LAAG

f
Тема 1.
Вектори. Линейни операции със свободни вектори.
Линейни пространства и подпространства.
Геометрично векторно пространство
1. Свободен вектор
Определение 1.1. Наредена двойка точки (A, B) се означава с

−→
AB и се нарича насочена отсечка. Точка A се нарича начало, а
−→
точка B - край на AB.
Ако началото и краят съвпадат (т. е. A ≡ B), то насочената
−→
отсечка AA се нарича нулева (в този случай насочената отсечка
съвпада с точката A).
−→ −→
На фиг. 1.1 са изобразени насочените отсечки AB и BA.
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
За точките A, B, C и D също се казва, че са колинеарни, ако

лежат върху една права.
Ако лъчите AB~ и CD~ са еднопосочно успоредни, то насочените
−→ −−→
отсечки AB и CD се наричат еднопосочно колинеарни и записва-
−→ −−→
ме AB ↑↑ CD.
Ако лъчите AB~ и CD~ са разнопосочно успоредни, то насочените
−→ −−→
отсечки AB и CD се наричат разнопосочно колинеарни и запис-
−→ −−→
ваме AB ↑↓ CD.
На фиг. 1.3. са изобразени еднопосочно колинеарните насочени
−→ −−→
отсечки AB и CD (в ляво) и разнопосочно колинеарните насоче-
−→ −−→
ни отсечки AB и CD (в дясно).
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.
Следствие. Фигурата ABCD е успоредник, точно когато

−→ −−→ −−→ −−→
AB = DC или AD = BC (като при това четирите точки не са
колинеарни).
Фиг. 1.5
Равенството на насочени отсечки е релация на еквивалентност
и като такава притежава свойствата:
−→ −→
1) рефлексивност - AB = AB;
−→ −−→ −−→ −→
2) симетричност - ако AB = CD, то CD = AB;
−→ −−→ −−→ −→ −→ −→
3) транзитивност - ако AB = CD и CD = EF , то AB = EF
−→ −−→ −→
за произволни насочени отсечки AB, CD, EF .
Отбелязваме, че всяка релация, притежаваща свойствата 1), 2)
и 3) е релация на еквивалентност.
Нека V е множеството на всички насочени отсечки. Релацията
на еквивалентност "равенство на насочени отсечки" разбива V
на непресичащи се класове на еквивалентност. Ако ~a и ~b са мно-
−→
жествата от всички насочени отсечки, съответно равни на AB и
−−→
CD, то ~a и ~b или нямат нито един общ елемент, или съвпадат.
−→ −−→
Втората възможност е налице, точно когато AB = CD. Така
достигаме до следващото важно определение
Определение 1.5. Всеки клас ~a от равни насочени отсечки се
нарича свободен вектор. Всеки елемент на ~a се нарича пред-
−→ −→
ставител на ~a. Ако AB е представител на ~a, то вместо AB ∈ ~a
−→
записваме AB = ~a.
Ако A е произволна точка, а ~a е произволен свободен вектор, то
−→
съществува единствена точка B такава, че AB = ~a. Построява-
−→
нето на представителя AB се нарича пренасяне на ~a в т. A.
Нулев свободен вектор се нарича множеството от всички нулеви
насочени отсечки и означаваме с ~o.
−→
Под дължина на насочената отсечка AB разбираме дължината
−→
на отсечката AB. Под дължина на свободния вектор ~a = AB раз-
бираме дължината на произволен негов представител, т. е. дъл-
−→
жината на насочената отсечка AB и означаваме с |~a|.
Очевидно дължината на нулевия вектор е числото нула, т.е.
|~o| = 0.
−→
Ако ~a е свободен вектор с представител насочената отсечка AB,
−→
то свободният вектор с представител BA се означава с (−~a) и се
нарича противоположен свободен вектор на ~a. Следователно е
изпълнено
−→ −→
AB = −BA.
Свободните вектори ~a и ~b се наричат колинеарни, ако съответните

им представители са колинеарни. Нулевият вектор е колинеарен
на всеки друг свободен вектор.
Свободните вектори ~a, ~b и ~c се наричат компланарни, ако съот-
ветните им представители са компланарни.
2. Линейни действия със свободни вектори
Събиране на свободни вектори

Определение 1.6. (правило на триъгълника) Събиране на
два свободни вектора ~a и ~b е действие, което им съпоставя сво-
бодния вектор ~a + ~b, наречен тяхна сума, определен по следния
начин:
−→ ~ −→ ~ −−→
ако O е произволна точка и ~a = OA, b = AB, то ~a + b = OB.
Фиг. 1.6
Релация на Шал за насочени отсечки: За произволни три
точки A, B и C е изпълнено равенството
−→ −−→ −→
AB + BC = AC.
Ако ~a k ~b, то ~a + ~b k ~ak ~b.
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).
Фиг. 1.9 Правило на успоредника за събиране на свободни вектори
Допълваме ъгъла AOB до успоредника OACB. Тогава, съглас-

но правилото на триъгълника за събиране на насочени отсечки
имаме
~ −→ −→ −→
от 4OAC: ~a + b = OA + AC = OC;
~ −−→ −−→ −→
от 4OBC: b + ~a = OB + BC = OC.
Следователно ~a + ~b = ~b + ~a, т.е. събирането на свободни вектори
е комутативно.
От горното доказателство следва правилото на успоредника за
събиране на насочени отсечки (свободни вектори) (фиг. 1.9)
−→ −−→ −→
OA + OB = OC.
3. Линейно (векторно) пространство
Определение 1.8. Непразно множество V се нарича линейно

(векторно) пространство над числовото поле K, ако е
снабдено с две действия - събиране, което на всеки два елемента
a, b ∈ V съпоставя елемент a + b ∈ V , наречен сума на a и b
и умножение с число, което на всеки елемент a ∈ V и λ ∈ K
съпоставя елемента λa ∈ V , наречен произведение на λ и a, при
което за произволни a, b, c ∈ V и λ, µ ∈ K са изпълнени следните
свойства (аксиоми):
1. a + b = b + a (комутативност при събиране);
2. (a + b) + c = a + (b + c) (асоциативност при събиране);
3. съществува елемент o такъв, че a + o = a за всеки елемент
a; елементът o се нарича нулев елемент;
4. за всеки елемент a съществува елемент (−a) такъв, че
a + (−a) = o; елементът (−a) се нарича противоположен еле-
мент на a;
5. λ(a + b) = λa + λb (дистрибутивност относно множител от
K);
6. (λ + µ)a = λa + µa (дистрибутивност относно множител от
V );
7. (λµ)a = λ(µa) (асоциативност при умножение с множител
от K);
8. 1a = a.
Елементите на V се наричат вектори. Действията събиране на

вектори и умножение на число с вектор се наричат линейни дейс-
твия (операции).
Забележка. Ще разглеждаме предимно случая, когато K = R.
Тогава V се нарича реално векторно пространство.
Ако K = C - полето на комплексните числа, то V се нарича
комплексно векторно пространство.
Някои следствия от аксиомите 1-8.
Следствие 1.1. Нулевият елемент на всяко векторно прост-

ранство е единствен.
Следствие 1.2. Противоположният елемент на всеки елемент

на векторно пространство е единствен.
Следствие 1.3. 0a = o за всяко a ∈ V .
Следствие 1.4. (−1)a = −a за всяко a ∈ V .
Следствие 1.5. Ако λa = o, то или λ = 0, или a = o.
Следствие 1.6. Ако a и b са произволни вектори от V , то урав-

нението a + x = b има единствено решение x ∈ V , което се
определя от x = b + (−a) и се нарича разлика на векторите a и
b (означаваме с b − a).
Определение 1.9. Непразното подмножество W на векторното
6 W ⊆ V ) се нарича векторно подпростран-
пространство V (∅ =
ство на V , ако W е векторно пространство относно линейните
действия, дефинирани над елементите на V . В такъв случай за-
писваме W ≤ V .
Определение 1.10. Нека V е векторно пространство над полето

K, а {a1, a2, ..., ak } е произволна система (съвкупност) от вектори
на V . Вектор от вида
λ1a1 + λ2a2 + ... + λk ak
се нарича линейна комбинация на векторите a1, a2, ..., ak , а чис-
лата λ1, λ2, ..., λk ∈ K се наричат коефициенти на тази линейна
комбинация.
Твърдение 1.1. Непразното подмножество W на векторното
пространство V е векторно подпространство на V , точно ко-
гато е изпълнено едно от следните еквивалентни условия:
1) W е затворено относно линейните действия над елементите
на V , т. е. за произволни a, b ∈ W и λ ∈ K имаме: a + b ∈ W и
λa ∈ W ;
2) W е затворено относно взимането на линейни комбинации
на елементи на W , т. е. за всеки a, b ∈ W и λ, µ ∈ K имаме
λa + µb ∈ W .
Множеството {o} е векторно пространство и се нарича нулево
векторно пространство.
Очевидно за всяко векторно пространство V е изпълнено
V ≤ V , {o} ≤ V . Тези векторни подпространства се наричат
тривиални векторни подпространства на V .
Примери за векторни пространства и подпространства
Пример 1.1. Всяко числово поле K е векторно пространство над
себе си. Следователно векторни пространства са множеството на
рационалните числа Q и множеството на реалните числа R от-
носно естествените операции събиране и умножение с число, де-
финирани над тези числови множества.
Нека разгледаме множеството R2 = {z = (x, y)|x, y ∈ R}. Де-
финираме следните операции:
(x1, y1) + (x2, y2) = (x1 + x2, y1 + y2),
(1.1)
(x1, y1).(x2, y2) = (x1x2 − y1y2, x1y2 + x2y1).
Множеството R2 с операциите (1.1) се нарича множество на ком-
плексните числа и се бележи с C.
Ако a ∈ R, то a = (a, 0) ∈ C, т. е. R е подмножество на C.
Имаме ω = (0, 0) = 0 и ε = (1, 0) = 1. Комплексното число
i = (0, 1) се нарича имагинерна единица на C. Съгласно (1.1)
имаме
i2 = i.i = (0, 1).(0, 1) = −1.
Тогава за произволно комплексно число z = (x, y) е в сила
z = (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1).(0, y) = x + iy.
Изразът z = x + iy се нарича алгебричен вид на комплексното
число z. Геометричното му представяне е точка в декартовата
равнина с координати (x, y).
Множеството C е числово поле и векторно пространство над
себе си относно естествените операции с комплексни числа, т. е.
операциите (1.1).
Относно операциите събиране и умножение с реално число има-
ме R ≤ C. Обаче относно същите операции Q не е подпростран-
ство на R, тъй като, можем да съставим линейна комбинация на
елементи от Q с реални коефициенти (например ирационални),
която да не принадлежи на Q.
Множеството на естествените числа N не е векторно простран-
ство относно операциите събиране на естествени числа и умно-
жение с естествено число, тъй като не са изпълнени аксиоми 3
и 4 (не съществува нулев елемент, противоположният елемент на
всеки елемент от N не принадлежи на N). Множеството на целите
числа Z също не е векторно пространство над себе си, тъй като
не е поле.
Пример 1.2. Множеството Rn = {(x1, x2, ..., xn)|x1, ..., xn ∈ R},
n ∈ N, на наредените n-торки от реални числа e векторно прос-
транство над R относно операциите събиране и умножение с ре-
ално число, дефинирани съответно чрез:
(x1, x2, ..., xn) + (y1, y2, ..., yn) = (x1 + y1, x2 + y2, ..., xn + yn),
λ(x1, x2, ..., xn) = (λx1, λx2, ..., λxn)
за произволни (x1, ..., xn), (y1, ..., yn) ∈ Rn и λ ∈ R. Нулевият
елемент на Rn е наредената n-торка (0, 0, ..., 0). Тогава противо-
положният елемент на (x1, ..., xn) ∈ Rn е (−x1, −x2, ..., −xn).
В частност, R1 = R.
Пример 1.3. Множеството от свободните вектори е векторно
пространство над R относно операциите събиране на свободни
вектори и умножение на свободен вектор с число. Това простран-
ство се нарича геометрично векторно пространство.
Векторите, колинеарни с дадена права, образуват едно векторно
подпространство на геометричното векторно пространство.
Същото важи и за векторите, компланарни с дадена равнина.
Пример 1.4. Множеството C[a, b] от всички реални непрекъсна-
ти функции в интервала [a, b], a, b ∈ R е реално векторно прост-
ранство относно следните операции:
(f + g)(x) = f (x) + g(x), (λf )(x) = λf (x),

където f (x), g(x) ∈ C[a, b], λ ∈ R. Нулевият елемент на C[a, b]
е нулевата функция, т. е. числото 0. Противоположният елемент
на f (x) ∈ C[a, b] е −f (x).
Пример 1.5. Множеството Rn[x] на полиномите на x с реални

коефициенти от степен ≤ n, n ∈ N, е векторно пространство
над R относно операциите събиране на полиноми и умножение
на полином с реално число. Ако f (x) = anxn + ... + a1x + a0 и
g(x) = bnxn + ... + b1x + b0 са елементи на Rn[x], а λ ∈ R, то:
f (x) + g(x) = (an + bn)xn + ... + (a1 + b1)x + (a0 + b0),
λf (x) = λanxn + ... + λa1x + λa0.
Rn[x] е векторно подпространство на пространството C(R) на
всички непрекъснати функции, дефинирани над R.
В следващата тема ще разгледаме още един пример на реално
векторно пространство, което играе важна роля в математиката.
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 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.
Множеството от всички реални матрици от тип m×n се означава

с Mm×n(R).
Определение 2.2. Матрица, за която m = n, се нарича квад-
ратна матрица. Множеството от елементите a11, a22, ..., ann се
нарича главен диагонал на матрицата. Множеството от елемен-
тите a1n, a2,n−1, ..., an1 се нарича втори (вторичен) диагонал на
матрицата. Множеството от всички квадратни матрици от ред n
се означава с Mn(R).
Квадратните матрици от ред n
   
a11 a12 ... a1n a11 0 ... 0
 0 a22 ... a2n  a a22 ... 0 
 21
,
  
  
 ... ... ... ...   ... ... ... ... 
0 0 ... ann an1 an2 ... ann
се наричат съответно горно триъгълна и долно триъгълна матри-

ца.
Квадратна матрица от ред n, която е едновременно горно и дол-
но триъгълна, се нарича диагонална. Следователно тя има вида
 
a11 0 ... 0
 0 a22 ... 0 
.
 

 ... ... ... ... 
0 0 ... ann
Нека A = (aij ) и B = (bij ) са матрици от тип m × n, а λ ∈ R.
Дефинираме линейните операции с матрици, както следва:
Събиране на матрици от един и същи тип
 
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
Множеството Mm×n(R), снабдено с действията (2.1) и (2.2) е век-

торно пространство над R и се нарича матрично векторно прос-
транство.
Нулевият елемент O на Mm×n(R) e матрица от тип m × n,
всички елементи на която са нули, т. е.
 
0 0 ... 0
0 0 ... 0
O= .
 
 ... ... ... ... 
0 0 ... 0
Противоположният елемент на A ∈ Mm×n(R), A = (aij ), е мат-

рицата (−A) = (−aij ), т. е.
 
−a11 −a12 ... −a1n
 −a −a22 ... −a2n 
21
−A =  .
 
 ... ... ... ... 
−am1 −am2 ... −amn
Пример 2.1. Дадени са матриците
! !
1 −1 2 1
A= , B= ∈ M2×2(R).
0 3 1 −4
Намерете A + B, −A, 2A + 3B и матрица X ∈ M2×2(R) такава,
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.
Ще докажем, че M е векторно подпространство на M2×2(R).

Зе целта нека A, B ∈ M, като
! !
a1 0 a2 0
A= , B=
0 b1 0 b2
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
Така установихме, че A + B, λA ∈ M за всеки A, B ∈ M и

λ ∈ R. Следователно M е векторно подпространство на M2×2(R)
(M ≤ M2×2(R)), т. е. M е реално векторно пространство.
f
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
Нека V е векторно пространство над полето K, {a1, a2, ..., ak } е

произволна система от вектори на V , а λ1, λ2, ..., λk ∈ K. Вектор
b от вида
b = λ1a1 + λ2a2 + ... + λk ak
се нарича линейна комбинация на векторите a1, a2, ..., ak .

Линейна комбинация се нарича тривиална, ако всички коефи-
циенти в тази комбинация са равни на нула.
Множеството от всички линейни комбинации на {a1, a2, ..., ak }
е векторно пространство над K и още по-точно, векторно подп-
ространство на V .
Определение 3.1. Система от вектори {a1, a2, ..., ak } се нарича
линейно зависима, ако съществуват числа λ1, λ2, ..., λk , поне
едно от които е различно от нула, така че да е в сила равенството
λ1a1 + λ2a2 + ... + λk ak = o.
С други думи, една система от вектори на дадено векторно прос-

транство е линейно зависима, ако нулевият вектор на това прос-
транство може да се представи като тяхна нетривиална линейна
комбинация.
Векторите на линейно зависима система се наричат линейно за-
висими вектори.
Пример 3.1. Нека разгледаме векторното пространство
R3 = {(x, y, z)|x, y, z ∈ R}. Системата от вектори a1(1, 1, −1),
a2(0, 1, 1), a3(1, 2, 0) е линейно зависима, тъй като
a1 + a2 − a3 = o = (0, 0, 0).
Забелязваме, че поне един от векторите a1, a2 и a3 (в този случай

и трите вектора) може да се представи като линейна комбинация
на останалите два:
a1 = a3 − a2, a2 = a3 − a1, a3 = a1 + a2.
Както ще видим по-нататък, това е една важна характеристика

на векторите, принадлежащи на линейно зависима система.
Определение 3.2. Система от вектори {a1, a2, ..., ak } се нари-
ча линейно независима, ако само тяхната тривиална линейна
комбинация е равна на нулевия вектор, т. е. равенството
λ1a1 + λ2a2 + ... + λk ak = o.
е изпълнено, точно когато λ1 = λ2 = ... = λk = 0. Векторите на

линейно независима система се наричат линейно независими
вектори.
Пример 3.2. Системата от вектори b1(1, 0, 1), b2(2, 1, −1), при-
надлежащи на R3, е линейно независима.
За да проверим това, съставяме произволна линейна комбина-
ция на тези вектори
λb1 +µb2 = λ(1, 0, 1)+µ(2, 1, −1) = (λ+2µ, µ, λ−µ), λ, µ ∈ R
и я приравняваме на нулевия вектор на разглежданото векторно
пространство:
(λ + 2µ, µ, λ − µ) = (0, 0, 0).
Като сравним покомпонентно векторите от двете страни на гор-
ното равенство, установяваме, че то е еквивалентно на системата
λ + 2µ = 0
µ=0
λ − µ = 0,
откъдето получаваме λ = µ = 0. Следователно векторите b1 и b2
са линейно независими.
Пример 3.3. Нека разгледаме матриците

1 2 0 1 0 1
A= , B= , C= ,
0 1 2 0 1 1
принадлежащи на векторното пространство M2×2(R). Нека λ, µ,
ν са реални числа. За да установим дали системата {A, B, C} е
линейно зависима или независима, разглеждаме линейната ком-
бинация λA + µB + νC и я приравняваме на нулевия вектор
на M2×2(R), т.е. нулевата матрица от втори ред. Имаме следнто
матрично равенство (уравнение относно коефициентите λ, µ и ν)

1 2 0 1 0 1 0 0
λ +µ +ν = .
0 1 2 0 1 1 0 0
След сравняване на съответните компоненти на матриците от

двете страни на последното равенство достигаме до системата
λ=0
2λ + µ + ν = 0
2µ + ν = 0
λ + ν = 0.
Единственото решение на горната система е нулевото, т.е.
λ = µ = ν = 0. Следователно само нулевата линейна комбинация
на матриците A, B и C е равна на нулевата матрица, т.е. тези
матрици на линейно независими.
Никоя от матриците A, B или C не може да се представи като

линейна комбинация на останалите две. Същото важи и за ли-
нейно независимите вектори от Пример 3.2.
Както ще видим по-късно, това е в сила за векторите на всяка
линейно независима система.
Теорема 3.1. Система от един вектор е линейно зависима,
точно когато този вектор е нулевият. Система от поне два
вектора е линейно зависима, точно когато поне един от тези
вектори е линейна комбинация на останалите.
Доказателство. Нека V е векторно пространство и a ∈ V ,
λ ∈ R. Разглеждаме произволна линейна комбинация на a, т. е.
вектора λa и я приравняваме на нулевия вектор: λa = o. Съглас-
но определението за линейна зависимост векторът a е линейно
зависим, точно когато λ 6= 0. От друга страна, от Следствие 1.5.
знаем, че равенството λa = o е изпълнено, точно когато λ = 0
или a = o. Тъй като вече изключихме възможността λ = 0, ос-
тава само втората възможност, която е a = o. Така установихме
и че система от един вектор е линейно независима, точно когато
този вектор е различен от нулевия.
За да докажем втората част на твърдението, нека {a1, a2, ..., ak },
k > 1, е система вектори на V и λ1, λ2, ..., λk ∈ R. Първо пред-
полагаме, че тази система и линейно зависима и следователно
равенството
λ1a1 + λ2a2 + ... + λiai + ... + λk ak = o,
е изпълнено, като поне един от коефициентите е различен от нула.
Нека този коефициент е λi 6= 0, 1 < i ≤ k. Тогава можем да раз-
делим двете страни на горното равенство на λi и от полученото
равенство можем да изразим вектора ai по следния начин
λ1 λ2 λk
ai = − a1 − a2 − ... − ak .
λi λi λi
Обратно, ако предположим, че един от векторите от разглежда-
ната система се изразява чрез останалите, например a1 = µ2a2 +
... + µk ak , то получаваме: (−1)a1 + µ2a2 + ... + µk ak = o.
Теорема 3.2. Ако системата от вектори {a1, a2, ..., ak } е ли-
нейно независима, а системата {b, a1, a2, ..., ak } е линейно за-
висима, то векторът b се представя еднозначно като линейна
комбинация на a1, a2, ..., ak .
Теорема 3.3. Всяка система от вектори, която съдържа ли-

нейно зависима подсистема, е линейно зависима. Всяка линейно
независима система съдържа само линейно независими подсис-
теми.
Следствие 3.1. Нулевият вектор не може да участва в линей-

но независима система.
2. Линейна зависимост в геометричното векторно
пространство
Съгласно Теорема 3.1. един свободен вектор е линейно зависим,

точно когато той е нулевият вектор.
Теорема 3.4. Два свободни вектора са линейно зависими, точно

когато са колинеарни.
Доказателство. Ако някой от векторите е нулевият, то твърде-
нието е вярно.
Нека ~a и ~b са два ненулеви свободни вектора. Ако a и b са линей-
но зависими, то съгласно Теорема 3.1. единият от тях се изразява
линейно чрез другия, т. е. еднозначно е определено число λ така,
че например
~b = λ~a.
Следователно, съгласно определението за умножение на свободен
вектор с число, векторите ~a и ~b са колинеарни.
Обратно, нека ~a и ~b са колинеарни. Ако ~a и ~b са еднопосочно
|~b|
колинеарни, то за λ = , в сила е ~b = λ~a. Ако ~a и ~b са разно-
|~a|
~ |~b|
посочно колинеарни, то b = λ~a е изпълнено за λ = − |~a| . Така и
в двата случая следва, че свободните вектори ~a и ~b са линейно
зависими.
Пример 3.4. Всички вектори, които са колинеарни с дадена пра-

ва, са линейно зависими помежду си.
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.
Пример 3.6. Нека разгледаме паралелепипеда ABCDA1B1C1D1.

