Матричный метод решения систем линейных алгебраических уравнений - вывод формулы.

Пусть для матрицы А порядка n на n существует обратная матрица . Умножим обе части матричного уравнения слева на (порядки матриц A ⋅ X и В позволяют произвести такую операцию, смотрите статью операции над матрицами, свойства операций). Имеем . Так как для операции умножения матриц подходящих порядков характерно свойство ассоциативности, то последнее равенство можно переписать как , а по определению обратной матрицы (E – единичная матрица порядка n на n ), поэтому

Таким образом, решение системы линейных алгебраических уравнений матричным методом определяется по формуле . Другими словами, решение СЛАУ находится с помощью обратной матрицы .

Мы знаем, что квадратная матрица А порядка n на n имеет обратную матрицу только тогда, когда ее определитель не равен нулю. Следовательно, СИСТЕМУ n ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ С n НЕИЗВЕСТНЫМИ МОЖНО РЕШАТЬ МАТРИЧНЫМ МЕТОДОМ ТОЛЬКО ТОГДА, КОГДА ОПРЕДЕЛИТЕЛЬ ОСНОВНОЙ МАТРИЦЫ СИСТЕМЫ ОТЛИЧЕН ОТ НУЛЯ.

К началу страницы

Примеры решения систем линейных алгебраических уравнений матричным методом.

Рассмотрим матричный метод на примерах. В некоторых примерах мы не будем подробно описывать процесс вычисления определителей матриц, при необходимости обращайтесь к статье вычисление определителя матрицы.

Пример.

С помощью обратной матрицы найдите решение системы линейных уравнений .

Решение.

В матричной форме исходная система запишется как , где . Вычислим определитель основной матрицы и убедимся, что он отличен от нуля. В противном случае мы не сможем решить систему матричным методом. Имеем , следовательно, для матрицы А может быть найдена обратная матрица . Таким образом, если мы отыщем обратную матрицу, то искомое решение СЛАУ определим как . Итак, задача свелась к построению обратной матрицы . Найдем ее.

Мы знаем, что для матрицы обратная матрица может быть найдена как , где - алгебраические дополнения элементов .

В нашем случае

Тогда

Выполним проверку полученного решения , подставив его в матричную форму исходной системы уравнений . Это равенство должно обратиться в тождество, в противном случае где-то была допущена ошибка.

Следовательно, решение найдено верно.

Ответ:

или в другой записи .

Пример.

Решите СЛАУ матричным методом.

Решение.

Первое уравнение системы не содержит неизвестной переменной x 2 , второе –x 1 , третье – x 3 . То есть, коэффициенты перед этими неизвестными переменными равны нулю. Перепишем систему уравнений как . От такого вида проще перейти к матричной форме записи СЛАУ . Убедимся в том, что эта система уравнений может быть решена с помощью обратной матрицы. Другими словами, покажем что :

Построим обратную матрицу с помощью матрицы из алгебраических дополнений:

тогда,

Осталось найти решение СЛАУ:

Ответ:

.

При переходе от обычного вида системы линейных алгебраических уравнений к ее матричной форме следует быть внимательным с порядком следования неизвестных переменных в уравнениях системы. К примеру, СЛАУ НЕЛЬЗЯ записать как . Нужно сначала упорядочить все неизвестные переменные во всех уравнениях системы, а потом переходить к матричной записи:

или

Также будьте внимательны с обозначением неизвестных переменных, вместоx 1 , x 2 , …, x n могут быть любые другие буквы. Например, СЛАУ в матричной форме запишется как .

Разберем пример.

Пример.

с помощью обратной матрицы.

Решение.

Упорядочив неизвестные переменные в уравнениях системы, запишем ее в матичной форме
. Вычислим определитель основной матрицы:

Он отличен от нуля, поэтому решение системы уравнений может быть найдено с помощью обратной матрицы как . Найдем обратную матрицу по формуле :

Получим искомое решение:

Ответ:

x = 0, y = -2, z = 3 .

Пример.

Найдите решение системы линейных алгебраических уравнений матричным методом.

Решение.

Определитель основной матрицы системы равен нулю

поэтому, мы не можем применить матричный метод.

Нахождение решения подобных систем описано в разделе решение систем линейных алгебраических уравнений.

Пример.

Решите СЛАУ матричным методом, - некоторое действительное число.

Решение.

Система уравнений в матричной форме имеет вид . Вычислим определитель основной матрицы системы и убедимся в том, что он отличен от нуля:

Квадратных трехчлен не обращается в ноль ни при каких действительных значениях , так как его дискриминант отрицателен , поэтому определитель основной матрицы системы не равен нулю ни при каких действительных . По матричному методу имеем . Построим обратную матрицу по формуле :

Тогда

Ответ:

.К началу страницы

Подведем итог.

Матричный метод подходит для решения СЛАУ, в которых количество уравнений совпадает с числом неизвестных переменных и определитель основной матрицы системы отличен от нуля. Если система содержит больше трех уравнений, то нахождение обратной матрицы требует значительных вычислительных усилий, поэтому, в этом случае целесообразно использовать для решения метод Гаусса.

