Professional Documents
Culture Documents
Тема 1.
Вектори. Линейни операции със свободни вектори.
Линейни пространства и подпространства.
Геометрично векторно пространство
1. Свободен вектор
Фиг. 1.1
−→ −−→
Определение 1.2. Насочените отсечки AB и CD се наричат
колинеарни, ако правите AB и CD са успоредни или съвпадат.
−→ −−→
Записваме AB k CD.
Фиг. 1.2
Фиг. 1.3
−→ −−→ −→
Определение 1.3. Насочените отсечки AB, CD и EF се на-
ричат компланарни, ако правите AB, CD и EF лежат в една
равнина или са успоредни на една равнина. Точките A, B, C, D,
E и F , лежащи в една равнина, също се наричат компланарни.
Фиг. 1.4
−→ −−→
Определение 1.4. Ненулевите насочени отсечки AB и CD се
наричат равни, ако:
1) отсечките AB и CD имат равни дължини;
−→ −−→
2) насочените отсечки AB и CD са еднопосочно колинеарни, т. е.
−→ −−→
AB ↑↑ CD.
Фиг. 1.6
Релация на Шал за насочени отсечки: За произволни три
точки A, B и C е изпълнено равенството
−→ −−→ −→
AB + BC = AC.
Фиг. 1.7
Умножение на свободен вектор с число
Определение 1.7. Умножение на реално число λ със свободен
вектор ~a е действие, което им съпоставя свободен вектор λ~a, на-
речен тяхно произведение, определен по следния начин:
ако λ = 0 или ~a = ~o, то λ~a = ~o;
в противен случай λ~a е с дължина |λ~a| = |λ|.|~a| и е еднопосочно
или разнопосочно колинеарен на ~a в зависимост от това дали
λ > 0 или λ < 0.
Фиг. 1.8
Теорема 1.1. Линейните действия със свободни вектори при-
тежават следните свойства:
1. ~a + ~b = ~b + ~a (комутативност при събиране);
2. (~a + ~b) + ~c = ~a + (~b + ~c) (асоциативност при събиране);
3. съществува свободен вектор ~o такъв, че ~a + ~o = ~a за всеки
свободен вектор ~a;
4. за всеки свободен вектор ~a съществува свободен вектор (−~a)
такъв, че ~a + (−~a) = ~o;
5. λ(~a + ~b) = λ~a + λ~b (дистрибутивност относно числов мно-
жител);
6. (λ + µ)~a = λ~a + µ~a (дистрибутивност относно векторен мно-
жител);
7. (λµ)~a = λ(µ~a) (асоциативност при умножение с число);
8. 1~a = ~a,
където ~a, ~b, ~c са произволни свободни вектори, а λ, µ – произвол-
ни реални числа.
Доказателство.
1. Избираме представители на свободните вектори ~a и ~b. Нека
−→ −−→
това бъдат съответно насочените отсечки OA и OB (фиг. 1.9).
−→ −−→ −→
OA + OB = OC.
3. Линейно (векторно) пространство
Тема 2.
Матрици. Линейни действия с матрици
Определение 2.1. Всяка таблица
a11 a12 ... a1n
a a22 ... a2n
21
... ... ... ...
am1 am2 ... amn
от mn на брой реални числа aij , разположени в m реда и n стъл-
ба, се нарича матрица от тип m × n или (m × n)-матрица.
Числата aij , i = 1, 2, ..., m, j = 1, 2, ..., n се наричат елементи на
матрицата.
a11 a12 ... a1n a11 0 ... 0
0 a22 ... a2n a a22 ... 0
21
,
... ... ... ... ... ... ... ...
0 0 ... ann an1 an2 ... ann
a11 a12 ... a1n
b11 b12 ... b1n
a21 a22 ... a2n b21
b22 ... b2n
A+B = +
... ... ... ...
... ... ... ...
am1 am2 ... amn bm1 bm2 ... bmn
a11 + b11 a12 + b12 ... a1n + b1n
a +b a22 + b22 ... a2n + b2n
21 21
= ; (2.1)
... ... ... ...
am1 + bm1 am2 + bm2 ... amn + bmn
Умножение на матрица с реално число
a11 a12 ... a1n
a a22 ... a2n
21
λA = λ
... ... ... ...
am1 am2 ... amn
(2.2)
λa11 λa12 ... λa1n
λa λa22 ... λa2n
21
= .
... ... ... ...
λam1 λam2 ... λamn
че A + X = B.
! ! !
1 −1 2 1 3 0
A+B = + = ,
0 3 1 −4 1 −1
!
−1 1
−A = ,
0 −3
! ! !
1 −1 2 1 8 1
2A + 3B = 2 +3 = ,
0 3 1 −4 3 −6
! ! !
2 1 1 −1 1 2
X = B + (−A) = B − A = − = .
1 −4 0 3 1 −7
Пример 2.2. Докажете, че множеството на диагоналните матри-
ци от втори ред
( ! )
a 0
M= | a, b ∈ R
0 b
е векторно пространство.
и λ ∈ R. Тогава имаме:
! ! !
a1 0 a2 0 a1 + a2 0
A+B = + = .
0 b1 0 b2 0 b1 + b2
След полагане на a1 + a2 = a и b1 + b2 = b в последното равенство
лесно се установява, че A + B ∈ M, т.е. сумата на две диагонални
матрици от втори ред е също диагонална матрица от втори ред.
За произведението λA намираме
! !
a1 0 λa1 0
λA = λ = ∈ M.
0 b1 0 λb1
Тема 3.
Линейна зависимост и линейна независимост на система
от вектори. Пораждащи системи от вектори. Бази и
размерност на векторно пространство
1. Линейна зависимост и независимост на система от
вектори
Фиг. 3.1
−→ −−→
Пример 3.5. В успоредника OACB векторите OA и OB са ли-
нейно независими, тъй като очевидно не са колинеарни (ъгълът
между тях е винаги различен от 0◦ и 180◦).
−→ −−→ −−→ −→
Докато векторите OA и BC, както и OB и AC са линейно
−→ −−→ −−→ −→
зависими, тъй като OA = BC, OB = AC.
−→ −−→ −→
Системата от вектори {OA, OB, OC} е линейно зависима, тъй
като
−→ −−→ −→
OA + OB = OC.
Фиг. 3.2
Теорема 3.5. Три свободни вектора са линейно зависими, точно
когато са компланарни.
Фиг. 3.3
Теорема 3.6. Всеки четири свободни вектора са линейно зави-
сими.
Горното твърдение показва, че максималният брой линейно не-
зависими вектора в геометричното векторно пространство е три.
Този факт а важен, тъй като по-нататък ще ни даде възможност
да определим размерността на това пространство.
3. Пораждащи системи от вектори
a1 = (1, 0, 0, ..., 0), a2 = (0, 1, 0..., 0), a3 = (0, 0, 1, .., 0), ...,
an = (0, 0, 0, ..., 1).
Тема 4.
Координатни системи
1. Афинно пространство
Фиг. 4.1
Фиг. 4.2
−→
Отново имаме O(0, 0), тъй като OO = ~o = 0~e1 + 0~e2. За базис-
ните вектори е изпълнено:
~e1 = 1~e1 + 0~e2, ~e2 = 0~e1 + 1~e2.
−−→ −−→
Следователно ~e1(1, 0), ~e2(0, 1). Ако ~e1 = OA1, ~e2 = OA2, то
A1(1, 0), A2(0, 1).
Пример 4.5. Нека n = 3, т. е. A е тримерно афинно прост-
ранство. Координатната система O~e1~e2~e3 се състои от точка O
и некомпланарни вектори ~e1, ~e2 и ~e3. Ако M ∈ A, равенството
−−→
OM = x~e1 + y~e2 + z~e3 определя координатите (x, y, z) на M от-
носно тази система. Казваме, че x, y и z са съответно абсциса,
ордината и апликата на M . Правите, определени от O и векто-
рите ~e1, ~e2 и ~e3 се наричат съответно абсцисна, ординатна ос и
апликатна ос и се означават с O~e1 = Ox, O~e2 = Oy и O~e3 = Oz.
O~e1~e2~e3 се означава още с Oxyz.
Фиг. 4.3
Фиг. 4.4
(ABC1).(BCA1).(CAB1) = 1,
т. е. точно когато
AC1 BA1 CB1
. . = 1.
BC1 CA1 AB1
Фиг. 4.5
Теорема 4.3. (Чева) Нека ABC е произволен триъгълник и
точките A1, B1 и C1 са съответно от правите BC, CA и AB.