−→ −−→ −−→
Векторите AB, AD и AA1 не лежат в една равнина (не са комп-
−→
ланарни) и следователно са линейно независими. Векторите AB,
−−→ −−−→
AD и A1C1 са компланарни и следователно - линейно зависими.
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
Определение 3.3. Системата от вектори {a1, a2, ..., ak } на V се

нарича пораждаща за V , ако всеки вектор на V се изразява
като линейна комбинация на a1, a2, ..., ak . Казва се още, че тази
система поражда V , а V е породено от нея.
Векторите на една пораждаща система могат да бъдат както
линейно независими, така и линейно зависими.
Пример 3.7. Нека разгледаме векторното пространство R2[x] на

полиномите на x с реални коефициенти от степен по-малка или
равна на 2. Системата от вектори (полиноми) {x2, x, 1} е пораж-
даща за R2[x], тъй като всеки елемент f (x) ∈ R2[x] има вида
f (x) = a0 + a1x + a2x2 = a0.1 + a1.x + a2.x2, a0, a1, a2 ∈ R.

Тази система е и линейно независима.
Системата от вектори {1, x, x + 1, x2} е също пораждаща за
R2[x], но не е линейно независима.
Системата {x2, 2x+1} е линейно независима, но не е пораждаща
за R2[x]. Ще проверим това.
Нека λ, µ ∈ R. Тогава произволна линейна комбинация на
{x2, 2x + 1} е полином от вида
f (x) = λx2 + µ(2x + 1) = λx2 + 2µx + µ.

Ще покажем, че R2[x] има елементи, които не могат да се пред-
ставят като линейна комбинация на {x2, 2x + 1}. Такъв елемент
е например полиномът g(x) = x + 1 ∈ R2[x]. Не съществуват
λ, µ ∈ R такива, че g(x) = f (x) от горното равенство.
Проверете дали f (x) = x2 + 5 принадлежи на векторното под-
пространство на R2[x], породено от системата от полиноми
{x2 − 1, 2x, 3}.
Ще проверим дали f (x) е линейна комбинация на {x2 −1, 2x, 3}.
Нека λ, µ, ν ∈ R. Тогава произволна линейна комбинация на
{x2 − 1, 2x, 3} има вида g(x) = λ(x2 − 1) + 2µx + 3ν = λx2 +
2µx + (3ν − λ). Приравняваме полиномите f (x) и g(x)
x2 + 5 = λx2 + 2µx + (3ν − λ),

като търсим стойностите на λ, µ, ν, за които е изпълнено горното
равенство.
Като сравним коефициентите пред еднаквите степени на x, по-
лучаваме системата
λ=1
µ=0
3ν − λ = 5.
Решението на горната система е λ = 1, µ = 0, ν = 2. Следовател-
но f (x) принадлежи на подпространството на R2[x], породено от
{x2 − 1, 2x, 3}.
За разглежданата система {x2 − 1, 2x, 3} може да се докаже, че
е пораждаща за R2[x].
Пример 3.8. Пораждаща система на векторното пространство,

състоящо се от всички свободни вектори, колинеарни с дадена
права, е всеки ненулев вектор от това пространство.
Определение 3.4. Векторно пространство V се нарича крайно-
мерно, ако притежава пораждаща система от краен брой вектори.
В противен случай то се нарича безкрайномерно.
За всяко подпространство на крайномерно векторно простран-
ство може да се намери крайна пораждаща система.
Пример 3.9. Векторното подпространство

a 0
M= | a, b ∈ R
0 b
на M2×2(R) се поражда от матриците

1 0 0 0
A= , B= ,
0 0 0 1
тъй като произволен елемент X на M може да се представи като
следната линейна комбинация на A и B:

a 0 1 0 0 0
X= =a +b = aA + bB.
0 b 0 0 0 1
Следователно това векторно пространство е крайномерно.
Геометричното векторно пространство също е крайномерно. Тъй
като всеки четири свободни вектора са линейно зависими, то нап-
ример всеки три линейно независими (некомпланарни) свободни
вектора могат да бъдат пораждаща система да това пространст-
во.
Пример на реално безкрайномерно векторно пространство е нап-
ример C[a, b].
4. База и размерност на векторно пространство
Определение 3.5. Всяка наредена система от вектори, която е

линейно независима и пораждаща за ненулево векторно простран-
ство, си нарича база (базис) на това пространство. Векторите,
които образуват база, се наричат базисни.
Векторното пространство V = {o} не притежава база, тъй като
всички негови вектори, а именно векторът o, са линейно зависи-
ми.
Пример 3.10. Да разгледаме отново векторното пространство

a 0
M= | a, b ∈ R,
0 b
за което вече установихме, че системата от матриците A и B:

1 0 0 0
A= , B=
0 0 0 1
е пораждаща. Нека λ, µ ∈ R. Тогава

1 0 0 0 0 0
λA + µB = λ +µ =
0 0 0 1 0 0
е изпълнено, точно когато λ = µ = 0. Следователно векторите A
и B са линейно независими. Така доказахме, че системата {A, B}
е база на M.
Теорема 3.7. Всяко ненулево крайномерно векторно пространс-
тво притежава база.
Доказателство. Нека V 6= {o} е крайномерно векторно прос-
транство. Следователно V притежава пораждаща система, със-
тояща се от краен брой вектори. Нека {a1, a2, ..., ak } е такава
система. Тогава всеки вектор x ∈ V има представяне
x = λ1a1 + λ2a2 + ... + λk ak . (3.1)

Освен това поне един от векторите на пораждащата система е
ненулев. След евентуално преномериране можем да считаме, че
a1 6= o. Тогава системата L1 = {a1} e линейно независима. Ако
тя е и пораждаща, то L1 е база на V и твърдението е доказано.
Нека L1 не е пораждаща. Тогава съществува вектор
a ∈ {a2, a3, ..., ak }, за който системата L2 = {a1, a} е линейно
независима. Това е вярно, защото в противен случай всеки вектор
от {a2, a3, ..., ak } би се изразявал линейно чрез a1 (a2 = µ2a1,...,
ak = µk a1) и тогава за произволен x ∈ V от (3.1) ще следва
x = λ1a1 + (λ2µ2)a1 + ... + (λk µk )a1 = (λ1 + λ2µ2 + ... + λk µk )a1.
Тогава системата L1 ще бъде пораждаща, което е противоречие.
След евентуално преномериране в системата {a2, a3, ..., ak } мо-
жем да считаме, че a = a2. Ако линейно независимата система
L2 е и пораждаща, то твърдението е доказано.
Нека L2 не е пораждаща. Повтаряйки горните разсъждения, ус-
тановяваме съществуването на вектор b ∈ {a3, a4, ..., ak }, за кой-
то системата L3 = {a1, a2, a3} е линейно независима. Ако тя е и
пораждаща, твърдението е доказано. В противен случай горният
процес продължава по същия начин до получаването на линейно
независима система Lp, 1 ≤ p ≤ k, която е пораждаща. Тъй като
първоначалната пораждаща система {a1, a2, ..., ak } е крайна, то
описаният процес също е краен – евентуално може да приключи
за Lk = {a1, a2, ..., ak }. Следователно получената система Lk е
база на V .
Следствие 3.2. От всяка пораждаща система от вектори на
ненулево крайномерно векторно пространство може да се изв-
лече база на това пространство.
Теорема 3.8. Всяка линейно независима система от вектори

на крайномерно векторно пространство може да се допълни до
база на пространството.
Теорема 3.9. Всички бази на крайномерно векторно пространс-

тво се състоят от равен брой вектори.
Определение 3.6. Размерност на ненулево крайномерно век-

торно пространство се нарича броят на векторите в произволна
негова база. За размерност на нулевото пространство {o} се при-
ема числото 0.
Ако векторното пространство V има размерност n, записваме
dimV = n.
Теорема 3.10. За n-мерно векторно пространство са в сила
следните твърдения:
1) всяка линейно независима система има най-много n вектора;
2) всяка пораждаща пространството система има най-малко n

вектора;
3) всяка линейно независима система от n вектора е база;
4) всяка пораждаща пространството система от n вектора е
база;
5) всяка система от n + 1 вектора е линейно зависима.
Пример 3.11. Нека определим размерността на векторните прос-
транства, разгледани в Тема.1, като посочим по една база на всяко
от тях.
Една база на Rn се състои от наредените n-торки:
a1 = (1, 0, 0, ..., 0), a2 = (0, 1, 0..., 0), a3 = (0, 0, 1, .., 0), ...,
an = (0, 0, 0, ..., 1).
Следователно dimRn = n. В частност, dimR = 1, dimC = 2.
Размерността на геометричното векторно пространство е три,

тъй като това е максималният брой линейно независими вектори
в това пространство.
Размерността на векторното пространство от всички свободни
вектори, колинеарни с дадена права, е равна на 1.
Размерността на векторното пространство от всички свободни
вектори, компланарни с дадена равнина, е равна на 2.
Една база на Rn[x] се състои от полиномите 1, x, x2, ..., xn.
Тогава dimRn[x] = n + 1.
Една база на Mm×n(R) се състои от матриците:
   
1 0 ... 0 0 1 ... 0
 0 0 ... 0   0 0 ... 0 
E1 =   , E2 = 
 ... ... ... ... 
 , ...,
 ... ... ... ... 
0 0 0 0 0 0 0 0
  (3.2)
0 0 ... 0
 0 0 ... 0 
Emn =  .
 ... ... ... ... 
0 0 0 1
Следователно dimMm×n(R) = mn.

Посочените в този пример бази се наричат естествени (канонич-
ни).
Нека V е n-мерно векторно пространство над K с база
e = {e1, e2, ..., en}. Тогава, съгласно Теорема 3.2, за произволен
вектор x ∈ V системата {x, e1, e2, ..., en} е линейно зависима.
Следователно представянето (разлагането) на x относно базис-
ните вектори
x = x1e1 + x2e2 + ... + xnen (3.3)
е еднозначно, x1, x2, ..., xn ∈ K.
Определение 3.7. Числата от наредената n-торка (x1, x2, ..., xn),

определена от (3.3), се наричат координати на вектора x относно
базата e = {e1, e2, ..., en}.
Често вместо равенството (3.3) записваме x(x1, x2, ..., xn).
Нека y(y1, y2, ..., yn) относно базата e, т. е.
y = y1e1 + y2e2 + ... + ynen.
Тогава
x + y = (x1 + y1)e1 + (x2 + y2)e2 + ... + (xn + yn)en,
λx = (λx1)e1 + (λx2)e2 + ... + (λxn)en,
което показва, че (x + y) (x1 + y1, x2 + y2, ..., xn + yn) и
λx(λx1, λx2, ..., λxn).
Координатите на полинома f (x) = a0 + a1x + a2x2 + ... +

anxn относно базата {1, x, x2, ..., xn} на Rn[x] са коефициенти-
те ai пред съответните степени на x. Тогава можем да запишем
f (x)(a0, a1, a2, ..., an).
Координатите на всяка матрица A = (aij ) ∈ Mm×n(R) относно

каноничната база на Mm×n(R), определена от (3.2), са съответ-
ните елементи aij на тази матрица.
Пример 3.12. Докажете, че първите четири от полиномите на
Ермит: h0(x) = 1, h1(x) = 2x, h2(x) = 4x2 − 2, h3(x) = 8x3 − 12x
образуват база на R3[x] и намерете координатите на p(x) = 12x3−
8x2 − 12x − 7 относно тази база.
f
Тема 4.
Координатни системи
1. Афинно пространство
Нека V е векторно пространство над числовото поле K.
Определение 4.1. Непразно множество A се нарича афинно

(точково) пространство, свързано с V , ако съществува изобра-
жение, съпоставящо на всяка наредена двойка (M, N ) от елемен-
−−→
ти на A еднозначно вектор от V (който означаваме с M N ) по
такъв начин, че да са в сила следните свойства (аксиоми):
−−→ −−→ −−→
1) ако M, N, P ∈ A, то M N + N P = M P (релация на Шал);
2) ако M ∈ A, a ∈ V , то съществува точно един елемент N ∈ A,
−−→
за който M N = a.
Елементите на A се наричат точки. Размерността на V се на-
рича размерност на A, означаваме dimA.
−−→
Ако положим в 1) M = N = P , получаваме M M = o. Сега,
−−→ −−→ −−→ −→
ако положим в 1) M = P , имаме M N = −N M . Ако M N = P Q,
−−→ −−→
от 1) следва M P = N Q за произволни точки M, N, P, Q.
Пример 4.1. Геометричното векторно пространство е пример на

реално тримерно афинно пространство.
Пример 4.2. Полагаме A = V и на произволни елементи
−−→
M = m, N = n от A съпоставяме вектора M N = n − m от V .
Следователно по този начин всяко векторно пространство може
да се разглежда като афинно.
В частност нека разгледаме Rn. Ако A(a1, a2, ..., an), B(b1, b2, ..., bn)
n −→
са точки от афинното пространство R , то векторът AB от век-
торното пространство Rn се определя от формулата
−→
AB = (b1 − a1, b2 − a2, ..., bn − an).
Обратно, всяко афинно пространство може да бъде превърна-
то във векторно по следния начин. Нека фиксираме точка O от
афинното пространство A. Ако M е произволна точка, то век-
−−→
торът OM се нарича радиус-вектор на т. M относно т. O. В A
дефинираме линейни действия с точки, като ги отъждествяваме
със съответните им радиус-вектори:
−−→ −−→ −→
M + N = P , ако OM + ON = OP ;
−−→ −−→
λM = N , ако λOM = ON
за произволни M, N, P ∈ A, λ ∈ R.
По този начин A се превръща във векторно пространство, чийто
нулев вектор е фиксираната точка O.
2. Координатни системи
Определение 4.2. Координатна система на n-мерно афин-

но пространство A, свързано с векторно пространство V , се на-
рича всяка съвкупност, състояща се от точка O ∈ A и база
{e1, e2, ..., en} ∈ V . Означаваме Oe1, e2, ..., en. Точката O се на-
рича начало, а векторите e1, e2, ..., en – координатни вектори на
координатната система Oe1, e2, ..., en.
−−→
За всяка точка M ∈ A векторът OM се нарича радиус-вектор
на т. M .
Определение 4.3. Координатите на т. M ∈ A относно ко-
ординатната система Oe1, e2, ..., en се наричат координатите на
−−→
радиус-вектора OM относно базата {e1, e2, ..., en}, т. е. числата
от наредената n-торка (x1, x2, ..., xn), определена от равенството
−−→
OM = x1e1 + x2e2 + ... + xnen.
Записваме M (x1, x2, ..., xn).
Теорема 4.1. Ако относно една координатна система са дадени

−−→
точките M (x1, x2, ..., xn) и N (y1, y2, ..., yn), то M N (y1−x1, y2−
x2, ..., yn − xn).
Доказателство. Имаме
−−→ −−→
OM = x1e1 + x2e2 + ... + xnen, ON = y1e1 + y2e2 + ... + ynen.
Тогава
−−→ −−→ −−→ −−→ −−→

M N = M O + ON = ON − OM = (y1 − x1, y2 − x2, ..., yn − xn).
Както се отнасят векторите, така се отнасят и съответните им
координати. Ако a(a1, a2, ..., an), b(b1, b2, ..., bn) относно дадена
база на V , то са в сила равенствата:
a + b(a1 + b1, a2 + b2, ..., an + bn),

λa(λa1, λa2, ..., λan).
Пример 4.3. Ако n = 1, т. е. A е права, координатната система
O~e1 се състои от точка O и ненулев вектор ~e1. Ако M ∈ A,
−−→
равенството OM = x~e1 определя единствената координата x на
M относно тази система. За тази точка записваме M (x). Правата,
определена от O и ~e1 (която съвпада с A в този случай), са нарича
ос (абсцисна ос). Можем да означим системата O~e1 с Ox.
Фиг. 4.1
Точка O има координати O(0), тъй като нейният радиус-вектор

−→
е OO = ~o = 0~e1. Очевидно ~e1 = 1~e1 и следователно ~e1(1). Ако
−−→ −−→
~e1 = OA1, то OA1 е радиус-вектор на A1 и следователно A1(1).
Пример 4.4. Нека n = 2, т. е. A е равнина. Координатната сис-
тема O~e1~e2 се състои от точка O и неколинеарни вектори ~e1 и
−−→
~e2. Ако M ∈ A, равенството OM = x~e1 + y~e2 определя коорди-
натите (x, y) на M относно тази система. Казваме, че x и y са
съответно абсциса и ордината на M . Правите, определени от O
и векторите ~e1 и ~e2 се наричат съответно абсцисна и ординатна
ос и се означават с O~e1 = Ox и O~e2 = Oy. O~e1~e2 се означава още
с Oxy.
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
Аналогично на предишните два примера имаме: O(0, 0, 0), ~e1(1, 0, 0),

e~2(0, 1, 0) и ~e3(0, 0, 1).
Пример 4.6. Даден е успоредник ABCD с пресечна точка на
диагоналите AC ∩ BD = P . Въведете координатна система с
център точката A и намерете координатите на P относно тази
система.
Фиг. 4.4
Координатната система ще се състои от т. A(0, 0) и два линейно

−→ −−→
независими вектора с начало т. A. Такива са например AB и AD.
−→ −−→
Затова можем да положим ~e1 = AB и e~2 = AD. Координатите на
точките B и D съвпадат с тези на съответните им радиус-вектори.
−→
Следователно, B(1, 0), D(0, 1). Известно е, че диагоналът AC =
−→ −−→
AB+ AD = ~e1 +~e2 = (1, 0)+(0, 1) = (1, 1), т. е. C(1, 1). Знаем още,
−→ 1 −→
че P е среда на AC, откъдето получаваме AP = 2 AC. Същата
зависимост е изпълнена и за съответните
координати на двете
точки. Така получаваме P 12 , 12 .
Друг избор на координатна система с начало т. A може да бъде,
0 −→ 0 −→
например, с координатни вектори ~e1 = AB, ~e2 = AC. Относно та-
−→ 1 −→
зи система B(1, 0), а C(0, 1). Тогава от AP = 2 AC следва P (0, 12 ).
Ако координатните оси са взаимно перпендикулярни, коорди-
натната система се нарича ортогонална.
Ако координатните вектори са единични, координатната систе-
ма се нарича нормирана.
Ако координатните оси са взаимно перпендикулярни и коорди-
натните вектори са единични, координатната система се нарича
ортонормирана.
3. Просто отношение на три точки
Нека A, B, P са три различни точки, които лежат върху една

права. Тогава съществува число λ 6= 0 така, че
−→ −−→
AP = λBP . (4.1)
Определение 4.4. Числото λ, определено от равенството (4.1),

се нарича просто отношение на точките A, B и P , взети в този
ред и се означава с λ = (ABP ).
Следователно
−→
|AP |
|λ| = −−→ .
|BP |
За произволна точка O от (4.1) получаваме
−→ − → −−→
OP = OA−λ
1−λ
OB . (4.2)
Ако A(a), B(b), M (x) относно K = O~e1, то от (4.2) следва
a − λb
x= .
1−λ
Изпълнено е λ < 0, точно когато P принадлежи на отсечката
AB и λ > 0, точно когато P лежи вън от отсечката AB.
−→ −−→
В частност, ако P е среда на отсечката AB, то от AP = −BP
следва, че (ABP ) = −1.
Теорема 4.2. (Менелай) Нека ABC е произволен триъгълник
и точките A1, B1 и C1 са съответно от правите BC, CA и AB.
Тогава A1, B1 и C1 лежат върху една права, точно когато
(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
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||~b| cos ϕ = |~a||~b| cos ^(~a, ~b). (5.1)
Числото ~a~b се нарича скаларно произведение на свободните

вектори ~a и ~b.
Числото ~a 2 = ~a~a се нарича скаларен квадрат на свободния
вектор ~a. Тъй като ^(~a, ~a) = 0, то съгласно (5.1) получаваме
~a 2 = |~a|2, откъдето следва формулата за дължина на свободен
вектор
√
|~a| = ~a 2. (5.2)
−−→0
Векторът OB (Фиг.5.1) се нарича ортогонална проекция на
−−→ −→ −−→0
OB = ~b върху OA = ~a. Означаваме OB = proj~a~b От право-
ъгълния триъгълник OBB 0 следва
−−→0
|OB 0| |OB | |proj~a~b|
cos ϕ = = = .
|OB| |~b| |~b|
След заместване на cos ϕ от горното равенство в (5.1) получаваме
още едно представяне на скаларното произведение ~a~b:
~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.
От 4) следва, че ~a 2 = 0, точно когато ~a = ~o.

