомнить это легче лёгкого.

Но куда направить оси? Мы направим их так, чтобы вся наша виртуальная «страница» была охвачена этими осями. Правда, для этого придётся повернуть нашу систему координат. Единственно возможный вариант такого расположения:

Наложение системы координат на матрицу

Теперь всякая клетка матрицы имеет однозначные координаты $x$ и $y$. Например запись ${{a}_{24}}$ означает, что мы обращаемся к элементу с координатами $x=2$ и $y=4$. Размеры матрицы тоже однозначно задаются парой чисел:

Определение индексов в матрице

Просто всмотритесь в эту картинку внимательно. Поиграйтесь с координатами (особенно когда будете работать с настоящими матрицами и определителями) — и очень скоро поймёте, что даже в самых сложных теоремах и определениях вы прекрасно понимаете, о чём идёт речь.

Разобрались? Что ж, переходим к первому шагу просветления — геометрическому определению определителя.:)

Геометрическое определение

Прежде всего хотел бы отметить, что определитель существует только для квадратных матриц вида $\left$. Определитель — это число, которое cчитается по определённым правилам и является одной из характеристик этой матрицы (есть другие характеристики: ранг, собственные вектора, но об этом в других уроках).

Ну и что это за характеристика? Что он означает? Всё просто:

Определитель квадратной матрицы $A=\left$ — это объём $n$-мерного параллелепипеда, который образуется, если рассмотреть строки матрицы в качестве векторов, образующих рёбра этого параллелепипеда.

Например, определитель матрицы размера 2×2 — это просто площадь параллелограмма, а для матрицы 3×3 это уже объём 3-мерного параллелепипеда — того самого, который так бесит всех старшеклассников на уроках стереометрии.

На первый взгляд это определение может показаться совершенно неадекватным. Но давайте не будем спешить с выводами — глянем на примеры. На самом деле всё элементарно, Ватсон:

Задача. Найдите определители матриц:

Решение. Первые два определителя имеют размер 2×2. Значит, это просто площади параллелограммов. Начертим их и посчитаем площадь.

Первый параллелограмм построен на векторах ${{v}_{1}}=\left( 1;0 \right)$ и ${{v}_{2}}=\left( 0;3 \right)$:

Определитель 2×2 — это площадь параллелограмма

Очевидно, это не просто параллелограмм, а вполне себе прямоугольник. Его площадь равна

\

Второй параллелограмм построен на векторах ${{v}_{1}}=\left( 1;-1 \right)$ и ${{v}_{2}}=\left( 2;2 \right)$. Ну и что с того? Это тоже прямоугольник:

Ещё один определитель 2×2

Стороны этого прямоугольника (по сути — длины векторов) легко считаются по теореме Пифагора:

Осталось разобраться с последним определителем — там уже матрица 3×3. Придётся вспоминать стереометрию:

Определитель 3×3 — это объём параллелепипеда

Выглядит мозговыносяще, но по факту достаточно вспомнить формулу объёма параллелепипеда:

\

где $S$ — площадь основания (в нашем случае это площадь параллелограмма на плоскости $OXY$), $h$ — высота, проведённая к этому основанию (по сути, $z$-координата вектора ${{v}_{3}}$).

Площадь параллелограмма (мы начертили его отдельно) тоже считается легко:

\

Вот и всё! Записываем ответы.

Ответ: 3; 4; 24.

Небольшое замечание по поводу системы обозначений. Кому-то наверняка не понравится, что я игнорирую «стрелочки» над векторами. Якобы так можно спутать вектор с точкой или ещё с чем.

Но давайте серьёзно: мы с вами уже взрослые мальчики и девочки, поэтому из контекста прекрасно понимаем, когда речь идёт о векторе, а когда — о точке. Стрелки лишь засоряют повествование, и без того под завязку напичканное математическими формулами.

И ещё. В принципе, ничто не мешает рассмотреть и определитель матрицы 1×1 — такая матрица представляет собой просто одну клетку, а число, записанное в этой клетке, и будет определителем. Но тут есть важное замечание:

В отличие от классического объёма, определитель даст нам так называемый «ориентированный объём», т.е. объём с учётом последовательности рассмотрения векторов-строк.

