МІНІСТЕРСТВО ОСВІТИ, НАУКИ, МОЛОДІ

ТА СПОРТУ УКРАЇНИ
НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ УКРАЇНИ
“КИЇВСЬКИЙ ПОЛІТЕХНІЧНИЙ ІНСТИТУТ”
ФІЗИКО-ТЕХНІЧНИЙ ІНСТИТУТ

А Л Г Е Б Р А ТА Г Е О М Е Т Р І Я - 2

КУРС Л Е К Ц І Й
ДЛЯ СТУДЕНТІВ НАПРЯМІВ ПІДГОТОВКИ
“ПРИКЛАДНА ФІЗИКА”, “ПРИКЛАДНА МАТЕМАТИКА”,
“БЕЗПЕКА ІНФОРМАЦІЙНИХ І КОМУНІКАЦІЙНИХ СИСТЕМ”
ТА “СИСТЕМИ ТЕХНІЧНОГО ЗАХИСТУ ІНФОРМАЦІЇ”

Рекомендовано Методичною радою НТУУ “КПІ”

Київ
“ПОЛІТЕХНІКА”
2011
 2
Алгебра та геометрія – 2: курс лекцій для студентів напрямів підготовки
“Прикладна фізика”, “Прикладна математика”, “Безпека інформаційних і
комунікаційних систем” та “Системи технічного захисту інформації” /
Уклад.: Н.Д. Цвинтарна, А.А. Шумська. – К.: НТУУ “КПІ”, 2011. – 62 с.

Гриф надано Методичною радою НТУУ «КПІ»

(Протокол № ____ від _________ 2011 р.)

Навчальне видання

А Л Г Е Б Р А ТА Г Е О М Е Т Р І Я - 2

Курс лекцій
для студентів напрямів підготовки
“Прикладна фізика”, “Прикладна математика”,
“Безпека інформаційних і комунікаційних систем”
та “Системи технічного захисту інформації”

Укладачі: Наталія Дмитрівна Цвинтарна, к.ф.-м. наук, доц.,

Алла Антонівна Шумська, к.ф.-м. наук, доц.

Відповідальний редактор: М.М.Савчук, д.ф.-м.н., проф.

Рецензенти: О.В.Коба, д.ф.-м.н., проф.,

О.М.Фаль, к.ф.-м. наук, доц.

 3

Зміст

Вступ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

АНАЛІТИЧНА ГЕОМЕТРІЯ У ПРОСТОРІ

1. Площина у просторі . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2. Пряма у просторі . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3. Поверхні другого порядку . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

ЛІНІЙНА АЛГЕБРА
4. Лінійні простори. Лінійні оператори (продовження) . . . . . . . . . . . 21
5. Перехід до іншого базису . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . 25
6. Структура лінійного оператора. Власні числа, власні вектори . . . . . 29
7. Жорданова нормальна форма матриці. . . . . . . . . . . . . . . . . . . . . .. . . . 32
8. Функції від матриць. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . .. 41

9. Евклідів простір. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
10.Оператори в евклідових (унітарних) просторах. . . . .. . . . . . . .. . . . . .. 51
11.Зведення рівняння поверхні другого порядку до канонічного вигляду55
Список використаної літератури . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
 4

Вступ

Дисципліна “Алгебра та геометрія – 2” є продовженням курсу “Алгебра

та геометрія – 1”, який викладається на першому курсі Фізико-технічного
інституту для студентів напрямів підготовки “Прикладна фізика”,
“Прикладна математика”, “Безпека інформаційних і комунікаційних систем”
та “Системи технічного захисту інформації”. Дана дисципліна є базовою для
таких дисциплін як математичний аналіз, функціональний аналіз, рівняння
математичної фізики та інших.
У цій частині курсу розглядаються такі теми як “Аналітична геометрія у
просторі”, “Структура лінійного оператора”, “Евклідові простори та
оператори в них”. У кожному розділі у доступній формі розібрано типові
задачі, які ілюструють як основні поняття алгебри та геометрії
застосовуються до розв’язання задач.
Необхідність електронного курсу лекцій виникла через те, що у другому
семестрі за планом маємо аудиторних занять лише “0.5 кредиту”. Цього не
вистачає для того, щоб давати всі необхідні доведення теорем, тверджень,
детального розбору прикладів.
Укладачі вже використовували деякі частини цього курсу у своїй роботі
та отримали позитивні відгуки студентів, щодо такої системи викладання.
 5
АНАЛІТИЧНА ГЕОМЕТРІЯ У ПРОСТОРІ

Площина у просторі

Нехай у просторі задана площина P , точка M 0 ( x0 , y0 , z0 )  P та

n  ( A, B, C )  0 ; n  P .
Озн. Вектор nP називається нормальним вектором площини;
задається він єдиним чином з точністю до ненульової константи.

 Нехай т. M ( x, y, z ) — довільна точка простору.

z n
P
M 0 M  ( x  x0 , y  y0 , z  z0 ) .
M0
y Тв. M  P  n  M 0 M 
M
(n , M 0 M )  0 ;
A( x  x0 )  B ( y  y0 )  C ( z  z0 )  0 .
x
Отримали рівняння площини P , яка задана
Рис. 1 точкою та нормальним вектором. Розкриваючи
дужки, маємо:
Ax  By  Cz  Ax0  By0  Cz0  0 ;
Ax  By  Cz  D  0 — загальне рівняння
площини.

Неповні рівняння площини

Виходячи з геометричного тлумачення коефіцієнтів A, B і C як

координат вектора її нормалі, дослідимо питання про їх вплив на розміщення
площини відносно системи координат.
P : Ax  Bx  Cz  D  0 ; M 0 ( x0 , y0 , z0 )  P ;
1) n  (0,0, C ) || (0,0,1) , n  XOY ,
P : z  z0  0  z  z0 — площина || XOY .
 6
Частковий випадок: z  0 — сама площина XOY .
2) n  (0, B,0) || (0,1,0) ; P : y  y0 || XOZ .
3) n  ( A,0,0) || (1,0,0) ; P : x  x0 || YOZ .
4) ABCD  0  (0,0,0)  P і P не паралельна жодній координатній
площині. Така площина називається площиною загального розташування.

Рівняння площини «у відрізках»

Нехай P : Ax  By  Cz  D  0 ; ABCD  0 . 

x y z x y z
  1;    1 — рівняння площини у відрізках.
D D D a b c
A B C
Зауважимо, що числа a, b, c мають простий геометричний зміст: вони
дорівнюють величинам відрізків, які відтинає площина на осях O x, O y і
O z (з урахуванням знаків).

z Справді, якщо дану площину P

c M3 перетнути площинами y  0 і z  0 ,
маємо, що точка M1 (a,0,0)  P .
Аналогічно M 2 (0, b,0)  P ,
P
M 3  (0,0, c)  P .
b
a M2
M1 y
x

Рис. 2
 7
Нормальне рівняння площини

z
Нехай площина P , що не
P проходить через O (0,0,0) , задана так:

 її нормальний вектор n проведено з

n
початку координат в напрямку
 M
n0 y площини; n  p  0 ; його кути з
координатними осями — ( ,  ,  ) .
0 x
1
n0  n ; n0  (cos , cos , cos  ) ;
n

Рис. 3 n0  1 .

Точка M ( x, y, z ) — довільна; OM  ( x, y, z ) .

Зрозуміло, що M  P  npn OM  p ; npn OM  npn0 OM (n0 , OM )  p або

x cos   y cos   z cos   p ;

x cos   y cos   z cos   p  0 — нормальне рівняння площини.
Щоб звести рівняння Ax  By  Cz  D до нормального, треба праву і
 signD
ліву частину помножити на M  .
2 2 2
A  B C
Приклад. Звести рівняння площини P : 2 x  3 y  6 z  14  0 до нормального
виду.
Розв’язання. Нормуючим множником для даного рівняння буде
1 1
M    . Знак числа M завжди протилежний знаку вільного
22  32  62 7
члена D .
1
P :  (2 x  3 y  6 z  14)  0; p  2.
7
 8
Відхилення і відстань від точки до площини

Нехай задано площину P : Ax  By  Cz  D  0 ; D0 і точку

M 0 ( x0 , y0 , z0 )  P .
P : x cos   Y cos   z cos   p  0 .
І нехай ( M 0 , P)  d  0 — відстань від M 0 до P .
Озн. Відхиленням M 0 від P ( позначається  M 0 P ) називається величина

 d , якщо M 0 і O(0,0,0) лежать по різні боки від P;

 M0P  
 d , якщо M 0 і O(0,0,0) лежать по одну сторону від P.

Побудуємо P || P ; M 0  P .
P : x cos   y cos   z cos   ( p   M 0 P )  0 .
O P
. Враховуючи, що M 0  P , маємо:
x0 cos   y0 cos   z0 cos   p   M 0 P  0 
. M0
 M 0 P  x0 cos   y0 cos   z0 cos   p ;

d  ( M 0 , P)   M 0 P  x0 cos   y0 cos   z0 cos   p .

Рис. 4

Взаємне розташування площин

P1 : A1x  B1 y  C1z  D1  0 ; n1  ( A1, B1, C1 ) ; M1 ( x1, y1, z1 )  P1 .

P2 : A2 x  B2 y  C2 z  D2  0 ; n2  ( A2 , B2 , C2 ) ; M 2 ( x2 , y2 , z2 )  P2 .

1) Площини P1 і P2 співпадають; P1  P2 .

A B1 C1 D1 
Тоді rang  1  1.
 A2 B2 C2 D2 
 9
2) P1  P2 ; P1 || P2 .