Матричная форма

Система линейных уравнений может быть представлена в матричной форме как:

или, согласно правилу перемножения матриц,

A X = B .

Если к матрице А прибавить столбец свободных членов, то А называется расширенной матрицей.

Методы решения

Прямые (или точные) методы, позволяют найти решение за определенное количество шагов. Итерационные методы, основаны на использовании повторяющегося процесса и позволяют получить решение в результате последовательных приближений

Прямые методы

• Метод прогонки (для трёхдиагональных матриц)
• Разложение Холецкого или метод квадратных корней (для положительно-определённых симметричных и эрмитовых матриц)

Итерационные методы

Решение системы линейных алгебраических уравнений на VBA

Option Explicit Sub rewenie() Dim i As Integer Dim j As Integer Dim r() As Double Dim p As Double Dim x() As Double Dim k As Integer Dim n As Integer Dim b() As Double Dim file As Integer Dim y() As Double file = FreeFile Open "C:\data.txt" For Input As file Input #file, n ReDim x(0 To n * n - 1 ) As Double ReDim y(0 To n - 1 ) As Double ReDim r(0 To n - 1 ) As Double For i = 0 To n - 1 For j = 0 To n - 1 Input #file, x(i * n + j) Next j Input #file, y(i) Next i Close #file For i = 0 To n - 1 p = x(i * n + i) For j = 1 To n - 1 x(i * n + j) = x(i * n + j) / p Next j y(i) = y(i) / p For j = i + 1 To n - 1 p = x(j * n + i) For k = i To n - 1 x(j * n + k) = x(j * n + k) - x(i * n + k) * p Next k y(j) = y(j) - y(i) * p Next j Next i " Верхнетреугольная матрица For i = n - 1 To 0 Step -1 p = y(i) For j = i + 1 To n - 1 p = p - x(i * n + j) * r(j) Next j r(i) = p / x(i * n + i) Next i " Обратный ход For i = 0 To n - 1 MsgBox r(i) Next i " End Sub

См. также

Ссылки

Примечания

Wikimedia Foundation . 2010 .

Смотреть что такое "СЛАУ" в других словарях:

СЛАУ - система линейных алгебраических уравнений … Словарь сокращений и аббревиатур

У этого термина существуют и другие значения, см. Слау (значения). Город и унитарная единица Слау англ. Slough Страна … Википедия

- (Slough) город в Великобритании, в составе промышленного пояса, окружающего Большой Лондон, на железной дороге Лондон Бристоль. 101,8 тыс. жителей (1974). Машиностроение, электротехническая, электронная, автомобильная и химическая… … Большая советская энциклопедия

Слау - (Slough)Slough, промышленный и торговый город в графстве Беркшир, юж. Англия, к З. от Лондона; 97400 жителей (1981); легкая промышленность стала развиваться в период между мировыми войнами … Страны мира. Словарь

Слау: Слау (англ. Slough) город в Англии, в графстве Беркшир СЛАУ Система линейных алгебраических уравнений … Википедия

Коммуна Рёслау Röslau Герб … Википедия

Город Бад Фёслау Bad Vöslau Герб … Википедия

Проекционные методы решения СЛАУ класс итерационных методов, в которых решается задача проектирования неизвестного вектора на некоторое пространство оптимально относительно другого некоторого пространства. Содержание 1 Постановка задачи … Википедия

Город Бад Фёслау Bad Vöslau Страна АвстрияАвстрия … Википедия

Фундаментальная система решений (ФСР) представляет собой набор линейно независимых решений однородной системы уравнений. Содержание 1 Однородные системы 1.1 Пример 2 Неоднородные системы … Википедия

Книги

• Прямые и обратные задачи восстановления изображений, спектроскопии и томографии с MatLab (+CD) , Сизиков Валерий Сергеевич. В книге изложено применение аппарата интегральных уравнений (ИУ), систем линейных алгебраических уравнений (СЛАУ) и систем линейно-нелинейных уравнений (СЛНУ), а также программных средств…

Тема 2. Решение систем линейных алгебраических уравнений прямыми методами.

Системами линейных алгебраических уравнений (сокращенно - СЛАУ) называются системы уравнений вида

или, в матричном виде,

A × x = B , (2.2)

A - матрица коэффициентов системы размерности n ´ n

x - вектор неизвестных, состоящий из n компонент

B - вектор правых частей системы, состоящий из n компонент.

A = x = B = (2.3)

Решением СЛАУ является такой набор из n чисел, который будучи подставленным вместо значений x 1 , x 2 , … , x n в систему (2.1) обеспечивает равенство левых частей правым во всех уравнениях.

Каждая СЛАУ в зависимости от значений матриц A и B может иметь

Одно решение

Бесконечно много решений

Ни одного решения.

В данном курсе будем рассматривать только те СЛАУ, которые имеют единственное решение. Необходимым и достаточным условием этого является неравенство нулю определителя матрицы A .