И если вы хотите получить объём в классическом смысле этого слова, придётся взять модуль определителя, но сейчас не стоит париться об этом — всё равно через несколько секунд мы научимся считать любой определитель с любыми знаками, размерами и т.д.:)

Алгебраическое определение

При всей красоте и наглядности геометрического подхода у него есть серьёзный недостаток: он ничего не говорит нам о том, как этот самый определитель считать.

Поэтому сейчас мы разберём альтернативное определение — алгебраическое. Для этого нам потребуется краткая теоретическая подготовка, зато на выходе мы получим инструмент, позволяющий считать в матрицах что и как угодно.

Правда, там появится новая проблема… но обо всём по порядку.

Перестановки и инверсии

Давайте выпишем в строчку числа от 1 до $n$. Получится что-то типа этого:

\

Теперь (чисто по приколу) поменяем парочку чисел местами. Можно поменять соседние:

\

А можно — не особо соседние:

\

И знаете, что? А ничего! В алгебре эта хрень называется перестановкой. И у неё есть куча свойств.

Определение. Перестановка длины $n$ — строка из $n$ различных чисел, записанных в любой последовательности. Обычно рассматриваются первые $n$ натуральных чисел (т.е. как раз числа 1, 2, …, $n$), а затем их перемешивают для получения нужной перестановки.

Обозначаются перестановки так же, как и векторы — просто буквой и последовательным перечислением своих элементов в скобках. Например: $p=\left( 1;3;2 \right)$ или $p=\left( 2;5;1;4;3 \right)$. Буква может быть любой, но пусть будет $p$.:)

Далее для простоты изложения будем работать с перестановками длины 5 — они уже достаточно серьёзны для наблюдения всяких подозрительных эффектов, но ещё не настолько суровы для неокрепшего мозга, как перестановки длины 6 и более. Вот примеры таких перестановок:

\

Естественно, перестановку длины $n$ можно рассматривать как функцию, которая определена на множестве $\left\{ 1;2;…;n \right\}$ и биективно отображает это множество на себя же. Возвращаясь к только что записанным перестановкам ${{p}_{1}}$, ${{p}_{2}}$ и ${{p}_{3}}$, мы вполне законно можем написать:

\

Количество различных перестановок длины $n$ всегда ограничено и равно $n!$ — это легко доказуемый факт из комбинаторики. Например, если мы захотим выписать все перестановки длины 5, то мы весьма заколебёмся, поскольку таких перестановок будет

\

Одной из ключевых характеристик всякой перестановки является количество инверсий в ней.

Определение. Инверсия в перестановке $p=\left( {{a}_{1}};{{a}_{2}};…;{{a}_{n}} \right)$ — всякая пара $\left( {{a}_{i}};{{a}_{j}} \right)$ такая, что $i \lt j$, но ${{a}_{i}} \gt {{a}_{j}}$. Проще говоря, инверсия — это когда большее число стоит левее меньшего (не обязательно соседнего).

Мы будем обозначать через $N\left( p \right)$ количество инверсий в перестановке $p$, но будьте готовы встретиться и с другими обозначениями в разных учебниках и у разных авторов — единых стандартов тут нет. Тема инверсий весьма обширна, и ей будет посвящён отдельный урок. Сейчас же наша задача — просто научиться считать их в реальных задачах.

Например, посчитаем количество инверсий в перестановке $p=\left( 1;4;5;3;2 \right)$:

\

Таким образом, $N\left( p \right)=5$. Как видите, ничего страшного в этом нет. Сразу скажу: дальше нас будет интересовать не столько само число $N\left( p \right)$, сколько его чётность/ нечётность. И тут мы плавно переходим к ключевому термину сегодняшнего урока.

Что такое определитель

Пусть дана квадратная матрица $A=\left$. Тогда:

Определение. Определитель матрицы $A=\left$ — это алгебраическая сумма $n!$ слагаемых, составленных следующим образом. Каждое слагаемое — это произведение $n$ элементов матрицы, взятых по одному из каждой строки и каждого столбца, умноженное на (−1) в степени количество инверсий:

\

Принципиальным моментом при выборе множителей для каждого слагаемого в определителе является тот факт, что никакие два множителя не стоят в одной строчке или в одном столбце.