Като използваме Теорема 5.1, лесно се установява, че за произ-
волни свободни вектори ~a и ~b е в сила:
(~a ± ~b)2 = ~a 2 ± 2~a~b + ~b 2. (5.3)
Наистина, (~a ± ~b)2 = (~a ± ~b)(~a ± ~b), което съгласно свойство 2)

е равно на ~a(~a ± ~b) ± ~b(~a ± ~b). След като още един път приложим
същото свойство, имаме (~a ± ~b)2 = ~a 2 ± ~a~b ± ~b~a + ~b 2, откъдето
поради 1) получаваме търсения резултат.
Пример 5.1. Нека е даден 4ABC, |BC| = a, |CA| = b,
|AB| = c, за който т. M е среда на AB. Изразете дължината на
медианата CM чрез дължините на страните на триъгълника.
Фиг. 5.2
Първо ще изведем една помощна формула за скаларното про-

изведение на два вектора с общо начало. Например за векторите
−→ −→
AB и AC. Съгласно (5.3) пресмятаме
−−→2 −→ −→ 2 −→2 −→−→ −→2
BC = (AC − AB) = AB − 2AB AC + AC .
От последното равенство изразяваме скаларното произведение
−→−→
AB AC и така получаваме
−→−→ 1 −→2 −→2 −−→2
AB AC = 2 AB + AC − BC . (5.4)
Известно е, че ако M е среда на отсечката AB, то

−−→ 1 −→ −−→
CM = CA + CB .
2
Повдигаме двете страни на горното равенство на квадрат и полу-
чаваме
−−→2 1 −→ −−→2 1 −→2 −→−−→ −−→2
CM = 4 CA + CB = 4 CA + 2CACB + CB . (5.5)
−→−−→ −→−−→
За пресмятането на CACB използваме (5.4). Имаме CACB =
1 (−→2 −−→2 −→2
2 CA + CB − AB ). Тогава, след заместване на получения ре-
зултат в (5.5) и групиране на събираемите, достигаме до равенс-
твото
−−→2 1 −→2 −−→2 −→2 1 2 2 2

CM = 4 2CA + 2CB − AB = 4 2a + 2b − c . (5.6)
За получаване на горното равенство използвахме и че

−−→2 −−→ 2 −→2 −→ 2 −→2 −→ 2
BC = |BC| = a , AC = |AC| = b , AB = |AB| = c2.
2 2
Окончателно, съгласно (5.2) и (5.6), пресмятаме

q
−−→ −−→2 1 p 2
|CM | = |CM | = CM = 2a + 2b2 − c2.
2
2. Евклидово пространство
Скаларното произведение на свободни вектори може да бъде

обобщено за векторите на произволно векторно пространство.
Определение 5.2. Реално векторно пространство V се нарича

реално евклидово пространство, ако е зададено действие
(наречено скаларно умножение), по силата на което на всеки два
вектора a и b от V се съпоставя реално число ab така, че за про-
изволни a, b, c ∈ V , λ ∈ R са изпълнени свойствата (аксиомите):
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.
Едно афинно пространство се нарича евклидово, ако свързаното

му векторно пространство е евклидово. Геометричното афинно
пространство е реално евклидово пространство.
Нека V е произволно крайномерно векторно пространство. Ако
V = {o}, произведението oo = 0 е скаларно. Ако V 6= {o} и
спрямо произволна база са дадени векторите a(a1, a2, ..., an) и
b(b1, b2, ..., bn), то за числото
ab = a1b1 + a2b2 + ... + anbn

лесно се проверява, че е скаларно произведение. Така въведеното
скаларно умножение се нарича естествено. Скаларният квадрат
на вектора a е равен на
a2 = a21 + a22 + ... + a2n.

Пример 5.2. Намерете скаларното произведение на векторите
~a(1, −1, 4) и ~b(5, 3, −1) в R3.
За векторите ~a и ~b пресмятаме
~a~b = 1.5 + (−1).3 + 4.(−1) = −2.
Теорема 5.2. Всяко крайномерно векторно пространство може

да се превърне в евклидово.
3. Дължина на вектор. Ъгъл между два вектора
Теорема 5.3. (Неравенство на Коши–Буняковски–Шварц) За все-

ки два вектора a и b в реално евклидово векторно пространство
е в сила неравенството
(ab)2 ≤ a2b2. (5.7)
Равенството се достига, точно когато a и b са линейно зави-
сими.
Определение 5.3. Дължина на вектор в реално евклидово
векторно пространство се нарича аритметичния квадратен корен
от неговия скаларен квадрат. Дължината на вектора a означава-
ме с |a|, т. е. p
|a| = a2.
Тогава (5.7) е еквивалентно на
|ab| ≤ |a||b|. (5.8)
a има дължина
Ако a 6= o е произволен вектор, то векторът |a|
a от a се нарича нормиране на a.
единица. Получаването на |a|
Теорема 5.4. Дължината на вектор притежава свойствата:

|a| ≥ 0, като равенство се достига, точно когато a = o;
|λa| = |λ||a|;
||a| − |b|| ≤ |a + b| ≤ |a| + |b|.
В евклидово афинно пространство разстояние между две точ-
ки M1 и M2 (или дължина на отсечката M1M2) се нарича дъл-
−−−−→
жина на вектора M1M2.
−−−−→ −−−−→2
q
Тогава M1M2 = |M1M2| = M1M2 .
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
Определение 5.5. Два вектора се наричат ортогонални, ако

скаларното им произведение е равно на нула. Ако a и b са орто-
гонални, означаваме с a ⊥ b.
Тъй като oa = 0 (поради oa = (0a)a = 0(aa) = 0a2 = 0), следва,
че нулевият вектор е ортогонален на всеки друг вектор.
Определение 5.6. Една база на евклидово векторно пространс-

тво се нарича ортогонална, нормирана или ортонормирана, ако
базисните вектори са съответно ортогонални помежду си, единич-
ни или едновременно ортогонални помежду си и единични.
Теорема 5.5. Всяка ненулева ортогонална система от вектори

е линейно независима.
Пример 5.3. Нека V е реално n-мерно векторно пространство
и {e1, e2, ..., en} е ортонормирана база на V . Тогава eiej = 0 за
i 6= j и e2i = eiei = 1, i, j = 1, 2, ..., n. Нека a(a1, a2, ..., an),
b(b1, b2, ..., bn) относно базата {e1, e2, ..., en}. Тогава
ab = (a1e1 + a2e2 + ... + anen)(b1e1 + b2e2 + ... + bnen)

= a1b1 + a2b2 + ... + anbn.
Пример 5.4. Превръщаме R3 в реално тримерно евклидово прос-
транство, като въвеждаме т. нар. естествено скаларно умноже-
ние по следното правило: ако са дадени векторите a(a1, a2, a3),
b(b1, b2, b3) относно произволна база на R3, то
ab = a1b1 + a2b2 + a3b3.
Тогава естествената база на R3, която се състои от трите линей-
но независими вектора e1(1, 0, 0), e2(0, 1, 0), e3(0, 0, 1), е ортонор-
мирана относно така въведеното скаларно умножение, тъй като:
e1e2 = e1e3 = e2e3 = 0, e21 = e22 = e23 = 1.
Намерете косинуса на ъгъла между векторите a(1, 1, 0) и b(2, −1, 2).

Пресмятаме:
ab = 1.2 + 1.(−1) + 0.2 = 1,
√
a2 = 12 + 12 + 02 = 2, |a| = 2,
2 2 2 2
√
b = 2 + (−1) + 2 = 9, |b| = 9 = 3.
Следователно, съгласно (5.9), получаваме
ab 1
cos ^(a, b) = = √ .
|a||b| 3 2
Пример 5.5. Намерете λ, µ ∈ R така, че векторите a1(λ, 1, 1),
a2(1, λ + µ, −1), a3(1, −2, −µ) да са ортогонални помежду си.
Нормирайте така получената ортогонална система от вектори.
Имаме следните условия:
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:
a1(1, 1, 1), a2(1, 0, −1), a3(1, −2, 1).

√ √ √
Пресмятаме |a1| = 3, |a2| = 2, |a3| = 6. Нека означим
единичните вектори по направлението на a1, a2, a3 с a0i, i = 1, 2, 3.
Тогава

a01 = |aa1| = √1 , √1 , √1 ,
1 3 3 3

a
a02 = |a2| = √1 , 0, − √1 ,
2 2 2

a03 = |aa3| = √1 , − √2 , √1 .
3 6 6 6
Методът на Грам–Шмид ни дава възможност да полу-
чим ортогонална система от всяка линейно независима система
вектори в евклидово пространство.
Нека a1, a2, ..., ak е линейно независима система. Векторите от

ортогоналната система, която ще получим, означаваме с v1, v2, ..., vk .
1. Нека положим v1 = a1. Изпълнено е v1 6= o, тъй като a1 при-
надлежи на линейно независима система.
2. След това нека v2 = a2 + λv1. Коефициентът λ определяме
от условието векторите v1 и v2 да са ортогонални, т. е. v1v2 = 0.
Така получаваме v1v2 = a1v2 = a1a2 + λa21 = 0. Тъй като a21 6= 0,
то
a2v1
λ=− 2 .
v1
3. Полагаме v3 = a3 +µv1 +νv2. Коефициентите µ и ν определяме
съответно от условията v1 ⊥ v3 и v2 ⊥ v3, т. е. v1v3 = v2v3 = 0.
Пресмятаме
v1v3 = a3v1 + µv12,

v2v3 = a3v2 + νv22.
a3 v 1 a3v2
µ=− 2 , ν=− 2 .
v1 v2
Продължавайки по този начин, получаваме ненулева ортого-
нална система от вектори v1, v2, ..., vk , където
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
Теорема 5.6. Всяко евклидово векторно пространство прите-

жава ортогонални, а следователно и ортонормирани бази.
Пример 5.6. Ортогонализирайте чрез метода на Грам-Шмид
системата от вектори a1(0, 1, 1), a2(1, −1, −1), a3(1, 2, 1).
Полагаме e1 = a1. Търсим вектор e2, ортогонален на e1 от вида
2 e1a2
e2 = λe1 +a2 =⇒ λe1 +e1a2 = 0 =⇒ λ=− 2 .
e1
Пресмятаме e21 = 2 и e1a2 = −2. Тогава
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.
Доколко даден файл i отговаря на критериите на търсенето q

определяме като пресмятаме величините δi, дефинирани чрез
qdi
δi = cos θi = .
|q||di|
За избрано ниво на толерантност τ търсенето връща онези фай-
лове, за които δi > τ .
Пример 5.7. Нека разгледаме група от седем документа и осем
понятия (примерът се базира на пример, даден от Michael W.
Berryр, Murray Browne, Understanding Search Engines: Mathematical
Modeling and Text Retrieval, SIAM, Philadelphia, 2nd ed., 2005). Ще
предполагаме, че само заглавията на документите, а не цялото им
съдържание, са обработени за понятията и се включват в търсе-
нето.
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
D1: Наличието на вода - признак за живот на планета около

далечна звезда.
D2: Черните дупки - последен етап от еволюцията на масивни
звезди.
D3: Раждането на Млечния път и танцът на звездите в галак-
тиката.
D4: Има ли вода и живот на планетата Марс?
D5: Има ли други планети с разумен живот в Млечния път?
D6: Как да засечем молекулите на живота на далечни планети?
D7: Еволюцията на живота на Земята. Всичко е започнало от
водата?
Съставяме матрицата на включените в търсеното файлове с от-
белязаните понятия в тях
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].
δi = cos θi = cos ^(q, di).
Ето резултатът от прилагането на горната формула:
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
δ ≈ (0, 354; 0; 0, 408; 0, 354; 0, 817; 0, 5; 0, 408).
Тогава файлът с номер 5 в най-голяма степен отговаря

на запитването.
Ето как графично в 2D можем да си представим ситуацията без
да отчитаме дължините на векторите и факта, че са 8-мерни.
Векторът, сключващ най-малък ъгъл (ъгъл с най-голям косинус)

с вектора на търсенето, отговора на файла, който е най-близък
по съдържание до него (файл 5). Векторът, сключващ най-голям
ъгъл с вектора на търсенето (с най-малък косинус), е възможно
най-далеч по съдържание от вектора на търсенето (файл 2).
f
Тема 6.
Детерминанти. Свойства и пресмятане
1. Детерминанти от втори и трети ред
Определение 6.1. Нека A e квадратна матрица от втори ред,

т. е.
 
a11 a12
A= .
a21 a22
Тогава числото a11a22 − a12a21 се нарича детерминанта на

матрицата A (детерминанта от втори ред ) и се озна-
чава с някой от символите det A или
a11 a12
.
a21 a22
Записваме
a11 a12
det A = = a11a22 − a12a21.
a21 a22
Пример 6.1. Пресметнете следните детерминанти от втори ред:
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
a11 a12 a13

det A = a21 a22 a23
a31 a32 a33
= a11a22a33 + a12a23a31 + a13a21a32

−a13a22a31 − a12a21a33 − a11a23a32
се нарича детерминанта на матрицата A (детерми-
нанта от трети ред ).
Пресмятане на детерминанти от трети ред (правила):
• Правило на Сарус
• Правило на триъгълниците
Пример 6.2. Пресметнете следните детерминанти от трети ред:
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
Определение 6.5. Детерминанта на квадратна матри-

ца от n-ти ред
A = (aij ) се нарича алгебричната сума
(−1)[j1,j2,...,jn]a1j1 a2j2 ...anjn ,

X
(j1,j2,...,jn)
разпростряна върху всевъзможните пермутации (j1, j2, ..., jn) на

числата 1, 2, ..., n и означаваме
a11 a12 ... a1n
a21 a22 ... a2n
det A =
... ... ... ...
an1 an2 ... ann
(−1)[j1,j2,...,jn]a1j1 a2j2 ...anjn .

X
=
(j1,j2,...,jn)
Детерминантата от n-ти ред е алгебрична сума на от n! съ-

бираеми. Тази сума се нарича развитие на детерминантата, а
събираемите ѝ – членове в развитието.
4. Свойства на детерминантите
Определение 6.6. Транспониране на матрица (детерминанта)

се нарича действие, при което редовете и стълбовете си разменят
местата, запазвайки своя номер. В резултат на транспонирането
на матрицата A се получава нова матрица AT , наречена транс-
понирана матрица на A.
Пример 6.3. Нека
 
1 2 3 4 1 2 3
A = 5 6 7 8 , det B = 4 5 6 .
 
9 10 11 12 7 8 9
Тогава
 
1 5 9
2 1 4 7
6 10 
AT =  , (det B)T = 2 5 8 .
 
3 7 11 
3 6 9
4 8 12
Теорема 6.1. det AT = det A.

Следователно редовете и стълбовете на една детерминанта са
равноправни. Всяко действие, което е доказано за редовете, е в
сила и за стълбовете.
Теорема 6.2. Ако в една детерминанта се разменят местата
на два реда (стълба), се получава детерминанта с противопо-
ложна стойност.
Следствие 6.1. Детерминанта с два равни реда(стълба) е равна

на нула.
Теорема 6.3. Ако всички елементи от даден ред (стълб) на една

детерминанта се умножат с някакво число, то цялата детер-
минанта се умножава с това число.
Пример 6.4.
5 10 20 1 2 4
6 18 54 = 5.6.7 1 3 9 =
7 28 112 1 4 16
= 210(48 + 16 + 18 − 12 − 36 − 32) = 210.2 = 420.
Следствие 6.2. Детерминанта, съдържаща нулев ред или нулев
стълб (ред или стълб само от нули), е равна на нула.
Следствие 6.3. Детерминанта с два пропорционални реда (стъл-

ба) е равна на нула.
Теорема 6.4. Ако всеки елемент в i-тия ред (стълб) на една

детерминанта се представя като сума aij = a0ij +a00ij за всяко j,
то детерминантата е равна на сумата от две детерминанти,
в които всички редове (стълбове), освен i-тия, са непроменени,
а в i-тия ред (стълб) на първата детерминанта са елементите
a0ij , а във втората a00ij .
Пример 6.5. Например детерминантата det A може да се предс-
тави като следната сума
3 5 7 2+1 1+4 3+4

det A = 1 0 0 = 1 0 0 =
0 1 1 0 1 1
2 1 3 1 4 4
= 1 0 0 + 1 0 0 .
0 1 1 0 1 1
Следствие 6.4. Стойността на детерминантата не се проме-

ня, ако към един ред (стълб) прибавим друг, умножен с произ-
волно число.
Следствие 6.5. Ако редовете (стълбовете) на една детерми-

нанта са линейно зависими, детерминантата е равна на нула.
Обратното твърдение на Следствие 6.5 също е вярно (ще бъде
доказано по-късно), но въпреки това тук ще използваме и двете
му посоки (като необходимо и достатъчно условие).
Пример 6.6. Детерминанта det A е равна на нула, тъй като вто-

рият ѝ ред е получен от първия чрез умножаване с 3. Втората
детерминанта е нула, тъй като третият ѝ стълб е сума на първия
и втория.
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
Определение 6.7. Адюнгиран минор на елемента aij от детер-

минантата от n-ти ред
a11 a12 ... a1j ... a1n

a21 a22 ... a2j ... a2n
... ... ... ... ... ...
det(aij ) =
ai1 ai2 ... aij ... ain
... ... ... ... ... ...
an1 an2 ... anj ... ann
се нарича детерминантата Mij от (n − 1)-ви ред, получена от
det(aij ) чрез премахване на i-тия ред и j-тия стълб.
Числото Aij = (−1)i+j Mij се нарича адюнгирано количество
на елемента aij в det(aij ).
Пример 6.8. Нека е дадена детерминантата
4 −1 7
1 0 5 .
8 −2 2
Тогава адюнгираните минори на елементите от дадената детер-
минанта са съответно:
0 5 1 5 1 0
M11 = , M12 = , M13 = ,
−2 2 8 2 8 −2
−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
Теорема 6.6. Сумата от произведенията на елементите от

произволен ред (стълб) на една детерминанта със съответните
адюнгирани количества на елементите от друг ред (стълб) на
същата детерминанта е равна на нула.
f
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:
1) AB 6= BA - умножението на матрици не е комутативно. В

общия случай, ако AB съществува, BA може изобщо да не де-
финирано.
2) (AB)C = A(BC) (асоциативен закон).
3) Съществува квадратна матрица E от n-ти ред, наречена еди-

нична матрица, такава че за всяка квадратна матрица A от n-ти
ред е изпълнено AE = EA = A. Матрицата E има вида
 
1 0 ... 0
0 1 ... 0
E= .
 
 ... ... ... ... 
0 0 ... 1
4) λ(AB) = (λA)B = A(λB).
5) A(B + C) = AB + AC, (A + B)C = AC + BC (ляв и десен

дистрибутивен закон).
6) det(AB) = det A det B (A, B са квадратни матрици от един и

същи ред).
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
Времето в понеделник е сухо, т. е. се описва от вектора

0
x0 = .
1
Вероятността какво ще бъде времето във всеки следващ ден
получаваме като умножаваме матрицата на прехода T с векто-
ра, описващ предходното състояние на системата (времето през
предишния ден).
Например, времето във вторник x1 ще получим като x1 = T x0,
в сряда x2 ще бъде x2 = T x1 = T (T x0) = T 2x0. На лице е
зависимостта
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
За индивидите от второ поколение x2 имаме

1
  1   3 
1 2 0 2 4
x 2 = T x1 =  0
 1   1   1
1 2  =  4 .

2
0 0 0 0 0
По този начин, умножавайки вектора на изходното състояние

със степен на матрицата на прехода, можем да получим вектора,
даващ информация за индивидите във всяко поколение
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.
Степените на T : T 2, T 3 и т. н. ни дават възможност да оп-

ределим с колко последователни полета (с други думи, с колко
прекачвания) можем да стигнем от един град до друг. Матрица-
та T 2 съдържа в себе си информация за броя на полетите с едно
прекачване, T 3 - с две прекачвания и т. н. Пресмятаме
   
1 1 1 2 1 2 3 2 2 5
1 1 2 1 1 2 2 2 3 5
   
T2 =  1 2 1 1 1, T3 =  3 2 2 2 5.
   
   
2 1 1 1 1 2 2 3 2 5
1 1 1 1 4 5 5 5 5 4
Така например от вида на T 2 се вижда, че от град A може да се

стигне до град D с два полета, т. е. с едно прекачване. Тъй като
матрицата T 2 няма нулеви елементи, два полета са достатъчни
за достигане на всеки град от произволен друг.
f
Тема 8.
Обратими матрици.
Методи за намиране на обратна матрица
Разглеждаме векторното пространство Mn(R) на квадратните
матрици от n-ти ред.
Определение 9.1. Квадратна матрица A от n-ти ред се нарича

обратима (неособена, неизродена), ако съществува матрицата
A−1 също от ред n такава, че
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).
Теорема 9.1. Една квадратна матрица A е обратима, точно

когато det A 6= 0.
Теорема 9.2. Едно линейно преобразувание f : V n → W n е об-

ратимо, точно когато е в сила едно от следните еквивалентни
условия:
1) f е изоморфизъм;
2) imf = W n;
3) ker f = {0};
4) rg(f ) = n;
5) def(f ) = 0;
6) матрицата на f в произволни бази е обратима.;
Метод на адюнгираните количества за намиране на
обратна матрица
Нека A = (aij ) е квадратна матрица от n-ти ред, за която

det A 6= 0. Образуваме матрицата (Aij ) от адюнгираните коли-
чества Aij на елементите aij . Тогава матрицата
 
A11 A21 An1
...
 det A det A det A 
 A12 A22 An2 
1 ...
A−1 = T
 det A det A det A 

(Aij ) = 
det A  ...

... ... ... 