Для поиска решений над системами линейных алгебраических уравнений могут проводиться некоторые преобразования, не изменяющие ее решений. Эквивалентными преобразованиями системы линейных уравнений называются такие ее преобразования, которые не изменяют ее решения. К их числу относятся:

Перестановка местами двух любых уравнений системы (следует отиетить, что в некоторых случаях, рассматриваемых ниже, это преробразование использовать нельзя);

Умножение (или деление) какого-либо уравнения системы на число, не равное нулю;

Прибавление к одному уравнению системы другого ее уравнения, умноженного (или разделенного) на некоторое не равное нулю число.

Методы решения СЛАУ делятся на две больших группы, называемые - прямые методы и итерационные методы . Имеется также способ сведения задачи решения СЛАУ к задаче поиска экстремума функции нескольких переменных с последующем решением ее методами поиска экстремума (об этом подробнее - при прохождении соответствующей темы). Прямые методы обеспечивают получение точного решения системы (если оно существует) за один шаг. Итерационные методы (если при этом обеспечена их сходимость) позволяют многократно улучшать некоторое начальное приближение к искомому решению СЛАУ и, вообще говоря, точного решения не дадут никогда. Однако, учитывая то, что прямые методы решения из-за неизбежных ошибок округления на промежуточных этапах расчетов тоже дают не идеально точные решения, итерационные методы могут тоже обеспечить примерно такой же результат.

Прямые методы решения СЛАУ. Наиболее часто используемыми прямыми методами решения СЛАУ являются:

Метод Крамера,

Метод Гаусса (и его модификация - метод Гаусса-Жордана)

Матричный метод (с использованием обращения матрицы A ).

Метод Крамера основан на вычислении определителя основной матрицы A и определителей матриц A 1 , A 2 , …, A n , которые получаются из матрицы A заменой в ней одного (i -го) столбца (i = 1, 2,…, n ) на столбец, содержащий элементы вектора B . После этого решения СЛАУ определяются как частное от деления значений этих определителей. Точнее, расчетные формулы имеют такой вид

(2.4)

Пример 1 . Найдем методом Крамера решение СЛАУ, у которой

A = , B = .

Имеем

A 1 = , A 2 = , A 3 = , A 4 = .

Вычислим значения определителей всех пяти матриц (c использованием функции МОПРЕД среды Excel ). Получим

Так как определитель матрицы A не равен нулю - система имеет единственное решение. Тогда определим его по формуле (2.4). Получим

Метод Гаусса. Решение СЛАУ этим методом предполагает составление расширенной матрицы системы A * . Расширенная матрица системы - это матрица размером в n строк и n +1 столбцов, включающая в себя исходную матрицу A c присоединенным к ней справа столбцом, содержащим вектор B .

A* = (2.4)

Здесь a in+1 =b i (i = 1, 2, …, n ).

Суть метода Гаусса состоит в приведении (посредством эквивалентных преобразований ) расширенной матрицы системы к треугольному виду (так, чтобы ниже ее главной диагонали находились только нулевые элементы).

A * =

Тогда, начиная с последней строки и двигаясь вверх, можно последовательно определить значения всех компонент решения.

Начало преобразований расширенной матрицы системы к необходимому виду заключается в просмотре значений коэффициентов при x 1 и выборе строки, в которой он имеет максимальное по абсолютной величине значение (это необходимо для уменьшения величины вычислительной ошибки при последующих вычислениях). Эту строку расширенной матрицы необходимо поменять местами с первой ее строкой (или же, что лучше, сложить (или вычесть) с первой строкой и результат поместить на место первой строки). После этого все элементы этой новой первой строки (в том числе и в последнем ее столбце) необходимо разделить на этот коэффициент. После этого вновь полученный коэффициент a 11 станет равным единице. Дальше от каждой из оставшихся строк матрицы необходимо вычесть ее первую строку, умноженную на значение коэффициента при x 1 в этой строке (т.е. на величину a i 1 , где i =2, 3, … n ). После этого во всех строках, начиная со второй коэффициенты при x 1 (т.е. все коэффициенты a i 1 (i =2, …, n ) будут равными нулю. Поскольку мы выполняли только эквивалентные преобразования - решение вновь полученной СЛАУ не будет отличаться от исходной системы.

Дальше, оставляя неизменной первую строку матрицы, проделаем все вышеописанные действия с остальными строками матрицы и, в результате, вновь полученный коэффициент a 22 станет равным единице, а все коэффициенты a i 2 (i =3, 4, …, n ) станут равными нулю. Продолжая аналогичные действия, мы в конечном итоге приведем нашу матрицу к виду, в котором все коэффициенты a ii = 1 (i =1, 2, …, n ), а все коэффициенты a ij = 0 (i =2, 3, …, n , j < i ). Если же на каком-то шаге при поиске наибольшего по абсолютной величине коэффициента при x j мы не сможем найти не равного нулю коэффициента - это будет значить, что исходная система не имеет единственного решения. В этом случае процесс решения необходимо прекратить.