Тогава правите AA1, BB1 и CC1 се пресичат в една точка или
са успоредни помежду си, точно когато
(ABC1).(BCA1).(CAB1) = −1,
т. е. точно когато
AC1 BA1 CB1
. . = 1.
BC1 CA1 AB1
Фиг. 4.6
Използвана литература
1. Д. Мекеров, Н. Начев, Ст. Миховски, Е. Павлов, Линейна ал-
гебра и аналитична геометрия, Пловдив, 1997.
2. L. Hogben, Handbook of linear algebra, CRC, 2007.
3. D. C. Lay, Linear algebra and its applications, University of Maryland.
4. C. D. Meyer, Matrix analysis and applied linear algebra, SIAM.
5. G. Strang, Linear algebra and its applications, 3rd ed., MIT, 1988.
f
Тема 5.
Скаларно произведение. Евклидово векторно
пространство. Дължина на вектор и ъгъл между два
вектора. Метод на Грам-Шмид за отгонализиране на
системи от вектори
1. Скаларно произведение на свободни вектори
~ −→ ~ −−→
Нека ~a и b са свободни вектори. Ако ~a = OA и b = OB, то
ъгълът ϕ ∈ [0, π] между лъчите OA~и OB~се нарича ъгъл между
свободните вектори ~a и ~b, който означаваме с ϕ = ^(~a, ~b).
Фиг. 5.1
Определение 5.1. Скаларно умножение на свободни век-
тори ~a и ~b се нарича действие, при което на ~a и ~b се съпоставя
реалното число ~a~b по следния начин:
a) ако ~a = ~o или ~b = ~o, то ~a~b = 0;
б) ако ~a, ~b 6= ~o, то
~a~b = |~a||proj~a~b|.
Теорема 5.1. Скаларното произведение на свободни вектори при-
тежава следните свойства:
1) ~a~b = ~b~a (комутативност);
2) ~a(~b + ~c) = ~a~b + ~a~c (дистибутивност);
3) (λ~a)~b = λ(~a~b) (хомогенност);
4) ~a 2 > 0 за ~a 6= ~o, (позитивност),
за произволни свободни вектори ~a, ~b, ~c и λ ∈ R.
Фиг. 5.2
1) ab = ba (комутативност);
2) a(b + c) = ab + ac (дистибутивност);
3) (λa)b = λ(ab) (хомогенност);
4) a2 = aa > 0 за a 6= o (позитивност).
Числото a2 = aa се нарича скаларен квадрат на a. От 4) следва,
че a2 = 0, точно когато a = o.
Изпълнени са свойствата:
M1M2 ≥ 0, като равенство се достига при M1 = M2;
M1 M2 = M2 M1 ;
|M1M2 − M2M3| ≤ M1M3 ≤ M1M2 + M2M3.
Последното равенство е познато свойство в геометричното прос-
транство за страните на 4M1M2M3, при което равенство се дос-
тига, точно когато M1, M2, M3 са колинеарни точки. Това нера-
венство е известно като неравенство на триъгълника.
Нека и са произволни вектори в реално евклидово пространство.
Тогава от (5.8) следва
−|a||b| ≤ ab ≤ |a||b|.
Ако a, b 6= o, то |a||b| =
6 0 и от горното равенство получаваме
ab
−1 ≤ ≤ 1.
|a||b|
Следователно съществува еднозначно определен ъгъл ϕ ∈ [0, π],
за който
ab
cos ϕ = .
|a||b|
Определение 5.4. Ъгъл между два ненулеви вектора a
и b в реално евклидово векторно пространство се нарича ъгълът
ϕ ∈ [0, π], определен от равенството
ab .
cos ϕ = |a||b| (5.9)
4. Ортогоналност в евклидово пространство.
Метод на Грам-Шмид за ортогонализиране на системи
от вектори
a1a2 = 2λ + µ − 1 = 0,
a1a3 = λ − µ − 2 = 0,
a2a3 = −2λ − µ + 1 = 0.
Решението на горната системата е λ = 1, µ = −1.
Така получаваме ортогоналната система от вектори:
v1 = a1,
v2 = a2 − a2v2 1 v1,
v1
v3 = a3 − a3v2 1 v1 − a3v2 2 v2,
v1 v2
............................................,
ak v 1 ak v2 ak vk−1
vk = ak − 2 v1 − 2 v2 − ... − 2 vk−1.
v1 v2 vk−1
λ = 1, e2(1, 0, 0).
Сега търсим вектор e3, ортогонален едновременно на e1 и e2, от
вида
e3 = µe1 + νe2 + a3.
Пресмятаме
e1a3 3 e2a3
µ=− 2 =− , ν = − 2 = −1.
e1 2 e2
Така получаваме
1 1
e3 0, , − .
2 2
Окончателно намерихме векторите
1 1
e1(0, 1, 1), e2(1, 0, 0), e3 0, , − .
2 2
Приложение на скаларното умножение за търсене на текст
в група от текстови файлове – метод на векторните прос-
транства
Повечето системи за търсене в колекция от текстови файлове
(документи) използват модификации на метода на векторните
пространства, разработен от Джерард Салтън (Gerard Salton,
Chris Buckley, Introduction to Modern Information Retrieval, McGraw-
Hill, New York, 1983.) през първата половина на 60те години. Този
метод трансформира текстови данни в числови вектори и матри-
ци и използва матричния анализ за откриване на ключови харак-
теристики и връзки в колекция от файлове.
Нека е дадена група от m на брой файла и речник от n на
брой понятия (термини). Всеки файл се представя като вектор
di ∈ Rn, чийто j-ти елемент е равен на броя на срещанията на
понятието j във файла с пореден номер i.
Можем да съставим матрицата
d1
d
2
A= .
.
dm
на включените в търсеното файлове с отбелязаните понятия в
тях.
Обработване на търсенето е действието, което връща на пот-
ребителя тези файлове от колекцията, които са с най-близко съ-
държание до потребителската заявка. Векторът на търсенето е
вектор от вида q(q1, q2, ..., qn), съставен по следния начин
1 ако i-тото понятие се съдържа в
qi = потребителското търсене;
0 в противен случай.
Понятия
T1: Планета/-и/-та/-ите
T2: Звезда/-и/-та/-ите
T3: Еволюция/-та
T4: Живот
T5: Галактика/-та
T6: Млечен/-ния път
T7: Марс
T8: Вода
Файлове
T1 T2 T3 T4 T5 T6 T7 T8
d1 1 1 0 1 0 0 0 1
d2 0 1 1 0 0 0 0 0
0
d3 1 0 0 1 1 0 0
1 0 0 1 0 0 1 1.
A = d4
1 0 0 1 0 1 0 0
d5
1 0 0 1 0 0 0 0
d6
d7 0 0 1 1 0 0 0 1
Нека нашето търсене е относно живот и Млечен път.
Тогава векторът на търсенето q ще бъде съставен по аналогичен
начин както векторите, съответстващи на всеки от файловете. На
позициите, отговарящи на понятията живот и Млечен път, т.е.
позиции 4 и 6, ще имаме единици, а всички останали координати
ще бъдат нули, тъй като останалите 6 понятия не участват в това
търсене.
q(0, 0, 0, 1, 0, 1, 0, 0).
За да обработим потребителската заявка, пресмятаме (по-точно
компютърната програма пресмята вместо нас) косинусите на ъг-
лите, които векторът на търсенето сключва с векторите-редове в
матрицата на файловете. Стойностите са в интервала [0, 1].
1 ,
δ1 = cos θ1 = √ δ2 = cos θ2 = 0, δ3 = cos θ3 = √1 ,
2 2 6
1 ,
δ4 = cos θ4 = √ δ5 = cos θ5 = √2 , δ6 = cos θ6 = 21 ,
2 2 6
δ7 = cos θ7 = √1 .
6
Тъй като функцията косинус е намаляваща в интервала [0, π2 ],
файлът, който съответства на най-голямата стойност на δi, i =
1, 2, ..., 7, в най-голяма степен отговаря на потребителското за-
питване.
Стойностите на δi могат да бъдат подредени във вектор δ(δ1, δ2, ..., δ7),
който се нарича вектор на резултата от търсенето.
В нашия пример δ има вида
Тема 6.
Детерминанти. Свойства и пресмятане
1. Детерминанти от втори и трети ред
a11 a12
.
a21 a22
Записваме
a11 a12
det A = = a11a22 − a12a21.
a21 a22
1 5 2 −3 4 0
det A = , det B = , det C = .