Благодаря этому можно без ограничения общности считать, что индексы $i$ множителей ${{a}_{i;j}}$ «пробегают» значения 1, …, $n$, а индексы $j$ являются некоторой перестановкой от первых:

\

А когда есть перестановка $p$, мы легко посчитаем инверсии $N\left( p \right)$ — и очередное слагаемое определителя готово.

Естественно, никто не запрещает поменять местами множители в каком-либо слагаемом (или во всех сразу — чего мелочиться-то?), и тогда первые индексы тоже будут представлять собой некоторую перестановку. Но в итоге ничего не поменяется: суммарное количество инверсий в индексах $i$ и $j$ сохраняет чётность при подобных извращениях, что вполне соответствует старому-доброму правилу:

От перестановки множителей произведение чисел не меняется.

Вот только не надо приплетать это правило к умножению матриц — в отличие от умножения чисел, оно не коммутативно. Но это я отвлёкся.:)

Матрица 2×2

Вообще-то можно рассмотреть и матрицу 1×1 — это будет одна клетка, и её определитель, как нетрудно догадаться, равен числу, записанному в этой клетке. Ничего интересного.

Поэтому давайте рассмотрим квадратную матрицу размером 2×2:

\\]

Поскольку количество строк в ней $n=2$, то определитель будет содержать $n!=2!=1\cdot 2=2$ слагаемых. Выпишем их:

Очевидно, что в перестановке $\left( 1;2 \right)$, состоящей из двух элементов, нет инверсий, поэтому $N\left( 1;2 \right)=0$. А вот в перестановке $\left( 2;1 \right)$ одна инверсия имеется (собственно, 2 < 1), поэтому $N\left( 2;1 \right)=1.$

Итого универсальная формула вычисления определителя для матрицы 2×2 выглядит так:

\

Графически это можно представить как произведение элементов, стоящих на главной диагонали, минус произведение элементов на побочной:

Определитель матрицы 2×2

Рассмотрим пару примеров:

Задача. Вычислите определитель:

\

Решение. Всё считается в одну строчку. Первая матрица:

\

И вторая:

\

Ответ: −3; −161.

Впрочем, это было слишком просто. Давайте рассмотрим матрицы 3×3 — там уже интересно.

Матрица 3×3

Теперь рассмотрим квадратную матрицу размера 3×3:

\\]

При вычислении её определителя мы получим $3!=1\cdot 2\cdot 3=6$ слагаемых — ещё не слишком много для паники, но уже достаточно, чтобы начать искать какие-то закономерности. Для начала выпишем все перестановки из трёх элементов и посчитаем инверсии в каждой из них:

Как и предполагалось, всего выписано 6 перестановок ${{p}_{1}}$, … ${{p}_{6}}$ (естественно, можно было бы выписать их в другой последовательности — суть от этого не изменится), а количество инверсий в них меняется от 0 до 3.

В общем, у нас будет три слагаемых с «плюсом» (там, где $N\left( p \right)$ — чётное) и ещё три с «минусом». А в целом определитель будет считаться по формуле:

Вот только не надо сейчас садиться и яростно зубрить все эти индексы! Вместо непонятных цифр лучше запомните следующее мнемоническое правило:

Правило треугольника. Для нахождения определителя матрицы 3×3 нужно сложить три произведения элементов, стоящих на главной диагонали и в вершинах равнобедренных треугольников со стороной, параллельной этой диагонали, а затем вычесть такие же три произведения, но на побочной диагонали. Схематически это выглядит так:

Определитель матрицы 3×3: правило треугольников

Именно эти треугольники (или пентаграммы — кому как больше нравится) любят рисовать во всяких учебниках и методичках по алгебре. Впрочем, не будем о грустном. Давайте лучше посчитаем один такой определитель — для разминки перед настоящей жестью.:)

Задача. Вычислите определитель:

\

Решение. Работаем по правилу треугольников. Сначала посчитаем три слагаемых, составленных из элементов на главной диагонали и параллельно ей:

\

Теперь разбираемся с побочной диагональю:

\

Осталось лишь вычесть из первого числа второе — и мы получим ответ:

\

Вот и всё!