A B1 C1   A1 B1 C1 D1 
Тоді n1 || n2 і rang  1  1 , а rang  2.
 A2 B2 C2  A
 2 B2 C2 D2 

Відстань від P1 до P2  ( P1 , P2 ) доцільно шукати, як відстань від M 2 до P1 ;

A1 x2  B1 y2  C1z2  D1
 ( P1 , P2 )   ( M 2 , P1 )  .
A12  B12  C12
3) P1 ╫ P2 ;

A B1 C1 
n1 ╫ n2  rang  1  2.
 A2 B2 C2 
  | A1 A2  B1B2  C1C2 |
Якщо   ( P1, P2 ) , то cos  | cos (n1 , n2 |  .
A12  B12  C12  A22  B22  C22

Пряма у просторі

Пряма у просторі задається двома принципово різними способами.

I с п о с і б . Нехай l — пряма; точка M 0 ( x0 , y0 , z0 )  l ;
Озн . Вектор q  (a, b, c)  0 ; q || l називається напрямним вектором
прямої l .
Точка M ( x, y, z ) — довільна точка простору.

M 0 M  ( x  x0 , y  y0 , z  z0 ) .

z Зрозуміло, що

q M  l  M 0 M || q або
l x  x0 y  y0 z  z0
M   . (1)
M0 a b c
y Ми отримали так зване канонічне

x рівняння прямої.

Рис. 5
 10
x  x0 y  y0 x  x0 z  z0 y  y0 z  z0
Рівняння  ;  і  — рівняння
a b a c b c
площин, що проектують пряму l на координатні площини.

I I с п о с і б . Площини P1 і P2 , P1 ╫ P2 задаються рівняннями:

P1 : A1x  B1 y  C1z  D1  0 .
P2 : A2 x  B2 y  C2 z  D2  0 .
Пряму l задають як перетин P1 і P2 :

 A x  B1 y  C1z  D1  0
l:  1 (2)
 A2 x  B2 y  C2 z  D2  0
Для того, щоби звести рівняння прямої типу (2) до вигляду (1), треба
знайти напрямний вектор q і якусь точку M 0 ( x0 , y0 , z0 ) , що належить l .
q  n1 ( A1, B1, C1 ) ; q  n2  ( A2 , B2 , C2 )  q  n1, n2  .
Якщо систему (2) розглядати як неоднорідну систему лінійних рівнянь
(за умовою вона сумісна!), то якийсь її частковий розв’язок ( x0 , y0 , z0 ) і дасть
нам координати точки M 0 .
Як наслідок рівняння прямої типу (1) є її параметричне рівняння:
 x  at  x0 ;
x  x0 y  y0 z  z0 
  t; t  (, )   y  bt  y0 ;
a b c  z  ct  z .
 0

Взаємне розташування прямої і площини

Нехай дано:
x  x0 y  y0 z  z0
пряма l :   ; q  (a, b, c) ; M 0 ( x0 , y0 , z0 )  l ,
a b c
площина P : Ax  by  Cz  D  0 ; n  ( A, B, C ) .

1. l  P – пряма лежить в площині.

 11
n q;
M 0  P; ( n , q )  0  Aa  Bb  Cc  0

n

q
l
P

Рис. 6

2. l || P — пряма паралельна площині.

q  n ; M0  P .
 Відстань між прямою і площиною
l q

n (l , P)  ( M 0 , P ) і
знаходиться стандартним методом.
P

Рис. 7

3. l ╫ P ; l  P  {K } — пряма перетинає площину в точці K .

Вектори n та q - не перпендикулярні
l
 (n , q )  0  Aa  Bb  Cc  0 .
. P
K

Рис. 8

Зауваження. Щоб знайти координати точки K, доцільно

використовувати параметричне рівняння прямої.
 12
Частковий випадок:
l  P  q || n . l

.K P

Рис. 9

Взаємне розташування двох прямих

x  x0 y  y0 z  z0

l1 :   ; q1  (a1, b1, c1 ) ; M1 ( x0 , y0 , z0 )  l1 ;
a1 b1 c1
x  x0 y  y0 z  z0
l2 :   ; q2  (a2 , b2 , c2 ) ; M 2 ( x0 , y0 , z0 )  l2 .
a2 b2 c2

1. l1 || l2 ( l1  l2 ) – прямі не співпадають і паралельні.

У цьому випадку q1 || q2 , а M 1  l2 .
Відстань між паралельними прямими
 простіше за все шукати, як висоту
q1
M1 паралелограма, побудованого на
l1  (l1, l2 )
векторах q1 і M1M 2 :
M2
[q1, M 1M 2 ]
l2  (l1, l2 )  h  .
| q1 |

Рис. 8

2. l1  l2  {K } — прямі перетинаються в точці K .

 13
У цьому випадку вектори q1 , q2 і

M1M 2 – компланарні,

l2 M 2 тобто q1 q2 M1M 2  0 
K  M 1 l1 a1 b1 c1
q1

q2  a2 b2 c2  0.
x0  x0 y0  y0 z0  z0
Рис. 9

3. l1 ╫ l2 , l1  l2   — прямі мимобіжні.
У такому випадку прямі не
паралельні і не лежать в одній
L площині 
M1
V | q1 q2 M1M 2 | 0 , де V – об’єм
 l1
q1 паралелепіпеда, побудованого на цих
 трьох векторах.
q2
l2 Довести, що відстань між прямими
M2 | q1 q2 M1M 2 |
 (l1, l )  !
|[q1 , q2 ] |
Рис. 10

Спільний перпендикуляр L до прямих l1 і l2 пропонується знаходити за

такою схемою:
а). Знайти нормальні вектори площин P1 і P2 , де P1  l1 , P1 || l2 
 n1  q1 , n1  q2  n1  [q1, q2 ] ; n2  n1 .
б). Знайти рівняння площин P3 і P4 :
P3  l1 ; P3  P1  n3  [q1, n1 ] ; M1  P3 ;
P4  l2 ; P4  P1  n4  [q2 , n1 ] ; M 2  P4 .

P
в). L :  3 .
 P4
 14

Поверхні другого порядку

Загальний вид поверхні другого порядку:

A x 2  B y 2  C z 2  D x y  F xz  E yz  I x  G y  K z  L  0 .
При різних значеннях коефіцієнтів це можуть бути власне поверхні,
площини, прямі, точки, уявні поверхні. Ми ж будемо розглядати канонічні
рівняння поверхонь другого порядку. Основний метод їх дослідження –
метод перетину.

Еліпсоїд

x2 y 2 z 2
  1 (Тут і далі a  0 ; b  0 ; c  0 .)
a 2 b2 c2
x2 y2 z2
 1  2  2  1 | x | a ,
a2 b c
а це означає, що вся наша поверхня лежить між площинами x   a і
x  a . З аналогічних міркувань вона розташована між y  b , y  b та z  c ,

z  c . Перетнемо цю поверхню площиною z  C ; C  c.

x2 y2 C2
  1  — проекція перетину на XOY .
a2 b2 c2

x2 y2 C2
  1 – отримали еліпс з півосями a 1  2
2 C2  2 C2  c
a 1  2  b 1  2 
 c   c 

C2
та b 1  2 .
c
Зрозуміло, що з ростом C півосі зменшуються. Якщо z  0 , то в
x2 y2
перетині маємо еліпс   1.
a2 b2
 15
Перетинаючи нашу поверхню двома іншими координатними площинами
x2 z 2 y2 z2
y  0 та z  0 , маємо ще два еліпси:  1 і   1.
a2 c2 b2 c 2
Отриманої інформації вистачає,
щоб побудувати поверхню.

Рис. 1

Гіперболоїд
а) однопорожнинний
x2 y2 z 2
   1.
a 2 b2 c2
Спочатку дещо з’ясуємо про розташування цієї поверхні.
x2 y 2 z2 x2 y 2
  1  2  1.    1.
a 2 b2 c a 2 b2
Це означає, що всі точки поверхні проектуються поза еліпсом
x2 y 2
  1.
a 2 b2
Перетнемо поверхню площиною z  C .
 16

x2 y2 C2 x2 y2
 1 2 ;    1.
a 2 b2 c  C2   C2 
a 2 1  2  b 2 1  2 
 c   c 
Тобто, лінії перетину проектуються у еліпси, півосі яких зростають зі
збільшенням C .
Якщо поверхню перетнути площинами x  0 і y  0 , отримаємо у

y2 z2 x2 z 2
вертикальних координатах площинах гіперболи: 2  2  1 ; 2  2  1 .
a c a c
Цієї інформації вистачає, щоб побудувати поверхню.