 
A1n A2n Ann
det A det A ... det A
е обратната матрица на A. Този метод е удобен за намиране на

обратната матрица на A, ако A е квадратна матрица от втори,
трети, най-много четвърти ред.
Пример 9.1. Намерете обратната матрица на
!
2 1
A= .
4 3
Първо пресмятаме детерминантата на A, за да се убедим, че е
обратима
2 1
det A = = 6 − 4 = 2 6= 0.
4 3
Следователно съществува A−1. Пресмятаме адюнгираните коли-
чества на елементите на A:
A11 = (−1)1+1.3 = 3, A12 = (−1)1+2.4 = −4,

A21 = (−1)2+1.1 = −1, A22 = (−1)2+2.2 = 2.
Тогава за обратната матрица имаме

! !
1 3 −1 3 − 12
−1
A = = 2 .
2 −4 2 −2 1
Пример 9.2. Намерете обратната матрица на
 
−1 1 0
A =  1 −1 −3  .
1 0 1
Имаме det A = −3 6= 0. Пресмятаме адюнгираните количества
на елементите на матрицата.
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
При този метод започваме с матрицата (A|E), където E е еди-

ничната матрица от същия ред както A и чрез елементарни пре-
образувания само върху редовете на цялата матрица (A|E)
са стремим на мястото на A да получим E. Тогава на мястото на
E ще стои обратната матрица A−1 на A.
(A|E) ∼ ... ∼ (E|A−1).
Елементарните преобразувания върху редовете включ-

ват:
разместване на редове;
умножаване на ред с число, различно от нула;
умножаване на ред с число и прибавянето му към друг
ред.
Нека да намерим обратната матрица на A от Пример 9.2 чрез
метода на Гаус-Жордан.
Започваме с матрицата (A|E). Първото нещо, което ще напра-

вим е да да се уверим, че елементът в първи ред и първи
стълб на (A|E) е числото 1. Ако това не е изпълнено, чрез
подходяща комбинация от елементарни преобразувания преобра-
зуваме този елемент в 1.
В нашия пример можем да умножим целия първи ред на (A|E)
с (−1). Друг начин е да разместим редовете на (A|E) така, че
вторият или третият ред да застанат на мястото на първия.
   
−1 1 0 1 0 0 (-1) 1 −1 0 −1 0 0
(A|E) =  1 −1 −3 0 1 0  ∼  1 −1 −3 0 1 0
1 0 1 0 0 1 1 0 1 0 0 1
Следващата ни задача е на анулираме всички елементи под
главния диагонал на A, а по главния диагонал да получим
само единици. Работим първо с първия ред на (A|E), за да
направим нули всички елементи в първия стълб, намиращи се
под главния диагонал. След това преминаваме към втория ред.
Осигуряваме си единица във втори ред и втори стълб (главния
диагонал) и анулираме всички елементи във втория стълб под
тази единица и т. н.
В нашия пример умножаваме целия първи ред на (A|E) с (−1)
и го прибавяме последователно към целия втори и трети ред на
(A|E).
Сега забелязваме, че елементът във втори ред и втори стълб не
е 1, а 0. Затова разместваме втория и третия ред на (A|E).
Елементът в трети ред и трети стълб също трябва да бъде еди-

ница. Затова умножаваме целия трети ред на (A|E) с (− 13 )
   
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
Сега всички елементи под главния диагонал на A са нули, а

по главния диагонал имаме само единици. За да превърнем A в
E, следва да анулираме всички елементи над главния ди-
агонал на A. За тази цел използваме последния ред, в нашия
пример това е третият ред. Първо анулираме всички елементи
над главния диагонал, които са разположени в последния стълб
на A, в нашия пример - единицата във втори ред и трети стълб.
Умножаваме третия ред с (−1) и го прибавяме към втория.
Сега преминаваме към следващия стълб на A в посока от дясно

на ляво и анулираме всички елементи над главния диагонал в
този стълб. В нашия пример това е вторият стълб. Над главния
диагонал в него има само един елемент, който не e нула. За да
го анулираме, използваме единицата под него, като прибавяме
втория ред към първия.
Сега в ляво получихме единичната матрица E. Тогава матри-
цата в дясно от вертикалната черта (|) е обратната матрица A−1.
f
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 (x + y) = f (x) + f (y), f (λx) = λf (x),

за всеки x, y ∈ V , λ ∈ R.
Двете условия за f да бъде линейно преобразувание могат да
бъдат обединени в едно - да запазва линейните комбинации, т. е.
f (λx + µy) = λf (x) + µf (y), x, y ∈ V, λ, µ ∈ R.
За произволно линейно преобразувание f е в сила:
f (o) = o, f (−x) = −f (x).
Ако линейното преобразувание f : V → W е взаимно еднознач-

но изображение, то се нарича изоморфизъм.
Определение 8.2. Множеството на векторите от W , които са
образи на вектори от V чрез f , се нарича област на стойностите
на f и се означава с imf , а множеството от векторите на V , които
чрез f се преобразуват в нулевия вектор на W , се нарича ядро на
f и се означава с ker f , т. е.
imf = {y ∈ W | ∃ x ∈ V, f (x) = y}, ker f = {x ∈ V | f (x) = o}.
Теорема 8.1. imf и ker f са векторни подпространства съот-

ветно на W и V .
Определение 8.3. Числата rg(f ) = dim(imf ) и def(f ) = dim(ker f )

се наричат съответно ранг и дефект на линейното преобразувание
f.
Теорема 8.2. Ако f : V → W е линейно преобразувание, то
rg(f ) + def(f ) = dim V .
Нека f : V → W е линейно преобразувание, v = {v1, v2, ..., vn}
е база на V , w = {w1, w2, ..., wm} е база на W . Тогава
f (v1), f (v2), ..., f (vn) са вектори от W и следователно се изразя-
ват линейно чрез базата {w1, w2, ..., wm} на W , т. е. са определени
числата aij така че
f (v1) = a11w1 + a21w2 + ... + am1wm,

f (v2) = a12w1 + a22w2 + ... + am2wm,
(8.1)
......................................................,
f (vn) = a1nw1 + a2nw2 + ... + amnwm.
Определение 8.4. Матрицата (aij ) от тип (m × n), определена

от (8.1), се нарича матрица на линейното преобразувание
f : V → W в базите v = {v1, v2, ..., vn} и w = {w1, w2, ..., wm} и
се означава с Mv,w (f ), т. е.
 
a11 a12 ... a1n
a a22 ... a2n 
 21
Mv,w (f ) =  .

 ... ... ... ... 
am1 am2 ... amn
Стълбовете на Mv,w (f ) са координатите на образите чрез f на

векторите v1, v2, ..., vn от V в базата w1, w2, ..., wm на W .
Равенството (8.1) се записва по следния начин в матричен вид
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.
Ако x(x1, x2, ..., xn) е произволен вектор от V относно базата v,

т. е.
x = x1v1 + x2v2 + ... + xnvn, то за образа му чрез линейното
преобразувание f : V → W имаме
f (x) = x1f (v1) + x2f (v2) + ... + xnf (vn),

т. е. за намирането на образа на произволен вектор от V е доста-
тъчно да са известни образите на базисните вектори на V . След
заместване на f (v1), ..., f (vn) от (8.1) в горното равенство, уста-
новяваме, че
f (x) = (a11x1 + a12x2 + ... + a1nxn)w1+
+ (a21x1 + a22x2 + ... + a2nxn)w2 + ...+
+ (am1x1 + am2x2 + ... + amnxn)wm.
  
a11 a12 ... a1n x1
a a22 ... a2n   x2 
 
 21
f (x) =   . .
 ... ... ... ...   . 
am1 am2 ... amn xn
Пример 8.1. Примери за линейни преобразувания:
Нулевото линейно преобразувание o : V → W , o(x) = o за вся-

ко x ∈ V . Относно произволни бази на V и W съответната му
матрица е нулевата матрица
 
0 0 ... 0
0 0 ... 0
Mv,w (o) = O =  .
 
 ... ... ... ... 
0 0 ... 0
Тъждественото преобразувание (идентитетът) id на векторно-
то пространство V е изображение, при което id(x) = x за всяко
x ∈ V . Тогава за базисните вектори {v1, ..., vn} на V е изпъл-
нено f (v1) = v1, ..., f (vn) = vn. Следователно матрицата на f в
произволна база на V е единичната матрица
 
1 0 ... 0
0 1 ... 0 
Mv (id) = E =  .
 
 ... ... ... ... 
0 0 ... 1
Пример 8.2. Във физиката, геологията и кристалографията се
използва т. нар. накланящо преобразувание. Относно естествената
база e = {e1(1, 0), e2(0, 1)} на R2 матрицата му се определя от
!
1 a
A = Me(f ) = , a 6= 0.
0 1
Образът на произволна точка (x, y) ∈ R2 чрез разглежданото

преобразувание се получава чрез
! ! !
1 a x x + ay
= .
0 1 y y
Тогава при y = 0 установяваме, че накланящото преобразувание
запазва точките от оста Ox:! ! !
1 a x x
= .
0 1 0 0
Нека разгледаме накланящото преобразувание при a = 1. На
фиг. 8.1 е показано как това преобразувание действа върху еди-
ничния квадрат с върхове (0, 0), (1, 0), (1, 1) и (0, 1).
Върховете (0, 0) и (1, 0) се изобразяват в себе си (тъй като лежат
на оста Ox).
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
При произволно a 6= 0 ъгълът ϕ между Ox и образа на Oy

(ъгълът на наклона) е
a
cos ϕ = √ .
a2 + 1
Пример 8.3. Нека f е линейно преобразувание на R3, определено
от
f (e1) = e1 + e2 − e3,
f (e2) = −e1 − e2 + 2e3,
f (e3) = 3e3,
където e = {e1, e2, e3} е база на R3. Да се намери матрицата на
f в базата e, rg(f ), def(f ), както и f (a), ако a(1, 0, −1) относно
базата e.
Матрицата Me(f ) на f в базата e се определя от
 
1 −1 0
Me(f ) =  1 −1 0  .
−1 2 3
Тъй като rg(f ) = dim(imf ), трябва да намерим размерността
на imf , т. е. броя на векторите в произволна база на imf . Една ба-
за на imf се определя от всички линейно независими помежду си
вектори от f (ei), т. е. от векторите f (ei) трябва да отделим макси-
мално линейно независима подсистема. Тъй като det Me(f ) = 0,
следва, че трите вектора f (e1), f (e2), f (e3) са линейно зависими
(всъщност f (e3) = 3f (e1) + 3f (e2)). Лесно се установява обаче,
че всеки два от векторите f (e1), f (e2), f (e3) се линейно незави-
сими. Тогава всеки два от тях могат да служат за база на imf и
следователно rg(f ) = dim(imf ) = 2.
Нека a(x, y, z) е произволен вектор от R3. Тогава a ∈ ker f ,
точно когато
f (a) = Me(f )a = o = (0, 0, 0). Така получаваме
      
1 −1 0 x x−y 0
f (a) =  1 −1 0 y  =  x−y  = 0.
−1 2 3 z −x + 2y + 3z 0
Горното матрично равенство е еквивалентно на системата

x−y =0
x−y =0
−x + 2y + 3z = 0,
чиито решения са наредените тройки от вида (x, x, − x3 ). Тогава
n x o
ker f = (x, x, − ) | x ∈ R .
3
Оттук следва, че dim(ker f ) = 1, т. е. def(f ) = 1 (една база на
ker f получаваме за всяко x 6= 0). Изпълнено е rg(f ) + def(f ) =
2 + 1 = dim R3 = 3.
Образа на вектора a намираме по следния начин
    
1 −1 0 1 1
f (a) =  1 −1 0 0  =  1 .
    
−1 2 3 −1 −4
f
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
Нека V е n-мерно векторно пространство над R, e = (e1, e2, ..., en)

и e0 = (e01, e02, ..., e0n) са две негови бази. Следователно векторите
на всяка една от тези бази са линейна комбинация на векторите
от другата база. Нека
e01 = t11e1 + t21e2 + ... + tn1en,

e02 = t12e1 + t22e2 + ... + tn2en,
(10.1)
..............................................
e0n = t1ne1 + t2ne2 + ... + tnnen.
Определение 10.1. Матрица на прехода от базата e
към e0 се нарича матрицата T , определена от
 
t11 t12 ... t1n
t t22 ... t2n 
 21
T = .

 ... ... ... ... 
tn1 tn2 ... tnn
Стълбовете на T са координатите на вектори от e0 относно базата
e.
Равенствата (10.1) в матричен вид се записват като

e0 = eT, (10.2)
а схематично означаваме
T 0
e −→ e .
Обратно, ако S е матрицата на прехода от e0 към e, имаме
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 .
Теорема 10.1. Всяка матрица на прехода между две бази е не-

особена. Ако T е матрицата на прехода от база e към база e0,
то T −1 е матрицата на прехода от e0 към e.
Теорема 10.2. Всяка неособена матрица е матрица на прехода

от дадена база на крайномерно векторно пространство към друга
негова база.
Следователно съществуват безброй много бази в крайномерно

векторно пространсто.
Ако det T > 0, базите e и e0 се наричат еднакво ориентирани, а
ако det T < 0 - противоположно ориентирани.
Нека T е матрицата на прехода от базата e към базата e0 на про-
изволно n-мерно реално векторно пространство, а (x1, x2, ..., xn)
и (x01, x02, ..., x0n) са координатите на произволен вектор a относно
тези бази, т. е.
a = x1e1 + x2e2 + ... + xnen,

(10.3)
a = x01e01 + x02e02 + ... + x0ne0n.
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
ex = a = e0x0 = (eT )x0 = e(T x0) =⇒ x = T x0 .

x0 = T −1x. (10.4)
С формулата (10.4) се дава връзката между координатите на

произволен вектор относно две различни бази.
Пример 10.1. Нека e = (e1, e2, e3) е база на тримерно векторно
пространство V . Дадени са векторите
e01 = e1,
e02 = e1 + e2,
e03 = e1 + e2 + e3.
а) Докажете, че векторите e0 = (e01, e02, e03) образуват база на V .

б) Намерете матрицата на прехода от e0 към e.
в) Ако векторът a ∈ V има координати (1, 2, −3) относно базата
e, намерете координатите му относно e0.
a) Първо намираме матрицата T на прехода от e към e0, като за-
писваме координатите на векторите e0i, i = 1, 2, 3, като съответни
стълбове на T :
 
1 1 1
T = 0 1 1.
 
0 0 1
Тогава, съгласно Теорема 10.1, системата от вектори e0 е база

на V , точно когато det T 6= 0. Пресмятаме det T = 1 > 0, сле-
дователно e0 също е база на V и е еднакво ориентирана с базата
e.
б) Щом T е матрицата на прехода от e към e0, то T −1 е матри-
цата на прехода от e0 към e. Пресмятаме
 
1 −1 0
T −1 =  0 1 −1  .
 
0 0 1
в) Нека означим стълба с координатите на вектора a относно
базата e0 с x0. За получаване на x0 използваме формула (10.4),
както следва
    
1 −1 0 1 −1
x0 =  0 1 −1   2  =  5  .
    
0 0 1 −3 −3
2. Изменение на матрицата на линейно преобразувание
на векторно пространство при смяна на базата
Нека f е линейно преобразувание на n-мерно векторно прост-

ранство V , а A = (aij ) e матрицата му в дадена база e. В матри-
чен вид това се записва по следния начин
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.
B = T −1AT. (10.5)
Теорема 10.3. За всяко линейно преобразувание на векторно

пространство матриците му A и B относно базите e и e0 са
свързани с равенството (10.5), където T е матрицата на пре-
хода от e към e0.
Определение 10.2. Матрица B се нарича подобна на матрица-
та A чрез неособената матрица T , ако B = T −1AT .
От определението следва, че A, B и T са квадратни матрици
от еднакъв ред.
Освен това ако B е подобна на A чрез T , то A е подобна на B
чрез T −1, тъй като
B = T −1AT ⇐⇒ A = T BT −1 = (T −1)−1BT −1.
Теорема 10.4. Подобните матрици имат равни детерминанти.
Следствие 10.1. Матриците на линейно преобразувание на про-

изволно векторно пространство относно различни бази имат
равни детерминанти.
Пример 10.2. Нека относно базата e от Пример 10.1 е зададено
линейно преобразувание f на V чрез
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
Нека K = Oe1e2e3 и K 0 = O0e01e02e03 са координатни системи на

тримерното афинно пространство A3. K 0 еднозначно се опреде-
ля от K при условие, че са известни координатите на векторите
e0 относно базата e (т. е. матрицата T на прехода от e към e0)
и координатите на точка O0 относно K. Координатните системи
K и K 0 са еднакво или противоположно ориентирани в зависи-
мост от това дали базите e и e0 са еднакво или противоположно
ориентирани (det T > 0 или det T < 0).
Нека разгледаме A1, т. е. реалната права.
Фиг. 10.1 - лява и дясна координатна система върху права
На фиг. 10.1 K = Oe1 е дясна координатна система,

а K 0 = O0e01 е лява координатна система върху права.
Нека K = Oe1e2 е координатна система в A2, т. е. в равнината
и α ∈ (0, π) ъгълът, на който трябва да се завърти векторът e1
около точката O, за да стане еднопосочно колинеарен с вектора
e2. Когато това завъртане е въртене обратно на часовниковата
стрелка, системата се счита за дясна, а в противен случай - за
лява.
Фиг. 10.2 - дясна и лява координатна система в равнината

В тримерното афинно пространство една координатна система е
дясна, ако координатните вектори се завъртат по посока, обратна
на часовниковата стрелка, за да станат еднопосочно колинеарни
един на друг. В случай, че въртенето е по посока на часовниковата
стрелка, координатната система е лява. Това е показано на фиг.
10.3.
Фиг. 10.3 - дясна и лява координатна система в пространството

Нека K = Oe1e2e3 и K 0 = O0e01e02e03 са координатни системи
на A3, T = (tij ) е матрицата на прехода от базата e към базата
e0 (e0 = eT ) и координатите на O0 относно K са (a1, a2, a3), т. е.
−−→0
OO = a1e1 + a2e2 + a3e3. Нека още M е произволна точка с
координати (x1, x2, x3) относно K и (x01, x02, x03) относно K 0:
−−→ −− →
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
−−→ −−→0 −−0
→
OM = OO + O M =⇒ ex = e0x0 + ea = e(T x0 + a).
Следователно получаваме матричното равенство
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
x1 = t11x01 + t12x02 + t13x03 + a1,

x2 = t21x01 + t22x02 + t23x03 + a2,
x3 = t31x01 + t32x02 + t33x03 + a3.
Транслация на координатна система имаме когато ei = e0i,

i = 1, 2, 3. В този случай T съвпада с единичната матрица и
формулите за смяна на координатната система
K = Oe1e2 = Oxy → K 0 = O0e01e02 = O0x0y 0 в равнината имат
вида
x = x0 + a1,
y = y 0 + a2 .
Очевидно, транслацията не e линейно преобразувание.

Фиг. 10.4 - транслация на Oxy
Ортогонална трансформация на координатна система имаме,
когато ортонормирана координатна система заменяме с ортонор-
мирана координатна система и двете системи имат общо коорди-
натно начало. В този случай a е нулев стълб и трансформацията
има вида
x = T x0 .
Тъй като базите e и e0 са ортонормирани за елементите на мат-
рицата T е изпълнено
ti1tj1 + ti2tj2 + ti3tj3 = δij (i, j = 1, 2, 3),

където δij е символът на Кронекер
(
1 i=j
δij =
0 i 6= j.
Квадратна матрица с последното свойство се нарича ортогонал-
на, т. е. редовете ѝ (а следователно и стълбовете ѝ) образуват
ортонормирана база.
Една реална квадратна матрица A се нарича ортогонална, точ-
но когато
AAT = AT A = E,
което е еквивалентно на A−1 = AT .

В равнината ортогоналната трансформация K = Oe1e2 = Oxy →
K 0 = O0e01e02 = O0x0y 0 се задава чрез формулите
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
x = cos α.x0 − sin α.y 0,

y = sin α.x0 + cos α.y 0.
Ротацията е линейно преобразувание.

Фиг. 10.5 - ротация на Oxy
Примери за ротация на ортонормирана координатна система в
равнината:
1. Ротация на ъгъл π2 по посока на часовниковата стрелка се оп-
ределя от матрицата

0 1
T = ;
−1 0
2. Ротация на ъгъл π2 по посока обратна на часовниковата стрелка
се определя от матрицата

0 −1
T = .
1 0
f
Тема 11.
Ранг на система от вектори, матрица и линейно
преобразувание
1. Ранг на система от вектори
Определение 11.1. Нека V е векторно пространство и {a1, a2, ..., ak }

е система от вектори на V . Ранг на системата {a1, a2, ..., ak }
се нарича максималният брой линейно независими вектори от
{a1, a2, ..., ak }. Означаваме rg(a1, a2, ..., ak ).
С други думи рангът на система вектори е броят на векторите
във всяка нейна максимално линейно независима подсистема.
Рангът на система, която се състои само от нулевия вектор, е
числото нула.
Ако {a1, a2, ..., ak } е база на V , то рангът на системата е равен
на размерността на V , rg(a1, a2, ..., ak ) = dim V .
Намирането на ранга на система от вектори се състои в отде-
лянето на максимално линейно независима подсистема от тези
вектори. След въвеждането на понятието ранг на матрица, ще
се запознаем с по-удобен от практическа гледна точка метод за
определяне на ранга.
Пример 11.1. Намерете ранга на следните системи от вектори:
~a(1, 2, 3), ~b(2, 4, 6) ∈ R3,

1 0 2 0 0 0
A= , B= , C= ∈ M2×2(R).
1 0 1 0 1 1
Тъй като векторите ~a и ~b са колинеарни (~b = 2~a), то rg(~a, ~b) = 1.