Ответ: 24.

Тем не менее, определители матриц 3×3 — это ещё не вершина мастерства. Самое интересное ждёт нас дальше.:)

Общая схема вычисления определителей

Как мы знаем, с ростом размерности матрицы $n$ количество слагаемых в определителе составляет $n!$ и быстро растёт. Всё-таки факториал — это вам не хрен собачий довольно быстро растущая функция.

Уже для матриц 4×4 считать определители напролом (т.е. через перестановки) становится как-то не оч. Про 5×5 и более вообще молчу. Поэтому к делу подключаются некоторые свойства определителя, но для их понимания нужна небольшая теоретическая подготовка.

Готовы? Поехали!

Что такое минор матрицы

Пусть дана произвольная матрица $A=\left$. Заметьте: не обязательно квадратная. В отличие от определителей, миноры — это такие няшки, которые существуют не только в суровых квадратных матрицах. Выберем в этой матрице несколько (например, $k$) строк и столбцов, причём $1\le k\le m$ и $1\le k\le n$. Тогда:

Определение. Минор порядка $k$ — определитель квадратной матрицы, возникающей на пересечении выбранных $k$ столбцов и строк. Также минором мы будем называть и саму эту новую матрицу.

Обозначается такой минор ${{M}_{k}}$. Естественно, у одной матрицы может быть целая куча миноров порядка $k$. Вот пример минора порядка 2 для матрицы $\left$:

Выбор $k = 2$ столбцов и строк для формирования минора

Совершенно необязательно, чтобы выбранные строки и столбцы стояли рядом, как в рассмотренном примере. Главное, чтобы количество выбранных строк и столбцов было одинаковым (это и есть число $k$).

Есть и другое определение. Возможно, кому-то оно больше придётся по душе:

Определение. Пусть дана прямоугольная матрица $A=\left$. Если после вычеркивания в ней одного или нескольких столбцов и одной или нескольких строк образуется квадратная матрица размера $\left$, то её определитель — это и есть минор ${{M}_{k}}$. Саму матрицу мы тоже иногда будем называть минором — это будет ясно из контекста.

Как говорил мой кот, иногда лучше один раз навернуться с 11-го этажа есть корм, чем мяукать, сидя на балконе.

Пример. Пусть дана матрица

Выбирая строку 1 и столбец 2, получаем минор первого порядка:

\

Выбирая строки 2, 3 и столбцы 3, 4, получаем минор второго порядка:

\

А если выбрать все три строки, а также столбцы 1, 2, 4, будет минор третьего порядка:

\

Считать этот определитель мне уже в лом. Но он равен 53.:)

Читателю не составит труда найти и другие миноры порядков 1, 2 или 3. Поэтому идём дальше.

Алгебраические дополнения

«Ну ok, и что дают нам эти миньоны миноры?» — наверняка спросите вы. Сами по себе — ничего. Но в квадратных матрицах у каждого минора появляется «компаньон» — дополнительный минор, а также алгебраическое дополнение. И вместе эти два ушлёпка позволят нам щёлкать определители как орешки.

Определение. Пусть дана квадратная матрица $A=\left$, в которой выбран минор ${{M}_{k}}$. Тогда дополнительный минор для минора ${{M}_{k}}$ — это кусок исходной матрицы $A$, который останется при вычёркивании всех строк и столбцов, задействованных при составлении минора ${{M}_{k}}$:

Дополнительный минор к минору ${{M}_{2}}$

Уточним один момент: дополнительный минор — это не просто «кусок матрицы», а определитель этого куска.

Обозначаются дополнительные миноры с помощью «звёздочки»: $M_{k}^{*}$:

\

где операция $A\nabla {{M}_{k}}$ буквально означает «вычеркнуть из $A$ строки и столбцы, входящие в ${{M}_{k}}$». Эта операция не является общепринятой в математике — я её сам только что придумал для красоты повествования.:)

Дополнительные миноры редко используются сами по себе. Они являются частью более сложной конструкции — алгебраического дополнения.