2 −2 1 4 −5 2
Определение 6.2. Нека A e квадратна матрица от трети ред,
т. е.
a11 a12 a13
A = a21 a22 a23 .
a31 a32 a33
Тогава числото
• Правило на Сарус
• Правило на триъгълниците
1 5 1 2 −3 1
det A = 2 −2 1 , det B = −1 4 0 .
1 −1 −1 0 2 3
1 5 1 1 5
det A = 2 −2 1 2 −2
1 −1 −1 1 −1
= 1.(−2)(−1) + 5.1.1 + 1.2.(−1) − 1.(−2).1 − 1.1.(−1) − 5.2.(−1)
= 18.
2 −3 1
det B = −1 4 0
0 2 3
= 2.4.3 + 1.2.(−1) + 3.0.0 − 1.4.0 − 2.2.0 − 3.(−1).(−3) = 13.
2. Пермутации
Определение 6.3. Всяка наредба (i1, i2, ..., in) на числата 1,2,...,n,
сред които няма равни, се нарича пермутация на тези числа.
Пермутацията (1, 2, ..., n) се нарича нормална.
Броят на пермутациите на n елемента е равен на n!.
Определение 6.4. Числата i и j в дадена пермутация образуват
инверсия, ако i > j, но i стои в пермутацията пред j.
Пермутацията се нарича четна, ако елементите ѝ образуват че-
тен брой инверсии, а нечетна - в противен случай.
Броят на инверсиите в пермутацията (i1, i2, ..., in) означаваме с
[i1, i2, ..., in].
Броят на четните пермутации на дадени елементи е равен на
броя на нечетните пермутации на същите елементи.
Очевидно за нормалната пермутация имаме [1, 2, ..., n] = 0.
Всяка размяна на местата на два елемента в една пермутация
се нарича транспозиция на пермутацията. Всяка транспозиция
променя четността на пермутацията.
3. Детерминанти от n-ти ред
(j1,j2,...,jn)
1 2 3 4
1 2 3
3 6 9 12
det A = = 0, det B = 2 −1 1 = 0.
1 0 0 0
−1 6 5
0 0 1 1
Пример 6.7. Съгласно Следствие 6.5 и допълнението към него
можем да използваме метода на детерминантите, за да проверим
дали дадена система от вектори е линейно зависима или незави-
сима.
Нека разгледаме следния пример. В R3 дадени векторите a1(1, 2, 3),
a2(−1, 4, 3), a3(2, 0, 1). За да проверим дали тези вектори са ли-
нейно независими, съставяме детерминантата от техните коорди-
нати, като ги разполагаме по редове или стълбове. Ако стойността
на тази детерминанта е нула, то векторите са линейно зависими,
ако е различна от нула, то векторите са линейно независими.
1 2 3
−1 4 3 = 4 + 12 − 24 + 2 = −6 6= 0.
2 0 1
Следователно векторите a1, a2, a3 са линейно независими и тъй
като са 3, то образуват база на R3.
Друго важно приложение на детерминантите ще разгледаме,
когато изучаваме метода на Крамер за решаване на системи ли-
нейни уравнения, които имат единствено решение.
5. Пресмятане на детерминанти
−1 7 4 7 4 −1
M21 = , M22 = , M23 = ,
−2 2 8 2 8 −2
−1 7 4 7 4 −1
M31 = , M32 = , M33 = .
0 5 1 5 1 0
Теорема 6.5. (Правило на Лаплас) Всяка детерминанта е равна
на сумата от произведенията на елементите от произволен ред
(стълб) със съответните им адюнгирани количества.
Пресмятането на детерминанта съгласно правилото на Лаплас
се нарича развиване на детерминанта по даден ред или стълб.
Пример 6.9. Развитието на следната детерминанта по първия ѝ
ред има вида:
1 2 −1 0
1 5 1 0 5 1
0 1 5 1
= 1.(−1)1+1 −3 4 0 + 2.(−1)1+2 2 4 0
2 −3 4 0
0 −1 6 1 −1 6
1 0 −1 6
0 1 1
−1.(−1)1+3 2 −3 0 = 258.
1 0 6
Следствие 6.6. Ако всички елементи в даден ред или стълб на
една детерминанта са нули, с изключение евентуално на един,
то детерминантата е равна на произведението на този еле-
мент със съответното му адюнгирано количество.
Например
1 2 0 3
1 2 3
4 5 0 6
= 100.(−1)3+3 4 5 6 .
1 1 100 1
7 8 9
7 8 0 9
Нека отново разгледаме детерминантата от Пример 6.9. Като
използваме Следствие 6.6, можем да изчислим тази детерминанта
и по следния начин
Следствие 6.7. Всяка триъгълна детерминанта е равна на про-
изведението на елементите от главния ѝ диагонал.
Например
1 4 9 9 8
0 2 5 8 7
0 0 3 6 9 = 1.2.3.4.5 = 5! = 120.
0 0 0 4 6
0 0 0 0 5
Тема 7.
Произведение на матрици
Определение 7.1. Произведение на матриците
A = (ais) ∈ Mm×k (R) и B = (bsj ) ∈ Mk×n(R), взети в този
ред, се нарича матрицата AB = (cij ) ∈ Mm×n(R), с елементи
cij , получени по правилото
k
X
cij = aisbsj = ai1b1j + ai2b2j + ... + aik bkj .
s=1
Действието, при което от матриците A и B се получава AB, се
нарича умножение на матрици.
Горното правило за умножение на матрици е известно като пра-
вилото "ред по стълб", т. е. всеки ред на първата матрица A
се умножава със всеки стълб на втората матрица B, за да се по-
лучат всички елементи на произведението AB. По-точно, за да
получим елементите от даден ред на AB, трябва да умножим
реда със същия пореден номер на A последователно със всички
стълбове на B съгласно обичайното правило за скаларно умно-
жение на вектори (скаларно умножение относно ортонормирана
координатна система).
Отбелязваме, че две матрици могат да бъдат умножени, само
ако броят на стълбовете на първата матрица е равен на броя на
редовете на втората. Произведението им е матрица, на която бро-
ят на редовете е равен на броя на редовете на първия множител,
а броят на стълбовете е равен на броя на стълбовете на втория
множител.
Пример 7.1. Да се намери произведението на матриците
1 −1 0
0 2 3 2 1
A= , B = −1 0 .
1 −3 1
3 1
4 0 2
Матриците A и B могат да бъдат умножени, тъй като първата
от тях е от тип (4 × 3), а втората е от тип (3 × 2). Следователно
произведението им C = AB е (4 × 2)-матрица.
За намирането на елементите от първия ред на C = (cij ) ум-
ножаваме последователно първия ред на A с всички стълбове на
B. Аналогично постъпваме и за получаването на останалите три
реда на C.
c11 = 1.2 + (−1)(−1) + 0.3 = 3, c12 = 1.1 + (−1).0 + 0.1 = 1,
c21 = 0.2 + 2.(−1) + 3.3 = 7, c22 = 0.1 + 2.0 + 3.1 = 3,
c31 = 1.2 + (−3)(−1) + 1.3 = 8, c32 = 1.1 + (−3).0 + 1.1 = 2,
c41 = 4.2 + 0.(−1) + 2.3 = 14, c42 = 4.1 + 0.0 + 2.1 = 6.
Така получихме
1 −1 0 3 1
0 2 2 1
3
7 3
C = AB =
1 −3 −1 0 = .
1 8 2
3 1
4 0 2 14 6
Пример 7.2. Повдигане на квадратна матрица на степен. Да-
дена е квадратната матрица
1 2
A= .
−1 1
Намерете A3.
Имаме A3 = A2A, A2 = AA. Тогава последователно пресмятаме
2 1 2 1 2 −1 4
A = AA = = ,
−1 1 −1 1 −2 −1
3 2 −1 4 1 2 −5 2
A =A A= = .
−2 −1 −1 1 −1 −5
Умножението на матрици притежава следните свойства:
7) (AB)T = B T AT .
Пример 7.3. Веригите на Марков описват описват процеси, в
които дадена система може да се намира в краен брой състояния.
Вероятността за преминаване на системата от едно състояние в
друго зависи от предишното състояние на системата. Зададено
е началното състояние на системата, а преминаването във всяко
следващо състояние се извършва чрез умножаване с матрицата
на прехода.
