Алгебраїчні методи

Міністерство освіти і науки України
Національний технічний університет України

«Київський політехнічний інститут імені Ігоря Сікорського»
В.О. КАПУСТЯН, О.А. ЖУКОВСЬКА
АЛГЕБРАЇЧНІ ТА ГЕОМЕТРИЧНІ
МЕТОДИ
Навчальний посібник
Київ
«Освіта України»
2017
УДК 312.64:514.74(075.8)
ББК 22.143в614я73
К 207
Рекомендовано Вченою радою НТУУ «КПІ»

як навчальний посібник для студентів, які навчаються
за спеціалізацією «Економічна кібернетика»
(Протокол № 8 від 30.07.2016 р.)
Рецензенти:
Л.С. Файнзільберг, д.т.н., головний науковий співробітник, Міжна-
родний науково-навчальний центр інформаційних технологій та сис-
тем НАН України та МОН України
Н. Ю. Щестюк, к.ф.-м.н., доц., Київський національний університет
«Києво-Могилянська академія»
Відповідальний редактор
Ю.А. Пасенченко, к. ф.-м. н., доц.,

Національний технічний університет України
«Київський політехнічний інститут»
Капустян В.О.
К 207 Алгебраїчні та геометричні методи. Частина 1: навч. посіб. для

студ. економ. спец. / В.О. Капустян, О.А. Жуковська. – К.: Освіта
України, 2017. – 150 с.
ISBN 978-617-7480-25-8
У посібнику викладено теоретичні основи елементів лінійної алгебри. На-

ведено детальні приклади основних типів задач. Посібник містить завдання для
самостійного розв’язування та розрахункової роботи.
Для студентів економічних спеціальностей вищих навчальних закладів.
© В.О. Капустян, О.А. Жуковська, 2017

© Освіта України, 2017
Зміст
Зміст
Вступ………………………………………………………. 5
1 Основні відомості про матриці………………………… 6
2 Операції над матрицями та їх властивості…………… 9
2.1 Додавання матриць………………………………………... 9

2.2 Множення матриці на число……………………………… 11
2.3 Віднімання матриць……………………………………….. 14
2.4 Множення матриць…………………………………….….. 15
2.5 Піднесення до степеня………………………………….…. 23
2.6 Транспонування матриці……………………………….…. 26
2.7 Симетричні та кососиметричні матриці…………………. 31
Завдання для самостійної роботи………………………… 33
3 Системи лінійних алгебраїчних рівнянь.

Детермінант. Правило Крамера……………………….. 39
3.1 Детермінант другого порядку………………………….…. 39

3.2 Властивості детермінантів другого порядку………….…. 42
3.3 Детермінант третього порядку………………………….… 44
3.4 Обчислення детермінанту третього порядку………….…. 48
3.5 Детермінанти n -го порядку…………………………….… 50
3.6 Мінори та алгебраїчні доповнення………………….……. 52
3.7 Подальші властивості детермінантів…………………….. 53
3.8 Правило Крамера……………………………………..……. 56
4 Обернена матриця………………………………………. 62
4.1 Алгоритм обчислення оберненої матриці……………….. 64

4.2 Властивості оберненої матриці…………………………... 66
4.3 Матричні рівняння……………………………………….... 70
3
Зміст
5 Загальна теорія систем лінійних

алгебраїчних рівнянь…………………………………… 80
5.1 n -вимірний векторний простір…………………………... 80

5.2 Лінійна залежність і незалежність векторів…………….. 84
5.3 Ранг матриці………………………………………………. 88
5.4 Системи лінійних рівнянь. Основні означення…………. 101
5.5 Метод Гаусса розв’язання систем лінійних
алгебраїчних рівнянь……………………………………... 105
5.6 Системи лінійних однорідних рівнянь……………….….. 116
6 Власні числа та власні вектори матриці………...……. 124
6.1 Алгоритм знаходження власних чисел та векторів……... 125

Завдання для розрахункової роботи……………………... 141
Список використаної та рекомендованої літератури…… 148

Предметний покажчик……………………………………. 149
4
Вступ
Вступ
Досвід викладання дисципліни «Алгебраїчні та геометричні методи»

майбутнім бакалаврам з економічної кібернетики показує, що сучасна
математична література та відповідні підручники, які орієнтовані на
студентів математичних спеціальностей, занадто складні для студен-
тів з економічних спеціальностей. Спеціально створені для студентів-
економістів посібники з вищої математики надають відомості на еле-
ментарному рівні, явно недостатньому для подальшого економіко-
математичного моделювання, що є основою для студентів економіс-
тів-кібернетиків. Тому назріла потреба в оновлені навчальної матема-
тичної літератури для економіко-математичних спеціальностей.
В навчальному посібнику наведено основні теоретичні відомості
з теорії матриць та методів розв’язання лінійних алгебраїчних систем
– основні означення, твердження, теореми та приклади теоретичного
характеру, адаптовані для студентів з економічних спеціальностей.
Навчальний посібник складається з 6 розділів.
У першому розділі вводяться основні елементарні відомості про
матриці. У другому – детально розглядаються операції над матриця-
ми та їх властивості. Кожна властивість супроводжується доведен-
ням. У третьому розділі вводиться поняття детермінанту матриці не
як абстрактне поняття, а в тісному взаємозв’язку з теорією лінійних
систем. У четвертому розділі надається означення оберненої матриці,
алгоритм її обчислення, особлива увага приділяється розв’язанню рі-
зних типів матричних рівнянь. П’ятий розділ присвячений загальній
теорії систем лінійних алгебраїчних рівнянь. У шостому розділі де-
тально розглядаються такі важливі характеристики матриці як власні
числа та власні вектори. Для кращого засвоєння навчального матеріа-
лу в кожному розділі наведені докладні розв'язки типових завдань.
У посібнику в достатній кількості наведені завдання з відповідя-
ми для самостійного розв’язування.
5
Основні відомості про матриці
1. Основні відомості про матриці

Означення 1. Матрицею розміру m  n називається прямокутна таб-
лиця чисел, функцій або алгебраїчних виразів
 a11 a12 ... a1n 

 
 a21 a22 ... a2 n 
,
 ... ... ... ... 
 
 am1 am 2 ... amn 
що містить m рядків та n стовпців.

Числа, функції або алгебраїчні вирази a ij , i  1, m , j  1, n , що ут-
ворюють матрицю, називаються її елементами. Індекс i означає но-
мер рядка, а індекс j – номер стовпця. Матриці позначаються вели-
кими латинськими літерами A, B,..., Z або aij , ( aij ) .
Наприклад,
 a11 a12 ... a1n 
 
a a 22 ... a 2 n 
A, A   21 , A  aij , A  ( a ij ) .
... ... ... ... 
 
 a m1 am2 ... a mn 
Означення 2. Дві матриці A і B однакового розміру називаються

рівними, якщо вони збігаються поелементно, тобто aij  bij для всіх
i  1, m , j  1, n .
Означення 3. Якщо число рядків матриці дорівнює числу стовп-
ців m  n , то матриця називається квадратною, а число m  n – її
порядком. Якщо m  n , то матриця прямокутна.
Приклад.
1 3 0 1
 
A  
2 4 3 2
3 6 7 6
 
0 2 1 5 
6
– квадратна матриця четвертого порядку.

Означення 4. Матричні елементи aii квадратної матриці A нази-
ваються діагональними.
Означення 5. Послідовність a11 , a22 , …, ann діагональних матри-
чних елементів утворюють головну діагональ квадратної матриці A ,
що йде з її лівого верхнього кута в правий нижній кут. Послідовність
an1 , a( n 1) 2 , …, a1n матричних елементів утворює побічну діагональ
квадратної матриці A , що йде з її лівого нижнього кута в правий вер-
хній кут.
Означення 6. Квадратна матриця, у якій елементи a ij , i  j дорі-
внюють нулю
 a11 0 ... 0 
 
 0 a 22 ... 0 
A
... ... ... ... 
 
 0 0 ... a nn 
називається діагональною.
Приклад.
2 0 0 0
 
0 9 0
A  
0
0 0 5 0
 
0 0 0 3 
– діагональна матриця четвертого порядку,
1 0
A 
 0 2 
– діагональна матриця другого порядку.

Означення 7. Діагональна матриця з елементами aij  1 , i  j на-
зивається одиничною та позначається I :
7
1 0 ... 0 
 
I  
0 1 ... 0 
.
... ... ... ... 
 
0 0 ... 1 
Означення 8. Прямокутна матриця, що складається з одного сто-

впця
 a11 
 
 21 
a
 ... 
 
 m1 
a
називається матрицею-стовпцем, а прямокутна матриця, що склада-

ється з одного рядка a11 a12 ... a1n  – матрицею-рядком.
Означення 9. Матриця будь-якого розміру називається нульо-
вою, або нуль-матрицею, якщо всі її елементи дорівнюють нулю:
 0 0 ... 0 
 
O   .
0 0 ... 0
... ... ... ... 
 
 0 0 ... 0 
8
Додавання матриць
2. Операції над матрицями та їх властивості

2.1. Додавання матриць
Означення 1. Сумою двох прямокутних матриць A  (aik ) і B  (bik )

однакових розмірів m  n називається матриця C  (cik ) , C  A  B
тих самих розмірів, елементи якої дорівнюють сумам відповідних
елементів даної матриці:
cik  aik  bik , i  1, m , k  1, n .
Наприклад,
 a11 a12   b11 b12   a11  b11 a12  b12 

     
 21
a a 22   b b  a 
 21 22   21 21b a 22  b22  .
a     
 31 a32   b31 b32   a31  b31 a32  b32 
Згідно з правилом додавання матриць A  A  O , де A – довільна

матриця, а O – нульова матриця того ж розміру, що і A .
Операція додавання звичайним чином розповсюджується на ви-
падок будь-якої кількості доданків.
Приклад 1. Знайти суму матриць A , B , C , якщо
1  2 3 4 0 1 2 7  2 2 1 5
A , B   , B   .
2 1 1 5  1 2 3 0   0 3 0 8 
Розв’язання.
1  0  2  2  1  2 3  2  1 4  7  5 
A B C   
 2  1  0 1  2  3 1  3  0 5  0  8 
 3 1 6 16 
 .
 3 6 4 13 
Приклад 2. Знайти суму матриць A , B , якщо
 1 3 1 7 2
A , B .
 2 4   0 8 4 
9
Операції над матрицями та їх властивості
Розв’язання. Сума не існує, так як матриці A , B мають різні роз-

міри.
З означення 1 безпосередньо випливає, що для операції додаван-

ня виконуються комутативна та асоціативна властивості:
1. A  B  B  A – комутативна властивість додавання матриць.

Доведення. Так як операція додавання визначена тільки для мат-
риць однакового розміру, причому сума матриць є матрицею того ж
розміру, що й доданки матриці, то очевидно, що розмір матриці
A B  D
дорівнює розміру матриці
B AQ.
Доведемо, що і всі елементи матриці D дорівнюють відповідним

елементам матриці Q . З означення суми двох матриць випливає, що
d ij  aij  bij  bij  aij  qij
для всіх i  1, m , j  1, n . Згідно з означенням рівності матриць, це

означає, що D  Q , тобто A  B  B  A .
2. ( A  B )  C  A  ( B  C ) – асоціативна властивість додавання

матриць, де A , B , C – довільні матриці однакового розміру.
Доведення. Аналогічно попередньому доведенню доводиться, що

розмір матриці ( A  B )  C збігається з розміром матриці A  ( B  C ) .
Доведемо, що всі елементи матриці ( A  B )  C дорівнюють від-
повідним елементам матриці A  ( B  C ) . Введемо такі позначення
A B  F , BC G
і визначимо нові матриці

10
Множенння матриці на число
L  F  C  ( A  B)  C , Q  A  G  A  (B  C)
З означення операції додавання матриць випливає, що
lij  f ij  cij  aij  bij  cij  aij  bij  g ij  qij
для всіх i  1, m , j  1, n . Згідно з означенням рівності матриць, це

означає, що L  Q , тобто ( A  B )  C  A  ( B  C ) .
2.2. Множення матриці на число
Означення 2. Добутком матриці A  aik , i  1, m , k  1, n на число 

називається матриця C  cik , i  1, m , k  1, n , елементи якої знаходь-
ться шляхом множення відповідних елементів матриці A  aik  на
число  :
C  A ,
якщо
cik   aik , i  1, m , k  1, n .
Приклад. Нехай
 1  2
 
A 2 3  ,   5,
1 4 
 
тоді
 1  2  3  6
   
C  A  3 2 3  6 9 .
  1 4    3 12 
   
Для операції множення матриці на число виконуються такі

властивості:
11
1.  ( A  B )  A  B – властивість дистрибутивності при

множенні суми матриць на число.
Доведення. Так як при множенні матриці на число її розмір збері-

гається, а операція додавання матриць визначена тільки для матриць
однакового розміру, то очевидно, що розмір матриці  ( A  B ) дорів-
нює розміру матриці A  B .
Доведемо, що всі елементи матриці  ( A  B ) дорівнюють відпо-
відним елементам матриці A  B . Введемо позначення
A B  F , A  L , B  Q .
і визначимо нові матриці:
G  F   ( A  B ) , R  L  Q  A  B .
З означення операцій додавання матриць і множення матриці на

число випливає, що
g ij  f ij   ( aij  bij )  aij  bij  lij  qij  rij
для всіх i  1, m , j  1, n . Відповідно до означення рівності матриць,

це означає, що G  R , тобто  ( A  B )  A  B .
2. (   ) A  A  A – властивість дистрибутивності при

множенні суми чисел на матрицю.
Доведення. Очевидно, що розмір матриці (   ) A збігається з

розміром матриці A  A (див. доведення попередньої властивості).
Доведемо, що всі елементи матриці (   ) A дорівнюють відпо-
відним елементам матриці A  A . Введемо позначення
(   ) A  F , A  L , A  Q
і визначимо нову матрицю:
12
Множенння матриці на число
R  L  Q  A  A .
З означення операцій додавання матриць і множення матриці на

число випливає, що
f ij  (   )aij  aij  aij  lij  qij  rij

це означає, що F  R , тобто (   ) A  A  A .
3. ( ) A   ( A) – властивість асоціативності при множенні

чисел їх матриці.
Доведення. Відзначимо, що згідно з означенням операція мно-

ження ня матриці на число не змінює її розміру. Тому матриці
( ) A  F ,  ( A)  G
мають один і той же розмір.

Доведемо, що всі елементи матриці F дорівнюють відповідним
елементам матриці G . Введемо позначення
A  L .
Тоді
G  L .
З означення операції множення матриці на число випливає, що
f ij  ( )aij   ( aij )  lij  g ij

це означає, що F  G , тобто ( ) A   ( A) .
Наслідок. Загальний множник всіх елементів матриці можна ви-

нести за знак матриці.
13
Наприклад,
 3  6  1  2
   
 6 9 
 3 2 3 .
  3 12    1 4 
   
2.3. Віднімання матриць
Означення 3. Різниця A  B двох матриць однакового розміру визна-

чається за допомогою операції множення матриці B на число  1 і
подальшого додавання матриць A і  1 B , а саме
A  B  A  (1) B .
Приклад. Обчислити A  B ,  ( A  B ) і A  B , якщо
 1 0 3  4 2 7
A , B .
 2 4 5   1 1 6 
1  4 0  2 3  7   5 2 10 
A  B       .
 2  1 4  1 5  6   3 5 11 
 5 2 10    5  2  10 
 ( A  B )    .
 3 5 11    3  5  11 
1  4 0  2 3  7    3  2  4 
A B    .
 2  1 4  1 5  6    1 3  1 
Приклад. Обчислити C  3 A  2 B , якщо
 1 4   1 0
   
A   2 3 , B    2 3 .
 5 1  2 1
   
14
Множення матриць
 1 4   1 0  1 4   1 0
       
C  3 2 3   2  2 3   3 2 3   ( 2)  2 3  
 5 1  2 1  5 1  2 1
       
 3 12   2 0   3 2 12  0   5 12 
       
  6 9    4  6   6  4 9  ( 6)   10 3  .
15 3    4  2  15  ( 4) 3  ( 2)   11 1 
       
2.4. Множення матриць
Означення 4. Множення матриці A на матрицю B визначено тільки

тоді, коли кількість стовбців першої матриці дорівнює кількості ряд-
ків другої. Тоді добутком двох матриць
 a11 a12 ... a1n   b11 b12 ... b1q 

   
a a22 ... a2 n   b21 b22 ... b2 q 
A   21 , B
... ... ... ...  ... ... ... ... 
   
 am1 am 2 ... amn  b
 n1 bn 2 ... bnq 
називається матриця
 c11 c12 ... c1q 

 
 c21 c22 ... c2 q 
C ,
... ... ... ... 
 
c ... cmq 
 m1 cm 2
у якої елемент cij , що знаходиться на перетині i -го рядка та j -го сто-

впця, дорівнює сумі добутків відповідних елементів i -го рядка мат-
риці A та елементів j -го стовпця матриці B :
15
n
cij  ai1b1 j  ai 2b2 j  ...  ainbnj   aik bkj , i  1, m , j  1, q .
k 1
Наприклад,
 a11 a12 
  b11 b12 b13 
 21 22 
a a  
a  21 22 23 
b b b
 31 a32 
 a11b11  a12b12 a11b12  a12b22 a11b13  a12b23 

 
  a21b11  a22b12 a21b12  a22b22 a21b13  a22b23  .
a b  a b a31b12  a32b22 a31b13  a32b23 
 31 11 32 12
Приклад. Обчислити добуток матриць AB , якщо
 2 1 5
 1 2 3   
A  , B   3 0 2 .
0 1 4  1 4 6
 
 2 1 5
 1 2 3  
AB    3 0 2  
 0 1 4  
 1 4 6
 1  2  2  3  3  1 1  1  2  0  3  4 1  5  2  2  3  6  11 13 27 
  .
 0  2  1  3  4  1 0  1  1  0  4  4 0  5  1  2  4  6   7 16 26 
 1 6
   2 7
A   5 3 , B   .
 2 4  3 8 
 
16
 1 6  1  2  6  3 1  7  6  8   20 55 
  2 7     
AB   5 3  
  5  2  3  3 5  7  3  8 
  19 59 .
 2 4  3 8   2  2  4  3 2  7  4  8   16 46 
     
 1 
 
A    2  , B  1 3 0 4  .
 3 
 
 1 
 
AB    2 1 3 0 4  
 3 
 
 11 1 3 1 0 1 4   1 3 0 4 
   
   2 1  2  3  2  0  2  4     2  6 0  8 .
 3 1 3 3 3 0 3  4   3 9 0 12 

 1 
 
A  1 3 0 4  , B    2  .
 3 
 
Добуток матриць AB не існує так, як кількість стовбців матриці

A не дорівнює кількості рядків матриці B .

17
 2
 
A  1 3 0 4  , B    .
3
 5
 
 6
AB  1  2  3  3  0  5  4  6  21 .
Надалі розглянемо властивості множення матриць.
1. Дистрибутивна властивість множення відносно суми мат-

риць: якщо сума B  C и добуток AB існують, то
A( B  C )  AB  AC .
Доведення. Якщо сума B  C існує, то це означає, що матриці
B , C та F  B  C
мають одинаковий розмір. Тому, якщо визначений добуток
AB  L ,
то визначені й добутки
AC  Q , AF  G
і сума
R  LQ,
причому матриці G і R мають один і той самий розмір.
18
Нехай k – число стовпців матриці A . За правилами додавання та

множення матриць маємо
k k k k
gij   ais f sj   ais (bsj  csj )  aisbsj   aiscsj  lij  qij  rij
s 1 s 1 s 1 s 1
для всіх i  1, m , j  1, n . Згідно з означенням рівності матриць це

означає, що G  R , тобто A( B  C )  AB  AC .
2. Асоціативна властивість відносно числового множника:

якщо добуток AB існує, то
 ( AB )  (A) B  A(B ) .
Доведення. Так як, згідно з означенням, операція множення мат-

риці на число не змінює її розміру, то з припущення про існування
добутку
AB  F
випливає, що добутки
(A) B  U , A(B )  V
також існують. Зауважимо, що матриці U , V і F  G мають один і

той самий розмір.
Нехай k – число стовпців матриці A . За правилами множення
матриць та множення матриці на число маємо
k k k
gij  f ij    aisbsj   aisbsj  lisbsj  uij ,
s 1 s 1 s 1
19
k k k
gij  f ij    aisbsj   aisbsj  ais qsj  vij .
s 1 s 1 s 1

означає, що G  U  V , тобто  ( AB )  (A) B  A(B ) .
3. Асоціативна властивість множення матриць: якщо добут-

ки AB і BC існують, то
( AB )C  A( BC ) .
Доведення. Оберемо розміри матриць A , B і C таким чином,

щоб добутки AB  G і BC  F існували:
Amk Bk l  Gml , Bk l Cl n  Fk n .
Тоді добутки
Amk Fk n  Lmn , Gml Cl n  Qmn
також існують і є матрицями однакового розміру.

Доведемо, що всі елементи матриці L дорівнюють відповідним
елементам матриці Q . Згідно з означенням операції множення мат-
риць маємо:
k k l l
 k  l
lij   ais f sj   ais  bsr crj     aisbsr  crj   qir crj  qir
s 1 s 1 r 1 r 1  s 1  r 1

означає, що L  Q , тобто ( AB )C  A( BC ) .
20
4. Множення матриць у загальному випадку не задовільняє

комутативну властивість.
Наприклад,
 3 2  2 7   18 23 
   ,
 4 5  6 1   38 33 
 2 7  3 2   34 39 
   .
 6 1  4 5   22 17 
Якщо для матриць A і B виконується комутативна власти-

вість, тобто AB  BA, то матриці A і B називаються комутатив-
ними або перестановними. Наприклад, матриці
7 2   20 3 
A , B 
 4  5  6 2
комутативні, так як
 7 2  20 3  153 25 
AB     ,
 4  5  6 2   50 2 
 20 3  7 2  153 25 
BA     .
 6 2  4  5   50 2 
Зауваження 1. Якщо добуток AB існує, то добуток BA може і

не існувати.
Приклад. Обчислити добутки AB і BA, якщо
21
 4
  2 1 3  
A  , B   3 .
  3 2 4 1
 
 4
  2 1 3     2 
AB    3     .
  3 2 4     2 
1
Добуток BA не існує, так як кількість стовпців матриці B (1 сто-
впець) не дорівнює кількості рядків A (2 рядка).
Зауваження 2. Якщо ж добутки AB і BA існують, то можуть
виявитись матрицями різного розміру.
Приклад. Обчислити добутки AB і BA, якщо

 b1 
 
... an  , B   2  .
b
A  a1 a2
 ... 
 
 bn 
 b1 
 
 b2   n 
AB  a1 a2 ... an    a1b1  a2b2  ...  an bn     as bs  ,
...
   s 1 
 bn 
 b1   b1a1 b1a2 ... b1an 
   
b  b a b a ... b2an 
BA   2 a1 a2 ... an    2 1 2 2 .
... ... ... ... ... 
   
 bn   bn a1 bn a2 ... bn an 
22
Зауваження 3. Якщо матриці A і B квадратні та мають одна-

ковий порядок, то добутки AB і BA існують і є матрицями однако-
вого розміру. Однак, навіть в цьому випадку комутативний закон
множення може не мати місця.
Слід зауважити, що одинична матриця порядку n
 1 0 0 ... 0 
 
I n   
0 1 0 ... 0
... ... ... ... ... 
 