Если процесс эквивалентных преобразований закончился успешно, то полученная в результате «треуголиная» расширенная матрица будет соответствовать такой системе линейных уравнений:

Из последнего уравнения этой системы найдем значение x n . Далее, подставляя это значение в предпоследнее уравнение, найдем значение x n -1 . После этого, подставляя оба эти найденных значения в третье снизу уравнение системы, найдем значение x n -2 . Продолжая так далее и продвигаясь по уравнением этой системы снизу вверх, будем последовательно находить значения других корней. И, наконец, подставляя найденные значения x n , x n -1 , x n -2 , x 3 и x 2 в первое уравнение системы найдем значение х 1 . Такая процедура поиска значений корней по найденной треугольной матрице называется обратным ходом. Процесс приведения исходной расширенной матрицы эквивалентными преобразованиями к треугольному виду назавают прямым ходом метода Гаусса..

Достаточно подробный алгоритм решения СЛАУ методом Гаусса приведен на рис. .2.1 и рис. 2.1а.

Пример 2 . Найти методом Гаусса решение той же СЛАУ, которую мы уже решали методом Крамера. Составим сначала ее расширенную матрицу. Получим

A * = .

Сначала переставим местами первую и третью строки этой матрицы (так как в ее первом столбце находится наибольший по абсолютной величине элемент), а затем разделим все элементы этой новой первой строки на значение 3. Получим

A * = .

A * =

Дальше переставим местами вторую и третью строки этой матрицы, разделим вторую строку переставленной матрицы на 2.3333 и, аналогично вышеописаному, обнулим коэффициенты во втором столбце третьей и четвертой строк матрицы. Получим

A * = .

После выполнения подобных действий над третьей и четвертой строками матрицы получим

A * = .

Разделив теперь четвертую строку на -5.3076, закончим проведение расширенной матрицы системы к диагональному виду. Получим

Рис. 2.1. Алгоритм решения систем линейных алгебраических уравнений методом Гаусса

Рис. 2.1а. Макроблок “Расчет значений решения”.

A * = .

Из последней строки сразу получим x 4 = 0.7536. Поднимаясь теперь вверх по строкам матрицы и выполняя расчеты, последовательно получим x 3 = 0.7971, x 2 =- 0.1015 и x 1 = 0.3333. Сравнивая полученное этим методом решение с решением, полученным методом Крамера, нетрудно убедиться в их совпадении.

Метод Гаусса-Жордана. Этот метод решения СЛАУ во многом похож на метод Гаусса. Основным отличием является то, что используя эквивалентные преобразования расширенная матрица системы уравнений приводится не к треугольному виду, а к диагональному виду, на главной диагонали которой находятся единицы, а вне нее (кроме последнего n +1 столбца) - нули. После окончания такого преобразования - последний столбец расширенной матрицы будет содержать решение исходной СЛАУ (т,е. . x i = a i n +1 (i = 1, 2, … , n ) в полученной матрице). Обратный ход (как в методе Гаусса) для окончательных расчетов значений компонент решения - не нужен.

Приведение матрицы к диагональному виду проводится, в основном, также как и в методе Гаусса. Если в строке i коэффициент при x i (i = 1, 2, … , n ) по абсолютной величине мал, то производится поиск строки j , в которой коэффициент при x i будет наибольшим по абсолютной величине эта (j -я) строка прибавляется поэлементно к i - й строке. Затем все элементы i - й строки делятся на значение элемента x i Но, в отличие от метода Гаусса, после этого идет вычитание из каждой строки с номером j строки с номером i ,умноженной на a ji , но условие j > i заменено на другоеВ методе Гаусса-Жордана идет вычитание из каждой строки с номером j , причем j # i , строки с номером i ,умноженной на a ji . Т.е. производится обнуление коэффициентов как ниже, так и выше главной диагонали.

Достаточно подробный алгоритм решения СЛАУ методом Гаусса–Жордана приведен на рис. 2.2.

Пример 3 . Найти методом Гаусса-Жордана решение той же СЛАУ, которую мы уже решали методами Крамера и Гаусса.

Полностью аналогично методу Гаусса составим расширенную матрицу системы. Затем переставим местами первую и третью строки этой матрицы (так как в ее первом столбце находится наибольший по абсолютной величине элемент), а затем разделим все элементы этой новой первой строки на значение 3. Дальше проведем вычитание из каждой строки матрицы (кроме первой) элементов первой строки, умноженных на коэффициент в первом столбце этой строки. Получим то же, что и в методе Гаусса

A * = .

Дальше переставим местами вторую и третью строки этой матрицы, разделим вторую строку переставленной матрицы на 2.3333 и (уже в отличие от метода Гаусса ) обнулим коэффициенты во втором столбце первой, третьей и четвертой строк матрицы. Получим

Решение систем линейных алгебраических уравнений (СЛАУ), несомненно, является важнейшей темой курса линейной алгебры. Огромное количество задач из всех разделов математики сводится к решению систем линейных уравнений. Этими факторами объясняется причина создания данной статьи. Материал статьи подобран и структурирован так, что с его помощью Вы сможете

• подобрать оптимальный метод решения Вашей системы линейных алгебраических уравнений,
• изучить теорию выбранного метода,
• решить Вашу систему линейных уравнений, рассмотрев подробно разобранные решения характерных примеров и задач.

Краткое описание материала статьи.

Сначала дадим все необходимые определения, понятия и введем обозначения.