От метеорологична станция в Западен Вашингтон за известни
следните данни за времето: ако един ден вали, то за следващия
ден съществува вероятност от 0.834% отново да вали и 0.166% да
не вали. Обратно, ако в даден ден не вали, то за следващия ден
вероятността отново да не вали е 0.602%, а да завали - 0.398%.
Ако в понеделник не вали, определете какво ще е времето в петък
(Фиг. 7.1).
Фиг. 7.1
Съставяме матрицата на прехода T между двете състояния "ва-
ли" (В) и "не вали" (НВ):
В НВ
!
В 0.834 0.398
T = .
НВ 0.166 0.602
xk = T k x0 .
При тези означения векторът, описващ времето в петък е x4 и
се получава като
!4 !
4 0.834 0.398 0
x4 = T x0 = =
0.166 0.602 1
! ! !
0.71631 0.680173 0 0, 680173
= = .
0.28369 0.319827 1 0, 319827
Следователно вероятността в петък да вали, ако в понеделник
времето е било сухо, е приблизително 0.62%, а да бъде отново
сухо - приблизително 0.32%.
Пример 7.4. Приложение в генетиката. Нека разгледаме при-
мер, при който даден фенотипен белег се унаследява от единствен
ген, за който съществуват две форми - доминантна A и рецесивна
a (монохибридно кръстосване). Всеки индивид може да има гено-
тип: AA, Aa или aa. Индивидите с генотип AA и aa се наричат
хомозиготни, а с Aa - хетерозиготни. На външен вид AA и Aa
не се различават, тъй като A подтиска проявяването на външните
характеристики на a. Пример за такова унаследяване е цветът на
очите при някои животни. Нека A отговаря за кафявия цвят на
очите, а a - за синия. Тогава индивидите с генотип AA и Aa имат
кафяви очи, а с aa - сини. Нека започнем с начално състояние
на популацията, в което броят на индивидите от трите генотипа
е равен, т. е.
1
3
x0 = 13 .
1
3
а) Нека кръстосваме всички индивиди от разглежданата попула-
ция само с хомозиготни индивиди с генотип AA.
При кръстосването AA × AA всички получени индивиди ще
са с генотип AA. При кръстосването на Aa × AA половината
от индивидите ща са с генотип AA, а другата половина - Aa.
При кръстосването на индивидите aa × AA ще получим само
хетерозигонтни индивиди Aa.
Тогава матрицата на прехода T има вида
AA Aa aa
1
AA 1 2 0
T = Aa 0
1 1.
2
aa 0 0 0
Тогава за индивидите в първо поколение получаваме
1
1 1
1 2 0 3 2
x 1 = T x0 = 0 1 1 13 = 12 .
2
0 0 0 1 0
3
xn = T n x0 .
б) Нека кръстосваме всеки индивид от популацията само с инди-
вид от същия генотип като неговия. Тогава матрицата на прехода
T има вида
AA Aa aa
1
AA 1 4 0
T = Aa 0
1 0.
2
aa 0 1 1
4
При същото начално състояние на популацията x0 намерете век-
тора на индивидите от трето поколение.
Пример 7.5. Анализ на транспортни мрежи.
Нека A, B, C, D, H са пет града. На схемата по-долу със стрел-
ки са посочени съществуващите директни полети между тези гра-
дове
A B C D H
A 0 0 1 0 1
1 0 0 0 1
B
T = C 0 0 0 1 1
D 0 1 0 0 1
H 1 1 1 1 0
Фиг. 7.2
За да анализираме системата на въздушния трафик между тези
градове, съставяме квадратната матрица на свързаността
T = (tij ), като
(
1 ако съществува директен полет между градовете i и j
tij =
0 в противен случай.
Тема 8.
Обратими матрици.
Методи за намиране на обратна матрица
Разглеждаме векторното пространство Mn(R) на квадратните
матрици от n-ти ред.
AA−1 = A−1A = E.
Матрицата A−1 се нарича обратна матрица на матрицата A.
Обратната матрица на всяка матрица е единствена. Изпълнено е
−1
A−1 = A.
Обратната матрица на единичната матрица E е единичната
матрица, т. е. E −1 = E. За произволни квадратни матрици A
и B от n-ти ред е изпълнено
(AB)−1 = B −1A−1.
Множеството от всички обратими матрици в Mn(R) означаваме
с GLn(R).
2 1
det A = = 6 − 4 = 2 6= 0.
4 3
Следователно съществува A−1. Пресмятаме адюнгираните коли-
чества на елементите на A:
1+1 −1 −3 1+2 1 −3
A11 = (−1) = −1, A12 = (−1) = −4,
0 1 1 1
1 −1
A13 = (−1)1+3 = 1,
1 0
2+1 1 0 2+2 −1 0
A21 = (−1) = −1, A22 = (−1) = −1,
0 1 1 1
2+3 −1 1
A23 = (−1) = 1,
1 0
3+1 1 0 3+2 −1 0
A31 = (−1) = −3, A32 = (−1) = −3,
−1 −3 1 −3
3+3 −1 1
A33 = (−1) = 0.
1 −1
Тогава обратната матрица на A има вида
1 1
3 3 1
A−1 = 43 1 1 .
3
− 31 − 13 0
Метод на Гаус-Жордан за намиране на обратна мат-
рица
1 −1 0 −1 0 0 1 −1 0 −1 0 0
0 1 1 1 0 1 ∼ 0 1 1 1 0 1 .
0 0 −3 1 1 0 − 13 0 0 1 − 31 − 13 0
Тема 9.
Линейни преобразувания и техните матрици
Определение 8.1. Нека V и W са реални векторни пространст-
ва. Изображението f : V → W се нарича линейно преобразувание
на V в W , ако
f (v) = wMv,w (f ),
a11 a12 ... a1n
a a22 ... a2n
21
(f (v1), f (v2), ..., f (vn)) = (w1, w2, ..., wm)
... ... ... ...
am1 am2 ... amn
При фиксирани бази v и w на всяко линейно преобразувание
f : V → W съответства еднозначно определена матрица на f .
Обратното също е вярно, всяка матрица е матрица на някое ли-
нейно преобразувание относно някакви бази. Следователно мо-
жем да отъждествяваме всяко линейно преобразувание с матри-
цата му в дадени бази.
Фиг. 8.1
При a = 1 за останалите два върха на единичния квадрат имаме:
! ! !
1 1 0 1
= ,
0 1 1 1
! ! !
1 1 1 2
= .
0 1 1 1
Тема 10.
Смяна на бази и координатни системи. Изменение на
матрицата на линейно преобразувание
при смяна на базите
1. Смяна на база. Изменение на координатите на вектор
при смяна на базата
e = e0S.
Тогава e = e0S = (eT )S = e(T S).
Лесно се установява, че ако e е база и eA = eB, то A = B.
Следователно E = T S или с други думи S −1 = T .
Нека означим
x01
x1
x x0
2 0 2
x = . , x = . .
. .
xn x0n
Тогава равенствата (10.3) имат съответно следния матричен за-
пис:
a = ex, a = e0x0,
където базите e и e0 са векторите-редове (e1, ..., en) и (e01, ..., e0n).
Като вземем предвид равенствата (10.2) и (10.3), пресмятаме
последователно
f (e) = eA.
Нека e0 е друга база на V , като означаваме с B матрицата на f
в e0, т. е.
f (e0) = e0B,
а T е матрицата на прехода от e към e0: e0 = eT . Ще намерим
връзката между матриците A и B. От последните три равенства
и тъй като f е линейно преобразувание имаме
e(T B) = e0B = f (e0) = f (eT ) = f (e)T = (eA)T = e(AT )
=⇒ T B = AT.
Следователно
B = T −1AT. (10.5)
f (e1) = e1 − e2,
f (e2) = e2 − e3,
f (e3) = −e1 + e3.
Намерете матриците A и B на f съответно в базите e и e0.
Първо намираме
1 0 −1
A = Me(f ) = −1 1 0 .
0 −1 1
След това съгласно (10.5) пресмятаме
B = Me0 (f ) = T −1AT
1 −1 0 1 0 −1 1 1 1
= 0 1 −1 −1 1 0 0 1 1
0 0 1 0 −1 1 0 0 1
2 1 0
= −1 1 0.
0 −1 0
3. Смяна на координатна система
−−→ −− →
OM = x1e1 + x2e2 + x3e3, O M = x01e01 + x02e02 + x03e03.