 0 0 0 ... 1 
комутативна з будь-якою квадратною матрицею порядку n , тобто
AI n  I n A  A .
2.5. Піднесення до степеня
Цілим додатним степенем a p ( p  1 ) числа a називається добуток m

чисел, рівних a , тобто a p  aa
 a , причому a 0  1 , якщо a  0 .
p раз
Аналогічну операцію можна визначити і у випадку матриць, ро-

p
зуміючи під цілим додатним степенем A матриці A добуток
Ap  
AA
 
A.
p раз
Цей добуток має сенс, лише у випадку, коли число стовпців та

рядків матриці A співпадають Тому операцію піднесення матриці до
цілого додатного степеня вдається визначити тільки для квадратних
матриць.
Означення. Нехай A – квадратна матриця. Тоді степінь матриці
визначається звичайним чином:
Ap  
AA
 
A, p  1, 2,  .
p раз
A0  I .
Мають місце такі співвідношення:
23
pq
1. A A  A
p q
, p , q – довільні цілі невід’ємні числа.
Доведення.
 AA AAA  A 
AA A  A p  q при p  0, q  0,
 p раз q раз pq

 IAA A  Ap 0 при p  0, q  0,

A p Aq   p раз
 AA AI  A0  q при p  0, q  0,
 p 
раз

 II  A0  0 при p  0, q  0.
pq
тобто A A  A
p q
.
2. ( A p ) q  A pq , p , q – довільні цілі невід’ємні числа.

Доведення.
A p
A p
 
A
p
AA  A
AA  A...
AA  A
 q раз p раз p раз p раз
         
q раз

 
AA  A  A pq при p  0, q  0,
 pq раз

( A p ) q  ( A0 ) q  I q  
II I  I  A
0
при p  0, q  0,
 p раз
( A p ) 0  I  A0 при p  0, q  0,

( A0 ) 0  I 0  I  A0 при p  0, q  0.



тобто ( A p ) q  A pq .
Приклад. Знайти A p , якщо
 1 1
A .
  1  1
24
Піднесення до степеня
Розв’язання. Маємо:
 1 1  1 1   0 0
A2      O,
  1  1   1  1  0 0 
A p  A2 A p  2  OA p  2  O при p  3.
Цей приклад показує, що з рівності A  O ще не випливає, що
p
A  O.
Приклад. Обчислити f ( A) , якщо f ( x )  x 2  x  x 0 .
 1 2
A .
  1 3
 1 2  1 2   1 2   1 0 
f ( A)      
  1 3   1 3    1 3   0 1 
  1 8  1 2  1 0   3 6
    .
  4 7    1 3   0 1    3 3 
Приклад. Знайти дійсні числа p і q , за яких матриця
1 0 1
 
A   0 1 0
1 0 1
 
задовольняє рівняння A3  pA2  qA.

Розв’язання. Маємо:
 1 0 1  1 0 1   2 0 2 
    
A2   0 1 0  0 1 0    0 1 0  ,
 1 0 1  1 0 1   2 0 2 
    
25
 1 0 1  2 0 2   4 0 4 
    
A3  AA2   0 1 0  0 1 0    0 1 0  .
 1 0 1  2 0 2   4 0 4 
    
Підставимо знайдені значення A3 , A2 у рівняння A3  pA2  qA.
 2 p 0 2 p  q 0 q  4 0 4
     
 0 1 p 0 
  0 q 0 
  0 1 0 ,
 2 p 0 2 p  q 0 q  4 0 4
     
Звідси отримаємо таку систему
2 p  q  4,

 p  q  1.
Розв’язавши яку, маємо p  3 , q  2 .
2.6. Транспонування матриці
Означення. Якщо A  ( a ij ) , i  1, m , j  1, n , то транспонована матриця

AT визначається рівністю AT  (aijT ) , де aijT  a ji . Якщо матриця A має
розмір m  n , матриця A має розмір n  m .
T
Нехай дана довільна матриця

 a11 a12 ... a1n 
 
a a22 ... a2 n 
A   21 ,
... ... ... ... 
 
 am1 am 2 ... amn 
тоді матриця
26
Транспонування матриці
 a11 a21 ... am1 

 
a a22 ... am 2 
AT   12
... ... ... ... 
 
 a1n a2 n ... anm 
здобута заміною рядків на стовпці зі збереженням порядку їх сліду-

вання, буде транспонованою до A .
Приклад. Транспонованою до матриці
1 5 9
 
A  
2 6 10 
3 7 11 
 
4 8 12 
буде така матриця
1 2 3 4 
 
AT   5 6 7 8  .
 9 10 11 12 
 
Приклад. Матриця-рядок
A  a11 a12 ... a1n 
при транспонуванні стає матрицею-стовпцем
 a11 
 
a 
AT   12  .
...
 
 a1n 
І навпаки, матриця-стовпець
27
 b11 
 
b 
B   21 
...
 
 bn1 
при транспонуванні стає матрицею-рядком
B T  b11 b21 ... bn1  .
Для операції транспонування матриці мають місце такі вла-

стивості:
1. ( A  B)T  BT  AT .
Доведення.
Сума матриць A і B визначена, якщо ці матриці мають однако-
вий розмір m  n . Тоді,
F  A B
теж має розмір m  n .
Матриці
G  F T  ( A  B)T ,
L  AT , Q  BT ,
R  L  Q  AT  BT
будуть мати розмір n  m . Таким чином, розміри матриць в лівій та

правій частинах рівності ( A  B)T  BT  AT співпадають і дорівню-
ють n  m .
Доведемо рівність відповідних елементів цих матриць. Для всіх
i  1, m , j  1, n маємо:
gij  f ji  a ji  b ji  lij  qij  rij .
Отже, G  R , тобто ( A  B)T  BT  AT .
28
Транспонування матриці
2. (A)T  AT .
Доведення.
Нехай матриця A має розмір m  n . Згідно з означенням операції
множення матриці на число, матриця
F  A
має той самий розмір, що і A , тобто m  n . Тоді транспонована до F
матриця
G  F T  (A)T
буде мати розмір n  m .
Транспонована до A матриця
L  AT
має розмір n  m . Згідно з означенням операції множення матриці на
число, матриця A має той самий розмір, що і A , тобто n  m .
T T
Таким чином, розміри матриць в лівій та правій частинах рівності

(A)T  AT співпадають і дорівнюють n  m .
i  1, m , j  1, n маємо:
gij  f ji  a ji  lij .
Отже, G  L , тобто (A)T  AT .
3. ( AB)T  BT AT .
Доведення.
Нехай матриця A має розмір m  k , а матриця B – k  n , так, що
добуток AB визначено, причому матриця
F  AB
має розмір m  n . Тоді транспонована до F матриця
G  F T  ( AB)T
29
буде мати розмір n  m .

Матриці
L  AT , Q  BT ,
будуть мати розмір k  m і відповідно. Тому добуток QL визначений,

причому матриця
R  QL  BT AT
має розмір n  m .
( AB)T  BT AT співпадають і дорівнюють n  m .
i  1, m , j  1, n маємо:
k k k
gij  f ji   a jsbsi   bsi a js  qislsj  rij .
s 1 s 1 s 1
Отже, G  R , тобто ( AB)T  BT AT .
4. ( AT )T  A ,
Доведення.
Якщо матриця A має розмір m  n , то транспонована до неї мат-
риця
F  AT
буде мати розмір n  m . Відповідно, транспонована до F матриця
G  F T  ( AT )T
буде мати той же розмір m  n , що і матриця A .
( A )  A співпадають і дорівнюють m  n .
T T

i  1, m , j  1, n маємо:
gij  f ji  aij .
30
Симетричні та кососиметричні матриці
Отже, G  A , тобто ( AT )T  A .
2.7. Симетричні та кососиметричні матриці
Означення. Нехай A – квадратна матриця. Якщо AT  A ( a ji  aij ), то

така матриця називається симетричною.
В симетричній матриці елементи розташовані симетрично відно-
сно головної діагоналі. Зокрема, будь-яка діагональна матриця – си-
метрична.
Приклад симетричної матриці:
 1 2 3
 
 2 5 4 .
 3 4 6
 
Означення. Якщо AT   A ( a ji   aij ), то така матриця назива-

ється кососиметричною (антисиметричною).
Згідно з даним означенням в кососиметричній матриці будь-які
два елементи розташовані симетрично відносно головної діагоналі та
відрізняються множником  1, а діагональні елементи дорівнюють
нулю.
Наприклад, матриця
 0  2  3
 
A   2 0  4
3 4 0 

є кососиметричною, так як
 0 2 3
 
AT    2 0 4  і AT   A.
  3  4 0
 
31
Відмітимо деякі властивості операцій над симетричними і ко-

сосиметричними матрицями.
1. Якщо A і B – симетричні (кососиметричні) матриці, то і
A  B – симетрична (кососиметрична) матриця.
Доведення.
Дійсно, якщо A і B – симетричні матриці, то
( A  B)T  AT  BT  A  B .
Якщо A і B – кососиметричні матриці, то
( A  B)T  AT  BT   A  B  ( A  B) .
2. Якщо A – симетрична (кососиметрична) матриця, то і A

– симетрична (кососиметрична) матриця.
Доведення.
Дійсно, якщо A – симетрична матриця, то
(A)T  AT  A .
Якщо A – кососиметрична матриця, то
(A)T  AT  A .
3. Добуток AB двох симетричних (кососиметричних) мат-
риць A і B є матриця симетрична при AB  BA і кососиметрич-
на при AB   BA.
Доведення.
Дійсно, якщо A і B – симетричні матриці, тоді
( AB)T  BT AT  BA .
Звідси маємо, що ( AB)T  AB при AB  BA, і ( AB)T   AB , якщо
AB   BA.
4. Якщо A – симетрична матриця, то і A , m  1,2,3,... – си-
m
m
метрична матриця. Якщо A – кососиметрична матриця, то і A ,
m  1,2,3,... – симетрична матриця при парному m і кососиметри-
чна – при непарному m .
32
Завдання для самостійної роботи
Доведення.
Дійсно, якщо A – симетрична матриця, то
T
 
( Am )T   
AA A  
... AT
AT
...A

T

AA...A  Am .
 
 m раз  m раз m раз
Якщо A – кососиметрична матриця, то

T
 
( Am )T   
AA A  
... AT
AT
...AT
 ( 
 A)(  A )...(  A)  (  A) m
 ( 1) m m
A .
 
 m раз  m раз m раз
5. Довільну квадратну матрицю A можна представити у ви-

гляді суми
A  A( s )  A( a )
1 1
симетричної A( s )  ( A  AT ) і кососиметричної A( a )  ( A  AT )
2 2
матриць.
Доведення.
Дійсно,
T 1 1 1
A( s )  ( A  AT )T  ( AT  A)  ( A  AT )  A( s ) ,
2 2 2
T 1 1 1
A( a )  ( A  AT )T  ( AT  AT )   ( A  AT )   A( a ) .
2 2 2
У задачах 1 – 6 обчислити суму та різницю матриць A , B :
 1 2  2 2 1 2  1  9
1. A   , B   . 2. A   , B  .
  1 6   4 6   4 3    4 3 
 2 2 1  2 3 2 1   2
       
3. A   1 2 3  , B   3 4 1  . 4. A   ,
2 B    5 .
 3 0 4  4 3 2  3   9
       
33
 2 0   2  11  1 0  4  7
       
5. A   5  8 , B   8 4  . 6. A   2 3 , B   8 4 .
 6 1   9 1   0 1 3 1 
      
У задачах 7 – 15 транспонувати матриці:
2 9
 2 2 1  
  3 8
7. A  1 9 6 0 . 8. A   1 2 3  . 9. A   .
 3 0 4 4 7
   
5 6 
 2 0   2  11
    1 5 2
10. A   5  8  . 11. B   8 4  . 12. A   .
 6 1   9  6  9 0 
   1 
2 0 7
   3
 1  1 7 0 9  3 3 6  
13. A    . 14. A  1 6 . 15. A   4 .
 2  4 6 3 8 2  5
   
6  9 1
16. Обчислити C  2 A  5B , якщо
 1 4   1 0
   
A   2 3 , B    2 3 .
 5 1  2 1
   
1
17. Обчислити C  2 A  B , якщо
3
 1 2 8 0 9 0
A , B .
  4 3 0   3  6 12 
34
18. Обчислити C  2 A  B , якщо

2 2
 1 2  2 1
A , B  .
  1 0   4 0 
У задачах 19 – 21 знайти x1 , x2 , x3 :
 x1   3   2 
     
19.  x2   2  8   6  9  .
 x   2   11 
 3    
 x1   1   2
     
20.  x2   4  4   5 2  .
x   2    3
 3    
 x1   15   24 
  4   5 
21.  2 
x   
  5   12  .
x  5  6 
 3  10    6
У задачах 22 – 33 знайти добутки матриць A , B :
 1 2  2 2 1 2  1  9
22. A   , B   . 23. A   , B  .
  1 6   4 6   4 3    4 3 
 2 2 1  2 3 2 1
     
24. A   1 2 3  , B   3 4 1  . 25. A   2  , B   1 3 4  .
 3 0 4  4 3 2  3
     
  2  2 0
    0 9 0
26. A  1 4 0 , B    5  . 27. A   5  8  , B   .
  9  6 1   3  6 12 
   
35
  2  11
 1 2 8  
28. A   , B   8 4 .
  4 3 0  9
 1 
 4  7
 1 2 8  
29. A   , B  8 4 .
  4 3 0  
3 1 
 2 2 1   2
   
30. A   1 2 3  , B    5 .
 3 0 4   9
   
 2 3 2
 
31. A  1 4 0 , B   3 4 1  .
 4 3 2
 
 2 0
   1 4
32. A   5  8  , B   .
 6 1    6 3 
 
 1 0
  0 9 0
33. A   2 3  , B   .
 0 1  3  6 12 
 
У задачах 34 – 36 обчислити AB  BA:
 2 2 1    2  3  2
   
34. A   1  2 3  , B   3 4 1 .
  3 0  4  4 2 
   3
36
 2 2 3   1 0 2
   
35. A    1  5  3 , B    3  4  1 .
3 0 0   1 2 
  0
 1 1 3    4 0  3
   
36. A    1 2  3 , B   0  4  1  .
 3 1 0  5 0 2 
  
У задачах 37 – 41 обчислити f ( A) :
 0 2
37. f ( x )  x 2  3x  x 0 , A   .
  1 4 
 1 3 0
 
38. f ( x )  2 x 2  x  3, A   0 1 1  .
1 2 1
 
 1 2
39. f ( x )  x 3  2 x 2  3x  5 , A   .
  1 3 
 1 0  1
 
40. f ( x )  x  2 x  5 , A   1 2
3
0 .
 2  1  1
 
 0 1  1
 
41. f ( x )  x 3  x 2  7 , A   2 1 0 .
 2 1 1 
 
37
Відповіді.
7 8   18    14 
   2 7 16  10  2     
16. 14  9  . 17.   . 18.   . 19.   70  . 20.  6 .
 5  3   7 4 4   10 8   70   7 
     
 8   14 17 8 
   10 14    7  3   
21.  14  . 22.   . 23.   . 24.  20 20 10  .
  13   22 34    8  27   22
   21 14 
 1 3 4   0 18 0 
     86 5 
25.   2 6 8  . 26.  22 . 27.   24 93  96  .28.  .
  3 9 12   3  32 56 
    60 12 
  23   2 8 
 44 9     
29.   . 30.   39  . 31. 14 19 6 . 32.  53  4  .
 8 40    42    12  21
   
0 9 0  7 3 3   3  10  3 
     
33.  9 0 36  . 34.   3 0  9  . 35.   2 6  6 .
 3  6 12    15  5  7   5  2  9 
    
  24  3 16   0 15 6 
    3 2     19 32 
36.  12  1  17  . 37.   . 38.  2 4 5  . 39.  .
 23   1 1    16 13 
 1 25   5 16 4 
 
 3 2 3   3 9  6
   
40.  3 10  2  . 41.  12 3  6 .
 8 1 9    18  15 3 
  
38
Детермінант другого порядку
3. Системи лінійних алгебраїчних рівнянь.

Детермінант. Правило Крамера
3.1. Детермінант другого порядку
Розглянемо систему лінійних рівнянь з двома невідомими
a11 x1  a12 x2  b1 ,
 (1)
a21 x1  a22 x2  b2 ,
яка в матричному запису буде мати вигляд
 a11 a12  x1   b1 
     
 21 22  x2   b2 
a a
або
AX  B ,
 a11 a12   x1   b1 
де A   , X   , B   .
 a21 a22   x2   b2 
Матриця A називається матрицею коефіцієнтів системи (1).
Легко перевірити, що виконавши множення матриці
a a  x 
A   11 12  і вектора X   1  , отримаємо систему (1).
 a21 a22   x2 
Неважко переконатися, що розв’язок системи (1) визначається
так
b1a22  b2 a12
x1  , (2)
a11a22  a21a12
a11b2  a21b1
x2  , (3)
a11a22  a21a12
де a1b2  a2b1  0 .
39
Системи лінійних алгебраїчних рівнянь
Спільний знаменник у виразах (2), (3) виражається через елемен-

ти матриці A як різниця добутку елементів головної діагоналі та до-
бутку елементів другої діагоналі. Це число називають детермінан-
том (або визначником) другого порядку, так як матриця A є матри-
цею другого порядку. Детермінант позначається так:
a11 a12
або det A .
a21 a22
Таким чином,
a11 a12
det A   a11a22  a21a12 .
a21 a22
Чисельники у виразах (2), (3) мають той же вигляд, що і знамен-

ник, тобто також є детермінантами другого порядку:
– чисельник у виразі для x1 є детермінантом матриці, яка отримується
з матриці A шляхом заміни її першого стовбця стовпцем вільних
членів:
b1 a12
 b1a22  b2 a12 ,
b2 a22
– чисельник у виразі для x2 є детермінантом матриці, яка отримується
з матриці A шляхом заміни її другого стовбця стовпцем вільних чле-
нів:
a11 b1
 a11b2  a21b1 .
a21 b2
За допомогою детермінантів розв’язок системи (1) можна записа-

ти у вигляді
40
b1 a12 a11 b1
b2 a22 x a21 b2 x
x1   , 1
x2   2
, (4)
a11 a12  a11 a12 
a21 a22 a21 a22
a11 a12
за умови    0.
a21 a22
Такий спосіб розв'язання квадратних систем лінійних алгебраїч-
них рівнянь із ненульовим детермінантом основної матриці носить
назву правила Крамера і формулюється так:
якщо детермінант матриці коефіцієнтів системи лінійних алге-
браїчних рівнянь відмінний від нуля, то шукані невідомі цієї системи
можна отримати з дробу, спільним знаменником якої слугує детер-
мінант матриці коефіцієнтів системи, а чисельником для невідомих
xi , i  1, 2 є детермінант, який отримується шляхом заміни у дете-
рмінанті матриці коефіцієнтів системи i -го стовпця стовпцем ві-
льних членів системи.
Формули (4) дозволяють розв’язувати системи лінійних алгебраї-
чних рівнянь з двома невідомими і називаються формулами Краме-
ра.
Приклад. Розв’язати систему лінійних алгебраїчних рівнянь
2 x1  3x2  4,

 x1  4 x2  13.
Детермінант матриці коефіцієнтів системи
2 3
  11
1 4
відмінний від нуля, тому для розв’язування можна застосовувати

правило Крамера.
Чисельниками для невідомих будуть детермінанти:
41
4 3 2 4
x   55 , x   22 .
1
13 4 2
1 13
Розв’язок системи знайдемо за формулами (4):
x 55 x 22
x1  1
  5, x2  2
  2.
 11  11
3.2. Властивості детермінантів другого порядку
Детермінанти другого порядку мають такі основні властивості:

1. Величина детермінанту не зміниться, якщо його рядки заміни-
ти стовпцями, а стовпці – рядками:
a11 a12 a11 a21

 ,
a21 a22 a12 a22
тобто стовпці та рядки у детермінанта другого порядку рівноправні. З

цієї властивості випливає, що всі властивості справедливі для рядків,
також справедливі для стовпців.
2. При перестановці рядків (стовпців) детермінант змінює знак:
a11 a12 a21 a22

. 
a21 a22 a11 a12
3. Якщо всі елементи одного з рядків (стовпця) помножити на до-
вільне число k , то весь детермінант помножиться на це число:
ka11 ka12 a11 a12

k .
a21 a22 a21 a22
4. Якщо всі елементи одного рядка (стовпця) пропорційні елемен-

там другого рядка, то детермінант дорівнює нулю:
42
Властивості детермінантів другого порядку
ka 21 ka 22
 0.
a21 a22
Звідси випливає, що детермінант з однаковими рядками (стовп-

цями) дорівнює нулю:
a21 a22
 0.
a21 a22
5. Величина детермінанта не зміниться, якщо до елементів будь-

якого рядка (стовпця) додати відповідні елементи іншого рядка (сто-
впця), помножені на один і той самий множник:
a11  ka 21 a12  ka 22 a11 a12

 .
a21 a22 a21 a22
6. Теорема (про множення детермінантів). Детермінант добутку

двох квадратних матриць дорівнює добутку їх детермінантів:
| C || A || B | , де C  AB .
Доведення. Нехай
a a  b b 
A   11 12  , B   11 12  ,
 a21 a22   b21 b22 
тоді C  AB :
 c11 c12   a11 a12  b11 b12   a11b11  a12b21 a11b12  a12b22 
    .
c a a b b a b 
 21 22   21 22  21 22   21 11 22 21 21 12 22 22 
c a b a b  a b
Добуток детермінантів | A || B | буде такий:
a11 a12 b11 b12

 ( a11a 22  a 21a12 )( b11b22  b21b12 ) .
a 21 a 22 b21 b22
Обчислимо детермінант матриці C :
43
c11 c12 a11b11  a12b21 a11b12  a12b22

 
c21 c22 a21b11  a22b21 a21b12  a22b22
 (a11b11  a12b21 )( a21b12  a22b22 )  (a21b11  a22b21 )( a21b12  a22b22 ) 
 a11b11a21b12  a11b11a22b22  a12b21a21b12  a12b21a22b22 
 a21b11a11b12  a21b11a12b22  a22b21a11b12  a22b21a12b22 
 a11a22 (b11b22  b21b12 )  a21a12 (b11b22  b21b12 ) 
 (a11a 22  a 21a12 )( b11b22  b21b12 ) .
Таким чином,
c11 c12 a11 a12 b11 b12

  (a11a22  a21a12 )( b11b22  b21b12 ) .
c21 c22 a21 a22 b21 b22
3.3. Детермінант третього порядку
Поняття детермінанту третього порядку введемо за аналогією понят-

тя детермінанту другого порядку.
Нехай задана система лінійних рівнянь
a11 x1  a12 x2  a13 x3  b1 ,


a21 x1  a22 x2  a23 x3  b2 , (5)
a x  a x  a x  b ,
 31 1 32 2 33 3 3
з матрицею коефіцієнтів
 a11 a12 a13 