Рис. 2

б) двопорожнинний
x2 y 2 z 2
   1 .
a 2 b2 c2
z 2 x2 y 2 z2
   1  1;  1  z  c.
c 2 a 2 b2 c2
Це означає, що вся поверхня лежить вище ніж площина z  c і нижче
ніж площина z  c . В перетині з площинами z  C маємо еліпси, параметри
 17

яких збільшуються з ростом c , а в перетині з площинами y  0 і x  0 –

гіперболи
x2 z 2 y2 z2
  1 та 2  2  1 .
a2 c2 b c

Рис. 3

Параболоїд
а) еліптичний
x2 y 2
z 2  2 .
a b
Уся поверхня лежить у верхній частині простору, бо z  0 .
У перетині з площинами z  C  0 маємо еліпси, що збільшуються з
ростом C .
А в перетині з координатними площинами y  0 і x  0 – параболи

x2 y2
z 2 і z 2.
a b
 18

Рис. 4

б) гіперболічний
x2 y 2
z 2  2 .
a b
x2
У перетині з площиною y  0 маємо параболу z  2 , а з площиною
a
y2 x2 y2
x  0 – z   2 . При z  C  0 у перетині маємо гіперболи   1,
b a 2 c b 2C
x2 y2
а при z  c  0 – спряжені гіперболи 2  2  1.
a c b C

Рис. 5
 19

Конус другого порядку

x2 y 2 z 2
   0.
a 2 b2 c2
Ця поверхня у перетині з площинами z  C утворюють еліпси.
x2 z 2 c c
А при y  0 маємо дві прямі: 2  2  z  x і z   x .
a c a a
c
При x  0 – прямі z   y .
b

Рис. 6

Циліндри другого порядку

а) еліптичний
x2 y 2
  1.
a 2 b2
 20

Рис. 7

б) гіперболічний
x2 y 2
  1.
a 2 b2

Рис. 8

в) параболічний
y 2  2 px
 21

Рис. 9

Лінійні простори. Лінійні оператори (продовження)

Сума та перетин лінійних підпросторів

Нехай L – деякий лінійний простір, L1 , L 2 – його підпростори.

Озн .Сумою L1  L2 лінійних підпросторів L1 і L2 є:

L1  L2   x  L : x  x1  x2 ;  x1  L1 ,  x2  L2  .
Озн .Перетином L1  L2 підпросторів L1 і L2 є:

L1  L2   x  L : x  L1 і x  L2  .
Твердження. Сума і перетин L1 і L2 є підпросторами L .
Д о в е д е н н я . Нехай x, y  L1  L2 ; x  x1  x2 ; x1  L1 , x2  L2 ;
y  y1  y2 ; y1  L1 , y2  L2 .
Тоді x  y  ( x1  x2 )  ( y1  y2 )  (x1   y2 )  (x2   y2 ) :
x1  y1  L1 ; x2  y2  L2  x  y  L1  L2 .
І нехай x, y  L1  L2 .
Тоді x  y  L1 ; x   y  L1  x  y  L1  L2 .
 22
Приклади.
а)

L2 L1  E 1 ; L2  E 1;

O L1 L1  L2  {0};

L1  L2  E 2.

Рис. 1

б)
L1  E 2; L2  E 1 ;
L2 L1  L2  E 3 ;

L1  L2  {0}.
. L1
O

Рис. 2

L1  E 2; L2  E 2;
L2 1 L1  L2  E 3 ;
E
L1 L1  L2  E 1.

Рис. 3

Теорема. dim( L1  L2 )  dim L1  dim L2  dim( L1  L2 ) .

 23
g1, g 2 ,..., g k  – базис
Доведення. Нехай dim( L1  L2 )  k і вектори
L1  L2 . Якщо dim L1  m , можемо побудувати такий базис L1 :  f1,..., f m  k ,

g1,..., g k  .

Аналогічно: dim L2  p ; {g1,..., g k , t1,..., t pk } – базис L2 .

Розглянемо систему векторів:

{ f1,..., f mk , g1,..., g k , t1,..., t p k } , (*)

і доведемо, що вона є базисом L1  L2 .

 mk k
  k p k

x  L1  L2 ; x  x1  x2     i f i   i g i      i gi    i ti  
 i 1 i 1   i 1 i 1 
m k k p k
   i fi   (  i   i ) g i    i ti .
i 1 i 1 i 1

Таким чином, система (*) є повною в L1  L2 . Припустимо, що (*) –

лінійно залежна, тобто   i , i ,  i не всі водночас нульові, такі, що
1 f1  ...   m  k f m  k  i gi  ...  k g k   iti  ...   p  k t p  k  0 . (1)

Позначимо: y  1t1  ...   p  k t p  k . (2)

Зрозуміло, що y  L2 . Але із (1)  y  L1 .

Тобто, y  L1  L2 . Тоді y  1g1  ...   k g k . (3)
Із (2) та (3)  1g1  ...   k g k  ( 1 )t1  ...  (  p  k )t p  k  0 

  i  0 
  i  0 через лінійну незалежність g1, ..., g k , t1,..., t pk . 
Маємо із (1) 1 f1  ...   m  k f m  k  0   i  0 з таких же міркувань.
Таким чином, наше припущення, що у (1) деякі коефіцієнти  0 невірне,
що й доводить лінійну незалежність системи (*).
Отримали, що система (*) повна у L1  L2 і лінійно незалежна  вона є
базисом у L1  L2 .
Кількість векторів у системі *): (m  k )  k  ( p  k )  m  p  k ,
що і доводить теорему.
 24
Пряма сума лінійних підпросторів

Нехай L – лінійний простір; L1  L , L2  L .

Озн . Сума L1  L2 називається прямою (позначається L1  L2 ), якщо
 x  L1  L2 ; x  x1  x2 , x1  L1 , x2  L2 і цей розклад єдиний.
Приклади 1) і 2) є прикладами прямої суми, а 3) – ні.
Теорема 2. Лінійний простір L розкладається у пряму суму своїх
підпросторів L  L1  L2 тоді і тільки тоді, коли об’єднання базисів
підпросторів є базисом всього L .
Доведення. Нехай L  L1  L2 , а  f1,..., f m  – базис L1 , {g1,..., g k } – базис
L2 .
 x  L1  L2 , x  x1  x2 ; x1  L1 ; x2  L2
x1  1 f1  ...   m f m ; x2  1g1  ...  2 g k 
x  1 f1  ...   m f m  1g1  ...  k g k , тобто система векторів
 f1,..., f m , g1,..., g k  *)
є повною в L1  L2 .
Доведемо, що система *) – лінійно незалежна. Припустимо, що
  i  0 і  i  0 є такі, що
1 f1  ...   m f m  1g1  ...  k g k  0 . (1)
Вектор 0 , який стоїть праворуч, можна представити у вигляді 0  0  0 і цей
розклад єдиний.
Із (1) випливає: 1 f1  ...   m f m  0 , 1g1  ...  k g k  0 ,
а із лінійної незалежності базисів L1 і L2 :  1  0 і  i  0 ,
що доводить першу частину теореми.
Тепер припустимо, що система *) – базис L1  L2 .
 x  L1  L2 : x  1 f1   m f m  1 g1  ...   k g k
 25
і цей розклад єдиний. Тобто x  x1  x2 , де x1  1 f1  ...   m f m  L1 ,.
x2  1 g1  ...   k g k  L2 Це і доводить той факт, що сума L1  L2 – пряма.
Теорему доведено.

Перехід до іншого базису

Перетворення координат вектора при зміні базису

Нехай L – лінійний простір; dim L  n ;  e1 ,..., en  – базис цього простору,

який ми умовно будемо називати «старим».
n
Якщо x  L , то: x  x1e1  x2e2  ...  xnen   xi ei . (1)
i 1

Таким чином, кожному елементу x  L можна поставити у взаємно

однозначну відповідність стовпчик координат цього вектора за «старим»
базисом:
 x1 
x 
L  x  x   2   Rn .
  
 
 xn 
Якщо ж взяти в тому ж просторі якийсь інший («новий») базис
{ f1,..., f n } , то той же вектор x можна розкласти за ним і отримати стовпчик
n
«нових» координат: x  x1 f1  x2 f 2    xn f n   x j f j . (2)
j 1

Тобто, тому ж самому елементу x відповідатиме інший стовпчик:

 x1 
L  x  x      R n .
~

 x 
 n
Нам треба знайти зв’язок між стовпчиками x та x .
Побудуємо так звану матрицю переходу U . Для цього:
а) кожний вектор «нового» базису по черзі розкладемо за «старим»:
 26
n
f1  a11 e1  a21 e2  ...  an1 en   ai1 ei ;
i 1


n
f j  a1 j e1  a2 j e2  ...  anj en   aij ei , і т.д.; (3)
i 1

б) коефіцієнти розкладу запишемо стовпчиками.

 a11 a12  a1n 
 
U     .
 an1 an 2  ann 
 
З виразів (2) та (3) маємо,
n n n n n n  n 
x   x j f j   x j  aij ei    a 
x e
ij j i     ij j  ei .
a 
x
j 1 j 1 i 1 j 1 i 1 i 1  j 1 
n
Порівнюючи отриманий результат із виразом (1), маємо: xi   aij x j .
j 1

Це є покоординатний запис співвідношення x  U x .

~
Тоді, x  U 1 x .
Зауваження. det U  0, оскільки її стовпчики – координати n лінійно

незалежних базисних векторів. А це означає, що U 1 завжди існує.

Приклад. Знайти координати розкладу вектора x  (6, 9, 14) за базисом

f1  (1, 1, 1); f 2  (1,1, 2); f3  (1, 2, 3).
Розв’язання. Координати векторів x, f1, f 2 , f3 задані в канонічному
базисі e1  (1, 0, 0); e2  (0,1, 0); e3  (0, 0, 1). Нам зручно саме його вважати

1 1 1 
«старим», а f1, f 2 , f3 - «новим». Тоді матриця переходу U  1 1 2  .
1 2 3 
 
 27

1 1 1 1 1 1
det U  1 1 2  0 0 1  1;
UT  U;
1 2 3 0 1 2

 1 1 1   1 1 1 
U 1   1 2 1   1 2 1  .
 1 1 0   1 1 0 
   
 1 1 1  6   1 
x  U 1x   1 2 1   9    2  .
 1 1 0  14   3 
    
Можна переконатись, що дійсно x  1  f1  2  f 2  3  f 3.