Никои два от векторите (матриците) от втората ситема не са
линейно зависими. Затова проверяваме дали трите матрици A, B
и C са линейно зависими. Установяваме, че
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
Редовете на A са наредени n-торки от числа, които означаваме с

ui(ai1, ai2, ..., ain) ∈ Rn, i = 1, 2, ..., m, а стълбовете ѝ са нареде-
ни m-торки от числа vj (aj1, aj2, ..., ajm)T ∈ Rm, j = 1, 2, ..., n.
Разместването на редовете на A не променя ранга на системата от
вектори u = {u1, u2, ..., um}, както и разместването на стълбове-
те не променя ранга на системата v = {v1, v2, ..., vn}. Изпълнено
е по-силното твърдение
Теорема 11.1. Разместването на редове (съотв. стълбове) на
една матрица не променя ранга на системата от стълбовете
(съотв. редовете) на матрицата.
Определение 11.2. Елементарни преобразувания на матрица

се наричат преобразуванията:
• разменяне местата на два реда или два стълба;
• умножаване на даден ред или даден стълб с произволно число,
различно от нула;
• прибавяне към един ред (съотв. стълб) на произволен друг ред
(съотв. стълб), умножен с някакво число.
Елементарните преобразувания, извършени само върху редо-

вете (съотв. стълбовете) на една матрица не променят ранга на
редовете (съотв. стълбовете) на матрицата.
Определение 11.3. Всяка матрица от вида
 
a11 a12 a13 ... a1r ... a1n
 0 a22 a23 ... a2r ... a2n 
 
 
 0 0 a33 ... a3r ... a3n 
 
 ... ... ... ... ... ... ... 
(11.1)
 
 
 0 0 0 ... arr ... arn 
 
 0 0 0 ... 0 ... 0 
 
 ... ... ... ... ... ... ... 
 
0 0 0 ... 0 ... 0
се нарича трапецовидна (или с трапецовидна форма),

ако aii 6= 0 за i = 1, 2, ..., r.
Например следните матрици са трапецовидни
 
  1 2 3  
1 2 0 3 1 0 4 5 1 0 2
0 3 4 5 1,  , 0 1 0.
0 0 0
0 0 0 0 0 0 0 7
0 0 0
Теорема 11.2. Рангът на системата от редовете на трапецо-

видната матрица (11.1) е равен на r.
Определение 11.4. Минор от k-ти ред на една матрица се на-

рича всяка детерминанта от k-ти ред с елементи, в които се пре-
сичат произволно взети k реда и k стълба на матрицата. Ненулев
минор от k-ти ред се нарича базисен минор на матрица, ако всеки
минор от (k + 1)-ви ред (ако съществува) е равен на нула.
Теорема 11.3. Редът на базисния минор на една матрица е ра-
вен на ранга на системата от редовете (стълбовете) ѝ.
Определение 11.5. Редът на базисните минори на една матрица

A (който съвпада с ранга на редовете и стълбовете ѝ) се нарича
ранг на матрицата и се означава с rg(A).
Понятието ранг на матрица е въведено през 1879г. от немс-
кия математик Фердинанд Георг Фробениус, който го дефинирал в
смисъла на Определение 11.5. Но идеята за ранг е била използва-
на и по-рано, още през 1851г. от английския математик Джеймс
Силвестър.
Теорема 11.4. Елементарните преобразувания на матрица не
изменят нейния ранг.
Теорема 11.5. Една детерминанта е равна на нула тогава и
само тогава, когато редовете (стълбовете) ѝ са линейно зави-
сими.
За матрици A и B с еднакъв ранг се казва, че са еквивалентни.
Често равенството rg(A) = rg(B) се заменя с A ∼ B.
Ако A и B са матрици, при което A е обратима, то
rg(AB) = rg(B), rg(BA) = rg(B).
Тук ще изясним връзката между подобните и еквивалентните
матрици. Нека си припомним, че квадратните матрици от един и
същи ред A и B се наричат подобни, ако съществува неособена
матрица T такава, че B = T −1AT . От това определение следва,
че матриците A и B имат равни рангове и следователно са екви-
валентни. Обратното обаче не винаги е вярно, т. е. не всеки две
еквивалентни матрици са подобни (Фиг. 11.1).
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.
Намирането на ранга на система от вектори се свежда до нами-

рането на ранга на матрицата от техните координати.
Пример 11.2. Намерете ранга на системата вектори a1(1, 1, 0, 2),

a2(1, −1, 3, 3), a3(2, 0, −1, 2), a4(−1, 0, 3, 1).
Разполагаме координатите на дадените вектори по редовете или
стълбовете на матрица и след това чрез елементарни преобразу-
вания по редовете или стълбовете привеждаме тази матрица в
трапецовидна (или триъгълна) форма. Това е показано по-долу:
     
1 1 0 2 1 1 0 2 1 1 0 2
 1 −1 3 3  0 −2 3 1   0 1 3 3 
 ∼ ∼ ∼
 2 0 −1 2   0 −2 −1 −2   0 −2 3 1 
−1 0 3 1 0 1 3 3 0 −2 −1 −2
     
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
Следователно rg(a1, a2, a3, a4) = 4.

3. Ранг на линейно преобразувание
Методът за намиране на ранг на матрица се използва и за оп-

ределяне на ранга на линейно преобразувание, тъй като е в сила
следното твърдение
Теорема 11.6. Рангът на линейно преобразувание е равен на ран-

га на матрицата му в произволна база.
f
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.
Определение 12.2. Ако системата (12.1) има точно едно реше-

ние, тя се нарича определена, ако има повече от едно решение
(безброй много решения) - неопределена, а ако няма нито едно
решение - несъвместима. Да се реши една една система означа-
ва да се определи дали тя е съвместима или не и в случай на
съвместимост да се намери множеството от нейните решения.
На всяка система линейни уравнения от вида (12.1) се съпоста-

вят две матрици:
матрицата A = (aij ) от коефициентите на системата, която се
нарича основна матрица и матрицата Ā, състояща от основната
матрица и стълба със свободните членове, която се нарича раз-
ширена матрица на системата:
 
a11 a12 ... a1n
a a22 ... a2n 
 21
A= ,

 ... ... ... ... 
am1 am2 ... amn
 
a11 a12 ... a1n b1
a a22 ... a2n b2 
 21
Ā =  .

 ... ... ... ... ... 
am1 am2 ... amn bm
За ранговете на основната и разширената матрица е изпълнено
rg(A) ≤ rg(Ā).
Ако означим x = (x1, x2, ..., xn)T , b = (b1, b2, ..., bm)T , то систе-
мата (12.1) може да се запише по следния начин
Ax = b.
Основни твърдения в теорията на СЛУ са следните:
Теорема 12.1. (Руше-Капели-Кронекер) Една система линейни

уравнения е съвместима, точно когато ранговете на основната
и разширената матрица са равни, т. е.
rg(A) = rg(Ā).
Ранг на система линейни уравнения се нарича рангът на основ-

ната ѝ матрица, т. е. броят на линейно независимите уравнения в
системата.
Теорема 12.2. Една система линейни уравнения е определена

(съотв. неопределена), точно когато рангът ѝ е равен (съотв.
по-малък) от броя на неизвестните.
Пример 12.1. На системата
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
За ранговете им е в сила rg(A) = rg(Ā) = 3, следователно систе-

мата е съвместима. Тъй като и броят на неизвестните също е три,
то системата е определена, т. е. има единствено решение. Систе-
ми като тази могат да бъдат решени чрез формулите на Крамер,
както ще видим по-нататък.
Пример 12.2. Нека разгледаме системата
x1 + x2 − 2x3 = 3
2x1 + 2x2 − 4x3 = 6.
Двете уравнения са линейно зависими, тъй като второто е по-

лучено от първото чрез умножаване с 2. Следователно броят на
линейно независимите уравнения е едно, т. е. рангът на систе-
мата е едно. Следователно системата е съвместима (система от
едно уравнение винаги е съвместима) и неопределена (броят на
неизвестните е 3, т. е. по-голям от броя на уравненията).
Пример 12.3. Системата
x1 + 2x2 = 0
3x1 + x2 = 5
x1 − x2 = 4
е несъвместима, тъй като рангът на основната матрица е две, а

на разширената - три:
   
1 2 1 2 0
A = 3 1, Ā =  3 1 5  .
   
1 −1 1 −1 4
В тази система броят на линейно независимите уравнения е по-

голям от броя на неизвестните. Такива системи се наричат пре-
определени.
2. Крамерови системи. Формули на Крамер
Методът за решаване на крамерови системи носи името на швей-

царския математик Габриел Крамер и е публикуван от него
през 1750г. Методът е разработен във връзка с намирането на
уравнението на равнинна алгебрична крива, минаваща през за-
дадени точки. За повече информация посетете
http://hom.wikidot.com/cramer-s-method-and-cramer-s-paradox.
Габриел Крамер (1704-1752)

Нека разгледаме система от n линейни уравнения с n неизвест-
ни
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
(12.2)
...............................................
an1x1 + an2x2 + ... + annxn = bn,
От Теорема 12.2 следва

Следствие 12.1. Системата (12.2) има единствено решение,
точно когато детерминантата на основната матрица на сис-
темата е различна от нула, т. е.
a11 a12 ... a1n
a21 a22 ... a2n
∆= 6= 0. (12.3)
... ... ... ...
an1 an2 ... ann
С други думи, броят на линейно независимите уравнения в сис-
темата (рангът на системата) трябва да е равен на броя на неиз-
вестните.
Ако за системата (12.2) е изпълнено условието (12.3), тази сис-
тема се нарича система на Крамер (крамерова система).
Нека ∆j е детерминантата, която се получава от детерминан-
тата ∆, определена от (12.3), като j-тият стълб е заместен със
стълба от свободните членове на (12.3), т. е.
b1 a12 ... a1n a11 b1 ... a1n

b2 a22 ... a2n a21 b2 ... a2n
∆1 = , ∆2 = , ....,
... ... ... ... ... ... ... ...
bn an2 ... ann an1 bn ... ann
a11 a12 ... b1

a21 a22 ... b2
∆n = .
... ... ... ...
an1 an2 ... bn
Теорема 12.3. Единственото решение на крамеровата система
(12.2) се получава по формулите
∆1 ∆2 ∆n
x1 = , x2 = , ...., xn = ,
∆ ∆ ∆
които се наричат формули на Крамер.

Системата от Пример 12.1 е крамерова, тъй като е система от
три уравнения с три неизвестни и детерминантата на основната
матрица е равна на ∆ = det A = −12 6= 0. Изчисляваме ∆1, ∆2 и
∆3, както следва:
2 0 2 1 2 2
∆1 = 2 2 2 = 12, ∆2 = 5 2 2 = −24,
1 −1 4 3 1 4
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
Окончателно записваме (x1 = −1, x2 = 2, x3 = 32 ).

3. Системи хомогенни линейни уравнения
Ако всички свободни членове в (12.1) са нули, т. е.

a11x1 + a12x2 + ... + a1nxn = 0
a21x1 + a22x2 + ... + a2nxn = 0
(12.4)
...............................................
am1x1 + am2x2 + ... + amnxn = 0,
получаваме система хомогенни линейни уравнения. Оче-

видно такава система е винаги съвместима, тъй като има поне
едно решение - наредената n-торка (x1 = 0, x2 = 0, ..., xn = 0).
Това решение се нарича нулево (тривиално).
Теорема 12.4. Една система хомогенни линейни уравнения има

ненулево решение, точно когато рангът и́ е по-малък от броя на
неизвестните, т. е. е неопределена система.
За системата (12.4) имаме следното матрично представяне
Ax = o,
където o = (0, 0, ..., 0)T .
Множеството на решенията на (12.4) съвпада с ядрото на ли-

нейното преобразувание
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
a11x1 + a12x2 + ... + a1r xr = −a1,r+1xr+1 − ... − a1nxn

a21x1 + a22x2 + ... + a2r xr = −a2,r+1xr+1 − ... − a2nxn
(12.5)
..................................................................................
ar1x1 + ar2x2 + ... + arr xr = −ar,r+1xr+1 − ... − arnxn
Тъй като ∆r 6= 0, то (12.5) може да се реши относно неизвестни-
те x1, x2, ..., xr чрез формулите на Крамер. Полученото решение
зависи от неизвестните xr+1, xr+2, ..., xn, които се наричат сво-
бодни неизвестни (параметри, степени на свобода). При всеки
конкретен избор на стойностите на параметрите получаваме едно
конкретно решение на системата (12.4).
Даваме на параметрите последователно следните стойности
xr+1 xr+2 ... xn

1 0 ... 0
0 1 ... 0
... ... ... ...
0 0 ... 1
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
Решенията w1, w2, ..., wn−r са линейно независими и следова-

телно образуват база на векторното пространство от решенията
на системата (12.4). Поради това системата (w1, w2, ..., wn−r ) се
нарича базисна (фундаментална) система решения на система-
та (12.4).
Следствие 12.2. Общото решение x0 на система хомогенни ли-
нейни уравнения с ранг r и n неизвестни зависи от n − r пара-
метри p1, p2, ..., pn−r и се получава по формулата
x0 = p1w1 + p2w2 + ... + pn−r wn−r ,

където (w1, w2, ..., wn−r ) е фундаментална система решения.
Пример 12.4. Намерете всички решения и една фундаментална
система решения на системата хомогенни линейни уравнения
x1 + x2 − x3 + 2x4 = 0
2x1 + x2 + 3x3 + x4 = 0.
Рангът на основната матрица A, а следователно и на система-
та е rg(A) = 2, броят на неизвестните е n = 4. Следователно
решението на системата се определя от n − rg(A) = 2 на брой
параметъра. Нека за параметри изберем неизвестните x3 = p и
x4 = q. Изразяваме останалите неизвестни чрез тях:
x1 + x2 = x3 − 2x4
2x1 + x2 = −3x3 − x4.
Тогава получаваме x1 = −4x3 + x4 = −4p + q,
x2 = 5x3 − 3x4 = 5p − 3q.
Следователно решенията на системата са (−4p + q, 5p − 3q, p, q),
p, q ∈ R.
Една фундаментална система решения на дадената система по-
лучаваме като даваме линейно независими стойности на парамет-
рите
x3 = p x4 = q (x1, x2, x3, x4)

1 0 (-4, 5, 1, 0)
0 1 (1, -3, 0, 1)
Следователно векторите v = (−4, 5, 1, 0) и w = (1, −3, 0, 1) об-

разуват фундаментална система решения и всички решения на
системата са техни линейни комбинации
(−4p + q, 5p − 3q, p, q) = pv + qw = p(−4, 5, 1, 0) + q(1, −3, 0, 1).

f
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
Удобен и универсален метод за решаване на системи линей-

ни уравнения е методът на Гаус (метод на последователното
изключване на неизвестните).
Нека отново разгледаме системата
a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2
(13.1)
...............................................
am1x1 + am2x2 + ... + amnxn = bm.
Върху разширената ѝ матрица Ā прилагаме елементарни преоб-

разувания по редовете, а стълбовете ѝ можем само да раз-
местваме (размяната на местата на стълбовете i и j е еквива-
лентно на размяната на неизвестните xi и xj ).
С помощта на тези преобразувания привеждаме Ā в трапецовид-
на форма
 
c11 c12 c13 ... c1r ... c1n d1
 0 c22 c23 ... c2r ... c2n d2 
 
 
 0 0 c33 ... c3r ... c3n d3 
 
 ... ... ... ... ... ... ... ... 
, (13.2)
 

 0 0 0 ... crr ... crn dr 
 
 0 0 0 ... 0 ... 0 dr+1 
 
 ... ... ... ... ... ... ... ... 
 
0 0 0 ... 0 ... 0 dm
където cii 6= 0, i = 1, 2, ..., r. Оттук се вижда, че системата (13.1)

е съвместима, точно когато dr+1 = dr+2 = ... = dm = 0.
На всяко елементарно преобразувание на разширената матрица
Ā съответства преобразуване на системата, която я привежда в
еквивалентна форма. Тези преобразувания са
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
c11x1 + c12x2 + c13x3 + ... + c1r xr + ... + c1nxn = d1

c22x2 + c23x3 + ... + c2r xr + ... + c2nxn = d2
(13.3)
.......................................................
crr xr + ... + crnxn = dr .
Като започнем от последното уравнение определяме последова-

телно неизвестните xr , xr−1, ..., x2, x1 чрез параметрите
xr+1, xr+2, ..., xn.
Пример 13.1. Да се реши системата
x1 − x2 + 2x3 + x4 = 2
2x1 + x2 + x3 − x4 = 4
4x1 + 2x2 + 3x3 + 5x4 = 5.
Системата е еквивалентна на разширената си матрица

 
1 −1 2 1 2
Ā =  2 1 1 −1 4  .
 
4 2 3 5 5
Вместо да работим с уравненията в системата, работим с редовете

на Ā.
Започваме с елементарни преобразувания по редовете на Ā, с по-
мощта на които ще изключим неизвестното x1 от всички уравне-
ния след първото, т.е. от второто и третото уравнение на система-
та. За тази цел е удобно елементът в първи ред и първи стълб на
Ā (коефициентът пред x1 в уравнението, което номерираме като
първо) да бъде единица.
Прибавяме първия ред на Ā, умножен предварително с (−2), към

втория ред и умножен предварително с (−4) - към третия ред.
Така получаваме еквивалентната матрица (система)
   
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
Матрицата Ā е приведена вече в трапедовидна форма. От послед-

ния вид на Ā се вижда, че rg(A) = rg(Ā) = 3. Следователно сис-
темата е съвместима. Тъй като рангът на системата 3 е по-малък
от броя на неизвестните, който е 4, то системата е неопределена
и решението ѝ се описва с помощта на един параметър. Нека то-
зи параметър е x4 = p. Сега се връщаме обратно от последния
получен матричен запис на Ā към еквивалентната му система ли-
нейни уравнения и изразяваме последователно неизвестните чрез
параметъра x4 = p.
Последният ред на матрицата е еквивалентен на уравнението
x3 + 7x4 = −3,
откъдето изразяваме неизвестното x3 = −7x4 − 3 = −7p − 3.
От втория ред имаме
x2 − x3 − x4 = 0,
следователно x2 = x3 + x4 = −6p − 3.
От първият ред получаваме
x1 − x2 + 2x3 + x4 = 2,
откъдето изразяваме и x1 = 7p + 5.
Окончателно решенията на системата са

(x1 = 7p+5, x2 = −6p−3, x3 = −7p−3, x4 = p), p ∈ R.
Една разновидност на метода на Гаус за крамерови системи е
методът на Гаус-Жордан, разработен от немския геодезист Вил-
хелм Жордан. Този метод е аналогичен на метода на Гаус-Жордан
за намиране на обратна матрица.
Отново се работи с разширената матрица на системата Ā. Чрез
елементарни преобразувания върху редовете първо се преобра-
зуват в нулеви елементите под главния диагонал на основната
матрица на системата, като елементите в самия главен диагонал
трябва да се превърнат в единици. След това се анулират и еле-
ментите над главния диагонал. По този начин основната матрица
на системата се превръща в единичната матрица
   
a11 a12 ... a1n b1 1 0 ... 0 d1
a a22 ... a2n b2  0 1 ... 0 d2 
 21
Ā =   ∼ ... ∼  .
  
 ... ... ... ... ...   ... ... ... ... ... 
an1 an2 ... ann bn 0 0 ... 1 dn
Тогава стълбът от получените чрез тези преобразувания свободни
членове съдържа единственото решение на системата, т. е.
(x1 = d1, x2 = d2, ..., xn = dn).
Недостатъкът на тази разновидност на метода на Гаус в сравне-
ние със самия метод е, че той изисква прилагане на до 50% повече
елементарни преобразувания върху Ā. Затова практическото му
приложение се свежда главно до използването му за намиране на
обратна матрица.
За неопределени системи може да се прилага комбинация от
двата метода.
Ще решим системата линейни уравнения от Пример 12.1
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
Следователно решението на системата е
(x1 = −1, x2 = 2, x3 = 23 ).
2. Матрични уравнения
Уравнения от вида
AX = B, XA = B, (13.4)
където матриците A и B са дадени, а матрицата X е неизвестна,

се наричат матрични уравнения.
Ако A е неособена квадратна матрица от тип (n×n) (det A 6= 0),
а B е матрица от тип (n × s) за първото уравнение на (13.4) и от
тип (s × n) - за второто уравнение на (13.4), то и за двете уравне-
ния X е матрица от същия тип като B и се получава съответно
чрез
X = A−1B, X = BA−1.
Ако матрицата A не е квадратна или det A = 0, то A−1 не
съществува. В такива случаи, за да се реши матричното уравне-
ние (13.4), първо се извършва матричното умножение (съответно
AX или XA) и след сравняване на матриците от двете страни на
уравнението се решава получената система.
Пример 13.2. Да се решат матричните уравнения

! !
1 2 1
1) AX = B, A= , B= ,
1 0 1
 
! 1 2
1 2
2) XA = B, A= , B = 3 6
 
2 4
2 4
1) За матрицата A е изпълнено det A = −2 6= 0, следователно

съществува A−1 и тя има вида
!
−1 0 1
A = 1 1 .
2 −2
Тогава X получаваме като умножим двете страни на уравнението
с A−1 отляво, т. е.
! ! !
−1 0 1 1 1
X=A B= 1 1 = .
2 −2 1 0
2) Първо установяваме, че det A = 0. Тъй като A е матрица от

тип (2 × 2), а B - от тип (3 × 2), то и X трябва да е от тип (3 × 2).
Следователно матрицата X се състои от шест елемента
 
x1 x4
X =  x2 x5  ,
 
x3 x6
където xi, i = 1, 2, ..., 6, са неизвестни. Извършваме умножението

XA, както следва
   
x1 x4 ! x1 + 2x4 2x1 + 4x4
1 2
 x2 x5  =  x2 + 2x5 2x2 + 4x5 
   
2 4
x3 x6 x3 + 2x6 2x3 + 4x6
и сравняваме получената матрица с B. Така достигаме до след-
ната система линейни уравнения
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.
Ако изберем x4 = p, x5 = q и x6 = s за параметри, получаваме

x1 = 1 − 2p, x2 = 3 − 2q и x3 = 2 − 2s. По този начин намерихме
 
1 − 2p p
X =  3 − 2q q  , p, q, s ∈ R.
 