 
A   a21 a22 a23  .
a a33 
 31 a32
44
Детермінант третього порядку
Для отримання розв’язку перше рівняння помножимо на число

a22a33  a23a32 , друге рівняння на a13a32  a12a33 , а третє рівняння на
a12a23  a13a22 :
a11 (a22a33  a23a32 ) x1  a12 (a22a33  a23a32 ) x2  a13 (a22a33  a23a32 ) x3 

 b1 (a22a33  a23a32 ) ,
a21(a13a32  a12a33 ) x1  a22 (a13a32  a12a33 ) x2  a23 (a13a32  a12a33 ) x3 

 b2 (a13a32  a12a33 ) ,
a31(a12a23  a13a22 ) x1  a32 (a12a23  a13a22 ) x2  a33 (a12a23  a13a22 ) x3 

 b3 (a12a23  a13a22 )
та складемо їх. В результаті коефіцієнти при x2 , x3 виявляться рівни-

ми нулю, і ми знайдемо:
b1a22a33  b2a32a13  b3a12a23  b3a22a13  b2a12a33  b1a32a23

x1  . (6)
a11a22a33  a21a32a13  a31a12a23  a31a22a13  a11a23a32  a21a12a33
Аналогічно, помноживши рівняння системи (5) відповідно на чи-

сла a23a31  a21a33 , a11a33  a13a31 , a13a21  a11a23 , отримаємо для x2 ви-
раз:
a11b2a33  a21b3a13  a31b1a23  a31b2a13  a21b1a33  a11b3a23
x2  . (7)
І нарешті, помноживши рівняння системи (5) відповідно на числа
a21a32  a22a31 , a12a31  a11a32 , a11a22  a12a21 ,
прийдемо до виразу для x3 :
a11a22b3  a21a32b1  a31a12b2  a31a22b1  a21a12b3  a11a32b2

x3  . (8)
Спільний знаменник у виразах (6), (7), (8)
45
називається детермінантом третього порядку, який відповідає ма-

триці A коефіцієнтів системи. Для його запису застосовується таке ж
позначення, що і для детермінанту другого порядку
a11 a12 a13

a21 a22 a23 
a31 a32 a33
 a11a22a33  a21a32a13  a31a12a23  a31a22a13  a11a23a32  a21a12a33 .
Чисельник у виразі (6) є детермінантом матриці, яка отримується

з матриці A шляхом заміни її першого стовбця стовпцем вільних
членів:
b1 a12 a13
b2 a22 a23  b1a22a33  b2 a32a13  b3a12a23  b3a22a13  b2 a12a33  b1a32a23 .
b3 a32 a33
Аналогічно, чисельник у виразі (7) є детермінантом матриці, яка

отримується з матриці A шляхом заміни її другого стовбця стовпцем
вільних членів:
a11 b1 a13
a21 b2 a23  a11b2a33  a21b3a13  a31b1a23  a31b2a13  a21b1a33  a11b3a23 ,
a31 b3 a33
А чисельник у виразі (8) є детермінантом матриці, яка отримуєть-

ся з матриці A шляхом заміни її третього стовбця стовпцем вільних
членів:
46
a11 a12 b1
a21 a22 b2  a11a22b3  a21a32b1  a31a12b2  a31a22b1  a21a12b3  a11a32b2 .
a31 a32 b3
Отже, формули (6) – (8) можна подати у вигляді:
b1 a12 a13
b2 a22 a23
b3 a32 a33 x
x1   ,   0,
1
(9)
a11 a12 a13 
a21 a22 a23
a31 a32 a33
a11 b1 a13
a21 b2 a23
a b a33 x
x2  31 3  ,   0,2
(10)
a11 a12 a13 
a21 a22 a23
a31 a32 a33
a11 a12 b1
a21 a22 b2
a a b x
x3  31 32 3  ,   0. 3
(11)
a11 a12 a13 
a21 a22 a23
a31 a32 a33
Таким чином, якщо детермінант системи трьох лінійних рівнянь

відмінний від нуля, то розв’язок системи може бути знайдений за
правилом Крамера, яке формулюється так само, як і у випадку систе-
ми двох лінійних рівнянь.
47
Формули (9) – (11) є формулами Крамера для розв’язання систе-

ми лінійних алгебраїчних рівнянь з трьома невідомими.
3.4. Обчислення детермінанту третього порядку
Для запам’ятовування формули обчислення детермінанту третього

порядку може бути корисним правило “трикутників”(рис.1): добутки
елементів головної діагоналі та елементів, що утворюють трикутники
з основами, паралельними до головної діагоналі, беруться зі знаком
плюс, а добутки елементів побічної діагоналі та елементів, що утво-
рюють трикутники з основами, паралельними до побічної діагоналі,
беруться зі знаком мінус.
Рис.1
Наприклад, обчислимо детермінант
1 4 1
2 5  3  1  5  0  4  ( 3)  3  ( 1)  2  6  3  5  ( 1) 
3 6 0
 6  ( 3)  1  0  2  4  15.
Правило обчислення детермінантів третього порядку можна

представити у вигляді схеми (рис.2).
Рис.2
Наприклад, обчислимо такий детермінант
48
Обчислення детермінанту третього порядку
1 4 1
2 5 3
3 6 0
за вище зазначеною схемою (рис.2).

Спочатку в таблиці детермінанта допишемо справа перший та
другий стовпчики
1 4 1 1 4
2 5  3 2 5.
3 6 0 3 6
Добутки, що стоять на головній та паралельній їй діагоналях, по-

трібно взяти зі знаком плюс,
а добутки, що стоять на побічній та паралельній їй діагоналях – зі

знаком мінус.
Таким чином, маємо
1 4 1
2 5  3  1  5  0  4  ( 3)  3  ( 1)  2  6  3  5  ( 1) 
3 6 0
 6  ( 3)  1  0  2  4  15.
Властивості детермінантів третього порядку.

Всі основні властивості детермінантів другого порядку справед-
ливі і для детермінантів третього порядку.
49
3.5. Детермінанти n – го порядку
Детермінанти n –го порядку неможливо ввести шляхом розв’язування

системи n лінійних рівнянь, яким були введені детермінанти другого
і третього порядків, так як при збільшенні n обчислення стають все
більш громіздкими. Тому, розглядаючи побудову детермінантів дру-
гого і третього порядків, встановимо загальні закономірності та за-
стосуємо їх для визначення детермінанту порядку n , потім доведемо,
що при такому визначенні правило Крамера залишається справедли-
вим.
a11 a12
 a11a22  a12a21 (1)
a21 a22
є алгебраїчною сумою 2  2! добутків пар елементів.

a11 a12 a13

a21 a22 a23 
a31 a32 a33
 a11a 22 a33  a12 a 23a31  a13a 21a32  a13a 22 a31  a12 a 21a33  a11a 23a32 (2)
є алгебраїчною сумою 6  3! добутків трійок елементів.

В кожному з добутків детермінантів другого і третього порядків є
тільки по одному елементу з кожного рядка і кожного стовпчика де-
термінанта. Половина добутків в сумі береться зі знаком «+», а поло-
вина – зі знаком «–» . Для визначення знаку, з яким добуток входить
у склад детермінанту, введемо деякі поняття.
Нехай задана квадратна матриця порядку n
 a11 a12 ... a1n 

 
a a 22 ... a 2 n 
A   21 .
... ... ... ... 
 
 a n1 an2 ... a nn 
50
Детермінанти п-го порядку
Із загального числа n 2 елементів цієї матриці виберемо набір з n

елементів так, щоб кожен набір мав по одному елементу з кожного
рядка та кожного стовпця. Будь-який такий набір можна впорядкува-
ти, записавши спочатку елемент з першого рядка, потім з другого і т.
д., тобто
(a1 j1 , a2 j2 , ..., anjn ) .
Номери стовпців  j1 , j2 , ..., jn  утворюють перестановку J з

n чисел: 1, 2, …, n . Всього існує n! різних перестановок з n натура-
льних чисел.
Введемо поняття інверсії в перестановці J . Два числа, що вхо-
дять в перестановку J , утворюють інверсію, якщо більше число з цієї
пари передує меншому. Позначимо через r (J ) кількість всіх інверсій
серед вибраних пар.
Наприклад, в перестановці з трьох чисел J  ( 2, 1, 3) є одна інве-
рсія ( 2, 1) , r ( J )  1 , а в перестановці J  (3, 2, 1) – три інверсії: (3, 2) ,
(3, 1) , ( 2, 1) , r ( J )  3 .
Розглянемо вираз для детермінанта другого порядку. У першому
добутку номери стовпців утворюють перестановку J  (1, 2) , в якій
немає інверсій r ( J )  0 . У другому добутку номери стовпців утво-
рюють перестановку J  (2, 1) , в якій є одна інверсія r ( J )  1 . Пер-
ший добуток входить до суми зі знаком «+», другий – зі знаком «–».
Виходячи з таких міркувань запишемо вираз для детермінанту друго-
го порядку таким чином:
a11 a12
 ( 1) r ( J )  0 a11a22  ( 1) r ( J ) 1 a12a21 . (3)
a21 a22
Аналогічно, проаналізувавши вираз для детермінанту третього

порядку, отримаємо
a11 a12 a13
a21 a22 a23 
a31 a32 a33
 ( 1) r ( J )  0 a11a 22 a 33  ( 1) r ( J )  2 a12 a 23a 31  ( 1) r ( J )  2 a13a 21a 32 

51
 ( 1) r ( J )  3 a13a 22 a 31  ( 1) r ( J ) 1 a11a 23a 32  ( 1) r ( J ) 1 a12 a 21a 33 . (4)
З порівняння виразів (1) і (3), (2) і (4) робимо висновок, що знак

добутку визначає множник ( 1) r ( J ) . Природно зберегти цю закономі-
рність і у визначенні детермінанту n -го порядку.
Означення. Детермінантом n -го порядку називається число, яке
дорівнює алгебраїчній сумі n! членів, кожний з яких є добутком n
елементів матриці, взятих по одному з кожного рядка і кожного стов-
пця, при цьому знак кожного члена визначається як ( 1) r ( J ) , де
( 1) r ( J ) – число інверсій в перестановці J з номерів стовпців елемен-
тів матриці, якщо при цьому номери рядків записані в порядку зрос-
тання:
a11 a12 ... a1n

a21 a22 ... a2 n
det A    ( 1) r ( J ) a1 j a2 j ...anj ,
... ... ... ... (J )
1 2 n
an1 an 2 ... ann
де сума береться за всіма перестановками J .

На практиці обчислення детермінанту високого порядку зводять
до обчислення декількох детермінантів нижчого порядку. Для цього
необхідно ввести поняття мінору та алгебраїчного доповнення елеме-
нтів детермінанту.
3.6. Мінори та алгебраїчні доповнення
Означення. Мінором  ij елемента aij називається детермінант, утво-

рений з даного детермінанта викреслюванням i -го рядка та j -го сто-
впця, на перетині яких розміщений елемент aij .
Наприклад, мінором 11 елемента a11 є детермінант
a22 a23
,
a32 a33
отриманий з детермінанту
52
Мінори та алгебраїчні доповнення
a11 a12 a13

a21 a22 a23
a31 a32 a33
викреслюванням 1 -го рядка та 1 -го стовпця,
на перетині яких розміщений елемент a11 , тобто
a22 a23
11   a22a33  a32a23 .
a32 a33
Означення. Алгебраїчним доповненням Aij елемента aij назива-

ється добуток мінору  ij на величину ( 1)i  j :
Aij  (1)i j  ij .
Наприклад, для попереднього прикладу алгебраїчне доповнення
A11 елемента a11 буде таким:
a22 a23
A11  (1)11 11 = (1) 2 a22a33  a32a23 .
a32 a33
В наступному параграфі наведена теорема Лапласа, яка дозволяє
звести обчислення детермінанту n - го порядку до обчислення детер-
мінантів порядку n  1 .
3.7. Подальші властивості детермінантів
Теорема Лапласа. (про розклад детермінанта за рядком або стовп-

цем). Детермінант n -го порядку дорівнює сумі добутків елементів
будь-якого рядка (стовпця) на відповідні їм алгебраїчні доповнення,
тобто
53
a11 a12  a1 j  a1n

a 21 a 22  a 2 j  a2n
     

a i1 ai 2  aij  ain
     
a n1 a n 2  a nj  a nn
 ai1 Ai1  ai 2 Ai 2    aij Aij    ain Ain , i  1, n
або
a11 a12  a1 j  a1n

a 21 a 22  a 2 j  a2n
     

a i1 ai 2  aij  ain
     
a n1 a n 2  a nj  a nn
 a1 j A1i  a 2 j A2 j    aij Aij    a nj Anj , j  1, n .
Продемонструємо справедливість теореми на прикладі детермі-

нанту третього порядку:
a11 a12 a13

a21 a22 a23 
a31 a32 a33
 a11a22a33  a12a31a23  a13a21a32  a11a23a32  a12a21a33  a13a22a31 
 a11a22a33  a11a23a32  a12a31a23  a12a21a33  a13a21a32  a13a22a31 
 a11(a22a33  a23a32 )  a12 (a31a23  a21a33 )  a13 (a21a32  a22a31 ) 
54
Подальші властивості детермінантів
a22 a23 a21 a23 a21 a22

 a11 ( 1)11  a12 ( 1)1 2  a13 ( 1)1 3 .
a32 a33 a31 a33 a31 a32
Теорема анулювання. Сума добутків елементів рядка (стовпця)

детермінанта на алгебраїчні доповнення іншого рядка (стовпця) дорі-
внює нулю, тобто
n
a is Ajs  0 , i  j .
s 1
Доведення. Розглянемо квадратну матрицю A та допоміжну мат-

рицю A , отриману з матриці A заміною j -го рядка на i -й:
 a11 a12  a1n 

 
   
a ai 2  ain 
 i1 
A     ,
a ai 2  ain 
 i1 
   
a an 2  ann 
 n1
тобто матриця A має два однакових рядка, тому згідно з властивістю

4 її визначник дорівнює нулю. Обчислюючи його розкладом за еле-
ментами j -го рядка, отримаємо:
n
| A |  ais A js  0 , i  j .
s 1
Зауваження. Поєднуючи результати теореми Лапласа та теореми

анулювання, маємо:
n
| A | при i  j,
 a A
is js  
при i  j.
(1)
s 1 0
55
Приклад. Обчислити детермінант за допомогою теореми Лап-

ласа
1 3 6 3
3 2 4 1
.
2 1 1 3
0 5 3 1
Розв’язання. Розкладемо детермінант за першим рядком:
1 3 6 3
3 2 4 1
 a11 A11  a12 A12  a13 A13  a14 A14 
2 1 1 3
0 5 3 1
2 4 1 3 4 1
 1  ( 1)11 1 1 3  3  ( 1)12  2 1 3 
5 3 1 0 3 1
3 2 1 3 2 4
 6  ( 1)1 3  2 1 3  3  ( 1)1 4  2 1 1 
0 5 1 0 5 3
 1  38  3  ( 22)  6  ( 48)  3  ( 34)  82 .
3.8. Правило Крамера
Теорема Крамера. Нехай  – детермінант матриці A системи n лі-

нійних рівнянь з n невідомими
56
Правило Крамера
a11 x1  a12 x 2  a13 x3    a1n x n  b1 ,

a x  a x  a x    a x  b ,
 21 1 22 2 23 3 2n n 2
 (1)
........................................................

a n1 x1  a n 2 x 2  a n 3 x3    a nn x n  bn ,
а  x , j  1, n – детермінант, який отримується заміною у детерміна-

j
нті матриці A коефіцієнтів системи j -го стовпця стовпцем вільних

членів системи. Тоді, якщо   0 , то система має єдиний розв’язок,
який визначається за формулами Крамера:
a11 a12 ... a1, j 1 b1 a1, j 1 ... a1n

a21 a22 ... a2, j 1 b2 a2, j 1 ... a2 n
... ... ... ... ... ... ... ...
a a ... an , j 1 bn an , j 1 ... ann x
x j  n1 n 2  , j
j  1, n . (2)
a11 a12 ... a1 j ... a1n 
a21 a22 ... a2 j ... a2 n
... ... ... ... ... ...
an1 an 2 ... anj ... ann
Доведення.1. Нехай система (1) має розв’язки і x j , j  1, n – один

із них. Нехай j – будь-яке з чисел 1, 2, …, n . Помножимо перше рів-
няння системи на алгебраїчне доповнення A1 j елемента a1 j у детермі-
нанті  матриці A коефіцієнтів системи; друге рівняння помножимо
на A2 j і т. д., а останнє рівняння – на Anj . В результаті додавання
отриманих рівнянь маємо:
( a11 A1 j  a21 A2 j  ...  an1 Anj ) x1  ( a12 A1 j  a22 A2 j  ...  an 2 Anj ) x2  ... 
 ( a1 j A1 j  a2 j A2 j  ...  anj Anj ) x j  ...  ( a1n A1 j  a2 n A2 j  ...  ann Anj ) xn 
 b1 A1 j  b2 A2 j  ...  bn Anj . (3)
57
Покладемо j  1 . Тоді, згідно з теоремою Лапласа, коефіцієнтом

при x1 в рівності (3) слугує детермінант  матриці A коефіцієнтів
системи, а коефіцієнти при всіх інших x j , j  2, n , згідно з теоремою
анулювання, дорівнюють нулю. Вільний член
b1 A1 j  b2 A2 j  ...  bn Anj
це детермінант, який отримується заміною у детермінанті  матриці

A коефіцієнтів системи першого стовпця стовпцем вільних членів
системи, а саме
b1 a12 ... a1n

b2 a 22 ... a 2 n
b1 A1 j  b2 A2 j  ...  bn Anj   x .
... ... ... ... 1
bn an 2 ... a nn
Враховуючи вище сказане, рівність (3) набуває вигляду
  x1   x 1
або, якщо   0 ,
x
x1  1
.

Аналогічно міркуючи, можна довести справедливість виразів
x
xj  j
,   0 , j  2, n .

Таким чином, доведено, що якщо система (1) має розв’язки, то

вона має єдиний розв’язок (2).
x
2. Покажемо тепер, що набір чисел x j  ,   0 , j  1, n задо- j

вольняє систему (1), тобто система (1) має розв’язки.
Ліву частину i -го рівняння системи можна подати у вигляді
58
Правило Крамера
a x ij j . (4)
j 1
x n
Враховуючи, що x j  j
, а  x j   bk Akj , вираз (4) перепише-
 k 1
мо так:
n n x1 n  n  1 n  n 
 a x
ij j   aij



 j
aij  k kj

 k 1
b A 



 bk   ij kj  .
 a A 
j 1 j 1 j 1 k 1  j 1 
n
Так як, за теоремою Лапласа, a ij Akj  ai1 Ak 1  ai 2 Ak 2  ...  ain Akn  
j 1
n
при k  i і a ij Akj  0 при k  i , то в зовнішній сумі по k залишить-
j 1
ся тільки один доданок, а саме bi  , тобто

n n x 1
 aij x j   aij 
j


bi   bi .
j 1 j 1
Таким чином, після підстановки чисел (3) ліва частина i -го рів-
няння системи дорівнює bi , тобто задовольняє рівняння. Але номер i
рівняння був обраний довільно. Це означає, що набір чисел (3) задо-
вольняє всю систему. Теорема доведена.
Отже, ми отримали такий результат: система n лінійних рівнянь з
n невідомими, детермінант якої відмінний від нуля, має тільки один
розв’язок. Цей розв’язок отримується за формулами (3), тобто за пра-
вилом Крамера, формулювання якого таке ж, як і у випадку системи
двох лінійних рівнянь.
59
В задачах 1–18 знайти детермінант заданої матриці.
 2 2 1  2 3 2
 1 2  2 2 1 2    
1.   . 2.   . 3.   . 4.  1 2 3  . 5.  3 4 1 .
  1 6   4 6   4 3   3 0 4  4 3 2
   
 2 3 2  5 3 2  5 1 1  5 1 2
       
6.  1 4 1  . 7.  1 4 1  . 8.  1 4 1 . 9.  1 4 1 .
 4 1 2  4 5 2  1 5 1  4 5 2
       
1 5 6 2 1 5 4 0 1 5 4 0
     
10. 
0 1 4 3 1 1 4 2 2 1 4 2
. 11. . 12. .
0 0 1 2 0 1 1 2 0 2 1 2
     
0 0 0 1  0 0 1 1  0 0 1 1 
1 5 4 0 1 2 4 0 1 2 4 0
     
13. 
2 1 4 2 2 1 1 2 0 1 1 2
. 14. . 15. .
0 2 1 2 1 0 4 2 0 0 4 2
     
 2 10 8 1  1 4 0 1  0 0 0 1 
5 6 0 0 7 6 5 0 3 3 5 0
     
16. 
0 4 4 2 2 4 5 2 2 4 5 2
. 17. . 18. .
0 3 4 2 1 3 4 2 1 3 4 2
     
0 0 0 1  0 0 0 1  1 1 1 1 
В задачах 19 – 30 розв’язати системи лінійних рівнянь методом

Крамера.
60
 x1  4 x 2  5 x3  11, 3x1  4 x 2  8 x3  23,

 
19. 2 x1  x 2  2 x3  6, 20. 2 x1  4 x 2  2 x3  10,
 x  3x  x  3.  x  3x  2 x  8.
 1 2 3  1 2 3
5 x1  x2  8 x3  32,  x1  7 x2  8 x3  38,
 
21. 2 x1  x2  2 x3  11, 22. 3x1  2 x2  2 x3  13,
 x  x  2 x  8.  x  3x  2 x  14.
 1 2 3  1 2 3
 x1  x2  x3  2,  x1  x3  9,
 
23. 2 x1  2 x2  2 x3  12, 24.  3x1  2 x2  2 x3  1,
5 x  x  2 x  23.  x  3x  7 x  11.
 1 2 3  1 2 3
5 x1  x2  8 x3  33,  x1  7 x2  8 x3  22,
 
25. 5 x1  x2  2 x3  12, 26. 3x1  2 x2  2 x3  25,
 x  x  2 x  9.  x  3x  2 x  12.
 1 2 3  1 2 3
5 x1  x2  8 x3  28,  2 x1  x2  5 x3  7,
 
27. 2 x1  x2  2 x3  13, 28. 3x1  2 x2  2 x3  5,
 x  x  2 x  12.  x  x  2 x  3.
 1 2 3  1 2 3
 5 x1  x2  3,  x1  x2  3x3  5,
 
29. 2 x1  2 x3  6, 30.  x1  x2  2 x3  0,
 x  x  2 x  7.  x  x  2 x  2.
 1 2 3  1 2 3
Відповіді.
1. 8 . 2. 4 . 3.  5 . 4. 20 . 5.  10 . 6.  10 . 7.  1 . 8.  4 . 9.  5 .10. 1 . 11.  4 .
12.  1 . 13.  1. 14.  50 . 15. 4 . 16. 20 . 17.  1 . 18. 4 . 19. (1,0,2) . 20.
(1,1,2) . 21. (3,1,2) . 22. (1,3,2) . 23. ( 4,1,1) . 24. (1,1,1) . 25. (3,2,2) . 26. (7,1,1) .
27. (1,7,2) .28. (1,0,1) . 29. (1,2,2) . 30. (1,1,1) .
61
Обернена матриця
4. Обернена матриця
1 1
Для кожного числа a  0 існує обернене число a таке, що aa  1 .
Для квадратних матриць також вводиться аналогічне поняття.
1
Означення. Матриця A називається оберненою до квадратної
матриці A , якщо при множенні цієї матриці на дану як справа так і
зліва отримується одинична матриця:
AA1  A1 A  I .
З означення випливає, що тільки квадратна матриця має оберне-
ну, в такому випадку і обернена матриця є квадратною такого ж по-
рядку.
Однак не кожна квадратна матриця має обернену. Якщо a  0 є
1
необхідною і достатньою умовою існування числа a , то для існу-
1
вання матриці A такою умовою є те, що детермінант матриці A не
дорівнює нулю, | A |  0 .
Означення. Якщо детермінант матриці A не дорівнює нулю
| A |  0 , то така квадратна матриця називається невиродженою, або
неособливою, в іншому випадку ( | A |  0 ) – виродженою, або особли-
вою.
Теорема (про єдність оберненої матриці). Якщо до матриці A
існує обернена матриця, то вона єдина.
Доведення. Доведемо від супротивного. Припустимо, що до мат-
риці A існують дві обернені матриці A11 , A21 такі, що A11  A21 і ви-
конуються рівності AA11  I і AA21  I . Тоді
A11  A11I  A11 AA21  IA21  A21 .
Отримана суперечність доводить теорему.
Означення. Матрицею, приєднаною до матриці A називається
матриця
62
Алгоритм обчислення оберненої матриці
 A11 A21  An1 

 
A A22  An 2 
A*  ( Aij )T   12
 
,
 
 
 A1n A2 n  Ann 
де Aij – алгебраїчне доповнення до елемента a ij матриці A , i  1, n ,

j  1, n .
Теорема (необхідна та достатня умова існування оберненої ма-
триці). Обернена матриця A1 існує тоді і тільки тоді, коли матриця
A невироджена.
Доведення. Необхідність. Нехай матриця A має обернену A1 ,
тобто AA1  A1 A  I . За теоремою про множення детермінантів ма-
ємо | A || A1 || A1 || A || I | 1, тобто | A | 0 , | A1 | 0 .
1 *
Достатність. Нехай | A | 0 . Покажемо, що матриця A  A є
| A|
оберненою до матриці A .
Дійсно,
 a11 a12  a1n  А11 A21  An1 
  
1 1  a21 a22  a2 n  A12 A22  An 2 
AA 1  AA*  
| A| | A|          
  
 an1 an 2  ann  A1n A2 n  Ann 
| A | 0  0 
 
1  0 | A|  0 
 I.
| A|    
 
 0 0  | A |
Остання рівність випливає з теореми Лапласа про розклад детер-

мінанта за рядком або стовпцем та теореми анулювання.
63
Аналогічно перевіряємо, що
A1 A  I .
Теорему доведено.
4.1. Алгоритм обчислення оберненої матриці
1. Знаходимо детермінант матриці A .