Определение. Алгебраическое дополнение минора ${{M}_{k}}$ — это дополнительный минор $M_{k}^{*}$, умноженный на величину ${{\left( -1 \right)}^{S}}$, где $S$ — сумма номеров всех строк и столбцов, задействованных в исходном миноре ${{M}_{k}}$.

Как правило, алгебраическое дополнение минора ${{M}_{k}}$ обозначается через ${{A}_{k}}$. Поэтому:

\

Сложно? На первый взгляд — да. Но это не точно. Потому что на самом деле всё легко. Рассмотрим пример:

Пример. Дана матрица 4×4:

\\]

Выберем минор второго порядка

\

Капитан Очевидность как бы намекает нам, что при составлении этого минора были задействованы строки 1 и 4, а также столбцы 3 и 4. Вычёркиваем их — получим дополнительный минор:

\

Осталось найти число $S$ и получить алгебраическое дополнение. Поскольку мы знаем номера задействованных строк (1 и 4) и столбцов (3 и 4), всё просто:

\

Ответ: ${{A}_{2}}=-4$

Вот и всё! По сути, всё различие между дополнительным минором и алгебраическим дополнением — только в минусе спереди, да и то не всегда.

Наша задача сейчас — научиться быстро считать алгебраические дополнения, потому что они являются составной частью «Теоремы, Которую Нельзя Называть». Но мы всё же назовём. Встречайте:

Теорема Лапласа

И вот мы пришли к тому, зачем, собственно, все эти миноры и алгебраические дополнения были нужны.

Теорема Лапласа о разложении определителя. Пусть в матрице размера $\left$ выбрано $k$ строк (столбцов), причём $1\le k\le n-1$. Тогда определитель этой матрицы равен сумме всех произведений миноров порядка $k$, содержащихся в выбранных строках (столбцах), на их алгебраические дополнения:

\

Причём таких слагаемых будет ровно $C_{n}^{k}$.

Ладно, ладно: про $C_{n}^{k}$ — это я уже понтуюсь, в оригинальной теореме Лапласа ничего такого не было. Но комбинаторику никто не отменял, и буквально беглый взгляд на условие позволит вам самостоятельно убедиться, что слагаемых будет именно столько.:)

Мы не будем её доказывать, хоть это и не представляет особой трудности — все выкладки сводятся к старым-добрым перестановкам и чётности/ нечётности инверсий. Тем не менее, доказательство будет представлено в отдельном параграфе, а сегодня у нас сугубо практический урок.

Поэтому переходим к частному случаю этой теоремы, когда миноры представляют собой отдельные клетки матрицы.

Разложение определителя по строке и столбцу

То, о чём сейчас пойдёт речь — как раз и есть основной инструмент работы с определителями, ради которого затевались вся эта дичь с перестановками, минорами и алгебраическими дополнениями.

Читайте и наслаждайтесь:

Следствие из Теоремы Лапласа (разложение определителя по строке/столбцу). Пусть в матрице размера $\left$ выбрана одна строка. Минорами в этой строке будут $n$ отдельных клеток:

\

Дополнительные миноры тоже легко считаются: просто берём исходную матрицу и вычёркиваем строку и столбец, содержащие ${{a}_{ij}}$. Назовём такие миноры $M_{ij}^{*}$.

Для алгебраического дополнения ещё нужно число $S$, но в случае с минором порядка 1 это просто сумма «координат» клетки ${{a}_{ij}}$:

\

И тогда исходный определитель можно расписать через ${{a}_{ij}}$ и $M_{ij}^{*}$ согласно теореме Лапласа:

\

Это и есть формула разложения определителя по строке. Но то же верно и для столбцов.

Из этого следствия можно сразу сформулировать несколько выводов:

  1. Эта схема одинаково хорошо работает как для строк, так и для столбцов. На самом деле чаще всего разложение будет идти именно по столбцам, нежели по строкам.
  2. Количество слагаемых в разложении всегда ровно $n$. Это существенно меньше $C_{n}^{k}$ и уж тем более $n!$.
  3. Вместо одного определителя $\left$ придётся считать несколько определителей размера на единицу меньше: $\left$.