2 − 2s s
Пример 13.3. (Задачата е дадена на Държавен изпит за спец.
Математика, 2010г.) Решете системата в зависимост от стойнос-
тите на реалния параметър a
    
1 2 a x a−1
 a −1 1   y  =  −6a  .
3 5 3a z a−3
Използвайки метода на Гаус, последователно получаваме

   
1 2 a a−1 1 2 a a−1
 a −1 1 −6a  ∼  0 −1 − 2a 1 − a2 −a(6 + a)  ∼
3 5 3a a − 3 0 −1 0 −2a
 
1 2 a a−1
∼ 0 1 0 2a 
0 0 1 − a2 3a(a − 1)
Рангът на системата се изменя в зависимост от стойностите на
параметъра a. Имаме следните три случая:
• при a = −1 рангът на основната матрица на системата е равен
на 2, а този на разширената e 3. Следователно системата няма
решение.
• при a = 1 ранговете на основната и разширената матрица са
равни на 2, т.е. рангът на системата е 2 (рангът не е максима-
лен) и следователно системата се решава с 1 параметър. Общото
решение в този случай може да бъде записано в следния вид
x = −4 − p, y = 2, z = p, p ∈ R.
• при a 6= ±1 системата има максимален ранг (т.е. рангът е равен

на 3) и следователно е крамерова, т.е има единствено решение
4a + 1 3a
x=− , y = 2a, z=− .
a+1 a+1
Пример 13.4. Приложение на СЛУ в аналитичната геомет-
рия. Ще изброим някои от приложенията на СЛУ в аналитичната
геометрия: намиране на пресечна точка на две прави, пресечница
на две равнини, пресечна точка на права и равнина и др. Тези
приложения ще разгледаме в следващите теми, а тук ще се спрем
на една задача, която може да бъде решена с помощта на теоре-
мата на Талес, теоремите на Чева и Ван Обел или чрез метода на
базите (или координатните системи), който ние ще приложим.
Даден е 4ABC. Точка M е среда на AB, т. N лежи на CM ,
като CN : N M = 3 : 2, а P е пресечната точка на AN и BC.
Намерете отношението BP : P C.
Първо избираме два линейно независими вектора за база в рав-

−→ −−→ ~
нината на 4ABC. Нека това бъдат векторите CA = ~a и CB = b.
−→ −−→
Векторите CP и CB са колинеарни, т. е.
−→ −−→
CP = x.CB = x.~b. (13.5)
−→
Сега ще получим второ представяне на вектора CP относно изб-
раната база.
От друга страна
−→ −→ −→ −→
CP = CA + AP = ~a + AP . (13.6)
−→ −−→
Векторите AP и AN са колинеарни и следователно
−→ −−→ −−→ −→ −−→
AP = y.AN = y. CN − CA = y. CN − ~a . (13.7)
−−→ 3 −−→
Имаме CN : N M = 3 : 2, откъдето получаваме CN = 5 CM , а
тъй като M е среда на отсечката AB, то следва, че
−−→ 3 −−→ 3
CN = CM = ~a + ~b .
5 10
−−→
Тогава след заместване на CN от последното равенство в (13.7)
имаме
−→ y ~
AP = 3b − 7~a .
10
Сега от горното равенство и (13.6) получаваме
−→ y

CP = ~a + 10 3~b − 7~a = 10−7y
10 ~
a + 3y~
10 b. (13.8)
Тъй като {~a, ~b} е база, то всеки вектор се представя еднозначно
като линейна комбинация на векторите ~a и ~b. Следователно
коефициентите пред еднаквите вектори в (13.5) и (13.8) трябва
да бъдат равни. Така получаваме системата
10−7y
10 = 0
3y
10 = x,
3 10 −→ 3 −−→
чието решение е (x = 7 , y = 7 ). От (13.5) следва, че CP = 7 CB,
т. е. BP : P C = 4 : 3.
Пример 13.5. Приложение на СЛУ за управляване на потоци в
мрежи (транспортни мрежи, електрически вериги и др.) Всяка
мрежа се състои от възли и връзки между възлите, по които по-
токът тече с указана посока и количеството през всеки възел (за
единица време). Такава структура се нарича още насочен граф.
Задачата на анализа на мрежи е да се определи потокът през все-
ки възел, ако е налична само част от информацията (като напри-
мер, количеството на входящия поток).
Правилото, което се прилага при анализа на потока в транспор-
тна мрежа е следното: количеството на входящия и изходящия
поток през всеки възел, както и за мрежата като цяло, трябва да
бъде еднакво.
Нека разгледаме част от транспортната мрежа на град Грийнс-

бъро, Северна Каролина, САЩ, показана на фиг. 13.1. Количес-
твото на потока е на моторни превозни средства за един час. За
простота на модела предполагаме, че всички разглеждани ули-
ци са еднопосочни. Ще определим потока през всеки възел при
наличните данни.
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
Освен това количеството на входящия и изходящия поток на ця-

лата мрежа, които се равняват съответно на 1300 и x3 +900, тряб-
ва да бъдат равни помежду си.
Съставяме системата линейни уравнения от пет уравнения (усло-
вия) за петте неизвестни xi, i = 1, 2, 3, 4, 5,
x1 + x2 = 800
x2 − x3 + x4 = 300
x4 + x5 = 500
x1 + x5 = 600
x3 = 400.
Решението на горната система е
x1 = 600 − x5, x2 = 200 + x5, x3 = 400, x4 = 500 − x5,
x5 ∈ N ∪ {0}.
Сега можем да анализираме получените резултати.

Тъй като улиците са еднопосочни, стойността на всеки поток
трябва да е положителна. Това налага ограничения върху стой-
ността на параметъра x5: 0 ≤ x5 ≤ 500.
Освен това, тъй като x5 е параметър (степен на свобода), частта
от улицата, на която съответства x5 (Tise Avenue), може да бъде
затворена, без да се наруши целия поток. Обаче това не важи за
частта от модела, съответстваща на x3, тъй като имаме x3 = 400,
т. е. фиксирана стойност за този поток.
Пример 13.6. Приложение на СЛУ за изравняване (балансира-
не) на химични уравнения. Известен е законът за запазване на
масата - в резултат на химичните реакции не се разрушават съ-
ществуващи вече атоми и не се образуват нови.
Нека разгледаме процеса на окисляване на амоняка до азотен
окис и вода
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
(x1)N H3 + (x2)O2 −→ (x3)N O + (x4)H2O.

Задачата ни е да намерим най-малката възможна цяла положи-
телна стойност на количествата вещества x1, x2, x3, x4 така, че
уравнението да бъде балансирано. За тази цел приравняваме ко-
личествата атоми от двете страни на уравнението
N: x1 = x3
H: 3x1 = 2x4
O: 2x2 = x3 + x4.
По този начин получаваме системата хомогенни линейни уравне-

ния
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
Вторият ред на последната матрица е еквивалентен на уравнени-

ето
3x3 − 2x4 = 0.
Полагаме x4 = p и получаваме x3 = 2p3 . След това от третия ред
намираме x2 = 5p6 , а от първия x 1 = 2p
3 . Така установихме, че
общото решение на системата е

2p 5p 2p
, , ,p .
3 6 3
При p = 6 получаваме най-малкото възможно целочислено реше-
ние на системата, което е (4, 5, 4, 6), т. е.
4N H3 + 5O2 −→ 4N O + 6H2O.
f
Тема 14.
Векторно и смесено произведение на вектори
1. Векторно произведение на два вектора
Нека E 3 е реално тримерно евклидово пространство, а (~e1, ~e2, ~e3)

е дясна ортонормирана база на E 3.
Определение 14.1. Векторно произведение на векторите ~a и ~b
се нарича вектор ~c = ~a × ~b, за който:
1) Ако ~a = ~o или ~b = ~o, или ~a k ~b, то ~c = ~a × ~b = ~o.
2) Ако ~a и ~b са линейно независими, то:
• ~c е ортогонален на ~a и ~b, т. е. ~a~c = ~b~c = 0;
• |~c | = |~a|.|~b|. sin ^(~a, ~b);
• векторите (~a, ~b, ~c) образуват дясна тройка, т. е. дясна база.
За ортонормираната дясна база (~e1, ~e2, ~e3) е в сила:
~e1 × ~e2 = ~e3, ~e2 × ~e3 = ~e1, ~e3 × ~e1 = ~e2.

Ако векторите ~a и ~b са линейно независими, то синусът на ъгъла
между тях можем да получим от
|~
a × ~b|
sin ^(~a, ~b) = .
|~a|.|~b|
Теорема 14.1. Нека относно ортонормираната база (~e1, ~e2, ~e3)

са дадени векторите ~a(a1, a2, a3) и ~b(b1, b2, b3). Тогава координа-
тите на векторното им произведение са
!

~
a2 a3 a3 a1 a1 a2
~a × b = , , ,
b2 b3 b3 b1 b1 b2
т. е.

~a × ~b = (a2b3 − a3b2, a3b1 − a1b3, a1b2 − a2b1).
Доказателство. Ще докажем твърдението, като установим, че

така дефинираният начин за получаване на ~a × ~b удовлетворява
всички условия от Определение 14.1.
1) Ако ~a = ~o или ~b = ~o, то съгласно свойствата на детерминантите
и трите координати на ~a × ~b са нули, следователно ~a × ~b = ~o. Ако
~a и ~b са колинеарни, отново от свойствата на детерминантите
следва ~a × ~b = ~o.
2) Нека ~a и ~b са линейно независими. Тогава пресмятаме скалар-
ните произведения

~a × ~b ~a = a1(a2b3 − a3b2) + a2(a3b1 − a1b3) + a3(a1b2 − a2b1) = 0,

~a × ~b ~b = b1(a2b3 − a3b2) + b2(a3b1 − a1b3) + b3(a1b2 − a2b1) = 0,
следователно (~a × ~b) е ортогонален на ~a и ~b.

Повдигаме равенството |~a × ~b| = |~a|.|~b|. sin ^(~a, ~b) на квадрат
и получаваме еквивалентното му равенство (тъждество на Лаг-
ранж)
2 2 2
~a × ~b = |~a|2|~b|2 1 − cos2 ^(~a, ~b) =⇒ ~a × ~b = ~a 2~b 2− ~a~b .
Тогава лесно се установява, че изразите
2
~a × ~b = (a2b3 − a3b2)2 + (a3b1 − a1b3)2 + (a1b2 − a2b1)2,
2
~a 2~b 2 − ~a~b = (a21 + a22 + a23)(b21 + b22 + b23) − (a1b1 + a2b2 + a3b3)2,
са равни.
Тъй като ~a и ~b са линейно независими, а ~a × ~b е ортогонален
и на двата вектора ~a и ~b, следва, че трите вектора ~a, ~b и ~a × ~b
са линейно независими, т. е. образуват база на E 3. Матрицата на
прехода T от базата (~e1, ~e2, ~e3) към базата (~a, ~b, ~a × ~b) има вида
 
a1 b1 a2b3 − a3b2
T =  a2 b2 a3b1 − a1b3  .
 
a3 b3 a1b2 − a2b1
Пресмятаме детерминантата на T , като я развиваме по третия
стълб. Така получаваме
det T = (a2b3 − a3b2)2 + (a3b1 − a1b3)2 + (a1b2 − a2b1)2 > 0.
следователно базата (~a, ~b, ~a × ~b) е дясно ориентирана.
Следствие 14.1. (Критерий за колинеарност) Векторите ~a и

~b са линейно зависими, точно когато ~a × ~b = ~o.
Теорема 14.2. Векторното произведение притежава следните
свойства:
1) ~a × ~b = −(~b × ~a) (антикомутативност);
2) ~a × (~b + ~c) = ~a × ~b + ~a × ~c (дистибутивност);
3) (λ~a) × ~b = λ(~a × ~b), λ ∈ R.
Произведение от вида (~a ×~b)×~c или ~a ×(~b×~c) се нарича двойно

векторно произведение. В сила са равенствата

~a × ~b × ~c = ~a~c.~b − ~b~c.~a,

~a × ~b × ~c = ~a~c.~b − ~a~b.~c
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).
Пример 14.1. Нека относно ортонормирана база са дадени век-

тори
~a(1, 2, 3),
~b(−1, −2, 3),
~c(1, 0, −2).
Изчислете ~a × ~b, (~a × ~b) × ~c и синуса на ъгъла между векторите
~a и ~b.
√
Пресмятаме (~
a × ~b) = (12, −6, 0). Тогава |~a| = |~b| = 14 и
√
|~a × ~b| = 6 5. Така получаваме
√
~ 3 5
sin ^(~a, b) = .
7
Имаме още (~a × ~b) × ~c = (−12, −12, 6).
Геометричен смисъл на векторното произведение
Нека ABCD е успоредник. Известно е, че лицето му SABCD
може да бъде получено по формулата
SABCD = AB.AD. sin ^BAD.
Тогава следва, че
−→ −−→
SABCD = |AB × AD|.
Лицето на триъгълника ABC получаваме чрез
1 −→ −−→
SABC = |AB × AD|.
2
Пример 14.2. Намерете x ∈ R така, че за лицето SABC на
триъгълника с върхове A(1, 2), B(−1, 4), C(4, x) да е изпълне-
но SABC = 5.
−→ −→
Имаме AB(−2, 2) и AC(3, x − 2). Тогава
−→ −→ −→ −→
AB × AC(0, 0, −2x − 2) =⇒ |AB × AC| = |2x + 2| = 2|x + 1|.
За лицето на триъгълника пресмятаме SABC = |x + 1|. Като

решим модулното уравнение |x + 1| = 5, получаваме x1 = 4 и
x2 = −6.
2. Смесено произведение на три вектора
Определение 14.2. Числото

~a~b~c = ~a × ~b ~c
се нарича смесено произведение на векторите ~a, ~b и ~c, взети в
този ред.
Теорема 14.3. Нека относно ортонормирана база (~e1, ~e2, ~e3) са

дадени векторите ~a(a1, a2, a3), ~b(b1, b2, b3) и ~c(c1, c2, c3). Смесе-
ното произведение ~a~b~c се получава по формулата
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 .
Следствие 14.2. (Критерий за компланарност) Смесеното про-

изведение на три вектора е равно на нула, точно когато векто-
рите са компланарни.
Смесеното произведение притежава следните свойства:

1) ~a~b~c = ~b~c~a = ~c~a~b = −~b~a~c = −~a~c~b = −~c~b~a;

2) ~a + ~b ~cd~ = ~a~cd~ + ~b~cd,~ ~a ~b + ~c d~ = ~a~bd~ + ~a~cd,
~

~a~b ~c + d~ = ~a~b~c + ~a~bd;
~
3) (λ~a )~b~c = ~a(λ~b)~c = ~a~b(λ~c ) = λ(~a~b~c ).

Геометричен смисъл на векторното произведение
Нека разгледаме паралелепипед с ръбове OA, OB и OC. Озна-
−→ ~ −−→ −→
чаваме ~a = OA, b = OB, ~c = OC.
Фиг. 14.1
Считаме успоредника със страни OA и OB за основа на парале-

лепипеда. Тогава лицето на основата е S = |~a × ~b|.
Нека h е дължината на височината на паралелепипеда към ос-
новата, която разглеждаме. Ако (~a, ~b, ~c) е дясна база, то
h = proj(~a×~b) ~c (фиг. 14.1), а ако тази база е лява, то
h = −proj(~a×~b) ~c. Като си припомним, че ~x~y = |~x|proj~x ~y , то за
двата случая обемът на паралелепипеда е съответно:
~ ~ (~a×~b)~c ~b~c,
Vp = Sh = |~a × b|proj(~a×~b) ~c = |~a × b| ~ = ~
a
|~a×b|
ако (~a, ~b, ~c) е дясна база;
~ ~ (~a×~b)~c ~b~c,
Vp = Sh = |~a × b|(−proj(~a×~b) ~c) = −|~a × b| ~ = −~
a
|~a×b|
ако (~a, ~b, ~c) е лява база.

Така за обема на паралелепипед, образуван от векторите ~a, ~b и ~c,
е в сила формулата
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 .
f
Тема 15.
Уравнение на права в равнина.
Уравнение на окръжност
1. Параметрични уравнения на права в равнина
Правата е множество от точки. Да се зададе една права оз-

начава да се даде правило (формула), чрез което може да бъде
получена произволна точка от правата. Това правило се нарича
уравнения на правата.
Един начин да се зададе права е чрез произволна точка от пра-

вата и произволен ненулев колинеарен на правата вектор.
Нека O~e1~e2 е координатна система в афинната равнина и g е
произволна права. Нека са известни M0 - произволна точка от
g (която наричаме фиксирана точка) и ~v - произволен ненулев
колинеарен на g вектор.
Фиг. 15.1
Тогава за произволна точка M от g (M се нарича текуща точка)

е в сила следното представяне
−−→ −−−→ −−−→
OM = OM0 + M0M .
−−→ −−−→
Означаваме ~r = OM , ~r0 = OM0. Векторът ~r0 е радиус-векторът
−−−→
на т. M0 и следователно е известен. Векторът M0M е колинеа-
рен на правата g и следователно на дадения вектор ~v . Тогава
−−−→
съществува λ ∈ R така, че M0M = λ~v . По този начин получихме
g : ~r = ~r0 + λ~v , (15.1)

която се нарича векторно параметрично уравнение на правата g.
При всеки избор на стойност за параметъра λ от (15.1) получава-
ме радиус-вектора на една точка от g. Следователно всяка права
е еднопараметрично множество от точки.
Нека относно разглежданата координатна система O~e1~e2 имаме
M (x, y), M0(x0, y0), ~v (a, b). Тогава векторното равенство (15.1)
има следния координатен запис
x = x0 + λa
g: (15.2)
y = y0 + λb,
който се нарича скаларно параметрично уравнение(-я) на правата

g.
Нека от всяко от двете уравнения (15.2) изразим параметъра λ.
Имаме
x − x0 y − y0
λ= , λ= .
a b
Приравняваме десните страни на двете последни равенства, като
пропускаме λ и така получаваме зависимостта
x − x0 y − y0
g: = (= λ).
a b
Горното равенство се нарича канонично уравнение на правата g.
Правата g е определена еднозначно, ако са зададени две про-

изволни нейни точки. Нека M1(x1, y1) и M2(x2, y2) са точки от
правата g. Тогава ако в (15.2) положим M0 = M1 и
−−−−→
~v = M1M2(x2 − x1, y2 − y1), получаваме
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
б) Тъй като правата l е успоредна на Ox, то следва, че един

колинеарен вектор на тази права е векторът ~e1(1, 0) k Ox
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
Каноничното уравнение на правата g

x − x0 y − y0
g: =
a b
е еквивалентно на
g : b(x − x0) − a(y − y0) = 0.

Ако положим A = b, B = −a, C = ay0 − bx0, от горното уравне-
ние получаваме
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
g : A(x − x0) + B(y − y0) = 0

−
→
е уравнение на правата g през точка M0 с нормален вектор N g (A, B).
Пример 15.2. Намерете общото уравнение на правата p, мина-
ваща през точките M1(−1, −1) и M2(1, 5).
−−−−→
Векторът M1M2(2, 6) k (1, 3) е колинеарен на p. Следователно
→
− →
−
нормалният вектор N p на правата има координати N p(3, −1).
Тогава общото уравнение на правата p има вида
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.
Права g, минаваща през точка M0(x0, 0) и успоредна на Oy, има

уравнение g : x = x0. Права g, минаваща през точка M0(0, y0) и
успоредна на Ox, има уравнение g : y = y0. Тези прави образуват
координатната мрежа в равнината.
3. Отрезово и декартово уравнение на права
Нека построим каноничното уравнение на права g, минаваща

през точките A(a, 0) и B(0, b), a, b 6= 0. Съгласно получените
дотук резултати, имаме
x−a y
g: = .
−a b
Горното уравнение е равносилно на
x y
g : + = 1,
a b
което се нарича отрезово уравнение на правата g. Числата a и b
се наричат отрези на правата от координатните оси (съответно
от оста Ox и оста Oy).
Фиг. 15.3
Нека Oxy е ортонормирана координатна система и правата g :

Ax + By + C = 0 не е успоредна на оста Oy, т. е. B 6= 0. В този
случай можем да запишем общото ѝ уравнение във вида
A C A C
g : x + y + = 0 =⇒ g : y = − x − .
B B B B
A , n = − C . Тогава получаваме уравнението
Нека положим k = − B B
g : y = kx + n,
което се нарича декартово уравнение на правата g. Числото k се
нарича ъглов коефициент на g и се определя от
k = tg α,
където α е ъгълът, който правата g сключва с положителната
посока на абсцисната ос, т. е. α = ^(g, Ox+). Числото n се нарича
отрез на правата g от ординатната ос.
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
Теорема 15.2. Ако спрямо произволна координатна система са

дадени правите
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
Доказателство. Нека разгледаме системата от уравненията на

двете прави
g1 : A1x + B1y = −C1
(15.3)
g2 : A2x + B2y = −C2.
Основната и разширената матрица на системата са съответно
! !
A1 B1 ∗ A1 B1 −C1
A= , A = .
A2 B2 A2 B2 −C2
Условията за двете прави да съвпадат, да са успоредни или да
се пресичат са еквивалентни съответно на следните условия за
системата (15.3) - да е неопределена (има безброй много решения),
да е несъвместима (няма решения) или да е определена (има едно
решение).
Системата (15.3) е неопределена, точно когато rg(A) = rg(A∗) =
1. Това условие е еквивалентно на наличието на линейна зависи-
мост между редовете на A∗, т. е. двата реда да са пропорционал-
A1
ни, т. е. A =B
B2
1 = C1 .
C2
2
Системата (15.3) е несъвместима, точно когато rg(A) < rg(A∗).
Това е възможно само когато rg(A) = 1, а rg(A∗) = 2, т. е. редо-
вете на A са пропорционални, но редовете на A∗ не са линейно
зависими, т. е. A
A2
1 = B1 6= C1 .
B2 C2
Системата (15.3) е определена, точно когато rg(A) = rg(A∗) = 2,
т. е. точно когато детерминантата на основната матрица е различ-
на от нула. Това е изпълнено, точно когато A
A2
1 6= B1 . В този случай
B2
системата (15.3) е крамерова и единственото ѝ решение (пресеч-
ната точка на правите) се намира чрез формулите на Крамер,
както следва:
1 B1 C1 1 C1 A1
x= , y= .
det A B2 C2 det A C2 A2
Определение 15.1. Множеството от всички прави в равнина-

та, минаващи през една точка, се нарича сноп прави, а дадената
точка - център на снопа.
Теорема 15.3. Нека
g1 : A1x + B1y + C1 = 0, g2 : A2x + B2y + C2 = 0,
са две различни прави от сноп с център точката S. Тогава всяка

права от снопа има уравнение
λ(A1x + B1y + C1) + µ(A2x + B2y + C2) = 0, (λ, µ) 6= (0, 0).