Якщо | A | 0 , то матриця A – вироджена і оберненої матриці A1
не існує.
Якщо | A | 0 , то матриця A – невироджена і обернена матриця
A1 існує.
2. Знаходимо алгебраїчні доповнення Aij і складаємо приєднану
матрицю A* .
1 *
3. Обчислюємо обернену матрицю A1 за формулою A  A.
| A|
4. Перевіряємо правильність обчислення оберненої матриці A1 :
AA1  A1 A  I .
Приклад. Знайти матрицю обернену до заданої:
 1 2 3
 
A   3 1 2.
 4 0 2
 
1. Знаходимо детермінант матриці A .
a22 a23 a21 a23 a21 a22

| A | a11( 1)11  a12 ( 1)1 2  a13 ( 1)1 3 
a32 a33 a31 a33 a31 a32
1 2 3 2 3 1
 1  ( 1)11  2  ( 1)1 2  3  ( 1)1 3  6 .
0 2 4 2 4 0
64
Алгоритм обчислення оберненої матриці
Детермінант матриці A не дорівнює нулю | A | 0 , отже матриця

A – невироджена і обернена матриця A1 існує.
2. Знаходимо алгебраїчні доповнення Aij :
1 2 2 3
A11  (1)11  2 , A21  (1) 21  4 ,
0 2 0 2
2 3
A31  (1) 31  1,
1 2
3 2 1 3
A12  (1)1 2  2 , A22  (1) 2 2  10 ,
4 2 4 2
1 3
A32  (1) 3 2  7,
3 2
3 1 1 2
A13  (1)13  4 , A23  (1) 23  8,
4 0 4 0
1 2
A33  ( 1) 3 3  5 .
3 1
1
3. Обчислюємо обернену матрицю A за формулою:
 A11 A21 A31 

1  
A 1   A12 A22 A32  .
|A| 
 A13 A23 A33 
 1 2 1
  
 2 4 1   3 3 6
1   1 2 1
A1    2  10 7     1 1 .
6
    3 3 6
 4 8 5   2 1 5 
 1 
 3 3 6 
65
4.2. Властивості оберненої матриці
1 1
1. | A | .
| A|
Доведення. За теоремою про множення детермінантів маємо:
| A1 || A |  | A1 A |  | I | .
Детермінант одиничної матриці будь-якого розміру дорівнює одини-

1 1
ці, | I |  1 , тому | A1 || A | 1 . Звідки, | A | .
| A|
2. ( A1 ) 1  A .
1
Доведення. Помножимо рівність ( A1 ) 1  A на A справа і вра-
ховуючи означення оберненої матриці, отримаємо:
( A1 ) 1 ( A1 )  I .
1
З іншого боку, за означенням оберненої матриці: AA  I .
Приймаючи до уваги теорему про єдність оберненої матриці, отрима-
ємо:
( A1 ) 1  A .
3. ( Am ) 1  ( A1 ) m .
Доведення. З означення оберненої матриці випливає, що
( Am ) 1 Am  I
або
( Am ) 1 
AA A I.
...
m раз
Помноживши цю рівність справа на
66
Властивості оберненої матриці
( A 1 ) m 
A
1 1
A ...
A 1
m раз
маємо:
( Am ) 1 
AA
...
AA
1 1
A ...
A1  ( A1 ) m .
m раз m раз
1
Враховуючи, що AA  I , отримаємо: ( Am ) 1  ( A1 ) m .
4. ( AB) 1  B 1 A1 .
Доведення. З означення оберненої матриці випливає, що
( AB) 1 ( AB)  I .
Помноживши цю рівність справа на добуток B 1 A1 і, враховую-

чи, що BB1  I і AA1  I , отримаємо: ( AB) 1  B 1 A1 .
5. ( AT ) 1  ( A1 )T .
Доведення. Дійсно,
( A1 )T AT  ( AA1 )T  I T  I ,
і навпаки
AT ( A1 )T  ( A1 A)T  I T  I .
67
В задачах 1-12 знайти матрицю обернену заданій.
 2 2 1  2 3 2
 1 2 2 2 1 2    
1.   . 2.   . 3.   . 4.  1 2 3  . 5.  3 4 1 .
  1 6  4 6 4 3  3 0 4  4 3 2
   
 2 3 2  5 3 2  5 1 1  5 1 2
       
6.  1 4 1  . 7.  1 4 1  . 8.  1 4 1 . 9.  1 4 1 .
 4 1 2  4 5 2  1 5 1  4 5 2
       
1 5 6 2 1 5 4 0 1 5 4 0
     
10. 
0 1 4 3 1 1 4 2 2 1 4 2
. 11. . 12. .
0 0 1 2 0 1 1 2 0 2 1 2
     
0 0 0 1  0 0 1 1  0 0 1 1 
1 5 4 0 1 2 4 0 1 2 4 0
     
13. 
2 1 4 2 2 1 1 2 0 1 1 2
. 14. . 15. .
0 2 1 2 1 0 4 2 0 0 4 2
     
 2 10 8 1  1 4 0 1  0 0 0 1 
5 6 0 0 7 6 5 0 3 3 5 0
     
16. 
0 4 4 2 2 4 5 2 2 4 5 2
. 17. . 18. .
0 3 4 2 1 3 4 2 1 3 4 2
     
0 0 0 1  0 0 0 1  1 1 1 1 
Відповіді.
 0,75  0,25   1,5  0,5    0,6 0,4 

1.   . 2.   . 3.  .
 0,125 0,125    1 0,5   0,8  0, 2 
68
 0,4  0,4 0,2    0,5 0 0,5    0,7 0,4 0,5 

     
4.  0,25 0,25  0,25  . 5.  0, 2 0, 4  0, 4  . 6.   0, 2 0, 4 0 
  0,3 0,3 0,1   0,7  0,6 0,1   1,5  1  0,5 
    
3 4 5   0,25  1 0,75    0,6  1,6 1,4 

     
7.   2  2 3  . 8.  0  1 1  . 9.   0, 4  0, 4 0,6 .
 11 13  17    0,25 6  4,75   2,2 4,2  3,8 
    
 1  5 14  15   0,75 0,25  4 7,5 

   
 
10.   . 11.  .
0 1 4 5 0, 25 0, 25 0 0,5
0 0 1 2    0,25 0,25 1  2,5 
   
 0 0 0 1   0 0 0 1 
 7  3  16 38    69  3  16 38 
   
    
12.   . 13.  .
2 1 4 10 18 1 4 10
 4 2 9  22   40 2 9  22 
   
 0 0 0 1    2 0 0 1 
 0,4 0,8  0,6  0,4   1  2  0,5 5 

   
  
14.   . 15.  .
0,02 0 ,16 0,02 0, 28 0 1 0, 25 1,5
 0,14  0,12 0,14  0,04  0 0 0,25  0,5 
   
  0 , 48  0 ,16 0,52 0, 28   0 0 0 1 
 0,2  1,2 1,2 0   1 9  10 2 

   
  
16.   . 17.  .
0 1 1 0 3 23 25 4
 0  0,75 1  0,5    2 15  16 2 
   
 0 0 0 1   0 0 0 1 
69
 0,25  0,25  0,25 1 

 
  
18.  .
0,75 2,75 2 , 25 1
 0,5  1,5 1,5 0
 
 0  1 1 1 
4.3. Матричні рівняння
Розглянемо спочатку алгоритм розв’язання лінійного рівняння
ax  b , (1)
в якому коефіцієнти a , b і невідома змінна x є числами. Для знахо-

1
дження змінної x рівняння (1) множиться на обернене число , яке
a
1
можна записати a . І не має значення з якого боку відбувається
множення зліва чи справа:
a 1ax  a 1b , aa 1 x  ba 1 ,
так як для чисел виконується закон комутативності ( ab  ba ).

Все вище сказане справедливо і для лінійного рівняння
xa  b . (2)
В силу закону комутативності розв’язок рівняння (1) буде співпадати

з розв’язком рівняння (2).
Інша ситуація виникає з матричними рівняннями, тобто з рівнян-
нями, в яких фігурують не числа, а матриці. Так як для матриць в за-
гальному випадку не виконується закон комутативності ( AB  BA ).
1. Розглянемо матричне рівняння вигляду
AX  B , (3)
де A – відома матриця розміром m  m , B – відома матриця розміром

m  n , X – невідома матриця розміром m  n .
70
Матричні рівняння
Для знаходження невідомої матриці X рівняння (3) необхідно

1
помножити на обернену матрицю A зліва:
A1 AX  A1B .
Так як
A1 A X  A1 B ,

I
то розв’язок рівняння (3) буде такий:
X  A1B .
XA  B , (4)
де A – відома матриця розміром n  n , B – відома матриця розміром

m  n , X – невідома матриця розміром m  n .
помножити на обернену матрицю A1 справа:
XAA1  BA1 .
Так як
AA1  BA1 ,
X
I
X  BA1 .
AXC  B , (5)
71
де A – відома матриця розміром m  m , C – відома матриця розміром

n  n , B – відома матриця розміром m  n , X – невідома матриця ро-
зміром m  n .
помножити на обернену матрицю A1 зліва та на обернену матрицю
C 1 справа:
A1 AXCC 1  A1 BC 1
Так як
A1 A X CC
 
1 1 1
  A BC ,
I I
X  A1 BC 1 .
4. Розглянемо матричне рівняння, яке відіграє в економіці велику

роль і називається балансовим рівнянням або моделлю Леонтьєва:
X  AX  C , (6)
де A – відома матриця розміром m  m , C – відома матриця розміром

m  1 , X – невідома матриця розміром m  1 .
Для знаходження невідомої матриці X спочатку необхідно вико-
нати такі елементарні перетворення:
1) перенесемо доданок AX в іншу частину рівності з від’ємним
знаком:
X  AX  C ,
2) враховуючи той факт, що для матриць не виконується закон

комутативності, винесемо за дужки спільний множник X :
( I  A) X  C .
72
Таким чином, рівняння (6) зведено до вигляду (1). Дотримуючись ал-

горитму розв’язання рівняння (1) матимемо:
( I  A) 1 ( I  A) X  ( I  A) 1 C ,
X  ( I  A) 1 C .
Приклад 1. Розв’язати матричне рівняння
 1 2 1  7 
   
  3 1 1 X    17 .
 1 3 1  7 
   
Дане матричне рівняння типу
AX  B ,
 1 2 1  7 
   
де A    3 1 1 – матриця розміром 3  3 , B    17  – матриця
 1 3 1  7 
   
розміром 3  1 , Відповідно, невідома матриця X матиме розмір 3  1 .
Для знаходження невідомої матриці X задане рівняння множимо
на обернену матрицю A1 зліва.
Розв’язуємо дане рівняння в загальному вигляді:
1 1
 1 2 1  1 2 1  1 2 1  7 
       
  3 1 1   3 1 1  X    3 1 1   17 ,
 1 3 1  1 3 1  1 3 1  7 
       
тобто невідома матриця X знаходиться так:
1
 1 2 1  7 
   
X    3 1 1   17  .
 1 3 1  7 
   
73
1
Знаходимо обернену матрицю A :
1
 1 2 1  2 1 1 
  1  
  3 1 1    4 0  4 .
 1 3 1 4   10  1 7 
   
Розв’язок рівняння буде такий:
 2 1 1  7   6 
1     
X   4 0  4   17    0  .
4    
  10  1 7  7   1 
 1 3 2
   1 4 4
X  2 1 4   .
 0 1 2  2 1 4 
 
XA  B ,
 1 3 2
   1 4 4
де A   2 1 4  – відома матриця розміром 3  3 , B    –
 0 1 2  2 1 4 
 
відома матриця розміром 2  3 , відповідно, невідома матриця X ма-
тиме розмір 2  3 .
Для знаходження невідомої матриці X задане рівняння множимо
на обернену матрицю A1 справа.
1 1
 1 3 2  1 3 2   1 3 2
    1 4 4  
X  2 1 4  2 1 4     2 1 4  ,
 0 1 2  0 1 2   2 1 4  
    0 1 2
74
1
 1 3 2
 1 4 4  
X   2 1 4  .
 2 1 4  
 0 1 2
1
Знаходимо обернену матрицю A :
1
 1 3 2   2  4 10 
  1 
A1   2 1 4      4 2 0 .
 0 1 2 10  
   2  1  5
  2  4 10 
1 1 4 4    1 0 1
X     4 2 0  .
10  2 1 4    0 1 0 
 2  1  5
 1 0 1   1 0 1  12 4 4 
     
 2 1 1  
X 0 2 1 
  18 10 8 .
 3 1 0   2 1 0  18 10 8 
     
AXC  B ,
75
 1 0 1  1 0 1
   
де A   2 1 1  – матриця розміром 3  3 , C   0 2 1  – матриця
 3 1 0  2 1 0
   
12 4 4 
 
розміром 3  3 , B  18 10 8  – матриця розміром 3  3 . Відповід-
18 10 8 
 
но, невідома матриця X матиме розмір 3  3 .
Для знаходження невідомої матриці X дане рівняння множимо на
обернену матрицю A1 зліва та на обернену матрицю C 1 справа.
1 1
 1 0 1   1 0 1   1 0 1  1 0 1 
      
 2 1 1   2 1 1  
X 0 2 1  0 2 1  
 3 1 0   3 1 0   2 1 0  2 1 0 
      
1 1
 1 0 1  12 4 4  1 0 1 
    
  2 1 1  18 10 8  0 2 1  ,
 3 1 0  18 10 8  2 1 0 
    
1 1
 1 0 1  12 4 4  1 0 1 
    
X   2 1 1   18 10 8  0 2 1  .
 3 1 0   18 10 8  2 1 0 
    
Знаходимо обернену матрицю A1 :
1
 1 0 1   1 1  1
  1 
A1   2 1 1     3  3 1  .
 3 1 0 2 
  1 1 1 
Знаходимо обернену матрицю C 1 :

76
1
 1 0 1   1 1  2
  1 
C 1   0 2 1    2  2  1 .
 2 1 0 5 
   4 1 2 
  1 1  112 4 4   1 1  2   2 0 2 
1  1      
X       3  3 1 18 10 8  2  2  1    0 2 0  .
2  5      
  1  1 1 18 10 8   4  1 2   2 0 2 
Приклад 4. Розв’язати матричне рівняння:
 0,3 0,2 0,1  118 

   
X   0,1 0,4 0,2  X   26  .
 0,2 0,1 0,4   57 
   
X  AX  C , (6)
 0,3 0,2 0,1  118 
   
де A   0,1 0,4 0,2  – матриця розміром 3  3 , C   26  – матри-
 0,2 0,1 0,4   57 
   
ця розміром 3  1 , X – невідома матриця розміром 3  1 .
Для знаходження невідомої матриці X спочатку необхідно вико-
нати такі елементарні перетворення:
1) перенесемо доданок AX в іншу частину рівності з від’ємним
знаком:
 0,3 0,2 0,1  118 

   
X   0,1 0,4 0,2  X   26  ,
 0,2 0,1 0,4   57 
   
77
2) враховуючи той факт, що для матриць не виконується закон

комутативності, винесемо за дужки спільний множник X :
  1 0 0   0,3 0,2 0,1   118 

     
 0 1 0 
  0,1 0,4 0,2  X   26 ,
  0 0 1   0,2 0,1 0,4    57 
     
 0,7  0,2  0,1  118 

   
  0 ,
1 0 ,6  0 ,2  X   26 .
  0,2  0,1 0,6   57 
   
Таким чином, задане рівняння зведено до вигляду (1). Дотриму-

ючись алгоритму розв’язання рівняння (1) матимемо:
1
 0,7  0,2  0,1   0,7  0,2  0,1 
   
  0,1 0,6  0,2    0,1 0,6  0,2  X 
  0,2  0,1 0,6    0,2  0,1 0,6 
   
1
 0,7  0,2  0,1  118 
   
   0,1 0,6  0,2   26 ,
  0,2  0,1 0,6   57 
   
5 5 1
1  
 0,7  0,2  0,1  118   3 8 2 118   240 
    1 3    
X    0,1 0,6  0,2   26    2  26 
  150 .
  0,2  0,1 0,6   57   2 4    
    5 1  57   200 
 2
8 2 
78
В задачах 1-12 розв’язати матричні рівняння.
 1 1 2  1 1 2  2 4 6
   2 4 6    
1. X  2 1 2    . 2. X  2 1 2    4 2 4  .
 0 1 1  4 2 4   0 1 1  2 4 6
     
 1 1 2  6 2 6  1 1 2  6
       
3.  2 1 2  X   8 2 8  . 4.  2 3 3  X   8  .
 0 1 1  2 2 2 0 1 1  2
       
 4 1 2 8  4 2 2 8 8
       
5.  2 1 4  X  10  . 6.  1 2 4  X   9 7  .
 0 1 1 2  0 1 2  6 5
       
 1 1 1   1 1 1   5 6 3
     
7.  2 0 1  X  1 2 1    3 6 3 .
 0 1 0   2 1 0   3 2 1
     
 0 1 0  2 1 2  3 6 4 
     
8.  2  4 1  X  1 2 1     9  18  13 .
 0 1 0   1 1 0  4 5 
     8
0 1  2 1  4 5 
9.  X   .
 2  4   1 2    14  16 
 0,6 0,2   20 
10. X   X   .
 0,1 0,7   70 
 0,5 0,2   40 
11. X   X   .
 0,002 0,7   24,8 
79
 0,1 0,2 0,4  110 

   
12. X   0,1 0,4 0  X   70  .
 0,2 0,1 0,4   5 
   
Відповіді.
2 0 2 2 0 2  1 1  1 1
2 0 2          
1.   . 2.  0 2 0  . 3.  0 2 0  . 4.  1 . 5.  0  . 6.  0 1 .
0 2 0 2
 0 2  2
 0 2   1
 
 2
 
 2 1
 
0 1 0 0 1 0
    0 1  200  100 
7.  1 0 1  . 8.  1 2 1  . 9.   . 10. X    . 11. X   .
0 1 1 2  300   50 
 0  0
 1 0 
 200 
 
12.  150  .
 100 
 
80
n -вимірний векторний простір
5. Загальна теорія систем лінійних

алгебраїчних рівнянь
5.1. n -вимірний векторний простір
Означення. Упорядкований набір з n чисел
a  (a1 , a2 ,..., an )
називається n -вимірним вектором. Числа ai , i  1, n називаються ко-

ординатами вектору a .
Означення. Вектори
a  (a1 , a2 ,..., an ) і b  (b1 , b2 ,..., bn )
будуть рівними, якщо співпадають їх відповідні координати ai  bi ,

i  1, n .
Означення. Сумою векторів a  (a1 , a2 ,..., an ) і b  (b1 , b2 ,..., bn )
називається вектор
a  b  (a1  b1 , a2  b2 ,..., an  bn ) ,
координати якого є сумою відповідних координат векторів, що дода-

ються.
Властивості операції додавання векторів
1. a  b  b  a – комутативна властивість.
a  b  (a1  b1 , a2  b2 ,..., an  bn )  (b1  a1 , b2  a2 ,..., bn  an )  b  a .
2. (a  b )  c  a  (b  c ) – асоціативна властивість.
81
Загальна теорія систем лінійних алгебраїчних рівнянь
(a  b )  c  ((a1  b1 )  c1 , (a2  b2 )  c2 ,..., (an  bn )  cn ) 
 a1  (b1  c1 ), a2  (b2  c2 ),..., an  (bn  cn )  a  (b  c ) .
3. a  0  a для будь-якого вектора a .
Доведення. Дійсно, так як 0  (0,0,...,0) , то
a  0  (a1  0, a2  0,..., an  0)  a .
4. a  ( a )  0 , де  a  ( a1 ,a2 ,...,an ) протилежний вектору

a  (a1 , a2 ,..., an ) .
a  ( a )  (a1  ( a1 ), a2  ( a2 ),..., an  ( an ))  (0,0,...,0)  0 .