Матриця лінійного оператора при зміні базису

Нехай A – деякий лінійний оператор, який діє із лінійного простору L у

простір M . A: L  M .
І нехай dim L  n ; {e1,..., en } – «старий» базис L ; dim M  m ; {1,...,  m } –
«старий» базис M .
У цих базисах можемо побудувати матрицю оператора A e .
Якщо у просторі L перейти до базису { f1,..., f n } , а у просторі M до
базису {1,..., m } , то у цих «нових» базисах матриця того ж оператора
 . Треба знайти зв’язок між цими матрицями.
зміниться – A f

Побудуємо дві матриці переходу: U (n  n) – у просторі L ; W (m  m) – у

просторі M . Тоді операторному співвідношенню A x  y ; x  L ; y  M
відповідають матричні:
A e xe  y ; (1)

A f  x f  y ; (2)

Але, xe  U x f ; y  W y . Підставляємо у (1):

 28

A e U x f  W y  W 1A e U x f  y .

 f   W 1 A U ,
Порівнюючи із (2), маємо: A e

 f  U 1 .
і навпаки. A e  W A
Для нас буде важливим такий окремий випадок: A : L  L .
І у першому, і у другому «екземплярі» простору L базис {e1,..., en } –
«новий», а { f1,..., f n } – «старий», матриця переходу – U .
 U 1; A
Тоді A  U A   U 1 A U .

1  2
Приклад. Оператор A переводить вектори a1    в b1    ,
 1  0
 1  3 
a2    в b2    . Знайти матрицю оператора A : а) в базисі { a1 , a2 } ;
2 1
б) в канонічному базисі.
Розв’язання.
а) Щоб побудувати матрицю оператора A в базисі { a1 , a2 } , треба b1  Aa1 і
b2  Aa2 розкласти за тим же базисом, коефіцієнти розкладу записати
стовпчиками. Тобто треба знати b1 і b2 в «новому» базисі { a1 , a2 } .

 1 1   2 1
U   ; det U  1; U 1   .
  1 2   1 1 
Тоді
 2 1 2   4   2 1 3   5 
b1  U 1
b1    0    2  ; b2  U 1
b2    1    2  .
 1 1      1 1    

  4 5 
Aa1, a2   .
 2  2 
 1 1 4 5  2 1 1 1
б) В канонічному базисі Ak  U Aa1, a2 U 1
     .
 1 2  2 2  1 1 1 1 
 29

Структура лінійного оператора

Власні числа, власні вектори лінійного оператора

Нехай A : L  L – лінійний оператор, який діє в просторі L .

Озн. Вектор f  0 називається власним вектором оператора A з
власним числом  , якщо A f   f .
Твердження 1. Якщо f – власний вектор A з власним числом  , то f
(   0 ) – також власний вектор A з тим же власним числом.
A( f )   A f   f   ( f ) .
Якщо до множини векторів f (   0 ) додати нульовий вектор,
отримаємо власний лінійний підпростір розмірності 1 .
Твердження 2. Якщо f  0 , g  0 і A f   f , A g   g , то  f   g –
також власний вектор A з числом  .
A( f   g )  A( f )  A(  g )   A f   Ag    f   g   ( f   g ) .
І знову, якщо до «площини» векторів f і g додамо нульовий вектор,
отримаємо власний підпростір A розмірністю 2 .
Ці твердження можна узагальнювати і далі.
Теорема. Якщо f1,, f n – власні вектори оператора A , що відповідають
різним власним числам 1, n , то вони — лінійно незалежні.
A f1  1 f1 ;  ; A f n  n f n ; i   j при i  j .

Доведення. Проведемо доведення за індукцією.

f1  0 – лінійно незалежний.
Припустимо, що f1,, f n 1 – лінійно незалежні. Лінійну незалежність
всіх n векторів доведемо від супротивного.
n
Тобто існують числа 1 , ,  n , 
i 1
i  0 , такі що

1 f1     n1 f n1   n f n  0 . (1)

 30

 n 
Тоді A    i f i   1 A f1     n1 A f n1   n A f n 
 i 1 
 1 1 f1     n1 n1 f n1   n n f n  0 . (2)
Помножимо вираз (1) на  n і віднімемо від (2). Отримаємо:
1 (1   n ) f1   2 ( 2  1 ) f 2     n 1 ( n 1   n ) f n 1  0 .
Для i  1, 2, ..., n  1 i   n  0 , тому через лінійну незалежність
f1,, f n випливає, що 1     n 1  0 .
Але з (1)   n  0 , що і доводить теорему.
Якщо dim L  n , та існують n лінійно незалежних власних векторів
( Afi  i fi , i  1,, n ), то в такому і тільки в такому базисі матриця оператора
A має діагональний вигляд
 1 0 0  0
 
 0 2 0  0
A   0 0 3  0 .
 
    
0 0 0   n 

Такі оператори називають операторами простої структури.

Пошук власних чисел, власних векторів

лінійного оператора (матриці)

Нехай x  0 – власний вектор оператора A з числом  : A x   x , чи, що

одне і те ж:
( A   ) x  0 . (1)
Тут  – тотожний оператор:  x  x . Якщо в просторі L зафіксовано базис
{l1 , l2 , ..., ln } , матриця оператора A в ньому
 31

 x1 
 a11  a1n   
x 
A       , і x   2 .
a  a  
 n1 nn 
 
 xn 
Тоді співвідношення (1) можна переписати у матричному вигляді:
( A   ) x  0 , (2)
де  – одинична матриця n -го порядку.
Вираз (2) перепишемо:
 a11   a12  a11   x1   0 
    
 a21 a22   a2n   x2   0 
          . (3)
     
a
 n1 an2 ann     xn   0 

Отримали однорідну систему лінійних рівнянь, яка заздалегідь має

ненульовий розв’язок. А це може бути тільки тоді, коли ранг матриці цієї
системи менше за n :
rang ( A    )  n ,
тобто det ( A   )  0 .
Озн. Многочлен det ( A   ) степеня n називається характеристичним
многочленом оператора (матриці), а det ( A   )  0 – характеристичним
рівнянням. Всі розв’язки цього многочлена з урахуванням їх кратності –
власні числа оператора (спектр оператора).
Розв’язавши систему (3) при усіх знайдених значеннях  , отримаємо
власні вектори оператора. На перший погляд може здатися, що знайдені
власні числа і вектори залежать від матриці лінійного оператора, яка в свою
чергу залежить від вибору базису.
Відповідь на це питання дає така теорема.
Теорема. Характеристичний многочлен лінійного оператора є
інваріантним відносно вибору базису.
 32
 – матриця лінійного оператора у «новому» базисі,
Доведення. Нехай A
а U — матриця переходу. Тоді, враховуючи, що матриця  I комутує з
будь-якою матрицею, маємо:
det ( A    )  A     U 1 AU  U 1 U 

 U 1 ( A    )U  U 1 A    U  U 1 U A    

  A    = A    , що і треба було довести.

 мають один і той же характеристичний многочлен
Таким чином, A і A
і спектри їх однакові.

Жорданова нормальна форма матриці

Озн. Клітинкою Жордана n -го порядку називається квадратна матриця

такого вигляду:
 1 0 0 0
0 
  1 0 0 
     .
 
0 0 0  1
0 
 0 0 0  
Припустимо, що це є матриця деякого лінійного оператора A в базисі
{ f , e1, e2 ,, en1} . З’ясуємо, як же між собою співвідносяться базисні вектори.
За правилом побудови матриці оператора маємо:
Af   f  0  e1    0  en1   f ; або ( A   I ) f  0.
Тобто f – власний вектор оператора A з власним числом  .
Ae1  1  f    e1  0  e2    0  en1; ( A   I ) e1  f .
Вектор e1 називається приєднаним до f .
Ae2  0  f  1  e1    e2    0  en1; ( A   I ) e2  e1.
e2 – приєднаний до e1 ; і так далі. Тобто базис складається з одного власного
вектора та ланцюжка приєднаних один до одного векторів.
 33
Якщо  – клітинно-діагональна матриця з клітинками Жордана по
головній діагоналі
 i 1 0 0 0
 
 1  0  0 i 1 0 0
 
       , де i       , i  1,, s,
 0  s   
  0 0 0  0 i 
 
 
то базис, в якому вона має такий вигляд (жорданів базис), складається з
власних векторів f1,, f s з власними числами 1,, s і ланцюжками

приєднаних: { f1, e11, e12 , , e1k1 ; f 2 , e12 , e22 ,, ek22 ; ; f s , e1s , e2s , , ekss } .

Розберемо 4 приклади, на яких будуть продемонстровані методи та

прийоми побудови жорданової форми матриці та жорданового базису.

Приклад 1.

 3 1 1 
A   2 4 2 
 2 2 0 
 
Знаходимо власні числа:
3 1 1 2 0 1 1 0 1
det( A   I )  2 4 2  2   2 2  (2   ) 2 1 1 2 
2 2  0 2  0 1 
1 0 0
 (2   ) 2 1 1 3  (2   )2 (3   )  0.
0 1 

1,2  2; 3  3.
Зауважимо, що треба завжди намагатися запропонувати такі дії над
рядками і стовпчиками визначника, які б дозволили відокремити лінійні
множники характеристичного многочлена.
Знаходимо власні вектори:
 34
  2;
 1 1 1   x1   0 
 2 2 2   x    0  ;
  2   
 2 2 2   x   0 
  3   
rang ( A  2 I )  1  dim Ker ( A  2 I )  3  1  2  2 власні вектори
 2 клітинки Жордана.
x1  x2  x3 ;

 x1   x2  x3  1  1
 x    x  0   x 1  x  0  .
 2  2  2  3 
x   0 x  0 1
 3  3     
Таким чином, для   2 існує 2 лінійно незалежні власні вектори:
1  1
f   1  ; g   0  .
 0 1
   
Аналогічно для   3 :
 0 1 1   x1   0 
 2 1 2   x    0  ;
  2   
 2 2 3   x   0 
  3   
 x2  x3  0
 ;  x3  2 x1; x3  2 x1; x2  x3  2 x1 ;
x
 2  2 x3  2 x1

 x1   x1   1   1 
 x    2 x    x  2  ; h   2  – власний вектор для   3 .
 2  1 1   
 x   2 x  2 2
 3  1    
Отже, ми знайшли 3 лінійно незалежних власних вектори, які і складають
жорданів базис – { f , g , h}. Матриця в такому базисі має вигляд:

 2 0 0
A   0 2 0  .
 0 0 3
 
 35

 1 1 1
Якщо U   1 0 2  – матриця переходу, то перевірка A  U 1 AU
0 1 2 
 
підтверджує наш результат.