Последний факт особенно важен. Например, вместо зверского определителя 4×4 теперь достаточно будет посчитать несколько определителей 3×3 — с ними мы уж как-нибудь справимся.:)

Что ж, попробуем посчитать одну такую задачку?

Задача. Найдите определитель:

\

Решение. Разложим этот определитель по первой строке:

Ответ: 0.

Задача. Найдите определитель:

\

Решение. Для разнообразия давайте в этот раз работать со столбцами. Например, в последнем столбце присутствуют сразу два нуля — очевидно, это значительно сократит вычисления. Сейчас увидите почему.

Итак, раскладываем определитель по четвёртому столбцу:

И тут — о, чудо! — два слагаемых сразу улетают коту под хвост, поскольку в них есть множитель «0». Остаётся ещё два определителя 3×3, с которыми мы легко разберёмся:

Возвращаемся к исходнику и находим ответ:

\

Ну вот и всё. И никаких 4! = 24 слагаемых считать не пришлось.:)

Ответ: −2

Основные свойства определителя

В последней задаче мы видели, как наличие нулей в строках (столбцах) матрицы резко упрощает разложение определителя и вообще все вычисления. Возникает естественный вопрос: а нельзя ли сделать так, чтобы эти нули появились даже в той матрице, где их изначально не было?

Ответ однозначен: можно. И здесь нам на помощь приходят свойства определителя:

  1. Если поменять две строчки (столбца) местами, определитель не изменится;
  2. Если одну строку (столбец) умножить на число $k$, то весь определитель тоже умножится на число $k$;
  3. Если взять одну строку и прибавить (вычесть) её сколько угодно раз из другой, определитель не изменится;
  4. Если две строки определителя одинаковы, либо пропорциональны, либо одна из строк заполнена нулями, то весь определитель равен нулю;
  5. Все указанные выше свойства верны и для столбцов.
  6. При транспонировании матрицы определитель не меняется;
  7. Определитель произведения матриц равен произведению определителей.

Особую ценность представляет третье свойство: мы можем вычитать из одной строки (столбца) другую до тех пор, пока в нужных местах не появятся нули.

Чаще всего расчёты сводится к тому, чтобы «обнулить» весь столбец везде, кроме одного элемента, а затем разложить определитель по этому столбцу, получив матрицу размером на 1 меньше.

Давайте посмотрим, как это работает на практике:

Задача. Найдите определитель:

\

Решение. Нулей тут как бы вообще не наблюдается, поэтому можно «долбить» по любой строке или столбцу — объём вычислений будет примерно одинаковым. Давайте не будем мелочиться и «обнулим» первый столбец: в нём уже есть клетка с единицей, поэтому просто возьмём первую строчку и вычтем её 4 раза из второй, 3 раза из третьей и 2 раза из последней.

В результате мы получим новую матрицу, но её определитель будет тем же:

Теперь с невозмутимостью Пятачка раскладываем этот определитель по первому столбцу:

Понятно, что «выживет» только первое слагаемое — в остальных я даже определители не выписывал, поскольку они всё равно умножаются на ноль. Коэффициент перед определителем равен единице, т.е. его можно не записывать.

Зато можно вынести «минусы» из всех трёх строк определителя. По сути, мы трижды вынесли множитель (−1):

\

Получили мелкий определитель 3×3, который уже можно посчитать по правилу треугольников. Но мы попробуем разложить и его по первому столбцу — благо в последней строчке гордо стоит единица:

Можно, конечно, ещё поприкалываться и разложить матрицу 2×2 по строке (столбцу), но мы же с вами адекватны, поэтому просто посчитаем ответ:

\

Вот так и разбиваются мечты. Всего-то −160 в ответе.:)

Ответ: −160.