Означення. Різницею векторів a  (a1 , a2 ,..., an ) і b  (b1 , b2 ,..., bn )
називається вектор a  ( b )  a  b , тобто
a  b  (a1  b1 , a2  b2 ,..., an  bn ) .
Означення. Добутком вектора a  (a1 , a2 ,..., an ) на число k нази-

вається вектор
ka  a k  (ka1 , ka2 ,..., kan ) ,
координати якого дорівнюють добутку числа k та відповідних коор-

динат вектора a .
Властивості операції множення вектора на число
1. k (a  b )  ka  kb – дистрибутивна властивість числового

множника відносно суми векторів.
82
n -вимірний векторний простір
k (a  b )  (k (a1  b1 ), k (a2  b2 ),..., k (an  bn )) 
 (ka1  kb1 , ka2  kb2 ,..., kan  kbn )  ka  kb .
2. a ( k  l )  ka  la – дистрибутивна властивість векторного

множника відносно суми чисел.
a (k  l )  (a1 (k  l ), a2 (k  l ),..., an (k  l )) 
 (a1k  a1l , a2 k  a2l ,..., an k  an l )  ka  la .
3. l ( ka )  ( kl )a – асоціативна властивість.
l (ka )  l (ka1 , ka2 ,..., kan )  (l (ka1 ), l (ka2 ),..., l (kan )) 
 (( lk )a1 , (lk )a2 ,..., (lk )an )  (lk )a .
4. 1  a  a , ( 1)  a   a , 0  a  0 .
1  a  (1  a1 ,1  a2 ,...,1  an )  (a1 , a2 ,..., an )  a ,
( 1)  a  (( 1)  a1 , ( 1)  a2 ,..., ( 1)  an )  (a1 , a2 ,..., an )  a ,
0  a  (0  a1 ,0  a2 ,...,0  an )  (0,0,...,0)  0 .
Означення. Множина всіх дійсних n -вимірних векторів з введе-

ними операціями додавання векторів та множення вектора на число
називається n -вимірним векторним простором і позначається R n .
83
5.2. Лінійна залежність і незалежність векторів
Вектор b з n -вимірного векторного простору називається пропор-

ційним вектору a , якщо існує таке число k , що b  ka . Зокрема, ну-
льовий вектор пропорційний будь-якому вектору a так як справед-
лива рівність 0  a  0 . Якщо ж b  ka і b  0 , k  0 , то a  k 1b , тоб-
то для ненульових векторів пропорційність має властивість симетри-
чності.
Узагальненням поняття пропорційності векторів є поняття ліній-
ної комбінації векторів a1 , a2 , …, as .
Означення. Вектор b називається лінійною комбінацією векто-
рів a1 , a2 , …, as , якщо існують такі числа l1 , l2 , …, ls , що
b  l1a1  l2a2  ...  ls as .
Означення 1. Система векторів
a1 , a2 , …, ar 1 , ar , r2 (1)
називається лінійно залежною, якщо хоча б з цих векторів є ліній-

ною комбінацією інших векторів системи (1).
Наведемо іншу форму означення лінійної залежності векторів.
Означення 2. Система векторів (1) лінійно залежна, якщо існу-
ють такі числа k1 , k2 , …, k r 1 , k r , з яких хоча б одне відмінне від ну-
ля, що має місце рівність
k1a1  k2 a2  ...  k r 1ar 1  kr ar  0 .
Доведення еквівалентності визначень 1 і 2 не викликає трудно-

щів. Нехай, наприклад, вектор ar з системи (1) є лінійна комбінація
інших векторів:
ar  l1a1  l2 a2  ...  lr 1ar 1 .
Звідси випливає рівність
84
Лінійна залежність і незалежність векторів
l1a1  l2 a2  ...  lr 1ar 1  ar  0 ,
тобто маємо рівність вигляду (2), де ki  li , i  1, r  1 і k r  1, тобто

k r  0 . Нехай, навпаки, вектори (1) зв’язані співвідношенням (2), в
якому, наприклад, k r  0 . Тоді
 k   k   k 
ar    1 a1    2 a2  ...    r 1 ar 1 ,
 kr   kr   kr 
тобто вектор ar є лінійною комбінацією векторів a1 , a2 , …, ar 1 , ar .

Означення. Система векторів (1) лінійно незалежна, якщо рів-
ність нулю їх лінійної комбінації
k1a1  k2 a2  ...  k r 1ar 1  kr ar  0 .
з числами k1 , k2 , …, k r 1 , k r можлива тільки за умови
k1  k2  ...  kr 1  kr  0 .
Приклад. Система векторів
a1  (3, 2,1) , a2  ( 7, 3, 2) , a3  ( 4,  5,  3) , a4  ( 4,  8,  4)
лінійно залежна, так як вектори зв’язані співвідношенням
5a1  a2  a3  a4  0 ,
в якому всі коефіцієнти відмінні від нуля.

Відмітимо таку властивість лінійної залежності і незалежно-
сті векторів: якщо деяка підсистема векторів (1) лінійно залежна, то
і вся система (1) лінійно залежна.
Доведення. Дійсно, нехай вектори a1 , a2 , …, as з системи (1), де
s  r , зв’язані співвідношенням
k1a1  k2a2  ...  ks as  0 ,
85
в якому не всі коефіцієнти дорівнюють нулю. Звідси випливає спів-

відношення
k1a1  k2a2  ...  ks as  0  as 1  ...  0  ar  0 ,
тобто система векторів (1) лінійно залежна.

З цієї властивості випливає лінійна залежність будь-якої сис-
теми векторів, яка містить два рівних або пропорційних вектори,
а також лінійна залежність будь-якої системи, яка містить ну-
льовий вектор.
Доведеній властивості лінійної залежності і незалежності
векторів можна надати таке формулювання: якщо система векторів
(1) лінійно незалежна, то і будь-яка її підсистема також лінійно неза-
лежна.
Виникає питання, як багато може містити лінійно незалежна сис-
тема n -вимірних векторів і чи існують такі системи з довільно вели-
ким числом векторів. Для відповіді на це питання розглянемо в n -
вимірному векторному просторі вектори
e1  (1, 0, 0,..., 0) ,
e2  (0,1, 0,..., 0) , (3)
………………..
en  (0, 0, 0,..., 1) ,
які називаються одиничними векторами n -вимірного векторного

простору. Система (3) одиничних векторів буде лінійно незалежною,
так як, за означенням лінійної незалежності векторів, їх лінійна ком-
бінація
k1e1  k2e2  ...  kn en  0 ,
дорівнює нулю тільки за умови k1  k2  ...  kn  0 .

Дійсно,
k1 (1,0,0,...,0)  k2 (0,1,0,...,0)  ...  kn (0,0,0,...,1)  0 ,
86
Лінійна залежність і незалежність векторів
(k1 ,0,0,...,0)  (0, k2 ,0,...,0)  ...  (0,0,0,..., kn )  0 ,
(k1 , k2 ,..., kn )  0 ,
тобто k1  k2  ...  kn  0 .
Теорема. Будь-які s векторів n -вимірного векторного простору
складають при s  n лінійно залежну систему.
Доведення. Нехай
a1  (a11, a12 ,..., a1n ) ,

a2  (a21, a22 ,..., a2 n ) ,
……………………
as  (as1 , as 2 ,..., asn ) .
Необхідно знайти такі числа k1 , k2 , …, k s , які не всі дорівнюють ну-

лю, що
k1a1  k2a2  ...  ks as  0 . (4)
Запишемо рівність (4) через координати векторів a1 , a2 , …, as :
a11k1  a21k2  ...  as1k s  0,

a k  a k  ...  a k  0,
 12 1 22 2 s2 s
 , (5)
........................................,

a1n k1  a2 n k2  ...  asnk s  0.
Система (5) є системою однорідних лінійних рівнянь відносно s

невідомих k1 , k2 , …, k s . Число рівнянь цієї системи менш ніж число
невідомих, а тому ця система має не нульові розв’язки. (Цей факт бу-
де доведений в параграфі 5.6).
Таким чином, можна підібрати числа k1 , k2 , …, k s , які не всі до-
рівнюють нулю та задовольняють вимогу (4). Теорема доведена.
87
5.3. Ранг матриці
Якщо задана деяка система n -вимірних векторів, то виникає питання,

чи є ця система векторів лінійно залежною чи ні. Не можна розрахо-
вувати на те, що в кожному конкретному випадку рішення цього пи-
тання буде легко отримане: при поверхневому розгляді системи век-
торів
a1  (2,4,7,6) , a2  ( 2,1,2,1) , a3  (2,1,4,3)
важко побачити в ній будь-які лінійні залежності, однак, ці вектора

пов'язані співвідношенням
2a1  3a2  5a3  0 .
Відповідь на питання про лінійну залежність або незалежність

системи векторів надає поняття рангу матриці, стовпці (рядки) якої
розглядаються як вектори.
Розглянемо матрицю
 a11 a12 ... a1n 

 
a a 22 ... a 2 n 
A   21 ,
... ... ... ... 
 
 a s1 as2 ... a sn 
розміром s  n .
Стовпці матриці A можна розглядати як s -вимірні вектори, які
можуть бути як лінійно залежними так і лінійно незалежними.
Аналогічним чином, можна розглядати рядки матриці A як n -
вимірні вектори, які можуть бути як лінійно залежними так і лінійно
незалежними.
Відповідь на питання про лінійну залежність чи незалежність ве-
кторів надає теорема про ранг матриці: ранг матриці дорівнює мак-
симальному числу лінійно незалежних стовпців (рядків) матриці.
Доведення цієї теореми буде отримано після того, як ми розгля-
немо ще одну форму означення рангу матриці, яка надає спосіб його
практичного обчислення.
88
Ранг матриці
Спочатку узагальнемо на випадок прямокутних матриць поняття

мінору.
В матриці A розміром s  n викреслюванням будь-яких стовпців
та рядків можна виокремити квадратні підматриці k -го порядку, де
k  min{ s, n} . Детермінанти таких підматриць називають мінорами k -
го порядку даної матриці.
Означення. Мінором k -го порядку називається будь-який детер-
мінант k -го порядку, що складається з елементів матриці, які стоять
на перетині виділених k рядків та k стовпців.
Означення. В матриці A розміром s  n мінор порядку k назива-
ється базисним, якщо він не дорівнює нулю, а всі мінори порядку
k  1 дорівнюють нулю, або мінорів k  1 взагалі немає, тобто
k  min{ s, n} .
Зауваження. Якщо всі мінори порядку k матриці A дорівнюють
нулю, то дорівнюють нулю і всі мінори більш високих порядків.
Доведення. Дійсно, розкладаючи будь-який мінор порядку k  j ,
k  k  j  min{ s, n} , згідно з теоремою Лапласа, за будь-якими ряд-
ками, ми представимо цей мінор у вигляді суми мінорів порядку k ,
що і доводить рівність його нулю.
Означення. Рангом матриці називається порядок базисного міно-
ру, або, інакше кажучи, найбільший з порядків її мінорів, відмінних
від нуля.
В літературі зустрічаються такі позначення рангу матриці A : r ,
r ( A) , rank ( A) , rang ( A) , Rg ( A) .
Методи обчислення рангу матриці
1) Метод обвідних мінорів
Крок 1. Знаходимо будь-який мінор M 1 першого порядку (тобто

елемент матриці) відмінний від нуля.
Якщо такого мінору немає, то матриця являється нульовою і ранг
такої матриці дорівнює нулю.
Якщо ж серед мінорів першого порядку існує хоча б один відмін-
ний від нуля, то переходимо до наступного кроку.
89
Крок 2. Обчислюємо мінори другого порядку, які містять в со-

бі M 1 (обводять M 1 ) до тих пір, поки не знайдем мінор M 2 відмінний
від нуля.
Якщо такого мінору немає, то r ( A)  1 , і пошук припиняємо. Ін-
акше r ( A)  2 , і переходимо наступного кроку.
Крок 3. Обчислюємо мінори третього порядку, які містять в со-
від нуля.
Якщо такого мінору немає, то r ( A)  2 , і пошук припиняємо. Ін-
акше r ( A)  3 , і переходимо наступного кроку.
Продовжуємо даний процес.
Крок k . Переходимо до обчислення мінорів k -го порядку, які
обводять мінор M k 1  0 .
Якщо таких мінорів немає, або вони всі дорівнюють нулю, то
r ( A)  k  1 , якщо хоча б один мінор M k  0 , то r ( A)  k і процес
пошуку продовжуємо.
При знаходженні рангу матриці методом обвідних мінорів слід
переходити від мінорів менших порядків до мінорів більших порядків.
Якщо вже знайдений мінор M k  0 k -го порядку, то потребують
обчислення тільки мінори k  1 -го порядку, які обводять мінор M k ,
якщо всі вони дорівнюють нулю, то ранг матриці дорівнює k .
Приклад. Знайти ранг матриці
1 1 4 2 
 
1 0 0  2
A   .
0 3 1 0 
 
1 1 0 2 
Крок 1. Знаходимо мінор M 1 першого порядку, відмінний від ну-

ля.
90
 |1 | 1 4 2 
 
1 0 0  2
0 , M1  1 .
3 1 0 
 
1 1 0 2 

Мінор першого порядку відмінний від нуля існує, переходимо до

наступного кроку.
Крок 2. Обчислюємо мінори другого порядку, які містять в со-
від нуля.
 1 1 4 2 
 
 1 0 0  2 1 1
 , M2   1.
 0 3 1 0  1 0
1 1 0 2 

Так як існує мінор відмінний від нуля, то переходимо до наступ-

ного кроку.
Крок 3. Обчислюємо мінори третього порядку, які містять в со-
від нуля.
 1 1 4 2 
  1 1 4
 1 0 0  2
, M 3   1 0 0  11 .
'
 0 3 1 0 
  0 3 1
1 
 1 0 2 
Крок 4. Обчислюємо мінори четвертого порядку, які містять в со-

бі M 3 до тих пір, поки не знайдем мінор M 4 відмінний від нуля.
91
1 1 4 2
1 0 0  2
M4  0
0 3 1 0
1 1 0 2
Так як такого мінору немає, то r ( A)  3 .

Проте, такий підхід для знаходження рангу матриці не завжди
зручний, тому що пов'язаний з обчисленням значної кількості міно-
рів. Простішим способом обчислення рангу матриці є метод елемен-
тарних перетворень.
2) Метод елементарних перетворень
Елементарними перетвореннями матриці A називаються такі пе-

ретворення цієї матриці:
– перестановка рядків або стовпців;
– множення кожного елементу рядка чи стовпця на один і той са-
мий відмінний від нуля множник;
– додавання до елементів рядка чи стовпця відповідних елементів
іншого рядка чи стовпця, помножених на одне і те саме число.
Означення. Матриці A і B називаються еквівалентними, якщо
одна з них може бути отримана за допомогою елементарних перетво-
рень.
Еквівалентність позначається: A ~ B .
Означення. Матриця A називається трапецієподібною, якщо во-
на має вигляд
 a11 a12  a1k  a1n 

 
 0 a22  a2 k  a2 n 
     
 
A 0 0  akk  akn  .
 0 0  0  0 
 
     
 0  0  0 
 0
92
Теорема. Ранг матриці при елементарних перетвореннях не змі-

нюється.
Доведення. За властивостями детермінантів при будь-якому еле-
ментарному перетворенні детермінант або не змінює свого значення,
або міняє знак. Так що всі нульові мінори матриці будуть залишатися
нульовими. Всі ненульові мінори при будь-яких елементарних пере-
твореннях залишаться ненульовими. Отже, ранг не зміниться.
Слід зауважити, що сама матриця, як таблиця чисел, змінюється.
Наслідок. Будь-яку матрицю за допомогою елементарних пере-
творень завжди можна звести до трапецієподібного виду. Кількість
ненульових рядків (ненульовий той, у якому хоча б один елемент є
відмінний від нуля) матриці трапецієподібного виду дорівнює рангу
матриці.
Таким чином, суть даного методу полягає в тому, що за допомо-
гою елементарних перетворень зводимо матрицю A до трапецієпо-
дібного виду, після чого підраховуємо число її ненульових рядків. Дане
число і буде рангом даної матриці.
Приклад. Знайти ранг матриці
1 1 4 2 
 
1 0 0  2
A   .
0 3 1 0 
 
1 1 0 2 
Для зведення заданої матриці до трапецієподібного виду викону-
ємо такі елементарні перетворення:
– до другого рядка додаємо перший рядок, помножений на 1;
– до четвертого рядка додаємо перший рядок, помножений на (-1).
Маємо:
1 1 42
 
0 1 4 0
0 .
3 1 0
 
0 0  4 0 
93
Наступним кроком: до третього рядка додаємо другий рядок, по-

множений на (-3):
1 1 42
 
0 1 4 0
0 .
0 11 0 
 
0 0  4 0 
Далі, третій рядок ділимо на 11:
1 1 42
 
0 1 4 0
0 ,
0 1 0
 
0 0  4 0 
і до четвертого рядка додаємо третій рядок, помножений на 4:
1 1 4 2
 
0 1 4 0
0 .
0 1 0
 
0 0 0 0 
Так як кількість ненульових рядків 3, то r ( A)  3
Теорема про базисний мінор. В довільній матриці A кожний

стовпець є лінійною комбінацією стовпців базисного мінору.
Доведення. За допомогою довільного не базисного рядка k та до-
вільного стовбця матриці j утворимо оточуючий мінор для базисно-
го. За означенням базисного мінору він буде дорівнювати нулю. Роз-
клавши його за j стовпцем (теорема Лапласа), отримаємо:
a1 j A1i  a 2 j A2 j    a rj Aij    a kj Akj  0 , (1)
94
оскільки алгебраїчне доповнення Akj дорівнює базисному мінору з

точністю до знаку, отже Akj  0 , тому розділимо вираз (1) на Akj :
Aij
, j  [1, r ] .
a1 j 1  a2 j 2    arjr  akj , λ j  
Akj
Отже, k -й рядок є лінійною комбінацією базисних рядків з коефіціє-
нтами  j .
Теорема про ранг матриці. Ранг матриці A дорівнює максима-
льному числу лінійно незалежних стовпців матриці.
Доведення. Якщо r ( A)  0 , то всі стовпці нульові, та немає жод-
ного лінійно незалежного стовпця. Нехай r ( A)  r  0 . Покажемо, що
в матриці A існує r лінійно незалежних стовпців. Розглянемо скла-
дену з елементів матриці A матрицю A порядку r , детермінантом
якої є базисний мінор. Стовпці A є частинами стовпців A .
Якщо ж стовпці A , в яких розміщений базисний мінор, були лі-
нійно залежними, то були б лінійно залежними стовпці A , і базисний
мінор дорівнював би нулю.
Доведемо тепер, що будь-які p стовпців матриці A лінійно зале-
жні, якщо p  r . Складемо матрицю B з цих p стовпців. r ( B )  r ,
так як кожний мінор матриці B є мінором матриці A і, отже, в мат-
риці B немає мінору порядку більшого, ніж r , який би не дорівнював
нулю. Таким чином, r ( B )  p і хоча б один зі стовпців матриці B не
входить до її базисного мінору. Такий стовпець є лінійною комбінаці-
єю інших.
Теорема доведена.
Аналогічно доводиться, що ранг матриці дорівнює максимально-
му числу лінійно незалежних рядків цієї матриці.
Звідси випливає такий наслідок.
Наслідок. Максимальне число лінійно незалежних стовпців мат-
риці дорівнює максимальному числу лінійно незалежних рядків мат-
риці, тобто дорівнює рангу матриці.
Доведення. Розглянемо транспоновану матрицю. При транспону-
ванні максимальний порядок відмінних від нуля мінорів матриці не
може змінитися, так як транспонування не змінює детермінанту, а для
будь-якого мінору вихідної матриці мінор, отриманий з нього транс-
понуванням, міститься у новій матриці, і навпаки. Звідси випливає,
що ранг нової матриці дорівнює рангу вихідної матриці; ранг дорів-
95
нює максимальному числу лінійно незалежних стовпців нової матри-

ці, тобто максимальному числу лінійно незалежних рядків вихідної
матриці.
Наслідок. Детермінант n -го порядку тоді і тільки тоді дорівнює
нулю, якщо між його рядками (стовпцями) існує лінійна залежність.
Доведення. Нехай заданий детермінант n -го порядку, який дорів-
нює нулю. Тобто, іншими словами, задана квадратна матриця n -го
порядку, у якої єдиний мінор найвищого порядку дорівнює нулю.
Звідси випливає, що найвищий порядок відмінних від нуля мінорів
цієї матриці менше ніж n , тобто ранг менше n , а тому рядки (стовп-
ці) цієї матриці лінійно залежні.
Приклад. Дослідити лінійну залежність системи векторів
a1  (0, 2, 1,  3) , a2  (3, 1,  2, 1) , a3  (3,  1, 3, 4) .
Розв’язання. Складемо матрицю A з координат заданих векторів:
0 2 1  3
 
A  3 1  2 1 
3 1 3 4 

та знайдемо її ранг.
Виконуємо такі елементарні перетворення:
– міняємо місцями перший та другий рядки:
3 1  2 1 
 
0 2 1  3 ,
3 1 3 4 

– до третього рядка додаємо перший, помножений на (-1):
3 1  2 1 
 
 0 2 1  3 ,
0  2 5 3 

96
– до третього рядка додаємо другий рядок:
3 1  2 1 
 
 0 2 1  3 .
0 0 4 0 

Так як кількість ненульових рядків дорівнює 3, то r ( A)  3 .

Згідно з теоремою про ранг матриці вектори a1 , a 2 , a3 лінійно не-
залежні.
Приклад. Дослідити лінійну залежність системи векторів
a1  (2,  1, 0, 3, 4) ,
a 2  (1, 3,  1, 0, 5) ,
a3  (3, 2,  1, 3, 9) ,
a 4  (0, 1,  1, 1,  1) .
Розв’язання. Складемо матрицю A з координат заданих векторів:
2 1 0 3 4 
 

A   
1 3 1 0 5
3 2 1 3 9 
 
 0 1  1 1  1 
та знайдемо її ранг.
Виконуємо такі елементарні перетворення:
– другий рядок множимо на (-2):
 2 1 0 3 4 
 
 2  6 2 0  10 
 3 ,
2 1 3 9 
 
 0 1 1 1  1 
– до другого рядка додаємо перший:
97
2 1 0 3 4 
 
0  7 2 3  6
3 2 1 ,
3 9 
 
0 1 1 1  1 
– перший рядок множимо на (-3), а третій множимо на (2) та додаємо:
2 1 0 3 4 
 
 0  7 2 3  6 
0 7  2  3 6 ,
 
 0 1  1 1  1 
– до третього рядка додаємо другий:
2 1 1 0 4 
 
0  7 1 0  6
0 0 ,
0 0 0 
 
0 1 1 1  1
– до четвертого рядка, помноженого на 7, додаємо другий:
2 1 1 0 4 
 
0  7 1 0 6 
0 0 .
0 0 0 
 
0 0  6 7  13 
Так як кількість ненульових рядків дорівнює 3, то r ( A)  3 .