Приклад 2.

 4 4 2 
A   1 1 1  .
 5 4 3 
 
4   4 2 2   4 2 1 4 2
det( A   I )  1 1  1  0 1  1  (2   ) 0 1   1 
5 4 3   2   4 3 1 4 3
1 4 2
 (2   ) 0 1   1  (2   )(1   ) 2  0;
0 0 1 
1,2  1, 3  2.
Знайдемо власні вектори:
  1,
 5 4 2   x1   0 
 1 0 1   x    0  ;
  2   
 5 4 2   x   0 
  3   
rang ( A  I )  2  dim Ker ( A  I )  3  2  1  1 власний вектор  1
клітинка Жордана.
4 x2  2 x3  5 x1 3 x1
 ; 4 x2  5 x1  2 x3  5 x1  2 x1  3 x1  x2  ;
 x3  x1 4

 x 
 x1   1   4  4
 x    3 x1   x1  3  ; f   3  – єдиний власний вектор для   1 .
 2  4  4  
x   4  4
 3  x     
 1 
Тому вже зараз можемо вказати жорданову форму матриці:
 36

1 1 0 
A   0 1 0  .
 0 0 2 
 
Треба мати на увазі, що власному числу кратності 1 (в даному випадку 2 ),
завжди відповідає клітинка Жордана 1го порядку.
Знайдемо вектор, приєднаний до f :

 5 4 2   x1   4 
 1 0 1   x    3  .
  2   
 5 4 2   x   4 
  3   
Система повинна бути сумісною.
Знайдемо її частковий розв’зок при . x1  0.

2 x2  x3  2 1
 ; 2 x2  2  x3  2  3  1;  x2   ;
 x3  3 2

 0   0 
 x1     1
 x     1 ; e   .
 2  2  2
x 
 3  3   3 
   
Шукаємо власний вектор при   2 .
 2 4 2   x1   0 
 1 3 1   x    0  ;
  2   
 5 4 5   x   0 
  3   
 x1  2 x2   x3
 ; x2  0; x1  x3 ;
 x1  3 x2   x3
 x1   x3  1 1
 x    0   x  0 ; g   0  .
 2    3   
x  x  1 1
 3  3    
 37

 4 0 1
 1 
Таким чином, жорданів базис – { f , e, g}; 
U 3  0  – матриця
 2 
 4 3 1
 
переходу.

Приклад 3.

 3 0 1 
A   2 1 1 
 3 1 1
 
Знаходимо власні числа:
3 0 1 1  1  0 1 1 0
det( A   I )  2 1   1  2 1   1  (1   ) 2 1   1 
3 1 1   3 1 1   3 1 1  
1 0 0
3 1
 (1   ) 2 3   1  (1   )  (1   )( 2  2  1)  (1   )3  0.
2 1  
3 4 1  
 1,2,3  1.
Знайдемо власні вектори:
 2 0 1   x1   0 
 2 0 1   x    0  .
  2   
 3 1 2   x   0 
  3   
rang ( A  I )  2  dim Ker ( A  I )  3  1  2  1 власний вектор 
 1 клітинка Жордана.
Тому можемо вказати жорданову форму матриці A :
1 1 0
A   0 1 1  .
 0 0 1
 
 38

 x3  2 x1
 ; x2   x1;
 x2  2 x3  3 x1
 x1   x1  1 1
 x     x   x  1  . Власний вектор f   1 ;
 2   1  1 
 x   2x  2 2
 3  1    
Шукаємо ланцюжок приєднаних векторів: e1 приєднаний до f ; e2 – до e1 .

 2 0 1   x1   1 
 2 0 1   x    1  . Система сумісна.
  2   
 3 1 2   x   2 
  3   
Частковий розв’язок системи знайдемо при x1  0;

 x3  1
 ;  x2  2  2  0;
 x2  2 x3  2
 x1   0  0
 x    0  ; e   0 .
 2   1  
 x   1   1 
 3    
 2 0 1   x1   0 
 2 0 1   x    0  .
  2   
 3 1 2   x   1
  3   
 x3  0
x1  0;  ;  x2  1;
 x2  2 x3  1
 x1   0  0
 x    1  ; e   1 .
 2   2  
 x  0 0
 3    
 1 0 0
Жорданів базис – { f , e1, e2}; матриця переходу U   1 0 1  .
 2 1 0 
 
Не зайвим буде зробити перевірку.
 1 1 2  1 0 0 
det U  1; U T   0 0 1 ; U 1   2 0 1 .
0 1 0  1 1 0 
   
 39

 1 0 0  3 0 1  3 0 1 1 0 0 
U 1 AU   2 0 1    
 2 1 1  U   3 1 1 1 0 1 
 1 1 0  3 1 1  1 1 0  2 1 0 
     
1 1 0
  0 1 1   A .
0 0 1
 

Приклад 4.

 4 1 1
A   2 1 2 
1 1 4
 
Знаходимо власні числа:
4 1 1 3 0 1 1 0 1
det( A   I )  2 1   2  3   3 2  (3   ) 1 1
2
2 
1 1 4 0 3   4 0 1 4  
1 0 1
1 1
 (3   ) 2 0 1 1  (3   ) 2  (3   ) 2 (  3)  (3   )  0.
1 4  
0 1 4  
 1,2,3  3.
Шукаємо власні вектори:
 1 1 1   x1   0 
 2 2 2   x    0  ;
  2   
 1 1 1  x   0 
  3   
rang ( A  3I )  1  dim Ker ( A  3I )  3  1  2  2 власні вектори 
 2 клітинки Жордана.

 3 1 0
Тому A   0 3 0  .
 0 0 3
 
Розв’язуємо систему:
 40
x1   x1  x3 ;

 x1    x2  x3   1  1
x  x   x  1   x  0 ;
 2  2  2  3 
x   x  0 1
 3  3     
 1   1 
f   1  ; g   0 
  – власні вектори.
0 1
   
Якщо записати неоднорідні системи для пошуку приєднаного вектора
( A  3I ) e  f і ( A  3I ) e  g , то можна пересвідчитися, що вони є
несумісними. Але це не означає, що приєднаного вектора не існує. Він
обов’язково повинен знайтися до лінійної комбінації власних векторів f і g :

    
 f   g     .
  
 
Тоді система для пошуку приєднаного вектора:
 1 1 1   x1      
 2 2 2   x      .
  2   
 1 1 1  x    
  3   
Нам лишається знайти, при яких значеннях  і  ця система є сумісною.
Ранг розширеної матриці повинен дорівнювати 1 .
1   
   2  0    2   0;
2 

1   
   2  0.
1 
Ці умови виконуються при   1;   2. Тобто до вектора

1
h   f   g   2  приєднується вектор e . Знайдемо його:
1
 
 41

 1 1 1   x1   1 
 2 2 2   x    2  .
  2   
 1 1 1  x   1 
  3   
1
Нехай x2  x3  0;  x1  1. e   0  .
0
 
Жорданів базис складають вектори { h, e, f } чи { h, e, g} .

 1 1 1
U   2 0 1  .
1 0 0
 
Звертаємо увагу на той факт, що розстановка клітинок в матриці A повинна
узгоджуватися з розстановкою базисних векторів. Так вигляд
 3 0 0
A   0 3 1  буде мати в базисі { g , h, e} .
 0 0 3
 

Функції від матриць

1. Розглянемо многочлен m -го степеня f (t )  a0  a1 t    am t m .

Нехай A – матриця. Треба знайти f ( A) :

f ( A)  a0 I  a1 A    am Am ; де I – одинична матриця.
Матрицю A можна розглядати, як матрицю деякого лінійного оператора в
канонічному базисі.
Якщо ми перейдемо до іншого базису, то A  V 1 AV ; A  V AV
 1.

Розглянемо ak Ak :
 1  V AV
ak V AV  1    V AV
 1  a V A (V 1V ) A (V 1V )    (VV 1 ) AV
 1 
k

 akV A I A I    I AV
 1  a V A k V 1.
k

Тому
 42

f ( A)  a0 V I V 1  a1 V A V 1    amV A mV 1 

 V (a0 I  a1 A    am A m )V 1  V f ( A )V 1 .

Тобто f ( A)  V f ( A )V 1

2. Функції від матриці, що має жорданову нормальну форму.

Нехай тепер матриця A деяким перетворенням V звелась до матриці A , де
A – клітинка Жордана порядку n :
 1 0 0 0
0 
  1 0 0 
A      .
 
0 0 0  1
0 
 0 0 0  

Треба обчислити f ( A ) .

Для цього представимо A   I  N , N  A   I , де N – одна з

нільпотентних матриць:
0 1 0 0 0
0 
 0 1 0 0 
N     ; N n  O , де O - нульова матриця.
 