5. Разстояние от точка до права
Теорема 15.4. Точките M1(x1, y1) и M2(x2, y2) лежат в една и

съща полуравнина относно правата g : Ax + By + C = 0, точно
когато числата g(M1) = Ax1 + By1 + C и
g(M2) = Ax2 + By2 + C имат еднакви знаци.
Нека правата g : Ax+By+C = 0 е зададена относно ортонорми-

→
−
рана координатна система. Тогава векторът N (A, B) е нормален
за правата g. Единичният нормален вектор ~n се получава като
→
−
N A B
~n = −→ = (n1, n2) = √ 2 ,√ .
|N | A + B 2 A2 + B 2
Ще изведем формула за разстоянието d(M0, g) от точка M0(x0, y0)

до правата g.
Фиг. 15.7
Нека P е ортогоналната проекция на M0 върху g. Тогава същес-

твува число δ така, че
−−−→
P M0 = δ~n.
−−−→
Следователно d(M0, g) = |P M0| = |δ~n| = |δ|.|~n| = |δ|, тъй като
−−−→
векторът ~n е единичен. Ако P (p, q), то P M0(x0 − p, y0 − q) и
тогава
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.
Ap + Bq + C = 0 =⇒ A(x0 − δn1) + B(y0 − δn2) + C = 0.

От последното равенство следва
Ax0 + By0 + C
δ= √ .
A2 + B 2
Тогава разстоянието от точка M0(x0, y0) до правата
g : Ax + By + C = 0 се определя от формулата
|Ax0 + By0 + C|
d(M0, g) = √ .
2
A +B 2
Числото δ се нарича ориентирано разстояние от точка M0(x0, y0)

до правата g.
Пример 15.5. Нека относно ортонормирана координатна систе-
ма Oxy в равнината са дадени правите
x = 1 + 2λ
m: , p : 3x + 4y − 1 = 0.
y = −1 − λ
Намерете точка M от правата m, която се намира на разстояние
d(M, p) = 2 от правата p.
Тъй като M ∈ m, то тази точка трябва да има координати от
вида M (1 + 2λ, −1 − λ). Ще намерим стойностите на параметъра
λ, за които d(M, p) = 2.
Съгласно формулата за разстояние от точка до права имаме
|3(1 + 2λ) + 4(−1 − λ) − 1| |2λ − 2| 2

d(M, p) = √ = = |λ − 1|.
9 + 16 5 5
Тогава d(M, p) = 2, точно когато
|λ − 1| = 5 ⇐⇒ λ1 = 6, λ2 = −4.
След заместване на получените стойности за параметъра λ в урав-
нението на правата m, получаваме двете точки от тази права, кои-
то удовлетворяват условието на задачата: M1(13, −7) и M2(−7, 3).
Пример 15.6. Намерете уравненията на всички прави от √ снопа
прави с център точката S(1, −1), които са на разстояние 22 от
точката M (2, −1).
Можем да зададем всяка права от снопа, ако знаем уравненията
на две произволни прави от този сноп. Най-удобно е да използ-
ваме правите, минаващи през центъра на снопа S(1, −1), които
са успоредни на координатните оси. Това са правите s1 : x = 1 и
s2 : y = −1. Общите им уравнения са съответно s1 : x − 1 = 0 и
s2 : y + 1 = 0. Тогава произволна права l от разглеждания сноп
има уравнение от вида
l : λ(x − 1) + µ(y + 1) = 0, (λ, µ) 6= (0, 0).
Следователно общото уравнение на l е
l : λx + µy + (µ − λ) = 0.
√
От условието d(l, M ) = 22 получаваме
√
|2λ − µ + µ − λ| |λ| 2
d(l, M ) = p =p = .
2
λ +µ 2 2
λ +µ 2 2
След повдигане на квадрат горното равенство е еквивалентно на
уравнението λ2 − µ2 = 0, чиито решения са λ = µ и λ = −µ.
Заместваме тези решения в общото уравнение на l и така полу-
чаваме двете прави l1 и l2, които удовлетворяват условието на
задачата:
l1 : x + y = 0, l2 : x − y − 2 = 0.
В горните уравнения сме разделили на λ или µ, тъй като (λ, µ) 6=
(0, 0). Получените прави са изобразени на фиг. 15.8.
Фиг. 15.8
Ъглополовящата на един ъгъл в равнината е множеството от
точки, равноотдалечени от раменете на ъгъла. Лесно се съобразя-
ва, че ъглополовящата на единия от ъглите между две пресичащи
се прави е множеството от точки, чиито ориентирани разстояния
до правите са с еднакви знаци, а на другия ъгъл се състои от точ-
ките с различни по знак ориентирани разстояния до тези прави.
Ако са дадени пресичащите се прави
g1 : A1x + B1y + C1 = 0, g2 : A2x + B2y + C2 = 0,
то ъглополовящите на ъглите между тях са правите
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
n : 4(x − 1 − 4s) + 3(y − 1 − 3s) = 0,

т.е.
n : 4x + 3y − 7 − 25s = 0.
Решавайки системата от уравненията на двете прави m и n, на-
мираме координатите на пресечната им точка M . Получаваме
M ( 8s−1 , 3 + 3s). Сега отчитаме, че M е среда на отсечката AA 0.
2
Следователно M = 21 (A+A0), откъдето получаваме A0 = 2M −A.
Така за координатите на т. A0 намираме A0(8s − 12 , 6s + 3).
Точката A0 лежи на правата l0, която минава през т. P и е успо-
редна на правата b (съгл. условието на задачата). Построяваме
уравнението на l0
l0 : 10(x − 1 − 4s) − 5(y − 1 − 3s) = 0.
Така намираме
l0 : 2x − y − 1 − 5s = 0.
Координатите на т. A0 трябва да удовлетворяват уравнението на
l0. Следователно след заместването им в уравнението на правата
l0 получаваме следното уравнение за параметъра s
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
Окръжност е множество от точки в равнината, равноотдале-

чени от дадена точка. Тази точка се нарича център на окръж-
ността, а разстоянието от точките върху окръжността до нея -
радиус на окръжността.
Нека относно ортонормирана координатна система е дадена точ-
ка C(a, b) и числото r > 0. Нека M (x, y) е произволна точка,
лежаща върху окръжността k с център C и радиус r. Тогава
−−→ p
|CM | = (x − a)2 + (y − b)2 = r. Като повдигнем последното
равенство на квадрат получаваме уравнението
k : (x − a)2 + (y − b)2 = r2, (15.4)
което се нарича общо уравнение на окръжност с център C(a, b)

и радиус r.
Подробният запис на (15.4) е
k : x2 + y 2 − 2ax − 2by + a2 + b2 = r2.
От (15.4) се вижда, че уравнението на окръжност, за разлика
от уравнението на права, не е линейна, а квадратна зависимост
между променливите x и y.
От друга страна обаче не всяко квадратно уравнение на промен-

ливите x и y, т. е. уравнение от вида
c : a11x2 + a22y 2 + 2a12xy + 2a13x + 2a23y + a33 = 0,
задава окръжност (горното уравнение задава крива от втора сте-
пен, която може да бъде елипса, хипербола или парабола, или
друг вид крива). За да бъде кривата c окръжност, тя трябва да
е от вида
x2 + y 2 + mx + ny + l = 0, (15.5)
т. е. a11 = a22 6= 0 и a12 = 0. Освен тези две условия трябва да
бъде изпълнено и още едно условие, което е следствие от r > 0.
В равенството (15.5) отделяме точни квадрати, както следва
m m 2 m 2 n n 2 n 2
x2 + 2 x + − + y2 + 2 y + − + l = 0.
2 4 4 2 4 4
От горното равенство получаваме
m 2 n 2 m2 n2
x + 2 + y + 2 = 4 + 4 − l. (15.6)
Следователно третото условие за уравнението (15.5) да бъде урав-
нение на окръжност е
m2 n2
+ − l > 0.
4 4
Тогава, ако сравним уравнението (15.6) с (15.4) следва, че за цен-
търа C и радиуса r на окръжността, определена от (15.6), е в
сила: r
m n m2 n2
C − ,− , r= + − l.
2 2 4 4
Пример 15.8. Уравнението
c1 : 3x2 − 3y 2 − 6x + 4y − 1 = 0
не задава окръжност.
Уравнението
c2 : x2 + y 2 + 2x − 10y + 1 = 0
определя окръжност с център C(−1, 5) и радиус r = 5.

Уравнението
c3 : x2 + y 2 + 2x − 2y + 6 = 0
задава имагинерна окръжност с реален център C(−1, 1) и има-

гинерен радиус r = 2i.
Пример 15.9. Да се намери уравнението на окръжност k през
точките A(2, −2), B(7, 3), D(5, −1).
Геометричен подход. Един начин да решим задачата е да пост-
роим два диаметъра на търсената окръжност и намирайки пре-
сечната им точка, да получим координатите на центъра на k.
Нека M и N са среди съответно на хордите AB и BD. Тога-
ва M ( 92 , 21 ) и N (6, 1). През всяка от точките M и N построяваме
права, перпендикулярна на съответната хорда. Следователно пос-
троените прави са диаметри на k.
f
Тема 16.
Уравнение на права и равнина в тримерно пространство.
Уравнение на сфера
1. Уравнение на права в пространството
Векторно параметричното, скаларно параметричното и кано-

ничното уравнения на права в тримерно пространство могат да
бъдат построени аналогично на тези за права в равнина, отчи-
тайки, че точките и векторите в пространството имат три коор-
динати.
Нека Oxyz е координатна система в тримерно афинно прост-
ранство (геометрично пространство), относно която са зададени
точка M0(x0, y0, z0) и ненулев вектор ~v (a, b, c). Тогава за произ-
волна точка M (x, y, z) от правата g, минаваща през т. M0 и ко-
линеарна на вектора ~v , е изпълнено
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.
Ако от скаларно параметричните уравнения на правата g изра-

зим λ и след това приравним получените изрази, ще намерим
каноничното уравнение на 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)
Дотук обаче аналогията с уравнение на права в равнина спира.

За права в пространството не съществува еднозначно определен
ортогонален на нея вектор, т. е. няма нормален вектор. Важно е
да запомним, че не съществува общо уравнение на права в прос-
транството.
По-нататък ще разгледаме още един начин за задаване на права
в пространството, а именно като пресечница на две равнини.
Пример 16.1. Намерете уравнението на права m, минаваща през
точките M1(1, 0, 2) и M2(3, 2, 1).
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
α : ~r = ~r0 + λ~p + µ~q,

която се нарича векторно параметрично уравнение на равнината
α. Координатният запис на горното равенство има вида
x = x0 + λp1 + µq1
α: y = y0 + λp2 + µq2
z = z0 + λp3 + µq3,
който се нарича скаларно параметрично уравнение на равнината

α.
Вместо чрез точка и с два компланарни вектора, равнина може
да бъде зададена и чрез две точки и един ненулев вектор (ком-
планарен с равнината) или чрез три неколинеарни помежду си
точки (върхове на триъгълник).
Сега ще получим още един начин за задаване на уравнение на
равнина относно ортонормирана координатна система.
Нека Oxyz е ортонормирана координатна система в пространс-
−−−→
твото. Както казахме вече, векторите M0M (x − x0, y − y0, z − z0),
p~ и ~q са компланарни. Това е еквивалентно на
−−−→
M0M p~ ~q = 0.
От горното равенство получаваме следното уравнение на равни-

ната α
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 .
Тъй като векторите p~ и ~q не са колинеарни, то поне едно от чис-

лата A, B и C трябва да е различно от нула,
т. е. (A, B, C) 6= (0, 0, 0). Освен това (A, B, C) = p~ × ~q.
Тогава (16.1) е еквивалентно на уравнението
α : A(x − x0) + B(y − y0) + C(z − z0) = 0. (16.2)
Нека в (16.2) положим D = −Ax0 − By0 − Cz0. Тогава от (16.2)

получаваме уравнението
α : Ax + By + Cz + D = 0, (16.3)
което се нарича общо уравнение на равнината α.

Теорема 16.1. Произволен вектор ~v (λ, µ, ν) в тримерното прос-
транство е компланарен на равнината α с общо уравнение (16.3),
→
−
точно когато е ортогонален на вектора N (A, B, C), т. е. точно
когато Aλ + Bµ + Cν = 0.
Доказателство. Нека т. M0(x0, y0, z0) лежи в равнината α. Сле-
дователно Ax0 + By0 + Cz0 + D = 0. Нека за вектора ~v имаме
−−−→
~v = M0M . Тогава за т. M e в сила M (λ + x0, µ + y0, ν + z0).
Векторът ~v е компланарен на равнината α, точно когато и т. M
лежи в α, т. е. точно когато
A(λ + x0) + B(µ + y0) + C(ν + z0) + D = 0.
Поради факта, че т. M0 лежи в равнината α, последното равенс-
тво е еквивалентно на Aλ + Bµ + Cν = 0.
−
→
Векторът N (A, B, C) се нарича нормален вектор на равнината
α с общо уравнение (16.3). Ако p~ и ~q са два линейно независими
→
−
вектора, които са компланарни с α, то N α = p~ × ~q.
От (16.2) и Теорема 16.1 следва, че векторът
−−−→ →
−
M0M (x − x0, y − y0, z − z0) е ортогонален на N . Уравнението
(16.2) е уравнение на равнина през т. M0(x0, y0, z0) и нормален
→
−
вектор N (A, B, C).
Ще обобщим разгледаните дотук начини за построяване на урав-

нение на равнина:
• чрез точка и два неколинеарни вектора (компланарни с равни-
ната);
• чрез две точки и един ненулев вектор (компланарен с равнина-
та);
• чрез три неколинеарни точки;
• чрез точка и нормален вектор.
Пример 16.2. Намерете общото уравнение на равнина α, минава-

ща през точката M (1, 2, 1) и компланарна на векторите p~(1, −1, 0)
и ~q(0, 1, 1).
x−1 y−2 z−1

α: 1 −1 0 = 0.
0 1 1
След развиване на детерминантата получаваме общото уравнение
на равнината
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
α1 : A1x + B1y + C1z + D1 = 0,

α2 : A2x + B2y + C2z + D2 = 0,
тогава:
1) α1 и α2 съвпадат, точно когато
A1 B1 C1 D1
= = = ;
A2 B2 C2 D2
2) α1 и α2 са успоредни, точно когато
A1 B1 C1 D1
= = 6= ;
A2 B2 C2 D2
3) α1 и α2 се пресичат, точно когато коефициентите пред x, y
и z в уравненията на двете равнини не са пропорционални.
Следствие 16.1. Относно произволна координатна система в
тримерно пространство всяка права g може да се зададе по след-
ния начин
A1x + B1y + C1z + D1 = 0

g:
A2x + B2y + C2z + D2 = 0,
където тройките (A1, B1, C1) и (A2, B2, C2) не са пропорционал-

ни.
Пример 16.3. Координатните оси Ox, Oy и Oz имат следните
уравнения, зададени като пресечници на две координатни равни-
ни:
y=0 x=0 x=0

Ox : , Oy : , Oz :
z=0 z=0 y = 0.
Пример 16.4. Намерете каноничното уравнение на правата m,
определена от уравненията
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.
Тогава пресмятаме m(1,

~ −4, −3). Остава само да намерим една
точка от правата m, т. е. едно решение на системата от уравне-
нията на равнините α и β, което направихме по-горе, например
т. N (−1, −5, 0). След това можем да съставим каноничното урав-
нение на m, като права през т. N с колинеарен вектор m.
~
Определение 16.1. Множеството от всички равнини, минава-
щи през обща права, се нарича сноп равнини, а дадената права -
носител на снопа.
Теорема 16.4. Нека
α1 : A1x+B1y+C1z+D1 = 0, α2 : A2x+B2y+C2z+D2 = 0,
са две различни равнини от сноп равнини. Тогава всяко уравнение

от вида
λ(A1x+B1y+C1z+D1)+µ(A2x+B2y+C2z+D2) = 0, (λ, µ) 6= (0, 0),
е уравнение на равнина от снопа.

3. Разстояние от точка до равнина
Нека спрямо ортонормирана координатна система е дадена рав-

нината
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
Сферата е множество от точки в пространството, равноотдале-

чени от дадена точка.
Относно ортонормирана координатна система Oxyz сфера S с
център точката C(a, b, c) и радиус R > 0 има общо уравнение
S : (x − a)2 + (y − b)2 + (z − c)2 = R2.
Окръжност в тримерното пространство се задава като сечение

на сфера и равнина. Нека разгледаме следващия пример.
Пример 16.6. Намерете центъра и радиуса на окръжността k
в тримерното пространство, определена относно ортонормирана
координатна система от уравненията
x2 + y 2 + z 2 − 8x − 14y + 2z + 30 = 0
k:
3x + y − z − 9 = 0.
Чрез метода на отделяне на точни квадрати установяваме, че

първото уравнение е еквивалентно на
S : (x − 4)2 + (y − 7)2 + (z + 1)2 = 36.
Следователно това уравнение определя сфера S с център C(4, 7, −1)

и радиус R = 6.
Фиг. 16.1
За да намерим координатите на центъра C 0 на окръжността k,

първо построяваме права l през центъра C на сферата S, която е
перпендикулярна на равнината α : 3x + y − z − 9 = 0, съдържаща
окръжността.
Скаларно параметричните уравнения на правата l са следните
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.
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
Определение 17.1. Нека V е векторно пространство над чис-

ловото поле K и f е линейно преобразувание на V . Един вектор
x ∈ V се нарича собствен вектор на f , ако x 6= o и същест-
вува λ ∈ K така, че
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 .
Теорема 17.1. Множеството от всички собствени вектори на

линейно преобразувание, съответстващи на обща собствена стой-
ност, заедно с нулевия вектор е векторно пространство.
Доказателство. Нека x1 и x2 са два собствени вектора на линей-
ното преобразувание f , съответстващи на собствената му стой-
ност λ, т. е. f (x1) = λx1 и f (x2) = λx2. Нека разгледаме произ-
волна линейна комбинация на x1 и x2, т. е. вектора
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 (v) = f (µ1x1 + µ2x2) = µ1f (x1) + µ2f (x2)

= µ1(λx1) + µ2(λx2) = λ(µ1x1 + µ2x2) = λv,
което показва, че v също е собствен вектор на f , съответстващ
на собствената стойност λ.
Векторното подпространство Vλ на собствените вектори на линей-
ното преобразувание f на V , съответстващи на собствената стой-
ност λ, се нарича собствено подпространство на f , съответно
на λ. Тъй като собствените вектори са ненулеви по определение,
то dim Vλ ≥ 1.
Теорема 17.2. Всяка система от собствени вектори на f , съ-

ответстващи на различни помежду си собствени стойности, е
линейно независима.
Нека λ e собствена стойност на f . Тогава съществува вектор x,
за който f (x) = λx. Това условие е еквивалентно на
(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.
Нека V е крайномерно векторно пространство и e = (e1, e2, ..., en)

е база на V . Нека матрицата на f в базата e има вида
 
a11 a12 ... a1n
a a22 ... a2n 
 21
A = Me(f ) =  .

 ... ... ... ... 
an1 an2 ... ann
Тогава матрицата на линейното преобразувание f − λid в същата

база е A − λE (където E е единичната матрица от същия ред
като A), т. е.
 
a11 − λ a12 ... a1n
 a
21 a22 − λ ... a 2n 

A − λE =  .

 ... ... ... ... 
an1 an2 ... ann − λ
Условието линейното преобразувание f − λid да е особено е ек-
вивалентно на
a11 − λ a12 ... a1n
a21 a22 − λ ... a2n
det(A − λE) = = 0.
... ... ... ...
an1 an2 ... ann − λ
Определение 17.2. Уравнението det(A − λE) = 0, неговите ко-

рени и полиномът det(A − λE) се наричат съответно характерис-
тично уравнение, характеристични корени и характеристичен
полином на матрицата A.
Теорема 17.3. Подобните матрици имат равни характерис-

тични полиноми.
Теорема 17.4. Собственото подпространство Vλ на линейното

преобразувание f на V съвпада с ker(f − λid).
Пример 17.1. Да намерим собствените стойности на матрицата
 
0 0 −2
A = 1 2 1 .
 
1 0 3
Характеристичното уравнение е
−λ 0 −2
1 2−λ 1 = 0,
1 0 3−λ
т.е. λ3 − 5λ2 + 8λ − 4 = 0. Корените на това уравнение, т.е. собс-
твените стойности на матрицата A са: λ1 = 1 и λ2 = λ3 = 2.
Нека отбележим, че λ1 = 1 е прост корен, а λ2 = λ3 = 2 е
кратен корен с кратност две (двукратен корен).
Нека намерим собствените вектори, съответстващи на тези соб-
ствени стойности.
Уравнението за собствените вектори (x, y, z), съответстващи на
λ1 = 1, е
    
−1 0 −2 x 0
 1 1 1  y  = 0,
    
1 0 2 z 0
откъдето получаваме системата
x+y+z =0
y − z = 0.
Следователно собствените вектори, отговарящи на λ1 = 1, са от
вида (−2y, y, y), y 6= 0. Тези вектори заедно с нулевия вектор
o(0, 0, 0) образуват едномерно векторно пространство. Една база
на това пространство, т.е. един собствен вектор, съответстващ на
λ1 = 1, е векторът v1(−2, 1, 1).
Аналогично намираме собствените вектори, отговарящи на дру-
гата получена собствена стойност λ2 = λ3 = 2. Решаваме уравне-
нието
    
−2 0 −2 x 0
1 0 1  y  = 0,
    

1 0 1 z 0
т.е. x + z = 0. Решенията на това уравнение са наредени трой-
ки от вида (x, y, −x). Тези вектори заедно с нулевия образуват
двумерно векторно пространство. Една база на това пространст-
во се състои от двата линейно независими вектора v2(1, 0, −1) и
v3(0, 1, 0).
2. Собствени стойности и собствени вектори на
симетрично линейно преобразувание
Определение 17.3. Линейното преобразувание f на векторното

пространство V се нарича симетрично, ако
f (x)y = xf (y), x, y ∈ V.
Една матрица A = (aij ) се нарича симетрична, ако съвпада с

транспонираната си матрица, т. е.
A = AT ⇐⇒ aij = aji за всяко i, j.