0
Означаваме
a1 x1 x01
a = a2 , x = x2 , x0 = x02 .
a3 x3 x03
−−→ −−
0
→ 0 0
−−→0
Тогава имаме OM = ex, O M = e x и OO = ea. В сила е
зависимостта
−−→ −−→0 −−0
→
OM = OO + O M =⇒ ex = e0x0 + ea = e(T x0 + a).
x = T x0 + a,
с което се дава връзката между координатите на произволна
точка относно две различни координатни системи, нарича се
още формула за обща смяна на координатната система.
Последното равенство има следния координатен запис
x = T x0 .
Тъй като базите e и e0 са ортонормирани за елементите на мат-
рицата T е изпълнено
AAT = AT A = E,
x = t11x0 + t12y 0,
y = t21x0 + t22y 0,
където T = (tij ) е ортогонална матрица.
Ако e01(t11, t21) сключва с e1 ъгъл α, то t11 = cos α, t21 = sin α.
В случай, че K е дясна система, получаваме e02(t12, t22),
t12 = − sin α, t22 = cos α. В този случай ортогоналната транс-
формация е ротация на координатната система около точката O
на ъгъл α (Фиг. 10.5) и се задава с формулите
Тема 11.
Ранг на система от вектори, матрица и линейно
преобразувание
1. Ранг на система от вектори
λA + µB + νC = O ⇐⇒ λ = µ = ν = 0,
следователно матриците от втората система са линейно незави-
сими и rg(A, B, C) = 3.
2. Ранг на матрица
Нека A ∈ Mm×n(R), т. е.
a11 a12 ... a1n
a a22 ... a2n
21
A= .
... ... ... ...
am1 am2 ... amn
0 0 0 ... 0 ... 0
Фиг. 11.1
Теореми 11.2 и 11.4 ни дават удобен начин за намиране на ранга
на произволна матрица. За целта преобразуваме дадената матри-
ца в трапецовидна форма с помощта на елементарни преобра-
зувания върху редовете и\или стълбовете на матрицата. Тогава
получената и изходната матрица са еквивалентни и следователно
имат равни рангове.
1 1 0 2 1 1 0 2 1 1 0 2
0 1 3 3 ∼ 0 1 3 3 ∼ 0 1 3 3
∼ .
0 0 9 7 0 0 −1 −1 0 0 −1 −1
0 0 5 4 0 0 5 4 0 0 0 −1
Тема 12.
Системи линейни уравнения. Теореми за съвместимост и
определеност. Формули на Крамер.
Системи хомогенни линейни уравнения
1. Системи линейни уравнения
Системи линейни уравнения (СЛУ) са били използвани за ре-
шаване на практически проблеми в Китай около 200г. пр. н. е., а
дори и още по-рано – около 2000-1600г. пр.н.е. в Древен Вавилон.
По-нататък техниките за решаване на СЛУ достигнали Япония
и след това и Европа, където те били развити от видния немски
математик Карл Гаус.
Определение 12.1. Система линейни уравнения с неиз-
вестни x1, x2, ..., xn се нарича съвкупността от уравнения
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
(12.1)
...............................................
am1x1 + am2x2 + ... + amnxn = bm,
където числата aij се наричат коефициенти на системата,
а bi - свободни членове на системата.
Всяка наредена n-торка (c1, c2, ..., cn), която удовлетворява вся-
ко от уравненията (12.1), се нарича решение на системата.
Ax = b.
Основни твърдения в теорията на СЛУ са следните:
rg(A) = rg(Ā).
x1 + 2x3 = 2
5x1 + 2x2 + 2x3 = 2
3x1 − x2 + 4x3 = 1
съответстват матриците
1 0 2 1 0 2 2
A= 5 2 2 , Ā = 5 2 2 2 .
3 −1 4 3 −1 4 1
x1 + x2 − 2x3 = 3
2x1 + 2x2 − 4x3 = 6.
x1 + 2x2 = 0
3x1 + x2 = 5
x1 − x2 = 4
∆1 ∆2 ∆n
x1 = , x2 = , ...., xn = ,
∆ ∆ ∆
1 0 2
∆3 = 5 2 2 = −18.
3 −1 1
Тогава единственото решение на системата е
x1 = ∆∆1 = − 12
12 = −1, x2 = ∆∆2 = −24
−12 = 2, x3 = ∆∆3 = −12
−18 = 3 .
2
Ax = o,
където o = (0, 0, ..., 0)T .
f : Rn → Rm ,
определено от матрицата A = (aij ) в каноничните бази на Rn и
Rm .
Известно е, че rgf + deff = dim Rn = n. Освен това rgf = rg(A),
deff = dim(ker f ). Следователно dim(ker f ) = n − rg(A).
Теорема 12.5. Множеството от решенията на система хомо-
генни линейни уравнения с n неизвестни и ранг r е (n−r)-мерно
векторно подпространство на Rn.
Ако намерим база на векторното пространство на решенията на
(12.2), то произволно решение на тази система ще се представя
като линейна комбинация на базисните вектори (решения).
Нека рангът на системата (12.4) е r. Можем да предполагаме, че
коефициентите пред първите r неизвестни в първите r уравнения
образуват базисен минор ∆r . Тогава системата (12.4) е равносил-
на на системата от първите r уравнения, която можем да запишем
във вида
По този начин получаваме n−r на брой решения w1, w2, ..., wn−r
на (12.4), които имат вида
α1 β1 γ1
α2 β2 γ2
. . .
. . .
αr βr γr
w1 =
1
, w2 =
0
, ..., wn−r =
0
.
0 1 0
. . .
. . .
0 0 1
Тема 13.
Решаване на системи линейни уравнения
чрез метода на Гаус. Матрични уравнения.
Приложение и практически задачи
Карл Гаус (1777-1855)
1. Метод на Гаус
0 0 0 ... 0 ... 0 dm
по редовете:
• разместване на местата на два реда (две уравнения)
• умножаване на даден ред (дадено уравнение) с ненулево число
• прибавяне на ред (уравнение), умножен с число, към друг ред
(друго уравнение)
по стълбовете:
• разместване на местата на два стълба (две неизвестни едновре-
менно във всички уравнения).
В случай на съвместимост системата (13.1) е еквивалентна на
системата
x1 − x2 + 2x3 + x4 = 2
2x1 + x2 + x3 − x4 = 4
4x1 + 2x2 + 3x3 + 5x4 = 5.
1 −1 2 1 2 1 −1 2 1 2
2 1 1 −1 4 ∼ 0 3 −3 −3 0 .
4 2 3 5 5 0 6 −5 1 −3
Сега ще изключим неизвестното x2 от всички уравнения след вто-
рото, т.е. в нашия случай само от третото уравнение. За тази цел
прибавяме втория ред, умножен предварително с (−2), към тре-
тия. След това бихме могли да умножим втория ред с 31 за улес-
няване на изчисленията.
1 −1 2 1 2 1 −1 2 1 2
0 3 −3 −3 0 ∼ 0 1 −1 −1 0 .
0 6 −5 1 −3 0 0 1 7 −3
x1 + 2x3 = 2
5x1 + 2x2 + 2x3 = 2
3x1 − x2 + 4x3 = 1,
като използваме метода на Гаус-Жордан.
Следва поредица от елементарни преобразувания над редовете на
Ā, чрез които от Ā = (A|b) получаваме еквивалентната ѝ матрица
(E|d), където E е единичната матрица, а d е стълбът, съдържащ
решението на системата.
1 0 2 2 1 0 2 2 1 0 2 2
Ā = 5 2 2 2 ∼ 0 2 −8 −8 ∼ 0 1 −4 −4
3 −1 4 1 0 −1 −2 −5 0 −1 −2 −5
1 0 2 2 1 0 2 2 1 0 0 −1
∼ 0 1 −4 −4 ∼ 0 1 −4 −4 ∼ 0 1 0 2
0 0 −6 −9 0 0 1 3 0 0 1 3
2 2
(x1 = −1, x2 = 2, x3 = 23 ).
2. Матрични уравнения
Уравнения от вида
AX = B, XA = B, (13.4)
x1 + 2x4 = 1
2x1 + 4x4 = 2
x2 + 2x5 = 3
2x2 + 4x5 = 6
x3 + 2x6 = 2
2x3 + 4x6 = 4.
Първите две, вторите две и третите две уравнения са линейно за-
висими помежду си. Следователно системата се свежда до след-
ната система три уравнения и шест неизвестни:
x1 + 2x4 = 1
x2 + 2x5 = 3
x3 + 2x6 = 2.