Далее рассмотрим методы решения систем линейных алгебраических уравнений, в которых число уравнений равно числу неизвестных переменных и которые имеют единственное решение. Во-первых, остановимся на методе Крамера, во-вторых, покажем матричный метод решения таких систем уравнений, в-третьих, разберем метод Гаусса (метод последовательного исключения неизвестных переменных). Для закрепления теории обязательно решим несколько СЛАУ различными способами.

После этого перейдем к решению систем линейных алгебраических уравнений общего вида, в которых число уравнений не совпадает с числом неизвестных переменных или основная матрица системы является вырожденной. Сформулируем теорему Кронекера - Капелли, которая позволяет установить совместность СЛАУ. Разберем решение систем (в случае их совместности) с помощью понятия базисного минора матрицы. Также рассмотрим метод Гаусса и подробно опишем решения примеров.

Обязательно остановимся на структуре общего решения однородных и неоднородных систем линейных алгебраических уравнений. Дадим понятие фундаментальной системы решений и покажем, как записывается общее решение СЛАУ с помощью векторов фундаментальной системы решений. Для лучшего понимания разберем несколько примеров.

В заключении рассмотрим системы уравнений, сводящиеся к линейным, а также различные задачи, при решении которых возникают СЛАУ.

Навигация по странице.

Определения, понятия, обозначения.

Будем рассматривать системы из p линейных алгебраических уравнений с n неизвестными переменными (p может быть равно n ) вида

Неизвестные переменные, - коэффициенты (некоторые действительные или комплексные числа), - свободные члены (также действительные или комплексные числа).

Такую форму записи СЛАУ называют координатной .

В матричной форме записи эта система уравнений имеет вид ,
где - основная матрица системы, - матрица-столбец неизвестных переменных, - матрица-столбец свободных членов.

Если к матрице А добавить в качестве (n+1)-ого столбца матрицу-столбец свободных членов, то получим так называемую расширенную матрицу системы линейных уравнений. Обычно расширенную матрицу обозначают буквой Т , а столбец свободных членов отделяют вертикальной линией от остальных столбцов, то есть,

Решением системы линейных алгебраических уравнений называют набор значений неизвестных переменных , обращающий все уравнения системы в тождества. Матричное уравнение при данных значениях неизвестных переменных также обращается в тождество .

Если система уравнений имеет хотя бы одно решение, то она называется совместной .

Если система уравнений решений не имеет, то она называется несовместной .

Если СЛАУ имеет единственное решение, то ее называют определенной ; если решений больше одного, то – неопределенной .

Если свободные члены всех уравнений системы равны нулю , то система называется однородной , в противном случае – неоднородной .

Решение элементарных систем линейных алгебраических уравнений.

Если число уравнений системы равно числу неизвестных переменных и определитель ее основной матрицы не равен нулю, то такие СЛАУ будем называть элементарными . Такие системы уравнений имеют единственное решение, причем в случае однородной системы все неизвестные переменные равны нулю.

Такие СЛАУ мы начинали изучать в средней школе. При их решении мы брали какое-нибудь одно уравнение, выражали одну неизвестную переменную через другие и подставляли ее в оставшиеся уравнения, следом брали следующее уравнение, выражали следующую неизвестную переменную и подставляли в другие уравнения и так далее. Или пользовались методом сложения, то есть, складывали два или более уравнений, чтобы исключить некоторые неизвестные переменные. Не будем подробно останавливаться на этих методах, так как они по сути являются модификациями метода Гаусса.

Основными методами решения элементарных систем линейных уравнений являются метод Крамера, матричный метод и метод Гаусса. Разберем их.

Решение систем линейных уравнений методом Крамера.

Пусть нам требуется решить систему линейных алгебраических уравнений

в которой число уравнений равно числу неизвестных переменных и определитель основной матрицы системы отличен от нуля, то есть, .

Пусть - определитель основной матрицы системы, а - определители матриц, которые получаются из А заменой 1-ого, 2-ого, …, n-ого столбца соответственно на столбец свободных членов:

При таких обозначениях неизвестные переменные вычисляются по формулам метода Крамера как . Так находится решение системы линейных алгебраических уравнений методом Крамера.

Пример.

Методом Крамера .

Решение.

Основная матрица системы имеет вид . Вычислим ее определитель (при необходимости смотрите статью ):

Так как определитель основной матрицы системы отличен от нуля, то система имеет единственное решение, которое может быть найдено методом Крамера.

Составим и вычислим необходимые определители (определитель получаем, заменив в матрице А первый столбец на столбец свободных членов , определитель - заменив второй столбец на столбец свободных членов, - заменив третий столбец матрицы А на столбец свободных членов):

Находим неизвестные переменные по формулам :

Ответ:

Основным недостатком метода Крамера (если это можно назвать недостатком) является трудоемкость вычисления определителей, когда число уравнений системы больше трех.

Решение систем линейных алгебраических уравнений матричным методом (с помощью обратной матрицы).

Пусть система линейных алгебраических уравнений задана в матричной форме , где матрица A имеет размерность n на n и ее определитель отличен от нуля.

Так как , то матрица А – обратима, то есть, существует обратная матрица . Если умножить обе части равенства на слева, то получим формулу для нахождения матрицы-столбца неизвестных переменных . Так мы получили решение системы линейных алгебраических уравнений матричным методом.