Линейното преобразувание f е симетрично, точно когато матри-
цата му Me(f ) в ортонормирана база е симетрична.
Теорема 17.5. Характеристичните корени на всяка симетрич-

на матрица са реални числа.
Теорема 17.6. Спектърът на всяко симетрично линейно преоб-
разувание съвпада с множеството на характеристичните коре-
ни на матрицата му в ортонормирана база.
Теорема 17.7. Собствените вектори на симетрично линейно

преобразувание, съответни на различни помежду си собствени
стойности, образуват ортогонално система.
Пример 17.2. Намерете собствените стойности и съответните им
собствени подпространства на линейното преобразувание f на R3,
определено от
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
След развиване на детерминантата, характеристичното уравне-

ние приема вида
λ3 − 3λ2 + 4 = 0 ⇐⇒ (λ + 1)(λ − 2)2 = 0.

Следователно характеристичните корени на A са λ1 = −1
и λ2 = λ3 = 2. Това са и собствените стойности на f .
Нека на собствената стойност λ1 = −1 съответства собственото
подпространство V1 < R3 на f . Да намерим
ker(f − λ1id) = ker(f + id) е равносилно на намирането на ре-
шаването на системата хомогенни линейни уравнения с основна
матрица (A − λ1E), т. е.
    
2 1 −1 x 0
1 2 1  y  = 0.
    

−1 1 2 z 0
Чрез метода на Гаус установяваме, че горната система е еквива-
лентна на
x+y =0
y + z = 0.
Всяко ненулево решение на горната система е един собствен век-
тор на f , съответстващ на собствената стойност λ1 = −1. Вектор-
ното подпространство V1 се състои от всички решения на горната
система, т. е.
V1 = {(x, y, z) ∈ R3 | x + y = 0, y + z = 0}.
Имаме dim V1 = 1. Една база на V1 е всяка фундаментална сис-
тема решения на системата, векторът e10 (1, −1, 1).
Нека на собствената стойност λ2 = λ3 = 2 съответства собстве-

ното подпространство V2 < R3 на f . Векторите, принадлежащи
на V2, са всички решения на системата
    
−1 1 −1 x 0
 1 −1 1   y  =  0  .
    
−1 1 −1 z 0
Горната система е еквивалентна на уравнението
x − y + z = 0.
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
Нека V е крайномерно векторно пространство, а f е произволно

линейно преобразувание на V .
Тъй като матрицата на f зависи от избраната база на V , въз-
никва въпросът по какъв начин да се избере база, в която тази
матрица е от възможно най-прост вид, например диагонален
 
λ1 0 ... 0
 0 λ ... 0 
2
B= .
 
 ... ... ... ... 
0 0 ... λn
Ако линейно преобразувание f има в базата e матрицата
 
a11 a12 ... a1n
a a ... a 
 21 22 2n 
A = Me(f ) =  
 ... ... ... ... 
an1 an2 ... ann
и съществува друга база e0, в която матрицата му е диагонална
(B), то в сила е равенството
B = T −1AT, (17.1)
където T е матрицата на прехода от e към e0.
Определение 17.4. Едно линейно преобразувание f на крайно-

мерно векторно пространство V се нарича диагонализируемо, ако
съществува база на V , в която матрицата на f е диагонална.
Една квадратна матрица се нарича диагонализируема, ако е по-
добна на диагонална матрица.
Намирането на неособената матрица T , чрез която от матри-
цата A по формулата (17.1) се получава диагоналната матрица
B, се нарича диагонализация на матрицата A (или на линейното
преобразуване f , зададено с матрицата A).
Теорема 17.8. Едно линейно преобразувание f е диагонализируе-

мо, точно когато за всяка негова ki-кратна собствена стойност
λi собственото подпространство Vλi е с размерност ki.
С други думи – ако λ е собствена стойност в кратност k, то на

нея трябва да съответстват k на брой линейно независими помеж-
ду си собствени вектора.
Квадратна матрица от n-ти ред е диагонализируема, точно ко-
гато има n на брой независими собствени вектора.
Теорема 17.9. Всяка симетрична матрица може да се приведе

в диагонален вид чрез ортогонална матрица T .
Нека разгледаме матрицата A от Пример 17.1. На собствената
стойност λ1 = 1 с кратност едно съответства едномерно векторно
подпространство. На λ2 = λ3 = 2 (двукратна собствена стойност)
съответства двумерно векторно подпространство. Изпълнени са
условията на Теорема 17.8 - следователно матрицата A е диаго-
нализируема. Диагоналният ѝ вид e
 
1 0 0
B = 0 2 0.
 
0 0 2
В сила е B = T −1AT , където
   
−2 1 0 −1 0 −1
T = 1 0 1, T −1 =  −1 0 −2  .
   
1 −1 0 1 1 1
T е матрицата на прехода от естествената база на R3 към базата
{v1, v2, v3} от собствени вектори на A.
Нека разгледаме отново линейното преобразувание f от Пример
17.2. Това изображение е симетрично и следователно може да се
диагонализира чрез ортогонална матрица.
Една база от собствени вектори на f се състои от векторите
e10 (1, −1, 1), e20 (1, 1, 0) и e30 (−1, 0, 1). В базата от собствените си
вектори матрицата на f е диагонална и има вида
 
−1 0 0
B = Me0 (f ) =  0 2 0  .
 
0 0 2
Матрицата на прехода T от e към e0 e
 
1 1 −1
T =  −1 1 0  ,
 
1 0 1
а за обратната ѝ матрица получаваме
 1 1 1

3 − 3 3
−1
 1 2 1 .

T =  3 3 3
− 13 13 2
3
Тогава
Me0 (f ) = T −1Me(f )T,

т. е.
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
Тогава a = (a1, a2, a3) е една ортонормирана база от собствени

вектори на f . Следователно матрицата на прехода Q от естестве-
ната ортонормирана база e на R3 към ортонормираната база a е
ортогонална и чрез нея симетричното линейно преобразувание f
се привежда в диагоналния си вид B. Матрицата Q има вида
√1 √1 − √1
 
 3 2 6
 √1 √1 √1  .
−

Q=
 3 2 6
 √ 
√1 0 √2
3 3
Пример 17.3. Нека разгледаме матрицата
 
2 4 6
A = 0 2 2.
 
0 0 4
Собствените ѝ стойности са λ1 = λ2 = 2 и λ3 = 4.
Нека намерим собствените вектори, съответстващи на двукрат-
ната собствена стойност λ1 = λ2 = 2. Решавайки уравнението
    
0 4 6 x 0
0 0 2  y  = 0,
    

0 0 2 z 0
намираме y = z = 0. Следователно всички собствени вектори, от-
говарящи на тази собствена стойност, са от вида (x, 0, 0), x 6= 0.
Тези вектори заедно с нулевия вектор o(0, 0, 0) образуват едно-
мерно векторно пространство (една негова база се състои от век-
тора ~v (1, 0, 0)).
Тъй като на двукратна собствена стойност не съотвества двумер-
но векторно подпространство, а както видяхме - едномерно, то
матрицата A не е диагонализируема.
f
Тема 18.
Криви от втора степен
1. Криви от втора степен. Класификация
Определение 18.1. Множеството от точки в реалната равнина,

чиито координати относно координатна система Oxy удовлетво-
ряват уравнение от вида
c : a11x2 + 2a12xy + a22y 2 + 2a13x + 2a23y + a33 = 0, (18.1)
в което aij ∈ R (i, j = 1, 2, 3) и поне един от коефициентите

a11, a12 и a22 е различно от нула, се нарича крива от втора
степен, а уравнението (18.1) - уравнение на кривата.
Изразът f (x, y) = a11x2 +2a12xy+a22y 2 се нарича квадратична
форма на променливите x и y.
На кривата от втора степен c, определена от (18.1), се съпоставя
еднозначно симетричната матрица A = (aij ) от коефициентите в
уравнението на кривата по следния начин
 
a11 a12 a13
A =  a12 a22 a23  .
 
a13 a23 a33
Кривата от втора степен c, определена от (18.1), се нарича неиз-

родена, ако det A 6= 0. В противен случай (ако det A = 0) кри-
вата c се нарича изродена (кривата се изражда в две прави, т. е.
уравнението ѝ може да се представи като произведение на два
множителя от първа степен, всеки от които задава уравнение на
права).
Пример 18.1. На кривата c1, определена от уравнението
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
Нейната детерминанта е равна на A33 - адюнгираното количество

на елемента a33 от матрицата A.
Неизродената крива c се нарича:

• хипербола, ако A33 < 0;
• парабола, ако A33 = 0;
• елипса, ако A33 > 0.
Ако кривата е изродена, тя се нарича съответно изродена крива
от хиперболичен тип (A33 < 0), от параболичен тип (A33 = 0)
и от елиптичен тип (A33 > 0).
Кривата c1 от Пример 18.1 е парабола, тъй като

det A 6= 0 и A33 = 0.
Кривата c2 е изродена крива от хиперболичен тип (A33 = − 94 ).
2. Конични сечения
Елипсата, хиперболата и параболата се наричат конични сече-

ния, тъй като се получават при пресичането на повърхнината
конус с равнина под различен ъгъл. Тези криви са били изучени
за пръв път от древногръцкия математик Аполоний Пергски (ок.
262 пр. н. е. - ок. 190 пр. н. е.).
Фиг. 18.1. a) парабола; b) окръжност и елипса; c) хипербола.
2.1. Парабола
Определение 18.2. Множеството от точките в равнината, които

са на равни разстояния от дадена точка F и неминаваща през нея
права d в същата равнина, се нарича парабола. Точката F се на-
рича фокус на параболата, а d - нейна директриса. Разстоянието
p от F до d се нарича параметър на параболата.
Относно ортонормирана координатна система Oxy параболата
има следното канонично уравнение
y 2 = 2px, (p > 0). (18.2)

Фиг. 18.2 - парабола
Координатната ос Ox е оста на параболата с уравнение (18.2), а
т. O - неин единствен връх. Освен това координатите на фокуса
F и уравнението на директрисата d са съответно:
p p
F ,0 , d: x=− .
2 2
Траекторията на тяло, движещо се под действието на гравита-
цията при отсъствие на съпротивителни сили (или пренебрежимо
малки съпротивителни сили), е много близка до парабола. Това
важи за движения с ниски скорости. Откриването на тази зако-
номерност дължим на Галилео Галилей. При по-бързо движещи
се тела (например куршум) триенето на въздуха е значително
по-голямо и траекторията не e парабола.
Параболата има следното оптично свойство: Светлинен лъч с
начало фокуса на параболата след отразяването си от парабо-
лата, става успореден на нейната ос.
Според легендата през 3 в. пр. н. е. Архимед използвал оптич-
ното свойство на параболата, за да защити град Сиракуза от
римската флота. Той конструирал параболични огледала, т. е. с
формата па повърхнината параболоид (Фиг. 18.3), получена при
завъртането на парабола около нейната ос.
Фиг. 18.3
С помощта на параболичните огледала Архимед концентрирал

слънчевите лъчи в една точка (фокуса на параболоида) и по този
начин подпалил римските кораби.
Днес този принцип се използва при конструирането на пара-
болични сателитни антени, рефлекторни огледала за телескопи
и радиотелескопи, като например, най-големият радиотелескоп в
света, намиращ се в Аресибо (Пуерто Рико) или оптичните телес-
копи на обсерваторията Кек на Мауна Кеа (Хаваи).
Радиотелескопа в Аресибо Обсерваторията Кек

2.2. Хипербола
Определение 18.3. Множеството от точките в равнината, за ко-

ито абсолютната стойност на разликата от разстоянията до две
дадени точки F1 и F2 в същата равнина е константа, по-малка от
разстоянието между F1 и F2, се нарича хипербола. Точките F1 и
F2 се наричат фокуси, а разстоянието между тях - фокусно разс-
тояние. За произволна точка M от хиперболата отсечките F1M
и F2M , както и дължините им, се наричат фокални радиуси на
M.
Хиперболата има следното канонично уравнение относно орто-
нормирана координатна система Oxy:
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
се наричат асимптоти на хиперболата. Отсечката A1A2 с дъл-

жина 2a и отсечката B1B2 с дължина 2b се наричат съответно
фокална и нефокална ос на хиперболата.
Фиг. 18.4 - хипербола
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 хиперболата.
Изпълнено е: e > 1.
Хиперболата има следното оптично свойство: Ако от единия
фокус на хипербола бъде пуснат светлинен лъч, то след отразя-
ването му от хиперболата неговото продължение ще мине през
другия ѝ фокус.
Хиперболи се използват за локализиране на точка (обект) в за-
висимост от разстоянията ѝ до фиксирани точки или по-точно в
зависимост от разликите във времената на пристигането на синх-
ронизирани сигнали от фиксираните точки до обекта. Този метод
стои в основата на системи за навигация като Loran (Long Range
Navigation), разработена в началото на 40те години на миналия
век и използвана успешно за навигация по въздух и вода, Decca
Navigator System, използвана по време на Втората световна вой-
на, CHAYKA, използвана в Русия и др.
За намиране на местоположението на даден обект от Loran са
необходими три станции - една от тях се нарича главна (M ), а
останалите две - вторични (S1 и S2). Всяка станция излъчва пул-
сиращи нискочестотни радио сигнали с уникална честота, за да
могат да бъдат различавани станциите помежду си. Тези сигнали
достигат до приемник, намиращ се на обекта и след анализира-
нето им от системата се определя закъснението във времето на
получаването им, а от там разликите в разстоянието от обекта до
две двойки станции. Освен това се отчита и коя от трите станции
се намира най-близо до обекта.
Фиг. 18.5 - локализиране на обект чрез Loran
От 1995 Loran е заменена от системата GPS (Global Positioning
System) и сега изпълнява само подпомагаща функция. GPS сис-
темата използва метода окръжностите (сферите) за локализира-
не на обекти. Първоначално използвана от военните в САЩ, а
по-късно предоставена и за граждански цели, GPS използва 24
сателита, разположени в 6 равнини на средна околоземна орби-
та, които обикалят Земята 2 пъти за денонощие. Тази система
се нуждае от поне три (дори четири) сателита за определяне на
ширината, дължината и височината на обект, снабден с GPS при-
емник. След получаването на сигнал от сателита, приемникът
изчислява разстоянието си до него. Затова е от съществено зна-
чение часовниците на сателитите да са синхронизирани с тези на
Земята. Вместо да се използват хиперболи всеки от трите сатели-
та се разглежда като център на сфера с радиус разстоянието му
до приемника. Трите сфери могат да се пресекат в две точки, за-
това се използва и четвърти сателит. Този метод за локализация
се нарича трилатерация.
Фиг. 18.6 - локализация чрез GPS
GPS и Алберт Айнщайн -

http://physicscentral.com/explore/writers/will.cfm.
2.3. Елипса
Определение 18.4. Множеството от точките в равнината,

за които сумата от разстоянията до две дадени точки F1 и F2 в
същата равнина е константа, по-голяма от разстоянието между
F1 и F2, се нарича елипса. Точките F1 и F2 се наричат фокуси,
а разстоянието между тях - фокусно разстояние. За произволна
точка M от елипсата отсечките F1M и F2M , както и дължините
им, се наричат фокални радиуси на M .
Елипсата има следното канонично уравнение относно ортонор-
мирана координатна система Oxy:
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.
Елипсата има следното оптично свойство: Лъч с начало единия

фокус на елипса, след отразяването си от елипсата, минава през
другия ѝ фокус.
Това свойства се използва при конструирането на тавани на по-
мещения. В т. нар. "стая на шепота" , чийто таван е с формата
на част от елипсоид (повърхнина, получена при завъртането на
елипса около фокалната ѝ ос) човек, застанал на единия фокус на
елипсоида, чува добре шепота на друг човек, застанал на втория
фокус.
Фиг. 18.8 - елипсоид

Според слухове шестият президент на САЩ Джон Куинси Адамс
са възползвал от това свойство на таван на зала в Капитолия във
Вашингтон, за да подслушва политическите си опоненти.
Фиг. 18.9 - National Statuary Hall в Капитолия, Вашингтон
В двореца на Карлос V в Алхамбра има също такава стая.

Първият закон на Кеплер, т. нар. закон за орбитите гласи: Всич-
ки планети се движат по елиптични орбити, като Слънцето
се намира в единия от фокусите.
Планетата в Слънчевата система с най-ексцентрична орбита
(най-голяма стойност на числения ексцетрицитет e) е Меркурий.
Планета / Планетоид Ексцентрицитет e

Меркурий 0.206
Венера 0.0068
Земя 0.0167
Марс 0.0934
Юпитер 0.0485
Сатурн 0.0556
Уран 0.0472
Нептун 0.0086
Плутон 0.250
Периодичните комети имат силно ексцентрични орбити. Напри-
мер Халеевата комета има орбита с e = 0.967. Кометите с много
дълги периоди следват орбити, близки до парабола, тъй като за
тях e ≈ 1 (параболата има e = 1). Такава е например кометата
Хейл Боп, e = 0.995086, която беше наблюдавана през 1997г. Из-
числено, че тя ще се завърне отново близо до Земята около 4380г.
Има и комети с хиперболични орбити, като например Макнаут,
за чиято орбита e = 1.000030. Такива комети могат да напуснат
Слънчевата система и се наричат непериодични.

LAAG

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

LAAG

Uploaded by

Copyright:

Available Formats

f

Определение 1.1. Наредена двойка точки (A, B) се означава с

За точките A, B, C и D също се казва, че са колинеарни, ако

Следствие. Фигурата ABCD е успоредник, точно когато

Свободните вектори ~a и ~b се наричат колинеарни, ако съответните

Събиране на свободни вектори

Ако ~a k ~b, то ~a + ~b k ~ak ~b.

Фиг. 1.9 Правило на успоредника за събиране на свободни вектори

Допълваме ъгъла AOB до успоредника OACB. Тогава, съглас-

Определение 1.8. Непразно множество V се нарича линейно

Елементите на V се наричат вектори. Действията събиране на

Следствие 1.1. Нулевият елемент на всяко векторно прост-

Следствие 1.2. Противоположният елемент на всеки елемент

Следствие 1.3. 0a = o за всяко a ∈ V .

Следствие 1.4. (−1)a = −a за всяко a ∈ V .

Следствие 1.5. Ако λa = o, то или λ = 0, или a = o.

Следствие 1.6. Ако a и b са произволни вектори от V , то урав-

Определение 1.10. Нека V е векторно пространство над полето

(f + g)(x) = f (x) + g(x), (λf )(x) = λf (x),

Пример 1.5. Множеството Rn[x] на полиномите на x с реални

Множеството от всички реални матрици от тип m×n се означава

Квадратните матрици от ред n

се наричат съответно горно триъгълна и долно триъгълна матри-

Множеството Mm×n(R), снабдено с действията (2.1) и (2.2) е век-

Противоположният елемент на A ∈ Mm×n(R), A = (aij ), е мат-

Ще докажем, че M е векторно подпространство на M2×2(R).

Така установихме, че A + B, λA ∈ M за всеки A, B ∈ M и

Нека V е векторно пространство над полето K, {a1, a2, ..., ak } е

b = λ1a1 + λ2a2 + ... + λk ak

се нарича линейна комбинация на векторите a1, a2, ..., ak .

λ1a1 + λ2a2 + ... + λk ak = o.

С други думи, една система от вектори на дадено векторно прос-

Забелязваме, че поне един от векторите a1, a2 и a3 (в този случай

a1 = a3 − a2, a2 = a3 − a1, a3 = a1 + a2.

Както ще видим по-нататък, това е една важна характеристика

λ1a1 + λ2a2 + ... + λk ak = o.

е изпълнено, точно когато λ1 = λ2 = ... = λk = 0. Векторите на

След сравняване на съответните компоненти на матриците от

Никоя от матриците A, B или C не може да се представи като

Теорема 3.3. Всяка система от вектори, която съдържа ли-

Следствие 3.1. Нулевият вектор не може да участва в линей-

Съгласно Теорема 3.1. един свободен вектор е линейно зависим,

Теорема 3.4. Два свободни вектора са линейно зависими, точно

Пример 3.4. Всички вектори, които са колинеарни с дадена пра-

Пример 3.6. Нека разгледаме паралелепипеда ABCDA1B1C1D1.

Определение 3.3. Системата от вектори {a1, a2, ..., ak } на V се

Пример 3.7. Нека разгледаме векторното пространство R2[x] на

f (x) = a0 + a1x + a2x2 = a0.1 + a1.x + a2.x2, a0, a1, a2 ∈ R.

f (x) = λx2 + µ(2x + 1) = λx2 + 2µx + µ.

x2 + 5 = λx2 + 2µx + (3ν − λ),

Пример 3.8. Пораждаща система на векторното пространство,

Определение 3.5. Всяка наредена система от вектори, която е

x = λ1a1 + λ2a2 + ... + λk ak . (3.1)

Теорема 3.8. Всяка линейно независима система от вектори

Теорема 3.9. Всички бази на крайномерно векторно пространс-

Определение 3.6. Размерност на ненулево крайномерно век-

2) всяка пораждаща пространството система има най-малко n

Следователно dimRn = n. В частност, dimR = 1, dimC = 2.

Размерността на геометричното векторно пространство е три,

Следователно dimMm×n(R) = mn.

x = x1e1 + x2e2 + ... + xnen (3.3)

е еднозначно, x1, x2, ..., xn ∈ K.

Определение 3.7. Числата от наредената n-торка (x1, x2, ..., xn),

Координатите на полинома f (x) = a0 + a1x + a2x2 + ... +