Фиг. 13.1
Възел Входящ поток Изходящ поток
A 800 x1 + x2
B x2 + x4 x3 + 300
C 500 x4 + x5
D x1 + x5 600
N H3 + O2 −→ N O + H2O.
Записано в този вид горното уравнение не е вярно, тъй като ко-
личествата на атомите на изходните вещества в реакцията - азот
(N ), кислород (O) и водород (H), не са равни на количествата на
същите атоми в продуктите на реакцията. Затова нека
N: x1 = x3
H: 3x1 = 2x4
O: 2x2 = x3 + x4.
x1 − x3 = 0
3x1 − 2x4 = 0
2x2 − x3 − x4 = 0.
Решаваме получената система чрез метода на Гаус
1 0 −1 0 1 0 −1 0
3 0 0 −2 ∼ 0 0 3 −2 .
0 2 −1 −1 0 2 −1 −1
4N H3 + 5O2 −→ 4N O + 6H2O.
Използвана литература
1. Д. Мекеров, Н. Начев, Ст. Миховски, Е. Павлов, Линейна ал-
гебра и аналитична геометрия, Пловдив, 1997.
2. L. Hogben, Handbook of linear algebra, CRC, 2007.
3. D. C. Lay, Linear algebra and its applications, University of Maryland.
4. C. D. Meyer, Matrix analysis and applied linear algebra, SIAM.
5. G. Strang, Linear algebra and its applications, 3rd ed., MIT, 1988.
f
Тема 14.
Векторно и смесено произведение на вектори
1. Векторно произведение на два вектора
|~
a × ~b|
sin ^(~a, ~b) = .
|~a|.|~b|
и тъждеството на Якоби
~a × ~b × ~c + ~b × ~c × ~a + (~c × ~a) × ~b = ~o.
Нека ~a и ~b са вектори в двумерно пространство, т. е. ~a(a1, a2)
и ~b(b1, b2) спрямо ортонормирана база (~e1, ~e2). За да изчислим
векторното им произведение допълваме ортонормираната база до
(~e1, ~e2, ~e3) в тримерно пространство. Спрямо нея имаме ~a(a1, a2, 0)
и ~b(b1, b2, 0). Тогава
~a × ~b = (0, 0, a1b2 − a2b1).
a1 a2 a3
~a~b~c = b1 b2 b3 .
c1 c2 c3
От горната теорема следва, че смесеното произведение на три
вектора се получава и по формулата
~a~b~c = ~a ~b × ~c .
Фиг. 14.1
~ ~ (~a×~b)~c ~b~c,
Vp = Sh = |~a × b|proj(~a×~b) ~c = |~a × b| ~ = ~
a
|~a×b|
~ ~ (~a×~b)~c ~b~c,
Vp = Sh = |~a × b|(−proj(~a×~b) ~c) = −|~a × b| ~ = −~
a
|~a×b|
Vp = |~a~b~c |.
Ако в горната формула липсва модулът, то получаваме ориенти-
рания обем на паралелепипеда.
За обема на тетраедъра OABC е в сила
1 ~
Vt = |~ab~c |.
6
Пример 14.3. Намерете обема на тетраедъра с върхове: A(1, 0, −1),
B(2, 4, 1), C(0, 1, 1) и D(−1, 2, 0).
Намираме координатите на три вектора с общо начало, напри-
мер:
−→ −→ −−→
AB(1, 4, 2), AC(−1, 1, 2), AD(−2, 2, 1).
Трябва да пресметнем тяхното смесено произведение, т. е. детер-
минантата
1 4 2
−→−→−−→
AB AC AD = −1 1 2 = −15.
−2 2 1
Тогава VABCD = 25 .
Използвана литература
1. Д. Мекеров, Н. Начев, Ст. Миховски, Е. Павлов, Линейна ал-
гебра и аналитична геометрия, Пловдив, 1997.
2. L. Hogben, Handbook of linear algebra, CRC, 2007.
3. D. C. Lay, Linear algebra and its applications, University of Maryland.
4. C. D. Meyer, Matrix analysis and applied linear algebra, SIAM.
5. G. Strang, Linear algebra and its applications, 3rd ed., MIT, 1988.
f
Тема 15.
Уравнение на права в равнина.
Уравнение на окръжност
1. Параметрични уравнения на права в равнина
x = x0 + λa
g: (15.2)
y = y0 + λb,
x = x1 + λ(x2 − x1)
g:
y = y1 + λ(y2 − y1),
което се нарича скаларно параметрично уравнение на правата g,
определена от две точки. Разбира се, можем да положим M0 =
M2 .
Аналогично получаваме и каноничното уравнение на правата g,
определена от две точки
x − x1 y − y1
g: = .
x2 − x1 y2 − y1
Пример 15.1. Намерете скаларно параметричното и канонично-
то уравнението на:
а) правата g, минаваща през т. A(1, −1), колинеарна на вектора
~v (2, 3);
б) правата l, минаваща през т. B(0, 3) и успоредна на оста Ox;
в) правата p, минаваща през точките M1(−1, −1) и M2(1, 5).
a)
x = 1 + 2λ x−1 y+1
g: g: = ;
y = −1 + 3λ, 2 3
x=λ x y−3
l: l: = ;
y = 3, 1 0
−−−−→
в) Правата p е колинеарна на вектора M1M2(2, 6) k (1, 3)
x = −1 + λ x+1 y+1
p: p: = .
y = −1 + 3λ, 1 3
На фиг. 15.2 са изобразени тези три прави относно ортонормирана
координатна система.
Фиг. 15.2
2. Общо уравнение на права в равнина
g : Ax + By + C = 0,
което се нарича общо уравнение на правата g.
Векторът −
→q (λ, µ) е колинеарен на правата g, точно когато ~q е
колинеарен на ~v (a, b) = (−B, A), т. е. точно когато
λ µ
− = ⇐⇒ Aλ + Bµ = 0.
B A
Разглежданията дотук бяха при произволна координатна систе-
ма в равнината. Нека сега O~e1~e2 е ортонормирана координатна
→
−
система. Тогава векторът N (A, B) е ортогонален на правата g,
тъй като е ортогонален на вектора ~v k g
→
−
N ~v = Aa + Bb = ba − ab = 0.
→
−
Векторът N (A, B) се нарича нормален вектор на правата с общо
уравнение g : Ax + By + C = 0.
Тогава уравнението
p : 3(x + 1) − 1(y + 1) = 0 =⇒ p : 3x − y + 2 = 0.
Теорема 15.1. Ако е дадена правата g : Ax+By+C = 0 относно
координатната система Oxy = O~e1~e2, то:
1) g минава през координатното начало O, точно когато C = 0,
т. е. g : Ax + By = 0;
2) g k Ox, точно когато A = 0, т. е. g : By + C = 0;
3) g k Oy, точно когато B = 0, т. е. g : Ax + C = 0;
4) g ≡ Ox, точно когато A = C = 0, т. е. Ox : y = 0;
5) g ≡ Oy, точно когато B = C = 0, т. е. Oy : x = 0.
Фиг. 15.4
Пример 15.3. Намерете общото уравнение на права, която отряз-
ва от координатните оси Ox и Oy отсечки с дължини съответно
3 и 2.
Правите, които удовлетворяват това условие, са: l, минаваща през
A1(3, 0) и B1(0, 2); m, минаваща през A1(3, 0) и B2(0, −2); p, ми-
наваща през A2(−3, 0) и B1(0, 2); и q, минаваща през A2(−3, 0)
и B2(0, −2). Тези прави са изобразени относно ортонормирана
координатна система на фиг. 15.5.
Фиг. 15.5
l : 2x + 3y − 6 = 0, m : 2x − 3y − 6 = 0,
p : 2x − 3y + 6 = 0, q : 2x + 3y + 6 = 0.
Пример 15.4.
√ Намерете уравнението на права p, минаваща през
точката A( 3, 1), която сключва ъгъл 60◦ с оста Ox.
Декартовото уравнение на правата е p : y = kx + n. Ще намерим
k и n. Използваме условието, че търсената права сключва ъгъл,
равен на 60◦ с оста Ox. Тъй като не е указано, че този ъгъл се
образува от правата p и положителната посока на Ox, трябва да
разгледаме два случая: в първия случай α1 = ^(p, Ox+) = 60◦,
а във втория ^(p, Ox−) = 60◦, т. е. α2 = ^(p, Ox
√
+) = 120◦ (фиг.