Перший, другий і четвертий рядки матриці ненульові, отже век-
тори a1 , a 2 , a4 лінійно незалежні. Вектор a3 є лінійною комбінацією
векторів a1 , a 2 : a3  a1  a2 .
98
В задачах 1 – 12 знайти ранг матриці.
 1 6  1  3  1 3 1
1. A   . 2. A   . 3. A   .
 4 7    4 12   2 4 0 
 1 2  1  1 2  1
   
4. A   4 7  1 . 5. A   4 3  1.
3 5 0  3 5 7 
   
1 0  2 0
 
6. A   1 2  1 7  .
 3 4  1 0
 
  1 0 1  4  2 0 1  4
   
7. A   1 2 3 7  . 8. A   3 2 3 7  .
0 2 4 3  0 3 4 3 
   
3 2 0 1 2 0
   
1 1 5 1 1 5
9. A   . 10. A   .
2 1 4 2 3 5
   
1 0 2  3 5 5 
 1 2 1 6   1 2 1 2
   
 2 1 0 5   2 1 0 5
11. A   . 12. A   .
3 3 1  4 3 3 1 7
   
 7 5 8 1   2 4 2 4
В задачах 13 – 16 показати, що дані системи векторів лінійно за-

лежні.
99
1  3  4
     
13. a1   2  , a2   2  , a3   4  .
 3 1  4
     
 5   3  4
     
14. a1   2  , a2    2  , a3   0  .
 3   1  4
     
 3   5   2
     
 4 
  4  0 
15. a1    , a2    , a3    .
1 1 2
     
 2  1   3 
  7  1    6   5
       

  5  2 
  3   1
16. a1    , a2    , a3    , a4    .
4 4 0 4
       
 2   1   3   4 
В задачах 17 – 19 показати, що дані системи векторів лінійно не-

залежні.
  7  1    8 1
       

  a    a    a   0
5 2 4
a 
17. 1   , 2   , 3   , 4   .
4 4 2 2
       
 2   1   1   3
 5   3  4  3
       
 
2 
  2  
2 1
18. a1    , a2    , a3    , a4    .
3 5 3 2
       
1  1  1 1
100
 6    3 7  3
       
 3 
  2  
2 1
19. a1    , a2    , a3    , a4    .
2 5 1 2
       
 1   1  1 1
Відповіді.
1. r ( A)  2 . 2. r ( A)  1 . 3. r ( A)  2 . 4. r ( A)  2 . 5. r ( A)  3 . 6. r ( A)  3
7. r ( A)  2 . 8. r ( A)  3 . 9. r ( A)  3 . 10. r ( A)  2 . 11. r ( A)  4 . 12.
r ( A)  2 .
5.4. Системи лінійних рівнянь. Основні означення
Означення. Системою лінійних алгебраїчних рівнянь (СЛАР), що міс-

тить m рівнянь з n невідомими, називається система вигляду
a11 x1  a12 x2  a13 x3    a1n xn  b1 ,

a x  a x  a x    a x  b ,
 21 1 22 2 23 3 2n n 2
 (1)
........................................................

am1 x1  am 2 x2  am 3 x3    amn xn  bm .
де aij , i  1, m , j  1, n називаються коефіцієнтами системи, числа bij –

вільними членами.
Означення. Матриця
 a11 a12 a13 ... a1n 

 
a a22 a23 ... a2 n 
A   21
... ... ... ... ... 
 
 am1 am 2 am 3 ... amn 
називається основною матрицею системи (1).

Означення. Розширеною матрицею системи (1) називається ос-
новна матриця A системи, доповнена стовпцем вільних членів b :
101
 a11 a12 a13 ... a1n b1 

 
a a22 a23 ... a2 n b2 
A | b   21 .
... ... ... ... ... ... 
 
a ... amn bm 
 m1 am 2 am 3
Означення. Розв’язком системи (1) називається така сукупність

n чисел c1 , c2 , …, cn , що кожне рівняння системи (1) перетворюється
на тотожність після заміни в ньому невідомих x1 , x2 , …, xn відповід-
ними числами c1 , c2 , …, cn .
Означення. Система називається сумісною, якщо вона має хоча б
один розв’язок, і несумісною, якщо вона не має жодного розв’язку.
Приклад. Система лінійних рівнянь
2 x1  3x2  20,

2 x1  3x2  1.
несумісна, так як вона не має жодного розв’язку.
Означення. Сумісна система називається визначеною, якщо вона

має єдиний розв’язок, і невизначеною, якщо вона має більше одного
розв’язку.
2 x1  x2  8,

5 x1  3x2  2.
визначена, так як вона має єдиний розв’язок x1  2 , x2  4 .
102
Системи лінійних рівнянь. Основні означення
2 x1  x2  1,

4 x1  2 x2  2.
невизначена, так як вона має безліч розв’язків:
x1  k , x2  1  2k , (2)
де число k довільне. Причому, розв’язками, які отримуються за фор-

мулами (2), вичерпуються всі розв’язки системи.
Означення. Дві системи рівнянь називаються рівносильними або
еквівалентними, якщо вони мають одну і ту ж саму множину
розв’язків.
За допомогою елементарних перетворень системи лінійних рів-
нянь (розглянутих в параграфі 5.2 стосовно матриць), отримується
система лінійних рівнянь, еквівалентна заданій.
Теорема Кронекера – Капелі. Система лінійних рівнянь сумісна

тоді і тільки тоді, коли ранг її основної матриці дорівнює рангу роз-
ширеної матриці.
Доведення. Систему (1) можна записати у вигляді:
 a11   a12   a1n   b1 

       
 a21   a2 n   a2 n   b2  .
x 
 ...  1  ...  2 x  ...  x 
 ...  n  ...  (3)
       
 m1 
a  mn 
a  mn 
a  bm 
Необхідність. Якщо існує розв’язок, то запис (3) означає, що сто-

впець вільних членів є лінійна комбінація стовпців матриці системи.
Отже, додання цього стовпця не збільшує загального числа ліній-
но незалежних стовпців, і r ( A | b)  r ( A) .
Достатність. Нехай r ( A | b)  r ( A)  r . Візьмемо в матриці A
який-небудь базисний мінор. Так як r ( A | b)  r , то він же буде базис-
ним мінором і розширеної матриці A | b . Тоді, згідно з теоремою про
базисний мінор, останній стовпець розширеної матриці A | b буде лі-
нійною комбінацією базисних стовпців, тобто стовпців матриці A .
103
Отже, стовпець вільних членів системи є лінійною комбінацією

стовпців матриці A . Теорема доведена.
Для сумісних систем лінійних рівнянь справедливі наступні тве-
рдження:
1. Якщо ранг матриці сумісної системи дорівнює числу змінних,
тобто r ( A)  n , то система (1) має єдиний розв’язок.
2. Якщо ранг матриці сумісної системи менше числа змінних,
тобто r ( A)  n , то система (1) невизначена і має безліч розв’язків.
Алгоритм дослідження СЛАР на сумісність та визначеність
104
Метод Гаусса розв’язання систем лінійних алгебраїчних рівнянь
5.5. Метод Гаусса розв’язання систем лінійних алгебраїч-

них рівнянь
Метод Гаусса розв'язування системи лінійних алгебраїчних рівнянь

полягає в послідовному виключенні змінних, а саме, шляхом елемен-
тарних перетворень над рядками зводимо розширену матрицю
 a11 a12 ... a1n b1 

 
 a21 a22 ... a2 n b2 
A | b   a31 a32 ... a3n b3 
 
 ... ... ... ... ... 
a amn bm 
 m1 am 2 ...
системи
a11 x1  a12 x2    a1n xn  b1 ,

a x  a x    a x  b ,
 21 1 22 2 2n n 2
a31 x1  a32 x2    a2 n xn  b3 ,
.................................................

am1 x1  am 2 x2    amn xn  bm .
до трапецієподібного виду:
 a~11 a~12 ~
 a~1k  a~1n b1 
 ~
 0 a~22  a~ 2k  a~ 2n b2 
      ... 
 ~
A|b ~  0 0  a~kk  a~kn bk  .
 0 0  0  0 
 0
      ... 
 
 0 0  0  0 0
Розглянемо цей процес детальніше.
105
Прямий метод Гаусса. Випишемо розширену матрицю системи:
 a11 a12 ... a1n b1 

 
 a21 a22 ... a2 n b2 
A | b   a31 a32 ... a3n b3  .
 
 ... ... ... ... ... 
a amn bm 
 m1 am 2 ...
Припустимо, що a11  0 . Якщо ця умова не виконується, то пос-

тавимо на перше місце рядок, для якого ця умова виконується. Якщо
серед коефіцієнтів a21 , …, am1 є одиниця, то поставимо на перше міс-
це відповідний рядок.
a
Елементи першого рядка множимо на  21 та додаємо до відпо-
a11
відних елементів другого:
 a11 a12 ... a1n b1 

 a  a21  a21  a21 
 a21  a11 21 a22  a12 ... a2 n  a1n b2  b1 
 a11 a11 a11 a11 
 a31 a32 ... a 3n b3 .
 
 ... ... ... ... ... 
 
 am1 am 2 ... amn bm 
 a31
Елементи першого рядка множимо на та додаємо до відпо-
a11
відних елементів третього.
І т.д.
 am1
Елементи першого рядка множимо на та додаємо до відпо-
a11
відних елементів рядка m . В результаті маємо:
106
 a11 a12 ... a1n b1 

 a  a21  a21  a21 
 a21  a11 21 a22  a12 ... a2 n  a1n b2  b1 
 a11 a11 a11 a11 
  a31  a31  a31  a31 
 a31  a11 a32  a12 ... a3n  a1n b3  b1 .
 a11 a11 a11 a11 
 ... ... ... ... ... 
 a  a  am1  am1  am1  am1 
 m1 11 a am 2  a12 ... amn  a1n bm  b1
 11 a11 a11 a11 
Таким чином, розширена матриця системи A | b еквівалентна на-

ступній
 a11 a12 ... a1n b1 
 ~ ~ b~ 
 0 a 22 ... a 2n 2 
A | b ~  0 a~32 ... a~3n b3  ,

~
 
 ... ... ... ... ... 
 0 a~ ~ b~ 
 m2 ... a mn m
~
де a~ij та bi , i  2, m , j  2, n – нові коефіцієнти системи.
Далі, переписуємо перший рядок без змін і повторюємо алгоритм
для останніх ( m  1) рядків. Потім застосовуємо алгоритм до останніх
( m  2) рядків, і т.д. поки не зведемо матрицю A | b до трапецієподіб-
ного виду.
Розглянемо можливі варіанти кінцевої форми розширеної матри-
ці та відповідні розв’язки системи, які отримуються в результаті зво-
ротного методу Гауса.
Зворотній метод Гаусса полягає у послідовному відшуканні
всіх невідомих системи, підіймаючись від останнього рівняння сис-
теми до першого.
1. Якщо в результаті елементарних перетворень у розширеній ма-
триці утвориться принаймні один рядок вигляду:
0 0 ... 0 bl' , 
де bl'  0 , то r ( A | b)  r ( A) і система є несумісною.
107
2. Якщо система сумісна і r ( A | b)  r ( A)  r  n . Тоді, в результаті

елементарних перетворень отримаємо таку матрицю:
~
 a~11 a~12  a~1k  a~1( n 2 ) a~1( n 1) a~1n b1 
 ~ 
 0 a~22  a~2 k  a~2 ( n 2 ) a~2 ( n 1) a~2 n b2 
         
 ~ 
 0 0  a~kk  a~ k ( n 2 ) a~k ( n 1) a~kn bk 
A|b ~  .
         
~
 0 0  0  a~( n 2 )( n 2 ) a~( n 2 )( n 1) a~( n 2 ) n b( n 2 ) 
 ~ 
 0 0  0  0 a~( n 1)( n 1) a~
( n 1) n b( n 1) 
 0   a~nn bn 
~
 0 0 0 0
В такому випадку система визначена і має єдиний розв’язок, який

знаходимо застосовуючи зворотній метод Гаусса.
Запишемо розширену матрицю у вигляді системи:
~
a~11 x1  a~12 x 2    a~1k x k  ...  a~1( n  2 ) x n  2  a~1( n 1) x n 1  a~1n x n  b1 ,
 ~
 a~22 x 2    a~2 k x k  ...  a~2 ( n  2 ) x n  2  a~2 ( n 1) x k  a~2 n x n  b2 ,

..................................................................................................
 ~
a~kk x k  ...  a~k ( n  2 ) x n  2  a~k ( n 1) x n 1  a~kn x n  bk ,

....................................................................................................
 ~
a~( n  2 )( n  2 ) x n  2  a~( n  2 )( n 1) x n 1  a~( n  2 ) n x n  bn  2 ,

 ~
a~( n 1)( n 1) x n 1  a~( n 1) n x n  bn 1 ,
 ~
 a~nn x n  bn .
З останнього рівняння знаходимо xn :
~
bn
xn  ~ .
ann
З передостаннього рівняння знаходимо x n 1 :

108
~
~ b
~ ~ bn 1  a~( n 1) n ~n
b a x ann
xn 1  n ~1 ( n 1) n n  .
a( n 1) n 1)  a~( n 1) n 1) 
І так далі.
3. Припустимо, що система сумісна, і r ( A | b)  r ( A)  r  n . Тоді,

в результаті елементарних перетворень отримаємо матрицю:
 a~11 a~12 ~
 a~1r  a~1n b1 
 ~
 0 a~22  a~ 2r  a~ 2n b2 
      ... 
 ~
A|b ~  0 0  a~rr  a~rn br  ,
 0 0  0  0 
 0
      ... 
 
 0 0  0  0 0
~
де a~ij та bi , i  2, r , j  2, n – нові коефіцієнти системи.
В такому випадку система невизначена і має безліч розв’язків, які
знаходимо застосовуючи зворотній метод Гаусса.
Зауважимо, що оскільки r ( A | b)  r ( A)  r , то r рядків та r стовп-
ців цієї матриці утворюють базисний мінор. Не обмежуючи загально-
сті можна вважати, що перші r рядків та r стовпців розширеної мат-
риці утворюють базисний мінор.
Невідомі, коефіцієнти яких входять до базисного мінору, назива-
ються головними або базисними (їх r штук), а інші ( n  r ) невідомих
називаються вільними.
Запишемо перетворену систему:
~
a~11 x1  a~12 x2    a~1r xr  ...  a~1n xn  b1 ,
 ~
 a~22 x2    a~2 r xr  ...  a~2 n xn  b2 ,

....................................................................
 a~rr xr  ...  a~rn xn  br .
~

109
Залишаємо базисні невідомі ( x1 , x2 ,..., xr ) системи у лівих частинах

рівнянь, а вільні невідомі ( xr 1 , xr  2 ,..., xn ) переносимо у праві частини
рівнянь системи:
~
a~11 x1  a~12 x2  ...  a~1r x r  b1  a~1( r 1) x r 1  ...  a~1( n 1) xn 1  a~1n xn ,
 ~
 a~22 x2  ...  a~2 r x r  b2  a~2 ( r 1) x r 1  ...  a~2 ( n 1) xn 1  a~2 n xn ,

..........................................................................................................
 ~ x  b~  a~ ~ ~
 a rr r r r ( r 1) x r 1  ...  a r ( n 1) x n 1  a rn x n .
Далі, з останнього рівняння виражаємо значення x r через вільні

невідомі ( xr 1 , xr  2 ,..., xn ) . Підставляємо у передостаннє рівняння і
знаходимо з нього значення x r 1 через вільні невідомі. Продовжуючи
цей алгоритм знаходимо всі невідомі системи x r , x r 1 ,..., x2 , x1 .
Задаючи вільним невідомим довільні значення, отримаємо незлі-
ченну множину частинних розв’язків системи.
Означення. Сукупність частинних розв’язків системи називаєть-
ся загальним розв’язком цієї системи.
Приклад. Розв’язати систему рівнянь методом Гаусса.
 x1  x2  x3  3,

 x1  2 x2  2 x3  4,
2 x  3x  3x  7.
 1 2 3
Розв’язання. Запишемо розширену матрицю системи:
 1 1 1 3
 
A | b ~  1 2 2 4 ~
 2 3 3 7
 
Перший рядок множимо на (-1) та додаємо до другого, потім пе-

рший рядок множимо на (-2) та додаємо до третього:
110
 1 1 1 3
 
~  0 1 1 1 ~
 0 1 1 1
 
Другий рядок множимо на (-1) та додаємо до третього:
 1 1 1 3
 
~  0 1 1 1 .
 0 0 0 0
 
Звідси випливає, що r ( A | b)  r ( A)  2  3  n . Таким чином, дана

система є сумісною та невизначеною. Оберемо в якості базисних не-
відомих x1 , x 2 .
1 1
Дійсно, відповідний мінор  0 . Запишемо перетворену сис-
0 1
тему та знайдемо її загальний розв’язок:
 x1  x2  x3  3,

 x2  x3  1.
Перенесемо у праві частини рівнянь вільну змінну x3 :
 x1  x2  3  x3 ,

 x 2  1  x3 .
Звідси,
 x1  2,

 x 2  1  x3 .
Таким чином, загальний розв’язок системи:
111
 2 
 
x з. р.  1  x3  .
 x 
 3 
Якщо покласти, наприклад, x3  2 , то отримаємо частинний

розв’язок:
 2 
 
xч . р .    1.
  2
 
Приклад. Розв’язати систему рівнянь методом Гаусса.
2 x1  2 x3  5,
 x  2 x  x  1,
 1 2 3

3x1  4 x2  3x3  2,
 x1  3x2  x3  3.
Розв’язання. Запишемо розширену матрицю системи:
 2 0  2 5
 
 
A | b ~  ~
1 2 1 1
3 4 3 2
 
 1 3 1 3 
 1
Перший рядок множимо на    та додаємо до другого, потім
 2
 3
перший рядок множимо на    та додаємо до третього, і перший
 2
 1
рядок множимо на    та додаємо до четвертого:
 2
112
2 0  2 5 
 
 
~  ~
0 2 0 1 ,5
0 4 6  5,5 
 
 0 3 2 0,5 
другий рядок множимо на 2 та додаємо до третього, і другий рядок

3
множимо на та додаємо до четвертого:
2
2 0  2 5 
 
 
~  ~
0 2 0 1 ,5
0 0 6  8,5 
 
 0 0 2  1,75 
 2
третій рядок множимо на    та додаємо до четвертого:
 6
2 0  2 5 
 
 0  2 0  1,5 
~ 0 0 6  8,5 .
 1 
0 0 0 1 
 12 
Так як, r ( A | b)  4  r ( A)  3 , то система несумісна.
113
В задачах 1 – 12 розв’язати системи рівнянь методом Гаусса.
 x1  2 x 2  2 x3  5,  x1  2 x2  2 x3  4,
 
1. 2 x1  x 2  1, 2. 2 x1  4 x 2  2,
3x  3x  2 x  6.  3x  3x  2 x  6.
 1 2 3  1 2 3
 x1  2 x 2  2 x3  4,  x1  x 2  x3  4,
 
3.  2 x1  4 x 2  x3  2, 4.  2 x1  2 x 2  2 x3  8,
 3x  3x  2 x  6.  3x  3x  3x  12.
 1 2 3  1 2 3
 x1  x 2  2 x3  9,  x1  x 2  1,
 
5.  x1  2 x3  5, 6. 2 x 2  2 x3  7,
3x  6. 3x  2 x  3.
 2  2 3
 x1  x 2  x 3  x 4  2,
 x  2 x  x  x  3,  x1  3x2  x3  4 x4  2,
 
7.  1 2 3 4
8.  x1  2 x2  x4  3,
 x1  x 2  2 x 3  x 4  4, x  x  2x  1
 x1  x 2  x 3  2 x 4  5.  1 2 3
7 x1  x2  x3  2, 2 x1  x2  x3  4 x4  2,
2 x  x  3, 5 x  3x  3x  5 x  3,
 
9.  1 2 10.  1 2 3 4
14 x1  x2  2 x3  1, 3x1  2 x2  2 x3  1x4  1,

 x1  x2  x3  0. 3x1  6 x2  x3  0.
2 x1  2 x2  x3  x5  7,
 x  6 x  2 x  x  8,
 1 2 3 4
11. 2 x1  x2  4 x3  x5  4,
 2 x2  4 x3  x4  4,

4 x1  x2  x3  x5  12.
114
Системи лінійних однорідних рівнянь
2 x1  2 x2  2 x3  x5  6,
 x  2 x  2 x  2 x  2 x  2,

12.  1 2 3 4 5
2 x1  x2  4 x3  2 x4  x5  10,

5 x1  x2  8 x3  4 x4  4 x5  18.
 2 x1  2 x2  2 x3  x5  2,
2 x  4 x  4 x  2 x5  4,

13.  1 2 3
2 x1  x2  x3  2 x4  x5  10,
 x1  x2  3x3  2 x4  2 x5  12.
 2 x1  2 x 2  2 x3  x5  2,
2 x  4 x  4 x  2 x5  4,
 1 2 3
14. 2 x1  x 2  x3  2 x 4  x5  10,
 x  x  3x  2 x  2 x  12,
 1 2 3 4 5
 x1  x 2  x3  x 4  x5  5.
 x1  2 x2  2 x3  x5  2,
2 x  4 x  4 x  2 x5  5,
 1 2 3
15.  x1  x2  2 x4  2 x5  3,
x  3x3  2 x5  7,
 1
 x2  x3  x4  5.
Відповіді.
 2 4 
1. xз. р.    1  x3 ; 3  x3 ; x3  . 2. x   0,6; 0,8; 0,9 .
 3 3 
 4 2 
3. x    ; ;  2  . 4. x з. р.   4  x2  x3 ; x2 ; x3 . 5. Несумісна.
 3 3 
 1 2 
6. x   1; 2;  1,5 . 7. x   4; ;  ;  1 .
 3 3 
8. x з. р.  6,2  4,6 x4 ; 1,6  1,8 x4 ; 3,4  3,2 x4 ; x4  . 9. Несумісна.
115
10. x з. р.  3  7 x4 ;  1  2,2 x4 ;  3  7,8 x4 ; x4  .

 2 2 7
11. x   4; 1;  ;  ;   .
 3 3 3
 2 2 
12. xз. р.    4  x4  3x5 ;  2  x4  x5 ; 5  1,5 x5 ; x4 ; x5  .
 3 3 
13. x з. р.  0; 4  x4 ; 4  x4 ; x4 ; 2 . 14. x  0;  1;  1; 5; 2  . 15. Несуміс-
на.
5.6. Системи лінійних однорідних рівнянь
Означення. Система лінійних рівнянь називається однорідною, якщо

вільні члени всіх рівнянь системи дорівнюють нулю, тобто СЛАР ви-
гляду
a11 x1  a12 x 2  a13 x3    a1n x n  0,

a x  a x  a x    a x  0,
 21 1 22 2 23 3 2n n
 (1)
........................................................

a m1 x1  a m 2 x 2  a m 3 x3    a mn x n  0.
Із теореми Кронекера–Капеллі випливає, що однорідна система

завжди є сумісною, так як додання стовпця з нульовими елементами
не може підвищити ранг матриці. Однорідна система завжди має
принаймні один розв’язок: x1  x2  ...  xn  0 , який називається ну-
льовим або тривіальним розв’язком системи. Якщо ранг матриці A
дорівнює числу невідомих однорідної системи r ( A)  r  n , то нульо-
вий розв’язок є єдиним розв’язком однорідної системи.
Приклад. Розглянемо систему однорідних рівнянь
2 x1  4 x2  0,

3x1  7 x2  0.
116
З першого рівняння системи маємо, що x1  2x2 , а з другого –

7
x1   x2 . Задовольняє ці два рівняння одночасно тільки нульовий
3
розв’язок x1  x 2  0 .
Випишемо матрицю A системи і знайдемо її ранг r ( A) :
 2 4  2 4 
 ~ .
 3 7   0  1 
Ранг матриці системи r ( A)  2 дорівнює числу невідомих.