Пример.

Решите систему линейных уравнений матричным методом.

Решение.

Перепишем систему уравнений в матричной форме:

Так как

то СЛАУ можно решать матричным методом. С помощью обратной матрицы решение этой системы может быть найдено как .

Построим обратную матрицу с помощью матрицы из алгебраических дополнений элементов матрицы А (при необходимости смотрите статью ):

Осталось вычислить - матрицу неизвестных переменных, умножив обратную матрицу на матрицу-столбец свободных членов (при необходимости смотрите статью ):

Ответ:

или в другой записи x 1 = 4, x 2 = 0, x 3 = -1 .

Основная проблема при нахождении решения систем линейных алгебраических уравнений матричным методом заключается в трудоемкости нахождения обратной матрицы, особенно для квадратных матриц порядка выше третьего.

Решение систем линейных уравнений методом Гаусса.

Пусть нам требуется найти решение системы из n линейных уравнений с n неизвестными переменными
определитель основной матрицы которой отличен от нуля.

Суть метода Гаусса состоит в последовательном исключении неизвестных переменных: сначала исключается x 1 из всех уравнений системы, начиная со второго, далее исключается x 2 из всех уравнений, начиная с третьего, и так далее, пока в последнем уравнении останется только неизвестная переменная x n . Такой процесс преобразования уравнений системы для последовательного исключения неизвестных переменных называется прямым ходом метода Гаусса . После завершения прямого хода метода Гаусса из последнего уравнения находится x n , с помощью этого значения из предпоследнего уравнения вычисляется x n-1 , и так далее, из первого уравнения находится x 1 . Процесс вычисления неизвестных переменных при движении от последнего уравнения системы к первому называется обратным ходом метода Гаусса .

Кратко опишем алгоритм исключения неизвестных переменных.

Будем считать, что , так как мы всегда можем этого добиться перестановкой местами уравнений системы. Исключим неизвестную переменную x 1 из всех уравнений системы, начиная со второго. Для этого ко второму уравнению системы прибавим первое, умноженное на , к третьему уравнению прибавим первое, умноженное на , и так далее, к n-ому уравнению прибавим первое, умноженное на . Система уравнений после таких преобразований примет вид

где , а .

К такому же результату мы бы пришли, если бы выразили x 1 через другие неизвестные переменные в первом уравнении системы и полученное выражение подставили во все остальные уравнения. Таким образом, переменная x 1 исключена из всех уравнений, начиная со второго.

Далее действуем аналогично, но лишь с частью полученной системы, которая отмечена на рисунке

Для этого к третьему уравнению системы прибавим второе, умноженное на , к четвертому уравнению прибавим второе, умноженное на , и так далее, к n-ому уравнению прибавим второе, умноженное на . Система уравнений после таких преобразований примет вид

где , а . Таким образом, переменная x 2 исключена из всех уравнений, начиная с третьего.

Далее приступаем к исключению неизвестной x 3 , при этом действуем аналогично с отмеченной на рисунке частью системы

Так продолжаем прямой ход метода Гаусса пока система не примет вид

С этого момента начинаем обратный ход метода Гаусса: вычисляем x n из последнего уравнения как , с помощью полученного значения x n находим x n-1 из предпоследнего уравнения, и так далее, находим x 1 из первого уравнения.

Пример.

Решите систему линейных уравнений методом Гаусса.

Решение.

Исключим неизвестную переменную x 1 из второго и третьего уравнения системы. Для этого к обеим частям второго и третьего уравнений прибавим соответствующие части первого уравнения, умноженные на и на соответственно:

Теперь из третьего уравнения исключим x 2 , прибавив к его левой и правой частям левую и правую части второго уравнения, умноженные на :

На этом прямой ход метода Гаусса закончен, начинаем обратный ход.

Из последнего уравнения полученной системы уравнений находим x 3 :

Из второго уравнения получаем .

Из первого уравнения находим оставшуюся неизвестную переменную и этим завершаем обратный ход метода Гаусса .

Ответ:

X 1 = 4, x 2 = 0, x 3 = -1 .

Решение систем линейных алгебраических уравнений общего вида.

В общем случае число уравнений системы p не совпадает с числом неизвестных переменных n :

Такие СЛАУ могут не иметь решений, иметь единственное решение или иметь бесконечно много решений. Это утверждение относится также к системам уравнений, основная матрица которых квадратная и вырожденная.

Теорема Кронекера – Капелли.

Прежде чем находить решение системы линейных уравнений необходимо установить ее совместность. Ответ на вопрос когда СЛАУ совместна, а когда несовместна, дает теорема Кронекера – Капелли :
для того, чтобы система из p уравнений с n неизвестными (p может быть равно n ) была совместна необходимо и достаточно, чтобы ранг основной матрицы системы был равен рангу расширенной матрицы, то есть, Rank(A)=Rank(T) .

Рассмотрим на примере применение теоремы Кронекера – Капелли для определения совместности системы линейных уравнений.

Пример.

Выясните, имеет ли система линейных уравнений решения.