0 0 0

0 1
0 0 0 0 0 

Розкладемо многочлен f (t ) за формулою Тейлора в околі точки  :

f ( ) f ( ) f ( m ) ( )
f (t )  f ( )  (t   )  (t   )2    (t   ) m .
1! 2! m!
Остаточний член дорівнює нулю.

 f ( )  f ( )  f ( m ) ( ) 
f ( A)  f ( ) I  ( A  I )  (A  I )  
2
( A   I )m 
1! 2! m!
f ( ) f ( ) 2 f ( m ) ( ) m
 f ( ) I  N N  N 
1! 2! m!
 43

 f ( ) f ( )
f ( ) f ( m1) ( ) 
 f ( )  
 1! 2! 3! (m  1)! 
 f ( )
f ( ) 
 0 f ( )   
 1! 2! 
f ( )
  0 0 f ( )   .

1!
 
        
       f ( ) 
 
 
 
 
Якщо m  n , то кількість доданків  m  1 .
3. Узагальнення 1.
 A 1 0
 
Якщо A має клітинно-діагональий вигляд: A   A 2  , де
 0
 A 3 

A i – клітина Жордана, то

 f ( A 1) 0 
 
f ( A )   f ( A 2) .
 0
 f ( A 3 ) 

4. Узагальнення 2.
Описаний в пункті 3 спосіб обчислення многочлена від матриці годиться і
для обчислення таких функцій, як et , sin t , ln t і т.д.

Евклідів простір

Абстрактні лінійні простори, які ми вивчали, в деякому сенсі бідніші

своїми властивостями, ніж, скажімо, простір направлених відрізків E 3 . В E 3
ми обчислювали скалярний, векторний, мішаний добутки, знаходили
довжини, кути, площі і т.і.
 44
Дещо подібне ми хочемо мати і в загальному випадку. Далі в тексті те,
що буде записано в круглих дужках, буде відноситись до комплексного
випадку.
Озн. Лінійний простір E над полем дійсних (комплексних) чисел
називається евклідовим (унітарним), якщо на ньому введена бінарна операція
( x, y )  R (C ), x, y  E , яку будемо називати скалярним добутком, з
наступними властивостями:
1) ( x, y )  ( y , x ), (( x, y )  ( y, x));
2) (  x, y )   ( x, y ),

( x, y )   ( x, y ), ( ( x, y )   ( x, y ) );
3) ( x1  x2 , y )  ( x1 , y )  ( x2 , y ),
( x, y1  y2 )  ( x, y1 )  ( x, y2 ),
4) ( x, x)  0; ( x, x )  0  x  0.
Приклади:
 x1   y1 
1. E  R n ; x     , y     ,
x  y 
 n  n
n
( x, y )   xi yi ,
i 1

2. E  C [ a, b]
b
( f (t ), g (t ))   f (t ) g (t ) dt .
a

Те, що операції в цих прикладах дійсно є скалярними добутками,

пропонується довести самостійно.

Нерівність Коші-Буняковського

Теорема. Для довільних векторів x, y евклідового простору E

справедлива нерівність:
 45

( x, y ) 2  ( x, x) ( y, y ).
Доведення:
Розглянемо скалярний добуток
( x  y ,  x  y )  0 – за властивістю 4) .
За властивостями 1)  3)
(  x  y ,  x  y )  (  x ,  x )  (  x, y )  ( y ,  x )  ( y , y ) 

  2 ( x, x)  2 ( x, y )  ( y , y )  0.
Цей вираз можна розглядати, як квадратний тричлен від змінної ,
дискримінант якого D  0 .
D  ( x, y ) 2  ( x, x)( y, y )  0  ( x, y )2  ( x, x )( y , y ) , що і треба було
довести.
Для прикладів 1) і 2) ця нерівність виглядає так:
2
 n  n n

  i i   xk
 y;
2 2
x y k
 i 1  i 1 i 1

2
b  b 2 b

  f (t ) g (t ) dt    f (t ) dt  g (t ) dt .
2

a  a a

Ортогональність. Ортонормований базис.

Озн. Нормою (або довжиною) вектора x евклідового простору E

називається невід’ємне число x  ( x, x) .

Якщо x  1 , то x називається нормованим.

Вл.  x  ( x,  x )   2 ( x, x )   ( x, x )   x .
Для довільного вектора x  0 можна дістати нормований вектор:
x
x0  – операція нормування.
x

Озн. Вектори x, y  E називаються ортогональними, якщо ( x, y )  0 .

 46
Озн. Система векторів x1 , x2 ,  , xn називається ортогональною, якщо вони
попарно ортогональні і жоден з них не дорівнює нулю, тобто
( xi , x j )  0, i  j , xi  0, i  1, , n, j  1, , n.

Твердження. Ортогональна система векторів є лінійно-незалежною.

Доведення (від супротивного) Нехай система векторів x1 , x2 ,  , xn – лінійно-
залежна, ( xi , x j )  0, i  j    i  0 : 1 x1   2 x2     n xn  0 .

Домножимо цю рівність скалярно на xi (i  1, 2,, n) :

1 ( x1 , xi )   2 ( x2 , xi )     i ( xi , xi )     n ( xn , xi )  (o, xi )  0 .
Отже,  i ( xi , xi )  0   i  0 (оскільки ( xi , xi )  0 ).
Отримали суперечність. Отже, x1 , x2 ,  , xn – лінійно-незалежна.
Наслідок. Будь-яка ортогональна система n ненульових векторів n -
вимірного Евклідового простору E n є базисом цього простору.
Теорема. У кожному n -вимірному евклідовому просторі існують
ортогональні базиси.
Доведення теореми конструктивне (процес ортогоналізації Грама-
Шмідта).
Нехай E n – евклідів простір, x1 , x2 ,  , xn - деякий базис E n . Побудуємо
ортогональний базис y1 , y2 ,  , yn цього простору, ( yi , y j )  0, i  j.

Побудова.
1. y1  x1 ;
2. y2   ( y1 , x2 ) , ( y1 , y2 )  0 .
Шукаємо y2 у вигляді y2  x2   y1 .
Константу  знаходимо з умови ( y1 , y2 )  0 : ( y1 , x2   y1 )  0,
( y1 , x2 ) ( y1 , x2 )
( y1 , x2 )   ( y1 , y1 )  0. Звідси:    2
.
( y1 , y1 ) y1

3. y3  ( x1 , x2 , x3 )   ( y1 , y2 , x3 ).
( y3 , y1 )  0, ( y3 , y2 )  0.
 47
( y1 , x3 ) ( y2 , x3 )
Аналогічно: y3  x3   y1   y2 ,   2
,  2
.
y1 y2 )

....................
k. yk   ( y1 , , yk 1 , xk ).
( yk , yi )  0; i  1,, k  1
( yi , xk )
yk  xk  1 y1     k 1 yk 1 ,  i  2
.
yi

Ці міркування продовжуємо до тих пір, доки не побудуємо ортогональну

систему векторів y1 , y2 ,  , yn .
Отримали y1 , y2 ,  , yn – ортогональний базис. Теорему доведено.

Приклад. Застосувавши процес ортогоналізації, побудувати ортогональний

базис підпростору L  R 4 , натягнутого на вектори: x1  (2, 3,  4,  6) ,
x2  (1, 8,  2,  16) , x3  (3, 11,  6,  22) .
Розв’язання:
y1  x1  (2, 3,  4,  6) ;
( y1 , x2 ) 2  24  8  96 130
y2  x2   y1 ;   2 2   2;
 y1  2
2  3  ( 4)  ( 6)
2 2
65
y2  x2  2 y1  ( 3, 2, 6,  4) .
( y1 , x3 ) 6  33  24  132 195
y3  x3   y1   y2 ;     3;
 y1 2 65 65
( y2 , x3 ) 9  22  36  88 65
    1;
 y2 2 ( 3) 2  22  62  ( 4) 2 65
y3  x3  3 y1  y2  (0, 0, 0, 0) .
Цей результат означає, що вектор x3 лінійно залежить від x1 і x2 .
Відповідь. Ортогональний базис L – вектори y1  (2, 3,  4,  6) ,
y2  ( 3, 2, 6,  4) ; dim L  2 .
 48
Нехай E – евклідів простір, dim E  n .
Нехай {e1 , e2 ,, en } – ортонормований базис, тобто:

1, i  j
(ei , e j )   i j   , (  i j – символ Кронекера).
0, i  j
З першого семестра ми знаємо, які переваги дає нам введення в просторі E 3
  
ортонормованого базиса {i , j , k } : спрощуються формули для скалярного,
векторного, мішаного добутків векторів і т.і.
Щось подібне зробимо і в просторі E .
1. В такому базисі дуже просто визначити координати довільного вектора.
n
x  E ; x   xi ei . Домножимо цю рівність скалярно на ek :
i 1

n n
( x, ek )  ( xi ei , ek )   xi (ei , ek )  xk (ek , ek )  xk
i 1 i 1

(оскільки (ei , ek )  0 тільки при i  k ).

n n n
Тобто x   xi yi   xk ek   ( x, ek ) ek .
i 1 k 1 k 1

(Якщо E буде нескінченновимірним простором, ми отримали аналог

розкладу елемента x в ряд Фур’є).
2. Скалярний добуток.
Нехай x, y  E.
n n
x   xi ei , y   yk ek .
i 1 k 1

n n n n n n
( x, y )  ( xi ei ,  yk ek )   ( xi ei , yk ek )   xi yk (ei , ek ) 
i 1 k 1 i 1 k 1 i 1 k 1

n n
  xi yi (ei , ei )   xi yi .
i 1 i 1

n
Отримали ( x, y )   xi yi .
i 1

3. Коефіцієнти матриці лінійного оператора.