Отже, нульовий розв’язок є єдиним розв’язком даної однорідної
системи.
Теорема. Для того, щоб система лінійних однорідних рівнянь ма-
ла нетривіальні розв’язки, необхідно та достатньо, щоб ранг матриці
коефіцієнтів A був менше числа невідомих, r ( A)  r  n .
Доведення. Система (1) може бути записана у вигляді
x1u1  x2u2  x3u3    xnun  0 ,
де u1 , u2 ,..., un – стовпці матриці A . Нетривіальні розв’язки системи

породжують коефіцієнти нетривіальних залежностей між стовпцями.
Для їх існування необхідно та достатньо, щоб ранг був менше числа
стовпців, тобто числа невідомих.
Приклад. Розглянемо систему однорідних рівнянь
2 x1  4 x2  0,

4 x1  8 x2  0.
З першого рівняння системи маємо, що x1  2x2 , і з другого

отримаємо той самий результат x1  2x2 . Надаючи будь-якого зна-
чення змінній x2 можна знайти відповідне значення змінної x1 . Тобто
система має ненульові розв’язки. Зауважимо, що ранг матриці
 2 4  2 4
 ~ 
 4 8   0 0 
117
коефіцієнтів системи r ( A)  1 менше числа невідомих цієї системи.
Побудова множини розв’язків системи лінійних однорідних рів-

нянь
Розв’язати однорідну систему лінійних рівнянь означає знайти її

загальний розв’язок, або переконатися, що вона має тільки нульовий
розв’язок.
Запишемо систему однорідну систему лінійних рівнянь в матрич-
ному вигляді
Ax  0 ,
де A – матриця коефіцієнтів, x – стовпець невідомих.
Розв’язки однорідної системи мають наступні властивості:
1. Якщо стовпець z – розв’язок системи Ax  0 , то cz , де c дові-

льне число, є також розв’язком.
2. Якщо стовпці z1 , z2 , …, zk – розв’язки системи Ax  0 , то будь-
яка їх лінійна комбінація c1 z1  c2 z2  ...  ck zk є також розв’язком.
Дійсно, A(c1 z1  c2 z2  ...  ck zk )  c1 Az1  c2 Az2  ...  ck Azk  0 .
Теорема. Всі розв’язки лінійної однорідної системи є лінійними

комбінаціями лінійно незалежних n  r розв’язків, де n – число неві-
домих, r – ранг матриці коефіцієнтів A .
Доведення. Запишемо систему (1) у вигляді
x1u1  x2u2  x3u3    xnun  0 ,
де u1 , u2 ,..., un – стовпці матриці A . Серед них є базис з r стовпців.

Для зручності запису будемо вважати, що це u1 , u2 ,..., u r , інакше мож-
на замінити нумерацію невідомих і, разом з ними, стовпців. Запише-
мо, що ur 1 , ur  2 ,..., un є лінійні комбінації u1 , u2 ,..., u r . Це призводить
до рівностей
118
ur 1  b( r 1)1u1  b( r 1) 2u2  ...  b( r 1) r ur ,

………………………………………,
un  bn1u1  bn 2u2  ...  bnrur ,
звідси випливає, що стовпці
 b( r 1)1   bn1 
   
 ...   ... 
b  b 
( r 1) r
   nr 
 1   0
z r 1   , …, z 
0   0
n
   
 0   0
 ...   ... 
   
 0    1
дають розв’язки системи. Ці розв’язки є лінійно незалежними. Дійс-

но, матриця складена зі стовпців zr 1 , …, zn має відмінний від нуля
мінор порядку n  r (в останніх n  r рядках) і всі стовпці лінійно не-
залежні.
Нехай x  ( x1* ,..., xr* , xr*1 ,..., xn* ) – ще будь-який розв’язок системи.
Тоді y  x  x r*1 z r 1  ...  x n* z n також є розв’язком системи. В цьому
розв’язку всі компоненти, починаючи з ( r  1 )-й, дорівнюють нулю.
Всі інші компоненти також дорівнюють нулю, так як стовпці
u1 , u2 ,..., u r лінійно незалежні.
Отже, y  0 , тобто x   x r*1 z r 1  ...  x n* z n .
Таким чином, zr 1 , …, zn – такі лінійно незалежні розв’язки, що
всі розв’язки є їх лінійними комбінаціями.
Означення. Система лінійно незалежних розв’язків zr 1 , …, zn
однорідної системи лінійних рівнянь називається фундаментальною
системою розв’язків.
Загальний розв’язок системи однорідної системи лінійних рівнянь
є лінійна комбінація розв’язків zr 1 , …, zn .
Приклад. Знайти всі розв’язки системи однорідних рівнянь:
119
2 x1  x2  x3  x4  0,
4 x  2 x  2 x  2 x  0,
 1 2 3 4

3x1  2 x2  3x3  x4  0,
7 x1  4 x2  5 x3  3x4  0.
Випишемо матрицю системи та зведемо її до трапецієподібного

вигляду:
2 1 1 1  2 1 1 1  2 1 1 1
     
A ~ 
4 2 2 2  0 0 0 0  0 0 0 0
~ ~ .
3 2 3 1  0 1 3  1  0 1 3  1
     
7 4 5 3   0 1 3  1  0 0 0 0 
Так як r ( A)  2 і n  4 , то фундаментальна система розв’язків

складається з двох розв’язків.
2 x1  x2  x3  x4  0,

 x2  3x3  x4  0,
звідси маємо
 x1  x3  x4 ,
 x  3x  x ,
 2 3 4

 x3  1  x3  0  x4 ,
 x4  0  x3  1  x4 .
Отже, загальний розв’язок системи:
 x1   1    1
     
 2  
x  3  1 x .
 x 
x   1  3  0  4
 3     
 4  
x 0  1
120
 1    1
   
3
де x3 , x 4 – довільні сталі, а вектора   і   утворюють фунда-
1
 1   0
   
 0   1
ментальну систему розв’язків.
121
В задачах 1 – 16 знайти всі розв’язки систем:
 x1  2 x 2  7 x3  0,  x1  2 x 2  x3  0,
 
1.  x1  3x 2  4 x3  0, 2.  x1  3x 2  2 x3  0,
 x  3x  5 x  0. 2 x  x  x  0.
 1 2 3  1 2 3
 x1  2 x2  x3  0,  x1  x 2  x3  0,
 
3. 2 x1  4 x2  2 x3  0, 4. 2 x1  2 x 2  2 x3  0,
3x  6 x  3x  0.  x  3x  3x  0.
 1 2 3  1 2 3
 x1  x2  x3  x4  0,  x1  x2  x3  x4  0,
 x  2 x  x  x  0,  x  2 x  x  x  0,
 
5.  1 2 3 4
6.  1 2 3 4
 x1  x2  2 x3  x4  0, 2 x1  x2  2 x3  2 x4  0,
 x1  x2  x3  2 x4  0. 4 x1  4 x3  4 x4  0.
4 x1  3x2  2 x3  x4  0,
 x  2 x  x  x  0, 3x1  x2  5 x3  x4  0,
 
7.  1 2 3 4
8. 3x1  2 x2  8 x3  3x4  0,
 x2  3x3  2 x4  0, 
 x2  3x3  2 x4  0.
4 x1  2 x2  6 x3  4 x4  0.
2 x1  x2  5 x3  x4  0,
3x1  x2  5 x3  x4  0, x  x3  x4  0,

9.  10.  1
 x1  x3  x4  0.  5 x1  x2  7 x3  x4  0,
 x1  x2  3x3  x4  0.
122
2 x1  x2  x3  x4  x5  0,
2 x  4 x  x  6 x  2 x  0,
 x1  2 x2  x3  3x4  x5  0,  1 2 3 4 5

11. 2 x1  4 x2  2 x3  6 x4  2 x5  0, 12.  x1  x2  3x3  x4  3x5  0,
3x  6 x  3x  9 x  3x  0.   2 x5  0,
 1 2 3 4 5

x2
2 x1  x3  4 x4  0.
2 x1  x2  x3  x4  x5  0,  x1  x2  x3  x4  x5  0,
 4 x  2 x  2 x  2 x  2 x  0,   2 x  2 x  2 x  2 x  0,
 1 2 3 4 5
 2 3 4 5
13.  2 x1  x2  x3  x4  x5  0, 14.  x1  x2  x3  x4  x5  0,
 x2  2 x5  0,  x2  2 x5  0,
 
2 x1  x3  4 x4  0. 2 x1  x2  2 x3  2 x4  0.
5 x1  x2  2 x3  x4  x5  0,  3x1  x2  5 x3  x4  x5  0,
 2 x  2 x  3x  2 x  2 x  0,  x  2 x  x  2 x  2 x  0,
 1 2 3 4 5
 1 2 3 4 5
15. 3x1  x2  x3  x4  x5  0, 16.  2 x1  x2  4 x3  x4  x5  0,

 x  3x  4 x  3x  3x  0,  x  3x  5 x  3x  3x  0,
 1 2 3 4 5
 1 2 3 4 5
2 x1  x2  2 x3  2 x4  2 x5  0.   5 x2  6 x3  5 x4  5 x5  0.
Відповіді.
1. x  0; 0; 0. 2. x з. р.  0,2 x3 ; 0,6 x3 ; x3  . 3. x з. р.  2 x2  x3 ; x2 ; x3  .

4. xз. р.  0; x3 ; x3  . 5. x  0; 0; 0; 0 . 6. x з. р.   x3  x4 ; 0; x3 ; x4  .
 1 5   2 1 
7. xз. р.   0; x4 ; x4 ; x4  . 8. xз. р.    x3  x4 ;  3x3  2 x4 ; x3 ; x4  .
 7 7   3 3 
9. x з. р.   x3  x4 ;  2 x3  2 x4 ; x3 ; x4  . 10. x  0; 0; 0; 0 .
11. x з. р.   2 x2  x3  3 x4  x5 ; x2 ; x3 ; x4 ; x5  . 12. x  0; 0; 0; 0; 0.
13. x з. р.  0,25 x4  0,75 x5 ;  2 x5 ;  1,5 x4  0,5 x5 ; x4 ; x5  .
14. x з. р.  0;  2 x5 ;  x4  x5 ; x4 ; x5  . 15. x з. р.  0;  4 x5 ; 0; 3 x5 ; x5 .
16. x з. р.  0;  x4  x5 ; 0; x4 ; x5  .
123
Власні числа та власні вектори матриці
6. Власні числа та власні вектори матриці
Розглянемо рівність Ax  y .
Вектор y отримується в результаті перетворення вектора x за
допомогою матриці A .
Матриця A називається матрицею перетворень.
В результаті такого перетворення вектор x
16 може повертатися, розтягуватися або стискати-
15
ся.
14

 13 
 
y
13
1 2
12 Приклад 1. Нехай A    , x   3 .
11 5 4   5 
10  3
9
Після множення матриці A на вектор x отри-
8
1
7
маємо такий вектор y    .
6
15 
5
4
На рисунку 1 зображені вектора x та y . Бачи-
3 мо, що після дії матриці перетворення A на ве-
2 ктор x , цей вектор змінив орієнтацію та дов-
1 жину.
0
Розглянемо інший приклад.
-1 0 1 2 3 4 5
1 2
x
-2
Приклад 2. Матрицю A    беремо з
-3
5 4
Рис.1 попереднього прикладу, а вектор x нехай буде
 2
такий x    . Після множення матриці A на вектор x отримаємо
 5
вектор
 12   2
y     6   6 x .
 30  5
Отже, в результаті дії матриці перетворення A на вектор x отри-

мали вектор y , який є колінеарним вектору x (рис.2). Тобто можемо
записати
124
Алгоритм знаходження власних чисел та векторів
Ax  x .
Означення. Число  називається влас-

ним числом, або власним значенням, мат-
риці A , якщо існує ненульовий вектор x та-
кий, що виконується рівність Ax  x . Век-
тор x називається власним вектором мат-
риці A .
 2
Таким чином, вектор x    є власним
 5
1 2
вектором матриці A    , а   6 – вла-
 5 4 
1 2
сним числом матриці A   .
 5 4 
Рис.2
6.1. Алгоритм знаходження власних чисел та векторів
Власні числа  та власні вектора x знаходимо з матричного рівняння
Ax  x ,
або в розгорнутому вигляді
 a11 a12 ... a1n  x1   x1 

    
 a21 a22 ... a2 n  x2   x2  ,
 ... ...  
... ...  ...   ... 
    
 a n1 a n 2 ... ann  xn   xn 
яке запишемо як систему рівнянь
125
a11 x1  a12 x2  ...  a1n xn  x1 ,

a x  a x  ...  a x  x ,
 21 1 22 2 2n n 2

...............................................
an1 x1  an 2 x2  ...  ann xn  xn ,
або
( a11   ) x1  a12 x2  ...  a1n xn  0,

a x  ( a   ) x  ...  a x  0,
 21 1 22 2 2n n
 (1)
......................................................
an1 x1  an 2 x2  ...  ( ann   ) xn  0.
Так як шуканий вектор x   x1 x2 ... xn T має бути ненульо-

вим, то серед його координат x1 , x2 ,..., xn хоча б одна повинна бути
відмінною від нуля.
Для того, щоб система однорідних лінійних рівнянь (1) мала не-
нульовий розв’язок (а, отже, і матричне рівняння Ax  x ), необхідно
і достатньо, щоб визначник системи дорівнював нулю:
a11   a12 ... a1n

a21 a22   ... a2 n
| A  I |  0. (2)
... ... ... ...
an1 an 2 ... ann  
Рівняння (2) є алгебраїчним рівнянням n -го степеня відносно  і

називається характеристичним рівнянням матриці A .
Многочлен
a11   a12 ... a1n
a21 a22   ... a2 n
p A ( )  A  I 
... ... ... ...
an1 an 2 ... ann  
називається характеристичним многочленом.

126
Для того, щоб знайти власні числа i , i  1, n матриці A , потрібно

знайти корені характеристичного рівняння (2).
Для того, щоб знайти власні вектори xi , i  1, n матриці A , необ-
хідно для кожного власного числа i знайти фундаментальну систему
розв’язків однорідного рівняння (2). Знайдені розв’язки і будуть вла-
сними векторами xi , що відповідають власним числам i .
При знаходженні власних чисел та векторів можливі такі варіан-
ти:
1) кількість коренів характеристичного рівняння дорівнює поряд-
ку матриці A і всі власні числа різні, тоді і кількість лінійно незалеж-
них власних векторів дорівнює порядку матриці A . В такому випадку
матрицю A можна звести до діагонального вигляду;
2) кількість коренів характеристичного рівняння дорівнює поряд-
ку матриці A , але серед коренів є кратні, тоді:
– кожному власному числу кратності k відповідає k лінійно не-
залежних власних векторів. Це відбувається тоді, коли фундамента-
льна система розв’язків однорідного рівняння (2) має розмір
n  r ( A  I )  k , r ( A  I ) – ранг матриці ( A  I ) , n – розмір мат-
риці A . Матриця A в такому випадку діагоналізується.
– кожному власному числу кратності k відповідає менша кіль-
кість лінійно незалежних власних векторів, тобто фундаментальна
система розв’язків має порядок менший ніж k , n  r ( A  I )  k . Мат-
риця A в такому випадку не діагоналізується.
Приклад. Знайти власні числа та власні вектори матриці
1 2
A .
5 4
Розв’язання. Складаємо та розв’язуємо характеристичне рівняння
1  2
 0  2  5  6  0  1  6 , 2  1.
5 4
127
Для власного числа 1  6 знаходимо відповідний власний вектор

x 
x1   11  з рівняння
 x21 
1  6 2  x11   0 
     
 5 4  6  x21   0 
Звідси маємо:
5 x11  2 x21

5 x11  2 x21
або
2
x11  x21 .
5
Таким чином, власному числу 1  6 відповідає власний вектор

 2
x1    x21 , де x21 – довільне число, що не дорівнює нулю.
 5
Аналогічно знаходимо, що власному числу 2  1 відповідає
 1 
власний вектор x2    x12 , де x12 – довільне число, що не дорівнює
  1
нулю.
Приклад. Знайти власні числа та власні вектори матриці A
 4 1 1
 
 2 4 1 .
 0 1 4
 
Розв'язання. Складаємо та розв’язуємо характеристичне рівняння
128
4 1 1
4 1 1 1
2 4 1  (4   ) 2 
1 4 1 4
0 1 4
 (4   )(4   )2  (4   )  2(4   )  2 
 (4   )(16  8  2 )  3(4   )  2 
 64  32  42  16  82  3  12  3  2 
 64  32  42  16  82  3  10  3  3  122  45  54 
 ( 1)(   3)(   3)(   6)  0 .
Маємо, корінь кратності 2: 1  3 , 2  3 , та корінь кратності 1:

3  6 .
Власний вектор, відповідний власним числам 1  2  3 , знахо-
димо з рівняння
4  3 1 1  x11   0 
    
 2 43 1  x12    0  .
 0 4  3 x13   0 
 1
Зведемо матрицю системи ( A  I ) до трапецієподібного вигляду:
 1 1 1  1 1 1   1 1 1 
     
( A  I ) ~  2 1 1 ~  0  1  1 ~  0  1  1 .
 0 1 1  0 1 1   0 0 0 
     
Так як r ( A  I )  2 і n  3 , то фундаментальна система розв’язків

складається з одного розв’язку.
129
 x11  x12  x13  0,


 x12  x13  0,
звідси маємо
 x11  0,

 x12   x13 ,
x  x
 13 13
Отже, загальний розв’язок системи:
 x11   0 
   
 x12     1 x13 .
x   1 
 13   
Таким чином, власному числу 1  2  3 кратності 2 відповідає

 0 
  
власний вектор x1    x13  , де x13 – довільне число, що не дорівнює
 x 
 13 
нулю.
Знайдемо власний вектор, який відповідає власному числу 2  6
з рівняння
4  6 1 1  x31   0 
    
 2 4  6 1  x32    0  ,
 0 4  6  x33   0 
 1
 3
 x31  x33  0,
 2
 x32  2 x33  0,
або
130
 3
 x31  x33 ,
 2
 x32  2 x33 .

3 
 x33 
 2 
x3   2 x33  , де x33 – довільне число, що не дорівнює нулю.
 x33 
 
 
Приклад. Знайти власні числа та власні вектори матриці A
 2  5  3
 
  1  2  3 .
 3 15 12 
 
Розв'язання. Знайдемо власні числа з характеристичного рівняння
2 5 3
1 2 3 
3 15 12  
 3  122  45  54  (1)(  3)(  3)(  6)  0 .
З рівняння отримаємо корінь кратності 2: 1  2  3 , та корінь крат-

ності 1: 3  6 .
Знаходимо власний вектор, відповідний власним числам
1  2  3 , з рівняння
2  3 5  3  x11   0 
    
  1  2  3  3  x12    0  .
 3 12  3  x13   0 
 15
Рівняння розв’язуємо методом Гаусса:

131
  1  5  3  1 5 3 
   
( A  I ) ~   1  5  3  ~  0 0 0  .
 3 15 9   0 0 0 
   
Так як r ( A  I )  1 і n  3 , то фундаментальна система розв’язків

складається з двох розв’язків.
 x11  5 x12  3x13 ,


 x12  x12  0 x13 ,
x  0x  x ,
 13 12 13
отже, загальний розв’язок системи:
 x11    5    3
     
x  1 x 
 12    12  0  x13 .
x   0   1 
 13     
Таким чином, власному числу 1  2  3 кратності 2 відповіда-

  5   3
   
ють два власних вектори x1   1  x12 , x2   0  x13 , де x12 , x13 – дові-
 0   1 
   
льні числа, що не дорівнють нулю.
Знайдемо власний вектор, який відповідає власному числу 2  6
з рівняння
  4  5  3  x31   0 
    
  1  8  3  x32    0  ,
 3 15 6  x   0 
  33   
яке розв’язуємо методом Гаусса:
132
  4  5  3   1  8  3
   
( A  I ) ~   1  8  3  ~   4  5  3  ~
 3 15 6   3 15 6 
   
  1  8  3   1  8  3
   
~  0 27 9  ~  0 3 1 .
 0  9  3  0 0 
   0
 1
 x31   x33 ,
3

 1
 32
x   x33 ,
 3
 x33  x33.


 1
 
 3
1
x3     x33 , де x33 – довільне число, що не дорівнює нулю.
 3
 1 
 
 
4  1  2
 2 2  2 0  1 2   2 3  
1.   . 2.   . 3.   . 4.   . 5. 2 1  2 .
 1 3   0 2    2 1    3 8  1
  1 1 
 4 1 1   2  5  3  1 1 0 4  5 2
       
6.  2 4 1  . 7.   1  2  3 . 8.  0 1 1  . 9.  5  7 3 .
 0 1 4   3 15 12  1 0 1 6  9 4 
      
133
 9 6 7   3 3  2,5  0  2 4 
     
10. 14  11 13  . 11.  2 2  0,5  . 12.  4 9  7  .
 3 3 4  0 0 2   5 10  7 
    
1 0 1   8 7 4  15  22  34 
     
13.  4 3 1  . 14.  4  2 2  . 15.  2  1  6  .
 0 0  2   2 4  1  4 7 8 
     
5  3 6   6 0  3   7  2 11 
     
16.  4  10 26  . 17.  1 3  1  . 18.  1 2  1 .
 2  7 17  1 0 2    8  2 12 
     
 1 4 0  2 1 0  2 12 0 
     
19.  2 3 0  . 20.  4 2 0  . 21.  1 6 0  .
 3 0 1  3 4 1  2 18 12 
     
2 0 4    3 4 0 1 3 2
     
22.  4 5  2  . 23.   1.5 4 0  . 24.  3 1 0  .
1 0 1   4.5 2 1  0 0 2
     
11 0 8   5 3 3  4 3 0
     
25.  5 1 4  . 26. 10 22 6  . 27.  2 3 0  .
 2 5 6 15 9 9   2 3 7
     
 6 1  5 3 2 4  1 1 0
     
28.  3 2  3  . 29.  2 1  2  . 30.  1 1 0  .
 7 1  6 5 2 2  5 7 2
     
 1 0 1  1 4 2  6 1  5
     
31.  7 1 6  . 32.  0  1 1  . 33.  3 2  3  .
  2 0 4  0 10 2   7 1  6
     
134
 0 4 4 1 9 0   1  6 0
     
34.  4 4 0  . 35.  6 2 0  . 36.  0 6 1  .
 1 0 4  0 5  2  1  6 0
     
1 3 2  2 3 0  1 4 5
     
37.  3 1 6  . 38.  0 1 2  . 39.  6 3 1  .
0 0 2  0 4 3  2 2 6
     
  6 8  2  5 8 4   4 1  2
     
40.  5 2 8 . 41.   1 9 7  . 42.  4 8 4 .
 3 4 1   2 4  3 2 7 8 
    
 5 3 1 7  7 5    4 1 3
     
43.   3  2 6  . 44.  4  5 6  . 45.   22 7 8  .
 2 3 4   4  9 10    14 2 9 
    
4 0 1   1 4 2  3 0  1
     
46.  2 4  2  . 47.  0  1 1  . 48.  2 1  1 .
1 0 4   0 10 2  2 0 0 
     
Відповіді.
   2    1
1. 1  1, 2  4 , x1   t , x 2   t .
  1  1
2. 1  2 , 2  2 . Власними векторами є усі ненульові двовимірні
вектори.
  3   1 
3.   2i  1 . 4. 1  1 , 2  7 , x1   t , x2   t .
 1  3
 1 1 1
        