Решение.

. Воспользуемся методом окаймляющих миноров. Минор второго порядка отличен от нуля. Переберем окаймляющие его миноры третьего порядка:

Так как все окаймляющие миноры третьего порядка равны нулю, то ранг основной матрицы равен двум.

В свою очередь ранг расширенной матрицы равен трем, так как минор третьего порядка

отличен от нуля.

Таким образом, Rang(A) , следовательно, по теореме Кронекера – Капелли можно сделать вывод, что исходная система линейных уравнений несовместна.

Ответ:

Система решений не имеет.

Итак, мы научились устанавливать несовместность системы с помощью теоремы Кронекера – Капелли.

А как же находить решение СЛАУ, если установлена ее совместность?

Для этого нам потребуется понятие базисного минора матрицы и теорема о ранге матрицы.

Минор наивысшего порядка матрицы А , отличный от нуля, называется базисным .

Из определения базисного минора следует, что его порядок равен рангу матрицы. Для ненулевой матрицы А базисных миноров может быть несколько, один базисный минор есть всегда.

Для примера рассмотрим матрицу .

Все миноры третьего порядка этой матрицы равны нулю, так как элементы третьей строки этой матрицы представляют собой сумму соответствующих элементов первой и второй строк.

Базисными являются следующие миноры второго порядка, так как они отличны от нуля

Миноры базисными не являются, так как равны нулю.

Теорема о ранге матрицы.

Если ранг матрицы порядка p на n равен r , то все элементы строк (и столбцов) матрицы, не образующие выбранный базисный минор, линейно выражаются через соответствующие элементы строк (и столбцов), образующих базисный минор.

Что нам дает теорема о ранге матрицы?

Если по теореме Кронекера – Капелли мы установили совместность системы, то выбираем любой базисный минор основной матрицы системы (его порядок равен r ), и исключаем из системы все уравнения, которые не образуют выбранный базисный минор. Полученная таким образом СЛАУ будет эквивалентна исходной, так как отброшенные уравнения все равно излишни (они согласно теореме о ранге матрицы являются линейной комбинацией оставшихся уравнений).

В итоге, после отбрасывания излишних уравнений системы, возможны два случая.

Если число уравнений r в полученной системе будет равно числу неизвестных переменных, то она будет определенной и единственное решение можно будет найти методом Крамера, матричным методом или методом Гаусса.

Пример.

.

Решение.

Ранг основной матрицы системы равен двум, так как минор второго порядка отличен от нуля. Ранг расширенной матрицы также равен двум, так как единственный минор третьего порядка равен нулю

а рассмотренный выше минор второго порядка отличен от нуля. На основании теоремы Кронекера – Капелли можно утверждать совместность исходной системы линейных уравнений, так как Rank(A)=Rank(T)=2 .

В качестве базисного минора возьмем . Его образуют коэффициенты первого и второго уравнений:


Третье уравнение системы не участвует в образовании базисного минора, поэтому исключим его из системы на основании теоремы о ранге матрицы:


Так мы получили элементарную систему линейных алгебраических уравнений. Решим ее методом Крамера:


Ответ:

x 1 = 1, x 2 = 2 .

Если число уравнений r в полученной СЛАУ меньше числа неизвестных переменных n , то в левых частях уравнений оставляем слагаемые, образующие базисный минор, остальные слагаемые переносим в правые части уравнений системы с противоположным знаком.

Неизвестные переменные (их r штук), оставшиеся в левых частях уравнений, называются основными .

Неизвестные переменные (их n - r штук), которые оказались в правых частях, называются свободными .

Теперь считаем, что свободные неизвестные переменные могут принимать произвольные значения, при этом r основных неизвестных переменных будут выражаться через свободные неизвестные переменные единственным образом. Их выражение можно найти решая полученную СЛАУ методом Крамера, матричным методом или методом Гаусса.

Разберем на примере.

Пример.

Решите систему линейных алгебраических уравнений .

Решение.

Найдем ранг основной матрицы системы методом окаймляющих миноров. В качестве ненулевого минора первого порядка возьмем a 1 1 = 1 . Начнем поиск ненулевого минора второго порядка, окаймляющего данный минор:


Так мы нашли ненулевой минор второго порядка. Начнем поиск ненулевого окаймляющего минора третьего порядка:


Таким образом, ранг основной матрицы равен трем. Ранг расширенной матрицы также равен трем, то есть, система совместна.

Найденный ненулевой минор третьего порядка возьмем в качестве базисного.

Для наглядности покажем элементы, образующие базисный минор:


Оставляем в левой части уравнений системы слагаемые, участвующие в базисном миноре, остальные переносим с противоположными знаками в правые части:


Придадим свободным неизвестным переменным x 2 и x 5 произвольные значения, то есть, примем , где - произвольные числа. При этом СЛАУ примет вид


Полученную элементарную систему линейных алгебраических уравнений решим методом Крамера:


Следовательно, .

В ответе не забываем указать свободные неизвестные переменные.

Ответ:

Где - произвольные числа.

Подведем итог.