Нехай A – лінійний оператор.
 49
A : E1  E2 , E1 , E2 – евклідові простори.
dim E1  n ; {e1 , e2 ,, en } – ортонормований базис E1 .
dim E2  m; { f1 , f 2 ,, f m } – ортонормований базис E2 .
(e1 , e j )  ( f i , f j )   i j .

Нехай A – матриця лінійного оператора A у вказаних базисах.

 a11  a1 j  a1n   a1 j 
   
   
A  ai1  aij  ain  ,
 j -й стовпчик цієї матриці  aij  , і ми знаємо,
   
   
   
 am1  a mj  a mn   amj 
звідки взялися ці числа.
m
Ae j   ak j f k
k 1

m m
( Ae j , fi )  ( ak j f k , fi )   ak j ( f k , fi )  ai j .
k 1 k 1

Врахували те, що ( f k , f i )  0 при k  i .

Маємо ai j  ( A e j , f i ).

Частковий випадок.
A : E  E , {e1 ,, en } – ортонормований базис.
Тоді ai j  ( A e j , ei ).

Ортогональні підпростори

Нехай L1  E , L2  E ( L1 , L2 – підпростори евклідового простору E ).

Озн. Підпростори L1 , L2 називаються ортогональними (позначається L1  L2 ),
якщо x  L1 , y  L2 : ( x, y )  0 .
Твердження. L1  L2  коли кожний базисний вектор L1 ортогональний до
кожного базисного вектора L2 .
 50
Доведення.
Нехай {e1 ,, en } – базис L1 ; { f1 , , f m } – базис L2 .
1) (  ) Доведемо, що L1  L2  ei  f j .

За означенням ортогональності для i  1,, n; j  1,, m : ei  f j .

2) (  ) Доведемо, що ei  f j  L1  L2 .

Нехай i, j ei  f j  (ei , f j )  0.

n m
Якщо x  L1 : x   xi ei , а y  L2 : y   y j f j .
i 1 j 1

n m n m
Тоді ( x, y )  ( xi ei ,  y j f j )   xi y j (ei , f j )  0.
i 1 j 1 i 1 j 1

Ортогональна сума підпросторів

Озн. Сума ортогональних підпросторів L1 і L2 називається ортогональною

сумою і позначається L1  L2 .
Твердження.
Ортогональна сума ненульових підпросторів є прямою.
Доведення.
L1  E , L2  E .
Нехай {e1 , e2 ,, en } – ортонормований базис L1 ;
{ f1 , f 2 ,, f m } – ортонормований базис L2 .
Тобто (ei , e j )  ( f i , f j )   i j .

Розглянемо систему {e1 , e2 , en , f1 , f 2 , f n } . (*)

Зрозуміло, що кожний вектор L1  L2 виражається через вектори системи (*).
Але система (*) складається із попарно ортогональних векторів, тому вона є
лінійно-незалежною.
Тобто система (*) є повною в L1  L2 і лінійно-незалежною  вона є базисом
L1  L2   L1  L2 є прямою, що і треба було довести. Тобто L1  L2 .
 51

Ортогональне доповнення.

Нехай L  E ( L – не обов’язково підпростір, може бути якась непуста

множина); L   .
Озн. Ортогональним доповненням простору L називається
L  { y  E : x  L, ( x, y )  0}.

Твердження. L – лінійний підпростір E .

Доведення.
Нехай y, y  L . Тоді  ,  :  y   y  L , тому що для x  L :

( x, y   y)   ( x, y )   ( x, y)  0  L  E.

Скористалися тим, що ( x, y )  ( x, y)  0 .
Теорема. Будь-який евклідів простір E є ортогональною сумою будь-якого
свого лінійного підпростору L і його ортогонального доповнення, тобто
L  E : E  L  L .
Доведення.
Нехай {e1 , e2 ,, es } – ортогональний базис L , а

{ f1 , f 2 ,, f m } – ортогональний базис L .

Система {e1 , e2 , es , f1 , f 2  , f n } – ортогональна  вона лінійно-незалежна.
Якщо вона не є базисом E , то її можна доповнити до ортогонального базису
E.
Нехай вектор r – якийсь доданий базисний вектор. Вектор r  до всіх
e1 ,, es  r  L , з іншого боку r  до всіх f1 ,, f m  r  L  r  L 

 r  L  L .

Але L  L – пряма сума, для такої суми L  L  {0}  r  0.

Таким чином, базисом E є об’єднання базисів L і L , що і доводить теорему.

Наслідок. dim E  dim L  dim L .
 52
Оператори в евклідових (унітарних) просторах
Спряжений оператор.

Озн. Унітарний простір – це евклідів простір над полем комплексних чисел.

( x, y )  ( y , x), ( x, y )   ( x, y ).
Нехай A – лінійний оператор, який діє в унітарних просторах.
A : E1  E2 .

Озн. Оператор A* називається спряженим до A , якщо x  E1 , y  E2

виконується ( Ax, y )  ( x, A* y ).

Оператор A* має наступні властивості:

1. ( A* )*  A;

2. ( A  B )*  A*  B* ;

3. ( A)*   A* ;

4. ( AB )*  B* A* ;

5. ( A* )1  ( A1 )*.

Доведемо властивості 1 та 3.

1) ( A x, y )  ( x, A* y )  ( A* y, x )  ( y ,( A* )* x )  (( A* )* x, y ).

Через те, що ця рівність виконується для x, y  A  ( A* )* .

2) ( A x, y )  ( x, ( A)* y ).

( A x, y )  ( Ax,  y )  ( x,  A* y )  ( A)*   A*.

Доведення властивості 5 див. у підручнику Воєводіна «Лінійна алгебра»
стор. 242.

Матриці спряжених операторів в ортобазисі.

Нехай у просторі E1 зафіксовано ортонормований базис {e1 , e2 ,, en } , а у

просторі E2 – ортонормований базис { f1 , f 2 ,, f m } .
 53

І нехай у цих базисах побудовано матрицю операторів A і A* з елементами

ai j та ai*j .

Як відомо ai j  ( Ae j , fi ).

Так само і для ai*j : ai*j  ( A* f j , ei )  (ei , A* f j )  ( Aei , f j )  a ji .

Тобто ai*j  a ji чи A*  AT .

Якщо ai j  R , то A*  AT .

Самоспряжений оператор

Нехай A – лінійний оператор, який діє в унітарному просторі E .

A: E  E .

Озн. Оператор A називається самоспряженим, якщо A*  A , чи, іншими

словами:  x, y  E ( A x, y )  ( x, A y ).
Властивості самоспряженого оператора.
1. Власні числа самоспряженого оператора – дійсні.
Доведення.
Af   f ;
( A f , f )  ( f , f )   ( f , f ).

( A f , f )  ( f , A f )  ( f ,  f )    ( f , f )  (   )( f , f )  0.

Так, як ( f , f )  0        R.
2. Власні вектори, які відповідають різним власним числам самоспряженого
оператора, ортогональні.
Доведення.
A f   f ; A g   g ;   . .
( A f , g )  ( f , g )   ( f , g ) .
( A f , g )  ( f , A g )  ( f ,  g )   ( f , g ),   R.
 54
Тобто  ( f , g )   ( f , g )  (   )( f , g )  0  ( f , g )  0, що і треба було
довести (оскільки     0 ).
3. Спектральна теорема для самоспряженого оператора (без доведення).
Для будь-якого самоспряженого оператора існує ортонормований базис з
власних векторів. Матриця оператора в такому базисі набуває діагонального
вигляду.
 1 
 
 0
A 2 .
 0  
 
 n 
4. Якщо у просторі E зафіксувати ортонормований базис {e1 , e2 ,, en } ,
побудувати матрицю самоспряженого оператора A , то її коефіцієнти

ai j  ( Ae j , ei )  (e j , Aei )  ( Aei , e j )  a ji  A  AT .

Така матриця називається симетричною за Ермітом.

Частковий випадок.
У дійсному просторі A  A T – матриця A – симетрична.

Унітарний (ортогональний) оператор

1
Озн. Лінійний оператор U називається унітарним, якщо U * U або

U U * U * U  I – тотожній оператор.
Твердження. Унітарний оператор зберігає норми і кути.
Доведення.
x 2  ( x, x )  ( x, U * U x )  (U x, U x )  U x 2
;

 ( x, y ) ( x,U *U y ) (U x,U y ) 
cos ( x, y )     cos (U x,U y ).
x  y Ux  Uy Ux  Uy

Наслідок. U – унітарний  ( x, y )  (U x,U y ).

 55
Теорема. Оператор U в евклідовому просторі E буде унітарним тоді і
тільки тоді, коли він ортонормований базис переводить в ортонормований.
Доведення.
Нехай U – унітарний оператор, {e1 , e2 ,, en } - базис E; (ei , e j )   i j .

І f1  U e1; f 2  U e2 ;  f n  U en ;
( f i , f j )  (U ei , U e j )  ( ei , e j )   i j .

Тобто { f1 , f 2 ,, f n } – ортонормований базис E .

У зворотній бік: Нехай деякий оператор U переводить
ортонормований базис {e1 , e2 ,, en } в ортонормований { f1 , f 2 ,, f n } .
f1  U e1; f 2  U e2 ;  f n  U en . Треба довести, що U – унітарний.
n n
Візьмемо два довільні вектори x і y . Якщо x   xi ei , y   yi ei ,
i 1 i 1

n
то ( x, y )   xi yi .
i 1

n n n n
Але U x   xi U ei   xi fi ; U y   yi U ei   yk f k ;
i 1 i 1 i 1 k 1

 n n
 n n n
(U x , U y )    xi f i ,  yk f k    xi yk ( fi , f k )   xi yi .
 i 1 k 1  i 1 k 1 i 1

Ми отримали: ( x, y )  (U x, U y ) , що і доводить той факт, що U – унітарний

оператор. Теорема доведена.
Зауважимо, що матриця унітарного оператора U має такі властивості:
U *  U T , U U * I  U * U 1  U 1 U T .