5. 1  1, 2  2 , 3  3 . x1  1t , x2   0 t , x3   1 t .
 1 1  0
     
135
 0  3
      
6. 1  2  3 , 3  6 . x1  x2    1t , x3   4 t .
 1  2
   
  5   3  1 
        
7. 1  2  3 , 3  6 . x1   1 t , x2   0 t , x3   1 t .
 0   1   3
     
 1
  
8. 1  2  3  2 . x1  1t .
 1
 
 1 1
      
9. 1  1, 2  3  0 . x1  1t , x2  x3   2 t .
 1  3
   
1   1  1
     
10. 1  3 , 2  1, 3  2 , x1   1  t , x2   1  t , x 3   3 t .
 0 2  1
     
 2  1  3
     
11. 1  0 , 2  2 , 3  5 , x1    2  t , x2   3  t , x3   2  t .
 0   4  0
     
  1   2  2
     
12. 1  2 , 2  1 , 3  3 , x1   1  t , x2   1  t , x3   1  t .
1  0   2
     
 0   5   1
     
13. 1  3 , 2  2 , 3  1, x1   1  t , x2   3  t , x3   1  t .
 0  5  0
     
  1 1  2
     
14. 1  0 , 2  2 , 3  3, x1   0  t , x2   2  t , x3   2  t .
2  2 1
     
136
 4  6 1
     
15. 1  1 , 2  2 , 3  3 , x1   1  t , x2   2  t , x3    1 t .
1 1 1
     
 0   3 1
     
16. 1  3 , 2  4 , 3  5 , x1   2  t , x2   1  t , x3   2  t .
1  1  1
     
 0 2  3
     
17. 1  2  3 3  5 , x1   1  t , x2    1 t , x3   1  t .
 0 2  1
     
 1  3  4
     
18. 1  2 , 2  1, 3  4 , x1  1 t , x3    1 t , x3   0  t .
 1 2  4
     
 0  4   2
     
19. 1  1 , 2  5 , 3  1, x1   0  t , x2   4  t , x3   1  t .
 2  3  3 
     
 1  3  0
     
20. 1  0 , 2  4 , 3  1 , x1    2  t , x2   6  t , x3   0  t .
 5  11  5
     
 12   0  4 
     
21. 1  0 , 2  12 , 3  8 , x1    2  t , x2   0  t , x3   2  t .
 1  1   11
     
  7  0   4
     
22. 1  2 , 2  5 , 3  3 , x1   6  t , x2   1  t , x3   7  t .
 7   0  1
     
 0  4    12 
     
23. 1  1 , 2  3 , 3  2 , x1   0  t , x2   6  t , x3    18  t .
 3   3  9 
     
137
1  1   1
     
24. 3  2 , 2  4 , 1  2 , x1    1 t , x2   1  t , x3   1  t .
0  0  0
     
 2  20    8
     
25. 1  15 , 2  1, 3  2 , x1   1  t , x2   17  t , x3    4  t .
1   25   9 
     
3  3   1 
     
26. 1  28 , 2  0 , 3  8 , x1  14  t , x2   0  t , x3    2 t .
9   5  3 
     
 0  6    3
     
27. 1  7 , 2  1, 3  6 , x1   0  t , x2    6  t , x3    2  t .
1  1   12 
     
  2   1  1
     
28. 1  1, 2  1, 3  2 , x1    1  t , x2   0  t , x3  1 t .
  3   1  1
     
1   16   1 
     
29. 1  7 , 2  2 , 3  1 , x1   0  t , x2   18  t , x3    3 t .
1  11   1 
     
1  0  0
     
30. 1  0 , 2  2 , 3  2 , x1    1 t , x 2   0  t , x3   0  t .
1   1 1
     
 0 1  1 
     
31. 1  1 , 2  2 , 3  3 , x1   1  t , x2  13  t , x3   9,5  t .
 0 1  2 
     
 14 
  0  
1  
    5
32. 1  3 , 2  1 , 3  4 , x1    1 t , x2   0  t , x3   1  t .
2  0 5
     
 
138
1  1  2
     
33. 1  1 , 2  2 , 3  1, x1   0  t , x2  1 t , x3   1  t .
1  1  3
     
 6   0   2
     
34. 1  2 , 2  4 , 3  6 , x1    4  t , x2   1  t , x3    4  t .
 1    1  1 
     
 3   0  2
     
35. 1  7 , 2  2 , 3  8 , x1    2  t , x 2   0  t , x3   2  t .
 2  1 1
     
  6   3   2
     
36. 1  0 , 2  3 , 3  4 , x1    1  t , x2   1  t , x3   1  t .
 6    3   2
     
  1   5 1
     
37. 1  2 , 2  2 , 3  4 , x1   1  t , x2    3 t , x3   1  t .
0  2   0
     
1  1 1
     
38. 1  1, 2  2 , 3  5 , x1    1 t , x2   0  t , x3   1  t .
1  0  2
     
  1  1  1 
     
39. 1  3, 2  10, 3  3 , x1   1  t , x2  1 t , x2   8  t .
0  1   6
     
  8  2  34 
     
40. 1  6, 2  3, 3  0 , x1   1  t , x 2   2  t , x3   19  t .
 4    1   26 
     
 10  0  32 
     
41. 1  5, 2  5, 3  11, x1    1 t , x2    1 t , x3   19  t .
2 2  10 
     
139
  1   1  1 
     
42. 1  12, 2  6, 3  2 , x1   2  t , x2   0  t , x3    2  t .
 3 1  2 
     
 1    23   3
     
43. 1  3, 2  3, 3  7 , x1    3 t , x2   15  t , x3   1  t .
 1   1   3
     
1  3  1
     
44. 1  3, 2  4, 3  5 , x1   2  t , x2   2  t , x3  1 t .
 2 1  1
     
 2 1 1
     
45. 1  3, 2  4, 3  5 , x1   5  t , x2   2  t , x3   3  t .
 3  2  2
     
 0  1   1
     
46. 1  4, 2  5, 3  3 , x1   1  t , x2   0  t , x3   4  t .
 0  1 1
     
1  14  0
     
47. 1  1, 2  4, 3  3 , x1   0  t , x2   5  t , x3    1 t .
 0  25  2
     
1  1  3
     
48. 1  1, 2  2, 3  1, x1   1  t , x2  1 t , x3   5  t .
 2  1  6
     
140
Завдання для розрахункової роботи
Розв’язати матричні рівняння.
 1 0 1   1 0 1  12 4 4   1 2 1  7 
         
1.а)  2 1 1  X  0 2 1   18 10 8  , б)   3 1 1 X    17  .
 3 1 0   2 1 0  18 10 8   1 3 1  7 
         
1 0 1  1 0 1   6 4 2  1 2 1 6
         
2. а) 1 1 1  X 1 2 1    7 6 3  , б)  3 2 4  X  19  .
1 1 0  1 1 0   5 5 2  1 3 1 6
         
0 0 1  0 0 1 1 1 1 1 2 1 12 
         
3. а)  1 1 1 X  1 2 1   3 4 3 , б)  2 2 3 X  17  .
0 1 0   1 1 0   1 2 1  1 3 1  16 
   
2 2 1  1 2 1   30 33 15  8 2 2  32 
         
4. а)  1 1 1 X  2 2 1    16 18 8  ; б)  1 2 1  X   10  .
0 1 0   1 1 0   12 12 6  0 2 1  7
   
 3 2 1   1 2 1  16 22 8   4 2 2 18 
         
5. а)  1 0 2  X  2 3 1    6 7.5 3  ; б)  2 2 1  X   11 .
 0 1 0   1 0,5 0   4 6 2   0 2 1 5
         
 0 2 1   1 2 1   5 18 9   4 5 2  24 
         
6. а)  1 0 2  X  0 3 2   15 20 5  ; б)  3 1 1  X   12  .
 0 1 0  2 2 0  0 6 4  0 6 1  13 
         
 2 2 1   1 2 1  13 24 15   4 5 2 14 
         
7. а)  1 2 2  X  0 1 2    11 20 13  ; б)  3 1 1  X  10  .
 0 1 2   2 2 0   6 10 6   0 3 1 1
         
141
 1 1 1   1 2 1   13 18 9   3 7 3  56 
         
8. а)  1 1 2  X  2 2 2   16 22 10  ; б)  3 1 1  X   24  .
 0 1 2   2 2 0  10 12 6   1 3 1  22 
         
 1 1 1   0 2 1   10 18 9   6 5 6  74 
         
9. а)  0 4 0  X  2 2 2    24 24 24  ; б)  1 1 1  X   13  .
 0 1 1   2 3 0   8 11 7   0 6 1  26 
         
 1 2 1   0 2 2   24 16 20   6 5 6  56 
         
10. а)  4 4 0  X  2 0 2    36 32 48  ; б)  1 1 1  X   10  .
 0 2 1   3 2 0   21 8 14   0 7 1  29 
         
 1 2 1   0 2 2  14 14 18   5 2 5  48 
         
11. а)  2 3 0  X  2 0 2   18 20 28  ; б)  1 0 1  X   8  .
 0 1 1  3 2 0  7 4 6   2 2 1  19 
         
 2 2 1   0 4 4   24 32 36   9 1 9  71
         
12. а)  2 2 0  X  4 0 4    24 16 32  ; б)  1 0 1  X   7  .
 0 1 1   0 4 0   12 16 16   2 1 1  21
         
 2 2 1   0 1 1   8 15 17   7 1 7  37 
         
13. а)  3 2 0  X  1 0 1    8 15 20  ; б)  1 0 1  X   4  .
 0 1 1  0 1 0  4 5 5   2 1 1  16 
         
 1 1 1   0 2 1   8 12 11   6 2 6  96 
         
14. а)  3 2 2  X  2 0 2   16 30 24  ; б)  2 0 2  X   32  .
 0 2 1   0 2 0  16 6 17   2 2 1  25 
         
 1 1 1   0 5 1   15 30 18   2 1 1  19 
         
15. а)  1 2 2  X  5 0 5    30 45 34  ; б)  3 0 2  X   21  .
 0 2 1   0 5 0   30 15 31   2 2 1  26 
         
142
  1 1 1   0 2 1   11  4 10 
     
16. а)   1  2 2  X  2 0 2     17  6  17  ;
 0 2 1   1  2 0   22  2 23 
     
1 1 1  14 
   
б)  3 0 2  X   23  .
1 2 1  20 
   
 1 1 1   1 4 1    13 8  13 
     
17. а)  3 0 2  X  5 0 5    6 24 5  ;
 1 2 1   1 4 0    28 8  28 
     
  1 1 1  3 
   
б)   1  2 2  X    11 .
 0 2 1  11 
   
 2 1 1   2 4 1   39 48 22  1 1 1  17 
         
18. а)  3 0 2  X  5 0 5    40 80 11  ; б)  1 2 2  X   25  .
 2 2 1   2 4 0   54 48 37  0 2 1  15 
         
 6 2 6   0 1 1   2 24 14  1 1 1  12 
         
19. а)  2 0 2  X  1 0 1    0 8 4  ; б)  3 2 2  X   30  .
 2 2 1   0 1 0  2 6 5  0 2 1  11 
         
 7 1 7   0 2 2   4 56 32   2 2 1  21 
         
20. а)  1 0 1  X  2 0 2    0 8 4  ; б)  3 2 0  X   26  .
 2 1 1   0 2 0   4 12 10   0 1 1 5
         
143
 9 1 9   0 2 1    1 71 25   2 2 1  27 
         
21. а)  1 0 1  X  1 1 2    0 8 3  ; б)  2 2 0  X   24  .
 2 1 1   0 1 0    1 10 2   0 1 1  10 
         
 5 2 5   0 2 2   24 54 38   1 2 1  22 
         
22. а)  1 0 1  X  1 1 2    4 10 6  ; б)  2 3 0  X   33  .
 2 2 1   2 2 0   10 18 16   0 1 1  10 
         
 6 5 6  0 2 2  8 32 4   1 2 1  18 
         
23. а)  1 1 1  X  4 4 2    0 4 0  ; б)  4 4 0  X   36  .
 0 7 1   2 2 0    52  50  26   0 2 1  17 
         
 6 5 6   0 1 2    4 8 10  1 1 1  20 
         
24. а)  1 1 1  X  4 4 2    0 2 2  ; б)  0 4 0  X   16  .
 0 6 1   2 1 0   26 24 10   0 1 1  13 
         
 3 7 3  0 1 2   21 15 2  1 1 1 12 
         
25. а)  3 1 1  X  3 3 2     1 1 2  ; б)  1 1 2  X   13  .
 1 3 1  2 1 0   9 7 2  0 1 2 7
         
 4 5 2   0 1 1    10  14  4 
     
26. а)  3 1 1  X  3 3 1    6 4 2 ;
 0 3 1   2 1 0    12  14  5 
     
 2 2 1  22 
   
б)  1 2 2  X   23  .
 0 1 2  16 
   
 4 5 2  1 6 0   6  4 16  0 2 1  5
         
27. а)  3 1 1  X 1 2 1     2  20 6  ; б)  1 0 2  X   8  .
 0 6 1  1 6 1   14 36 13  0 1 0  2
         
144
 4 2 2  1 3 0   18 56 4   3 2 1  23 
         
28. а)  2 2 1  X 1 2 1    8 26 1  ; б)  1 0 2  X   14  .
 0 2 1  1 3 1    2  4  1 0 1 0 3
         
 8 2 2   1 1 0   6 10  2   0 0 1 7
         
29. а)  1 2 1  X  2 0 1     5 2  5  ; б)  1 1 1  X   4  .
 0 2 1  1 0 1   7 1  6  0 1 0 1
         
 1 2 1   1 1 0  2 2 2   0 0 1 1
         
30. а)  2 2 3 X  2 0 1     2 5 1  ; б)  1 1 1  X   6  .
 1 3 1  1 0 1   4 2 3  0 1 0  2
         
1 2 1  1 1 0  2 2 4 1 0 1   4
         
31. а)  3 2 4  X  1 0 1    1  1 3  ; б) 1 1 1  X   4  .
1 3 1  2 0 1  3 3 6 1 1 0   3
         
 1 2 1   1 2 1    2 2 4 
     
32. а)   3 1 1 X   1 1 2    11  3  10  ;
 1 3 1  2 1  2    3 3 6 
    
 1 0 1 1
   
б)  0 2 1  X   2  .
 2 1 0  3
   
 0 2 1   1 2 1    5  1 13 
     
33. а)   3 1 1 X   1 0 2    8  4  4  ;
 1 3 1  2 1  2    12 0 24 
     
145
 1 2 1  4 
   
б)   3 0 1  X    8  .
 1 3 2  5 
   
 1 2 1   1 2 1    3 7 7 
     
34. а)  2 1 1 X   1 1 2     5 8 7  ;
 1 3 1  2 1  2    5 9 11
     
 2 2 1  9 
   
б)   3 2 2  X    10  .
 1 3 2  6 
   
 4 2 1    1 2 1    15 21 21 
     
35. а)   3 1 1  X   1 3 2    9 5  6 ;
 1 3 3  2 1  2    3 25 12 
     
 1 2 1  7 
   
б)   3 3 1 X    13 .
 1 3 1  7 
   
 4 2 1   4 2 4   38 26 34 
     
36. а)   3 1 1  X  4 4 2    8 24  16  ;
 1 3 4   2 4  2   42 54 6 
     
 1 2 1  10 
   
б)   3 4 1 X    14  .
 1 3 1  10 
   
 5 2 1   1 2 1    22 54 32 
     
37. а)   3 5 1 X   1 5 2     13 121 38  ;
 1 3 1  2 1  2    15 75 30 
     
146
 5 2 5  50 
   
б)   3 5 5  X   10  .
 1 3 5  30 
   
 1 2 1   1 2 1    3 6 7 
     
38. а)   3 4 1 X   1 0 2    9 6  1 ;
 1 4 1  2 4  2    7 6 15 
     
 6 2 1  42 
   
б)   3 1 1 X    12  .
 1 1 1  12 
   
 5 2 1   1 2 1    22 34 32 
     
39. а)   3 5 1 X   1 3 2     13 71 38  ;
 1 4 1  2 1  2    20 60 40 
     
 1 2 1  12 
   
б)   3 5 1 X    16  .
 0 3 1  5 
   
 1 3 1    1 2 1    7 24 16 
     
40. а)   3 1 3 X   1 2 2    33  6  30  ;
 1 3 3  2 1  2   7 26 2 
    
 1 2 1 6
   
б)  0 3 5  X  15  .
 1 3 1 6
   
147
Список використаної та рекомендованої літератури
Список використаної та рекомендованої літератури
1. Беклемишев Д.В. Курс аналитической геометрии и линейной ал-

гебры. – М.: Высш.шк., 1998. – 320 с.
2. Беклемишева Л.А., Петрович А.Ю., Чубаров И.А. Сборник задач
по аналитической геометрии и линейной алгебре. –М.: ФИЗМА-
ТЛИТ, 2004.– 420 с.
3. Проскуряков И.В. Сборник задач по линейной алгебре. – М.: На-
ука, 1966. – 232 с.
4. Ильин В.А., Позняк Э.Г. Линейная алгебра. – М.: Наука, 1999. –
297 с.
5. Ланкастер П. Теория матриц. – М.: Наука, 1973. – 283 с.
6. Гантмахер Ф.Р. Теория матриц. – М.: Наука, 1988. – 550 с.
7. Курош А. Г. Курс высшей алгебры. – М.: Наука, 1965. – 431 с.
8. Барковський В.В., Барковська Н.В. Вища математика для еконо-
містів: 5-те вид. Навч. посіб. — К.: Центр учбової літератури,
2010. – 448 с.
9. Высшая математика для экономистов. Под ред. Кремера Н.Ш.–
М.: 2007. – 479 с.
148
Предметний покажчик
Предметний покажчик
Алгебраїчне доповнення 53 – основна 101

– приєднана 63
Векторний простір 81, 83 – прямокутна 6
Власні числа матриці 124 – розширена 101
Власні вектори матриці 124 – симетрична 31
Властивості – трапецієподібна 92
– асоціативна 10, 13, 19, 20 – кососиметрична 31
– дистрибутивності 11, 12, 18, 82 – транспонована 26
– комутативна 9, 20, 21, 70, 81 Матричні рівняння 68
– детермінантів 42, 53 Метод
– множення матриць 18 – Гаусса 104
– оберненої матриці 64 – – прямий 104
– операції додавання векторів 81 – – зворотній 107
– операції множення вектора на – Крамера 39, 41, 48, 56
число 82 – обвідних мінорів 89
– елементарних перетворень 90
Детермінант Мінор 52, 89
– другого порядку 40
– третього порядку 41, 48 Ранг матриці 88
– п-го порядку 50 Різниця матриць 14
Добуток матриць 15
Система лінійних алгебраїчних
Загальний розв’язок системи 119 рівнянь 101
– визначена 102
Лінійна комбінація векторів 84 – невизначена 102
Лінійна – несумісна 102
– залежність векторів 84 – однорідна 116
– незалежність векторів 85 – сумісна 102
Степінь матриці 23
Мінор 52, 89, 94 Сума матриць 8
Матриця 6
– вироджена 62 Теорема
– діагональна 7 – Лапласа 53
– еквівалентні 92 – анулювання 55
– квадратна 6 – про базисний мінор 94
– матриця-стовпець 8 – про ранг матриці 95
– матриця-рядок 8 – Кронекера-Капелі 103
– невироджена 62
– нульова 8 Фундаментальна система
– обернена 62 розв’язків 119
149
Навчальне видання
В.О. КАПУСТЯН, О.А. ЖУКОВСЬКА
АЛГЕБРАЇЧНІ
ТА ГЕОМЕТРИЧНІ МЕТОДИ
Підписано до друку 24.01.2017 р.

Формат 60х84/16. Папір офсетний.
Ум. рук. арк. 8,72.
Наклад 500 прим.
ВД «Освіта України»
ФО-П Маслаков Руслан Олексійович
Свідоцтво про внесення суб’єкта видавничої справи
до державного реєстру видавців, виготівників
і розповсюджувачів видавничої продукції
ДК №4726 від 29.05.2014 р.
Тел. (095) 699-25-20, (098) 366-48-27.
Е-mail: osvita2005@mail.ru, www.rambook.ru
Видавничий дім «Освіта України» запрошує авторів до співпраці

з випуску видань, що стосуються питань управління,
модернізації, інноваційних процесів, технологій, методичних
і методологічних аспектів освіти та навчального процесу
у вищих навчальних закладах.
Надаємо всі види видавничих та поліграфічних послуг.

Алгебраїчні методи

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Алгебраїчні методи

Uploaded by

Copyright:

Available Formats

Міністерство освіти і науки України

Національний технічний університет України

В.О. КАПУСТЯН, О.А. ЖУКОВСЬКА

Рекомендовано Вченою радою НТУУ «КПІ»

Ю.А. Пасенченко, к. ф.-м. н., доц.,

К 207 Алгебраїчні та геометричні методи. Частина 1: навч. посіб. для

У посібнику викладено теоретичні основи елементів лінійної алгебри. На-

© В.О. Капустян, О.А. Жуковська, 2017

1 Основні відомості про матриці………………………… 6

2 Операції над матрицями та їх властивості…………… 9

2.1 Додавання матриць………………………………………... 9

3 Системи лінійних алгебраїчних рівнянь.

3.1 Детермінант другого порядку………………………….…. 39

4.1 Алгоритм обчислення оберненої матриці……………….. 64

5 Загальна теорія систем лінійних

5.1 n -вимірний векторний простір…………………………... 80

6 Власні числа та власні вектори матриці………...……. 124

6.1 Алгоритм знаходження власних чисел та векторів……... 125

Завдання для розрахункової роботи……………………... 141

Список використаної та рекомендованої літератури…… 148

Досвід викладання дисципліни «Алгебраїчні та геометричні методи»

1. Основні відомості про матриці

 a11 a12 ... a1n 

що містить m рядків та n стовпців.

Означення 2. Дві матриці A і B однакового розміру називаються

– квадратна матриця четвертого порядку.

– діагональна матриця четвертого порядку,

– діагональна матриця другого порядку.

Означення 8. Прямокутна матриця, що складається з одного сто-

називається матрицею-стовпцем, а прямокутна матриця, що склада-

2. Операції над матрицями та їх властивості

Означення 1. Сумою двох прямокутних матриць A  (aik ) і B  (bik )

 a11 a12   b11 b12   a11  b11 a12  b12 

Згідно з правилом додавання матриць A  A  O , де A – довільна

Розв’язання. Сума не існує, так як матриці A , B мають різні роз-

З означення 1 безпосередньо випливає, що для операції додаван-

1. A  B  B  A – комутативна властивість додавання матриць.

дорівнює розміру матриці

Доведемо, що і всі елементи матриці D дорівнюють відповідним

d ij  aij  bij  bij  aij  qij

для всіх i  1, m , j  1, n . Згідно з означенням рівності матриць, це

2. ( A  B )  C  A  ( B  C ) – асоціативна властивість додавання

Доведення. Аналогічно попередньому доведенню доводиться, що

і визначимо нові матриці

З означення операції додавання матриць випливає, що

lij  f ij  cij  aij  bij  cij  aij  bij  g ij  qij

для всіх i  1, m , j  1, n . Згідно з означенням рівності матриць, це

2.2. Множення матриці на число

Означення 2. Добутком матриці A  aik , i  1, m , k  1, n на число 

Для операції множення матриці на число виконуються такі

1.  ( A  B )  A  B – властивість дистрибутивності при

Доведення. Так як при множенні матриці на число її розмір збері-

і визначимо нові матриці:

З означення операцій додавання матриць і множення матриці на

g ij  f ij   ( aij  bij )  aij  bij  lij  qij  rij

для всіх i  1, m , j  1, n . Відповідно до означення рівності матриць,

2. (   ) A  A  A – властивість дистрибутивності при

Доведення. Очевидно, що розмір матриці (   ) A збігається з

і визначимо нову матрицю:

З означення операцій додавання матриць і множення матриці на

f ij  (   )aij  aij  aij  lij  qij  rij

для всіх i  1, m , j  1, n . Відповідно до означення рівності матриць,

3. ( ) A   ( A) – властивість асоціативності при множенні

Доведення. Відзначимо, що згідно з означенням операція мно-