Школьное повторение от преобразований к задачам
Маршрут для повторения связывает алгебраические преобразования с последовательностями и геометрическими расчётами.
Предмет
Формулы по алгебре, геометрии, тригонометрии, началам анализа и вероятности.
Маршрут для повторения связывает алгебраические преобразования с последовательностями и геометрическими расчётами.
756 формул
Показаны 421-480 из 756. Остальные формулы доступны на соседних страницах раздела.
Обратная подстановка находит неизвестные после прямого хода метода Гаусса. Она идет снизу вверх по ступенчатой системе: сначала последняя ведущая переменная, затем предыдущие.
Ступенчатый вид матрицы - это форма, где ведущие элементы ненулевых строк смещаются вправо при движении вниз, а под каждым ведущим элементом стоят нули.
Приведенный ступенчатый вид, или RREF, усиливает обычный ступенчатый вид: каждый ведущий элемент равен 1, а в его столбце все остальные элементы равны 0.
Метод Гаусса-Жордана продолжает метод Гаусса до приведенного ступенчатого вида. Если система имеет единственное решение, расширенная матрица превращается в [I|x], и ответ читается сразу.
Ранг расширенной матрицы показывает, добавляет ли столбец правых частей новое независимое условие к строкам матрицы коэффициентов. Это ключ к проверке совместности системы.
Теорема Кронекера-Капелли дает точный критерий совместности линейной системы: решение существует тогда и только тогда, когда ранги матрицы коэффициентов и расширенной матрицы равны.
Линейная система несовместна, если ранг расширенной матрицы больше ранга матрицы коэффициентов. Это означает, что правые части добавляют противоречивое условие, которое нельзя получить из левых частей уравнений.
Линейная система с n неизвестными имеет единственное решение, если она совместна и общий ранг равен числу неизвестных. Тогда все переменные ведущие, свободных параметров не остается.
Совместная линейная система имеет бесконечно много решений, если общий ранг меньше числа неизвестных. Тогда остаются свободные переменные, и все решения описываются параметрами.
В совместной линейной системе число свободных переменных равно числу неизвестных минус ранг матрицы коэффициентов. Эти переменные становятся параметрами общего решения.
Общее решение совместной линейной системы записывают как одно частное решение плюс линейную комбинацию направлений однородной системы. Параметров столько, сколько свободных переменных.
Размерность пространства решений однородной системы Ax = 0 равна числу неизвестных минус ранг матрицы A. Это частный и особенно важный случай подсчета свободных переменных.
Ядро линейного отображения - это множество всех векторов, которые переходят в нулевой вектор. По ядру сразу видно, теряет ли отображение информацию и может ли оно быть инъективным.
Образ линейного отображения - это множество всех векторов, которые реально могут получиться на выходе. Для матрицы это столбцовое пространство, натянутое на ее столбцы.
Ранг линейного отображения равен размерности его образа. Он показывает, сколько независимых направлений результата реально достижимо.
Дефект линейного отображения равен размерности его ядра. Он показывает, сколько независимых входных направлений отображение переводит в ноль.
Теорема о ранге и дефекте говорит, что размерность исходного пространства равна сумме размерности образа и размерности ядра линейного отображения.
Линейное отображение инъективно тогда и только тогда, когда его ядро состоит только из нулевого вектора. Ненулевое ядро означает потерю различимости входов.
Линейное отображение сюръективно, если его образ совпадает со всем пространством значений. В матричном языке это означает полный строковый ранг.
Если матрица A имеет n столбцов и ранг r, то размерность ее ядра равна n-r, а размерность образа равна r. Это матричная форма теоремы о ранге и дефекте.
Базис векторного пространства - это набор векторов, который одновременно порождает все пространство и не содержит лишних зависимых направлений. Через базис любой вектор записывается единственным способом.
Координаты вектора в базисе - это коэффициенты единственного разложения вектора по базисным векторам. Сам вектор не меняется, меняется только числовая запись относительно выбранного базиса.
Размерность конечномерного векторного пространства - это число векторов в любом его базисе. Она показывает, сколько независимых направлений нужно для описания всех элементов пространства.
В Rn набор из n векторов является базисом тогда и только тогда, когда определитель матрицы из этих векторов как столбцов не равен нулю.
Матрица базиса переводит координатный столбец в выбранном базисе в стандартные координаты. Ее столбцы - это сами базисные векторы, записанные в стандартной системе.
Переход координат между базисами переводит координатный столбец одного и того же вектора из базиса B в базис C. Сам вектор не меняется, меняется только его числовое описание.
При смене базиса матрица одного и того же линейного оператора меняется по формуле подобия. Это позволяет описывать один оператор разными матрицами без изменения самого действия на пространстве.
Лемма Штейница о замене формализует идею, что независимых направлений не может быть больше, чем в порождающем наборе. Из нее следуют равенство числа векторов в любых базисах и корректность понятия размерности.