15.6). В първия √случай имаме k1 = tg α1 = 3, а във √ втория
k2 = tg α2 =√− 3. Така дотук получихме p1 : y = 3x + n1
и p2 : y = − 3x + n2. Сега заместваме координатите на т. A в
уравненията на правите p1 и p2 и така получаваме, че отрезите
на двете прави от оста Oy са съответно
√ n1 = −2 и n2 √
= 4.
Окончателно правите p1 : y = 3x − 2 и p2 : y = − 3x + 4 са
решения на задачата.
Фиг. 15.6
4. Взаимно положение на две прави. Сноп прави
g1 : A1x + B1y + C1 = 0,
g2 : A2x + B2y + C2 = 0,
тогава:
1) g1 и g2 съвпадат, точно когато
A1 B1 C1
= = ;
A2 B2 C2
2) g1 и g2 са успоредни, точно когато
A1 B1 C1
= 6= ;
A2 B2 C2
3) g1 и g2 се пресичат, точно когато
A1 B1
6= .
A2 B2
x0 − p = δn1, y0 − q = δn2,
откъдето следва p = x0 − δn1, q = y0 − δn2. Тъй като точка-
та P лежи на правата g, то нейните координати удовлетворяват
уравнението на правата, т. е.
l1 : A1q
x+B1y+C1
= A2q
x+B2y+C2
,
A21+B12 A22+B22
l2 : A1q
x+B1y+C1
= − A2q
x+B2y+C2
.
A21+B12 A22+B22
Пример 15.7.(Държавен изпит, Софийски университет, 2006г.)
Светлинен лъч в равнината с начало точката A(− 12 , 3) след отра-
зяването си от правата a : 3x − 4y + 1 = 0 става успореден на
правата b : 10x − 5y + 1 = 0. Намерете уравненията на падащия
лъч l и отразения l0.
Фиг. 15.9
Падащият лъч l, отразеният лъч l0 и правата n, пердендикуляр-
на на a (нормалата на a), минават през една и съща точка P от
правата a. Удобно е да представим координатите на т. P като
функции на една променлива. Затова от общото уравнение на a
преминаваме към скаларно параметричното. Нормалният вектор
→
−
на a има координати N a(3, −4), следователно един колинеарен
вектор на a е ~a(4, 3). Една точка от правата a е, например, т.
B(1, 1) (след проверка в уравнението на a непосредствено се ус-
тановява, че координатите на B удовлетворяват това уравнение).
Тогава скаларно параметричното уравнение на правата a e
x = 1 + 4s
a:
y = 1 + 3s,
където s е реален параметър (параметърът на правата).
Следователно точката P има координати P (1 + 4s, 1 + 3s).
Ъгълът на падане α на лъча l е равен на ъгъла на отразяване.
Следователно нормалата на n е ъглополовяща на ъгъла между
правите l и l0. Тогава, ако т. A0 e ортогонално симетричната т. A
(от падащия лъч l) относно n, то A0 лежи на отразения лъч l0.
Пресечната точка M на правата m = AA0 с правата n е среда на
отсечката AA0.
Намираме уравнението на правата m през т. A и перпендикулярна
на n (т.е. успоредна на a). Нормалният вектор на m е нормален
→
−
и за a, т.е. N m(3, −4). Следователно
1
m : 3(x + ) − 4(y − 3) = 0
2
или окончателно
m : 6x − 8y + 27 = 0.
Построяваме и уравнението на правата n, минаваща през т. P и
перпендикулярна на a. Колинеарният вектор ~a(4, 3) на правата a
е нормален за n. Следователно
5s − 5 = 0,
откъдето s = 1, т.е. при s = 1 от уравнението на правата a
се получават координатите на т. P . След заместване на s = 1
в скаларно параметричното уравнение на правата a получаваме
P (5, 4). Сега вече можем да намерим уравненията на правите l
и l0. Построяваме правата l по двете точки, през които знаем, че
минава - т. A и т. P и така намираме
l : 2x − 11y + 34 = 0.
В уравнението на правата l0 заместваме s = 1 и получаваме
l0 : 2x − y − 6 = 0.
6. Уравнение на окръжност в равнина
c1 : 3x2 − 3y 2 − 6x + 4y − 1 = 0
не задава окръжност.
Уравнението
c2 : x2 + y 2 + 2x − 10y + 1 = 0
Тема 16.
Уравнение на права и равнина в тримерно пространство.
Уравнение на сфера
1. Уравнение на права в пространството
g : ~r = ~r0 + λ~v ,
−−→ −−−→
където ~r = OM , ~r0 = OM0 и λ е реален параметър. Горното
уравнение са нарича векторно параметрично уравнение на пра-
вата g. Координатният запис на това уравнение има вида
x = x0 + λa
g: y = y0 + λb
z = z0 + λc,
което се нарича скаларно параметрично уравнение на правата g.
x − x0 y − y0 z − z0
g: = = .
a b c
Също така може да бъде построено скаларно параметрично и
канонично уравнение на права g, минаваща през две точки -
M1(x1, y1, z1) и M2(x2, y2, z2):
x = x1 + λ(x2 − x1)
x − x1 y − y1 z − z1
g: y = y1 + λ(y2 − y1) , g: = = .
x2 − x1 y2 − y1 z2 − z1
z = z1 + λ(z2 − z1)
x = 1 + 2λ
m: y = 2λ
z = 2 − λ,
x−1 y z−2
m: = = .
2 2 −1
2. Уравнение на равнина
Нека относно Oxyz за дадени точка M0(x0, y0, z0) и два неко-
линеарни вектора p~(p1, p2, p3) и ~q(q1, q2, q3). Тогава за произволна
точка M (x, y, z), лежаща в равнината α, минаваща през т. M0 и
компланарна с векторите p~ и ~q, е изпълнено
−−−→
M0M = λ~p + µ~q.
−−−→ −−→ −−−→
Имаме представянето M0M = OM − OM0. Нека положим
−−→ −−−→
~r = OM , ~r0 = OM0. Така получаваме зависимостта
−−−→
M0M p~ ~q = 0.
x − x0 y − y0 z − z0
α: p1 p2 p3 = 0. (16.1)
q1 q2 q3
Уравнението на равнината α, минаваща през неколинеарните точ-
ки M1(x1, y1, z1), M2(x2, y2, z2), M3(x3, y3, z3), има вида
x − x1 y − y1 z − z1
α: x2 − x1 y2 − y1 z2 − z1 = 0.
x3 − x1 y3 − y1 z3 − z1
Нека развием детерминантата от уравнението (16.1) по първия ѝ
ред и положим
A = p 2 q3 − p 3 q2 , B = p 3 q1 − p 1 q3 , C = p 1 q2 − p 2 q1 .
α : Ax + By + Cz + D = 0, (16.3)
α : x + y − z − 2 = 0.
Теорема 16.2. Ако е дадена равнината α : Ax+By +Cz +D = 0
относно координатна система O~e1~e2~e3 = Oxyz, то:
1) α минава през координатното начало O, точно когато D = 0,
т. е. α : Ax + By + Cz = 0;
2) α k Ox, точно когато A = 0, т. е. α : By + Cz + D = 0;
3) α k Oy, точно когато B = 0, т. е. α : Ax + Cz + D = 0;
4) α k Oz, точно когато C = 0, т. е. α : Ax + By + D = 0;
5) α k Oxy, точно когато A = B = 0, т. е. α : Cz + D = 0;
6) α k Oxz, точно когато A = C = 0, т. е. α : By + D = 0;
7) α k Oyz, точно когато B = C = 0, т. е. α : Ax + D = 0;
8) α минава през Ox, точно когато A = D = 0, т. е.
α : By + Cz = 0;
9) α минава през Oy, точно когато B = D = 0, т. е.
α : Ax + Cz = 0;
10) α минава през Oz, точно когато C = D = 0, т. е.
α : Ax + By = 0;
11) α ≡ Oxy, точно когато A = B = D = 0, т. е. Oxy : z = 0;
12) α ≡ Oxz, точно когато A = C = D = 0, т. е. Oxz : y = 0;
13) α ≡ Oyz, точно когато B = C = D = 0, т. е. Oyz : x = 0.
Теорема 16.3. Ако относно произволна координатна система
са дадени равнините
x+y−z+6=0
m:
2x − y + 2z − 3 = 0.
Намираме две решения на системата от уравненията на двете
равнини, определящи правата m. Полагаме, например, x = 0 в
горната система и така получаваме едно нейно решение - точка-
та M (0, −9, −3). Друго решение на системата получаваме като
положим, например, z = 0, N (−1, −5, 0). Тогава каноничното
уравнение на m има вида
x+1 y+5 z
m: = = .