Якщо U – дійсна, то U 1 U T .

Зведення рівняння поверхні другого

порядку до канонічного вигляду

Загальний вигляд рівняння поверхні другого порядку таке:

 56

a11 x 2  a22 y 2  a33 z 2  2a12 x y  2a13 xz  2a23 yz  b1 x  b2 y  b3 z  c  0 (*).

(ai j , bi , c  R ) .

Перші шість доданків виразу (*) складають так звану квадратичну форму
 a11 a12 a13 
змінних x, y , z . Матриця A   a21 a22 a23  – матриця квадратичної форми.
a a33 
 31 a32
Матриця A може розглядатись як матриця деякого самоспряженого
оператора в просторі R 3 в канонічному базисі {e1 , e2 , e3} , тому що вона за

побудовою симетрична: A = AT . Якщо в R 3 скалярний добуток – сума

добутків координат множників, то базис {e1 , e2 , e3} – ортонормований.
Пропонуємо самостійно перевірити, що квадратична форма може бути
 x
записана так: ( Ar , r ) , де r   y  .
z
 
Як відомо, для матриці A , можна побудувати базис з ортонормованих
власних векторів { f1 , f 2 , f 3} , в якому вона набуває діагонального вигляду

 1 0 0
 
A   0 2 0 .
 
0 0 3 

Перехід від {e1 , e2 , e3} до { f1 , f 2 , f 3} відбувається під дією ортогонального

оператора U , матриця якого U в таких базисах, як відомо, має властивість:
U 1 U T . А U T , в свою чергу, є матрицею оператора U * , оскільки ai j  R .

Тому A  U 
A U 1 U 
A U *= U 
AUT .

Таким чином: ( Ar , r )  (U 
A U T r, r )  ( 
A U T r, U * r )  ( 
A U 1 r , U 1r ) 
 57

 x 
 
Ar , r )  1 x  2 y  3 z , де
 ( r  y  – координати вектора r в новому
2 2 2

  
z
базисі { f1 , f 2 , f 3} .
Лінійна частина виразу (*) може бути перетворена так:
 b1 
b   b2  ; b1 x  b2 y  b3 z  (b, r )  ( U 1b, U 1 r )  (b , r )  b 1 x  b 2 y  b 3 z ,
b 
 3
 b 1 
 
b   b 2  – координати вектора b в базисі { f1 , f 2 , f 3} .
  
 b3 
Цей факт випливає з того, що U 1 – також ортогональний оператор.
Вираз (*) набуває вигляду:

1 x  2 y  3 z  b 1 x  b 2 y  b 3 z  c  0.
2 2 2
(**)
Нам лишається тільки виділити повні квадрати, тобто зробити
паралельне перенесення, і задача розв’язана.
Зауважимо, що саме ортогональне перетворення дозволило нам від
виразу (*) перейти до (**). Але, крім цього, поверхня при такому
перетворенні не поміняла своїх параметрів, бо, як відомо, ортогональне
перетворення зберігає кути і довжини.

Приклад 1.
Привести рівняння поверхні z  xy до канонічного вигляду.
Розв’язання
 1
0 2
Матриця квадратичної форми xy : A .
1 0 

2 
Знайдемо її власні числа:
 58

1

2 1 1 1
det( A   I )   ( 2  )  (  )(  )  0.
1 4 2 2

2
1 1
1  ;  2  .
2 2
1 
2 0 
1 2 1 2
Тому 
A  , а z  x  y .
0 1 2 2
  
 2
Тобто дана поверхня – гіперболічний параболоїд. Для того , щоб знайти, як
нові змінні x , y виражаються через x та y треба знайти ортогональне
перетворення. Для цього треба знайти власні вектори ( вони будуть
заздалегідь ортогональні, оскільки відповідають різним власним числам) і
знормувати їх.
1
  ;
2
 1 1 
 2 2   x1   0   x  x  1  1
    ; x1  x2 ;  1    1   x1  ; f   ;
 1 1   x2   0   x2   x1  1  1
  
 2 2
1
  ;
2
1 1
2 2   x1   0   x   x   1   1 
    ; x1   x2 ;  1    2   x2   ; g   ;
1 1   x2   0   x2   x2  1 1
 
2 2
 1   1 

1 1  1  2 1 1  1   2
e1  f   1   ;
1 
e2  g  1   1 .

f 2   g 2   
   
 2  2 
 59

 1 1 
 
2 2
Матриця ортогонального оператора U =   – це матриця повороту
 1 1 
 
 2 2 
площини XOY на 45 .

 1 1 
 x  1  x  T x 
 2 2  x 
 
y
 U  y  U  y  1
 
1   y 
.
      
 
 2 2
1 y  1 ( x  y ).
Тому: x  ( x  y );
2 2

Приклад 2.
Привести до канонічного вигляду рівняння поверхні
1
2 x 2  5 y 2  2 z 2  4 x y  2 xz  4 yz  x  2 y  5 z   0.
2
Розв’язання
 2 2 1
A   2 5 2  ;
 1 2 2 
 
2   2 1 1  0 1 1 0 1
det( A   I )  2 5 2  0 1  2  (1   ) 0 1
2
2 
1 2 2   1  2  2  2 1 2 2  
1 0 1
1 2
 (1   ) 2 0 1 2  (1   )2  (1   )2 (7   )  0.
2 3  
0 2 3  
 1  7;  2,3  1.

Тому квадратична форма нових змінних така: 7x  y  z .

2 2 2

Для того, щоб знайти вираз старих змінних через нові, треба знайти всі
власні вектори; якщо треба, ортогоналізувати їх і знормувати.
  7.
 60

 5 2 1   x1   0 
 2 2 2   x    0  . rang ( A  7 I )  2  dim Ker ( A  7 I )  1.
  2   
 1 2 5   x   0 
  3   
 x1  x2  x3
  3 x2  6 x3  x2  2 x3 ;
 x1  2 x2  5 x3
x1  x3  x2 ;

 x1    x3   1  1 
 x    2 x   x  2 . Власний вектор f   2  для   7.
 2   3  3 
x   x  1 1
 3  3     
  1.
 1 2 1  x1   0 
 2 4 2   x    0  . rang ( A  I )  1  dim Ker ( A  I )  3  1  2.
  2   
 1 2 1   x   1 
  3   
x1  2 x2  x3 ;

 x1   2 x2  x3   2 1
x  x   x  1   x  0 ;
 2  2  2  3 
x   x3  0 1
 3     
 2 1
g   1  ; t   0 
  – власні вектори для   1.
 0 1
   
g  f ; t  f – оскільки вони відповідають різним власним числам, але
( g, t)  2  0 .
Проведемо процес ортогоналізації на векторах g і t .
2 (t, g) 2
h  t   g ; (h, g )  0; ( t   g , g )  ( t, g )   g 0    2
 ;
g 5

1
2 1 1 
h  t  g  (5t  2 g )   2  ;
5 5 5 
 5
 61

1
h   2  – власний вектор з числом   1 , оскільки він лежить в площині
 5
 
векторів g і t , (h, f )  0, але тепер (h, g )  0 .

 1  2 1
1 1   1 1   1 1  
e1  f  2 ; e2  g 1 ; e3  h 2 .
f 6   g 5   h 30  
1  0  5
Матриця ортогонального перетворення
 1 2 1 
 
 6 5 30 
 2 1 2 
U   – це матриця повороту в просторі.
6 5 30 
 
 1 0
5 
 
 6 30 
1
Лінійна частина рівняння поверхні: x  2 y  5z . Тому b   2  ;
 5
 
 1 2 1 
 
6 6 6  1
    0 
   
b  U 1 b  U T b  
 2 1
0   2    0  .
5 5
   5   30 
 1 2 5   
  
 30 30 30 

Тому x  2 y  5 z  30 z .
1
Рівняння поверхні в нових координатах: 7 x  y  z  30 z 
2 2 2
 0.
2
2
 30 
Виділимо повний квадрат: 7 x  y   z 
2 2
  7.
 2 

 30
Перепозначимо z  z  (це і є паралельне перенесення):
2
 62

y 2 z
2

7 x  y  z  7  x 
2 2 2 2
 1 – це еліпсоїд з півосями
7 7
a  1; b  c  7.

СПИСОК РЕКОМЕНДОВАНОЇ ЛІТЕРАТУРИ

1. Воеводин В.В. Линейная алгебра. – М.: Наука, 1974. – 336 с. – ISBN 966-
8530-10-1.
2. Ильин В.А., Позняк Э.Г. Аналитическая геометрия. – М:.Физматлит, 2006.
– 318 с. – ISBN 5-9221-0511-6.
3. Ильин В.А., Позняк Э.Г. Линейная алгебра. – М:. Физматлит, 2002. – 320
с. – ISBN 5-9221-0129-3.
4. Рудавський Ю.К., Костробій П.П., Луник Х.П., Уханська Д.В. Лінійна
алгебра та аналітична геометрія. – Львів: Львівська політехніка, 1999. –
261 с. – ISBN 966-553-101-8.
5. Чарін В.С. Лінійна алгебра. – К.: Техніка, 2005. – 413 с. – ISBN 966-575-
053-4.