Критерий линейности проверяет, сохраняет ли отображение сложение векторов и умножение на скаляр. Если равенство выполняется для любых u, v и скаляров alpha, beta, отображение линейно.
Если T:R^n -> R^m линейно, то оно задается матрицей A размера m x n. Столбцы A равны образам стандартных базисных векторов области определения.
j-й столбец матрицы линейного отображения равен образу j-го базисного вектора. Это позволяет читать действие отображения прямо по столбцам матрицы.
Матрица отображения в базисах B и C переводит координаты входного вектора в базисе B в координаты его образа в базисе C. Ее столбцы - координаты образов базисных векторов.
Матрица композиции линейных отображений равна произведению их матриц в том же порядке применения справа налево: сначала T, затем S.
Тождественное отображение оставляет каждый вектор без изменения. В одном и том же базисе его матрица равна единичной матрице I_n.
Если линейное отображение T представлено обратимой квадратной матрицей A, то обратное отображение представлено матрицей A^{-1}. Это верно при согласованных базисах.
Линейный оператор - это линейное отображение пространства в себя. В выбранном базисе конечномерного пространства он записывается квадратной матрицей.
Линейный функционал - это линейное отображение из пространства в поле скаляров. В выбранном базисе он записывается одной строкой, которая умножается на координатный столбец.
Собственный вектор матрицы A - это ненулевой вектор, который после умножения на A остается на той же прямой. Собственное значение lambda показывает, во сколько раз этот вектор растягивается, сжимается или меняет направление.
Характеристическое уравнение det(A-lambda I)=0 находит те значения lambda, при которых у системы (A-lambda I)v=0 появляется ненулевое решение. Именно эти lambda являются собственными значениями матрицы.
Характеристический многочлен квадратной матрицы A - это многочлен det(lambda I-A). Его корни являются собственными значениями A с учетом алгебраической кратности.
Собственное пространство E_lambda - это множество всех векторов, которые удовлетворяют Av=lambda v, вместе с нулевым вектором. Оно равно ядру матрицы A-lambda I.
Алгебраическая кратность собственного значения lambda0 - это степень, с которой множитель lambda-lambda0 входит в характеристический многочлен.
Геометрическая кратность собственного значения - это размерность его собственного пространства. Она показывает, сколько независимых собственных направлений соответствует данному lambda.
Спектр матрицы - это множество ее собственных значений. Для конечной квадратной матрицы он состоит из корней характеристического уравнения.
Сумма собственных значений квадратной матрицы, взятых с алгебраическими кратностями, равна следу матрицы. След не меняется при смене базиса.
Произведение собственных значений квадратной матрицы, взятых с алгебраическими кратностями, равно определителю матрицы. Нулевое собственное значение означает нулевой определитель.
Диагонализация представляет квадратную матрицу A в виде A=PDP^{-1}, где D диагональна, а столбцы P являются собственными векторами A. Это переводит действие оператора в собственный базис.
Базис из собственных векторов - это базис пространства, каждый вектор которого является собственным для оператора A. В таком базисе матрица оператора становится диагональной.
Матрица n x n диагонализируема тогда и только тогда, когда сумма размерностей всех ее собственных пространств равна n. Это означает, что собственных векторов хватает на базис.
Если матрица n x n имеет n различных собственных значений, то она диагонализируема. Разным собственным значениям соответствуют линейно независимые собственные векторы.
Матрица 2x2 диагонализируется, если для нее можно найти два линейно независимых собственных вектора. При двух различных собственных значениях это выполняется автоматически.
Если A=PDP^{-1}, то степень A^k вычисляется как PD^kP^{-1}. Диагональную матрицу D возводят в степень по диагональным элементам.
Если A диагонализируема, функцию от матрицы можно вычислить через функцию от ее собственных значений. Для диагональной D функция применяется к каждому диагональному элементу.
Жорданов блок 2x2 с единицей над диагональю имеет одно собственное значение lambda алгебраической кратности 2, но только одно независимое собственное направление. Поэтому он не диагонализируем.
Если B - базис из собственных векторов оператора T, то матрица T в этом базисе диагональна. На диагонали стоят собственные значения, соответствующие векторам базиса.
Два вектора ортогональны, если их скалярное произведение равно нулю. В евклидовом пространстве это означает взаимную перпендикулярность направлений и дает алгебраический способ проверять прямые углы.
Длина вектора в евклидовом пространстве равна квадратному корню из его скалярного произведения с самим собой. Формула связывает геометрическую длину с алгебраической операцией над координатами.
Базис называется ортонормированным, если его векторы имеют длину 1 и попарно ортогональны. Краткая запись e_i*e_j=delta_ij объединяет оба условия в одной формуле.
В ортонормированном базисе коэффициент при базисном векторе равен скалярному произведению x с этим вектором. Поэтому разложение вектора строится без решения системы уравнений.
Ортогональная проекция вектора v на прямую, заданную ненулевым вектором u, равна такому кратному u, что остаток v-proj_u v перпендикулярен прямой.