−1 4 3
Горното уравнение може да бъде получено и по друг начин,
ако правата m е зададена относно ортонормирана координатна
система.
Нека означим двете равнини, които съдържат m, съответно с α
и β, т. е.
α : x + y − z + 6 = 0,
β : 2x − y + 2z − 3 = 0.
Тогава нормалните вектори на двете равнини се определят от
→
− −
→
N α(1, 1, −1), N β (2, −1, 2).
~ k m получаваме по формулата
В такъв случай векторът m
→
− →
−
m~ = N α × N β.
α1 : A1x+B1y+C1z+D1 = 0, α2 : A2x+B2y+C2z+D2 = 0,
α : Ax + By + Cz + D = 0.
Разстоянието d(M0, α) от точка M0(x0, y0, z0) до равнината α
се определя от формулата
|Ax0 + By0 + Cz0 + D|
d(M0, α) = √ .
A2 + B 2 + C 2
Числото
Ax0 + By0 + Cz0 + D
δ(M0, α) = √
A2 + B 2 + C 2
се нарича ориентирано разстояние от т. M0 до равнината α.
Пример 16.5. Намерете разстоянието от точката M (1, −1, 3) до
равнината β : 2x + 2y − z − 6 = 0.
|2.1 + 2(−1) − 3 − 6|
d(M, β) = = 3.
3
4. Уравнение на сфера и окръжност в пространството
x2 + y 2 + z 2 − 8x − 14y + 2z + 30 = 0
k:
3x + y − z − 9 = 0.
x = 4 + 3s
l: y =7+s
z = −1 − s.
Тогава C 0 е прободът на l и α, т. .е C 0 = l ∩ α.
Като решим системата от уравненията на правата l и равни-
ната α, получаваме C 0(1, 6, 0). Остава да намерим радиуса r на
окръжността k. Използваме, че CC 0 ⊥ α (виж Фиг. 16.1). От
Питагоровата теорема имаме
−−0→ 2
|C C| + r2 = R2.
−−0→ −−0→ √
Пресмятаме C C(3, 1, −1), следователно |C C| = 11. Така по-
лучаваме r = 5.
Използвана литература
1. Д. Мекеров, Н. Начев, Ст. Миховски, Е. Павлов, Линейна ал-
гебра и аналитична геометрия, Пловдив, 1997.
2. L. Hogben, Handbook of linear algebra, CRC, 2007.
3. D. C. Lay, Linear algebra and its applications, University of Maryland.
4. C. D. Meyer, Matrix analysis and applied linear algebra, SIAM.
5. G. Strang, Linear algebra and its applications, 3rd ed., MIT, 1988.
f
Тема 17.
Собствени стойности и собствени вектори на линейно
преобразувание. Диагонализиране на матрица и
линейно преобразувание
1. Собствени стойности и собствени вектори на линейно
преобразувание
f (x) = λx.
Числото λ се нарича собствена стойност, съответна на
x. Множеството от всички собствени стойности на f , принадле-
жащи на числовото поле K, се нарича спектър на f .
v = µ1 x 1 + µ2 x 2 ,
където µ1 и µ2 са числа от полето K.
Ще покажем, че v също е собствен вектор на f , съответстващ
на λ. Тъй като преобразуванието f е линейно, то
(f − λid)x = o,
където id е идентитета на V . От x 6= o следва, че
ker(f − λid) 6= {o}. Следователно линейното преобразувание
f − λid е особено.
Така установихме, че спектърът на линейното преобразувание f
е множеството от числата λ, за които линейното преобразувание
f − λid е особено.
f : (x, y, z) −→ (x + y − z, x + y + z, −x + y + z).
Първо намираме матрицата на f относно произволна база. Не-
ка това бъде естествената база e на R3, съставена от векторите:
e1(1, 0, 0), e2(0, 1, 0) и e3(0, 0, 1). Както знаем, тази база е орто-
нормирана. Тогава пресмятаме f (e1) = (1, 1, −1), f (e2) = (1, 1, 1)
и f (e3) = (−1, 1, 1). Матрицата на f в разглежданата база е
1 1 −1
A = Me(f ) = 1 1 1 .
−1 1 1
Тъй като матрицата Me(f ) е симетрична относно ортонормирана
база, линейното преобразувание f е симетрично.
Сега съставяме характеристичния полином на матрицата A и
търсим неговите корени (собствените стойности на f ):
1−λ 1 −1
det(A − λE) = 1 1−λ 1 = 0.
−1 1 1−λ
x − y + z = 0.
Следователно
V2 = {(x, y, z) ∈ R3 | x − y + z = 0}.
Размерността на V2 е dim V2 = 2. Една база на V2 се състои от
векторите e20 (1, 1, 0) и e30 (−1, 0, 1).
Отбелязваме, че векторът e10 е ортогонален на двата вектора e20 и
e30 , тъй като f е симетрично линейно преобразувание.
3. Диагонализиране на матрица и линейно
преобразувание
Тогава
B = T −1AT.
Матрицата на прехода T не е ортогонална. Това е така защото
собствените вектори, съответни на една и съща собствена стой-
ност, не са задължително ортогонални помежду си. Също така
собствените вектори на едно линейно преобразувание не са за-
дължително единични.
За да намерим ортогонална матрица, чрез която се диагонали-
зира f , трябва първо да ортогонализираме системите от вектори,
съответни на една и съща собствена стойност. В случая това е
системата от вектори e20 и e30 , съответстващи на λ2 = λ3 = 2.
Като използваме метода на Грам-Шмид, от тази система получа-
ваме ортогоналната система (ортогоналната база на собственото
подпространство V2)
0 00 1 1
e2(1, 1, 0), e3 − , , 1 .
2 2
Сега трябва да нормираме всичките три ортогонални помежду
си вектора e10 , e20 и e300. Така получаваме ортонормираната база на
R3 :
e10
a1 = |e 0 | = √1 , − √1 , √1 ,
1 3 3 3
e 0
a2 = |e20 | = √1 , √1 , 0 ,
2 2 2
√
e300
a3 = |e 00| = − √1 , √1 , √2 .
3 6 6 3
Тема 18.
Криви от втора степен
1. Криви от втора степен. Класификация
c1 : x2 + 2xy + y 2 − 2x + 4y + 1 = 0,
съответства симетричната матрица
1 1 −1
A = 1 1 2.
−1 2 1
Пресмятаме det A = −9 6= 0, следователно кривата c1 е неизро-
дена.
На кривата c2, определена от уравнението
c2 : x2 + xy − 2y 2 + x + 2y = 0,
съответства симетричната матрица
1 1
1 2 2
1
B= 2 −2 1 ,
det B = 0.
1 1 0
2
Тази крива може да се представи във вида
c2 : (x + 2y)(x − y + 1) = 0,
т. е. тя се разпада на две пресичащи се прави с уравнения
x + 2y = 0 и x − y + 1 = 0.
На всяка квадратична форма също съответства симетрична мат-
рица. На квадратичната форма a11x2 + 2a12xy + a22y 2, съставена
от първите три члена в уравнението на (18.1) на кривата c, съот-
ветства матрицата
!
a11 a12
.
a12 a22
Фиг. 18.3
x2 y 2
2
− 2 = 1, a, b = const. > 0.
a b
Точките A1(a, 0) и A2(−a, 0) се наричат върхове на хиперболата.
Точките B1 и B2 имат следните координати: B1(0, b) и B2(0, −b).
Правите a1 и a2 съответно с уравнения:
b b
a1 : y = x, a2 : y = − x,
a a
x2 y 2
2
+ 2 = 1, a > b > 0, a, b = const.
a b
Фиг. 18.7 - елипса
Точките A1(a, 0), A2(−a, 0) и B1(0, b), B2(0, −b) се наричат върхо-
ве на елипсата. Отсечката A1A2 с дължина 2a и отсечката B1B2
с дължина 2b се наричат съответно голяма (фокална) и малка
(нефокална ос) на елипсата.
Въвежда се величината c
p
c = a2 − b 2 ,
която се нарича линеен ексцентрицитет. Тогава F1(c, 0) и F2(−c, 0).
Величината
c
e=
a
се нарича числен ексцентрицитет на елипсата.
Изпълнено е: 0 < e < 1.
Окръжността е частен случай на елипса, за която двата фоку-
са съвпадат (с центъра на окръжността), т. е. за която a = b.
Екцентрицитетът на окръжност е нула.