Парочка замечаний перед тем, как мы перейдём к последней задаче:

  1. Исходная матрица была симметрична относительно побочной диагонали. Все миноры в разложении тоже симметричны относительно той же побочной диагонали.
  2. Строго говоря, мы могли вообще ничего не раскладывать, а просто привести матрицу к верхнетреугольному виду, когда под главной диагональю стоят сплошные нули. Тогда (в точном соответствии с геометрической интерпретацией, кстати) определитель равен произведению ${{a}_{ii}}$ — чисел на главной диагонали.

Идём дальше. Последняя задача в сегодняшнем уроке.

Задача. Найдите определитель:

\

Решение. Ну, тут первая строка прямо-таки напрашивается на «обнуление». Берём первый столбец и вычитаем ровно один раз из всех остальных:

Раскладываем по первой строке, а затем выносим общие множители из оставшихся строк:

\

Снова наблюдаем «красивые» числа, но уже в первом столбце — раскладываем определитель по нему:

3Элементарные преобразования матрицы.Вырожденные и невырожденные.

Определение. Элементарными преобразованиями матрицы назовем следующие преобразования:

1) умножение строки на число, отличное от нуля;

2) прибавление к элемнтам одной строки элементов другой строки;

3) перестановка строк;

4) вычеркивание (удаление) одной из одинаковых строк (столбцов);

5) транспонирование;

Те же операции, применяемые для столбцов, также называются элементарными преобразованиями.

С помощью элементарных преобразований можно к какой-либо строке или столбцу прибавить линейную комбинацию остальных строк ( столбцов ).

Вы́рожденнойилисингуля́рнойназывают квадратнуюматрицу,определителькоторой равен нулю.

Эквивалентные условия вырожденности

Используя различные понятия линейной алгебры, можно привести различные условия вырожденности:

  • Строки или столбцы матрицы линейно зависимы.

  • Квадратная матрица A вырождена тогда и только тогда, когда существует ненулевой вектор x, такой, что Ax = 0. Иными словами, линейный оператор, соответствующий матрице в стандартном базисе, имеет ненулевое ядро.

Свойства

  • У матрицы нет стандартной обратной матрицы, но есть обобщённая обратная матрица (или их бесконечное количество

4 Минора и алгеброические дополнения

Минором элемента матрицы n-го порядка называется определитель матрицы (n-1)-го порядка, полученный из матрицы А вычеркиванием i-й строки и j-го столбца.

При выписывании определителя (n-1)-го порядка, в исходном определителе элементы находящиеся под линиями в расчет не принимаются.

Пример 1. Составить минор , полученную из исходной матрицы:

Решение:

Алгебраическим дополнением Аij элемента аij матрицы n-го порядка называется его минор, взятый со знаком, зависящий от номера строки и номера столбца:

то есть алгебраическое дополнение совпадает с минором, когда сумма номеров строки и столбца – четное число, и отличается от минора знаком, когда сумма номеров строки и столба – нечетное число.

Пример 1. Найти алгебраические дополнения всех элементов матрицы

Решение:

5ОПРЕДЕЛИТЕЛЬ МАТРИЦЫ

ОПРЕДЕЛИТЕЛЬ МАТРИЦЫ, ДЕТЕРМИНАНТ — число, соответствующееквадратной матрицеи полученное путем ее преобразования по определенному правилу. Обычное обозначение (для матрицыA): detA.Напр., определитель (второго порядка) матрицы

обозначается

и вычисляется следующим образом:

det A=a11a22—a12a21.

В общем случае (для квадратной матрицы порядка n) изэлементовматрицыAсначала составляют все возможные произведения изnсомножителей каждое, содержащие по одному элементу из каждой строки и по одному элементу из каждого столбца, затем эти произведения складываются по определенному правилу.

Определитель матрицы, в которой вычеркнуты произвольная строка (напр. i-я), и произвольный столбец (напр.j-й), называетсяминором.Он имеет (n– 1)-й порядок, т. е. порядок на 1 меньше, нежели исходный определитель.

Определители используются при обращении матриц(см. такжеАлгебраическое дополнение), при решениисистем линейных уравнений, в частности при решении задачмежотраслевого баланса.

Add a Comment

Ваш e-mail не будет опубликован. Обязательные поля помечены *