Чтобы решить систему линейных алгебраических уравнений общего вида, сначала выясняем ее совместность, используя теорему Кронекера – Капелли. Если ранг основной матрицы не равен рангу расширенной матрицы, то делаем вывод о несовместности системы.

Если ранг основной матрицы равен рангу расширенной матрицы, то выбираем базисный минор и отбрасываем уравнения системы, которые не участвуют в образовании выбранного базисного минора.

Если порядок базисного минора равен числу неизвестных переменных, то СЛАУ имеет единственное решение, которое находим любым известным нам методом.

Если порядок базисного минора меньше числа неизвестных переменных, то в левой части уравнений системы оставляем слагаемые с основными неизвестными переменными, остальные слагаемые переносим в правые части и придаем свободным неизвестным переменным произвольные значения. Из полученной системы линейных уравнений находим основные неизвестные переменные методом Крамера, матричным методом или методом Гаусса.

Метод Гаусса для решения систем линейных алгебраических уравнений общего вида.

Методом Гаусса можно решать системы линейных алгебраических уравнений любого вида без предварительного их исследования на совместность. Процесс последовательного исключения неизвестных переменных позволяет сделать вывод как о совместности, так и о несовместности СЛАУ, а в случае существования решения дает возможность отыскать его.

С точки зрения вычислительной работы метод Гаусса является предпочтительным.

Смотрите его подробное описание и разобранные примеры в статье метод Гаусса для решения систем линейных алгебраических уравнений общего вида .

Запись общего решения однородных и неоднородных систем линейных алгебраических с помощью векторов фундаментальной системы решений.

В этом разделе речь пойдет о совместных однородных и неоднородных системах линейных алгебраических уравнений, имеющих бесконечное множество решений.

Разберемся сначала с однородными системами.

Фундаментальной системой решений однородной системы из p линейных алгебраических уравнений с n неизвестными переменными называют совокупность (n – r) линейно независимых решений этой системы, где r – порядок базисного минора основной матрицы системы.

Если обозначить линейно независимые решения однородной СЛАУ как X (1) , X (2) , …, X (n-r) (X (1) , X (2) , …, X (n-r) – это матрицы столбцы размерности n на 1 ), то общее решение этой однородной системы представляется в виде линейной комбинации векторов фундаментальной системы решений с произвольными постоянными коэффициентами С 1 , С 2 , …, С (n-r) , то есть, .

Что обозначает термин общее решение однородной системы линейных алгебраических уравнений (орослау)?

Смысл прост: формула задает все возможные решения исходной СЛАУ, другими словами, взяв любой набор значений произвольных постоянных С 1 , С 2 , …, С (n-r) , по формуле мы получим одно из решений исходной однородной СЛАУ.

Таким образом, если мы найдем фундаментальную систему решений, то мы сможем задать все решения этой однородной СЛАУ как .

Покажем процесс построения фундаментальной системы решений однородной СЛАУ.

Выбираем базисный минор исходной системы линейных уравнений, исключаем все остальные уравнения из системы и переносим в правые части уравнений системы с противоположными знаками все слагаемые, содержащие свободные неизвестные переменные. Придадим свободным неизвестным переменным значения 1,0,0,…,0 и вычислим основные неизвестные, решив полученную элементарную систему линейных уравнений любым способом, например, методом Крамера. Так будет получено X (1) - первое решение фундаментальной системы. Если придать свободным неизвестным значения 0,1,0,0,…,0 и вычислить при этом основные неизвестные, то получим X (2) . И так далее. Если свободным неизвестным переменным придадим значения 0,0,…,0,1 и вычислим основные неизвестные, то получим X (n-r) . Так будет построена фундаментальная система решений однородной СЛАУ и может быть записано ее общее решение в виде .

Для неоднородных систем линейных алгебраических уравнений общее решение представляется в виде , где - общее решение соответствующей однородной системы, а - частное решение исходной неоднородной СЛАУ, которое мы получаем, придав свободным неизвестным значения 0,0,…,0 и вычислив значения основных неизвестных.

Разберем на примерах.

Пример.

Найдите фундаментальную систему решений и общее решение однородной системы линейных алгебраических уравнений .

Решение.

Ранг основной матрицы однородных систем линейных уравнений всегда равен рангу расширенной матрицы. Найдем ранг основной матрицы методом окаймляющих миноров. В качестве ненулевого минора первого порядка возьмем элемент a 1 1 = 9 основной матрицы системы. Найдем окаймляющий ненулевой минор второго порядка:

Минор второго порядка, отличный от нуля, найден. Переберем окаймляющие его миноры третьего порядка в поисках ненулевого:

Все окаймляющие миноры третьего порядка равны нулю, следовательно, ранг основной и расширенной матрицы равен двум. Базисным минором возьмем . Отметим для наглядности элементы системы, которые его образуют:

Третье уравнение исходной СЛАУ не участвует в образовании базисного минора, поэтому, может быть исключено:

Оставляем в правых частях уравнений слагаемые, содержащие основные неизвестные, а в правые части переносим слагаемые со свободными неизвестными:

Построим фундаментальную систему решений исходной однородной системы линейных уравнений. Фундаментальная система решений данной СЛАУ состоит из двух решений, так как исходная СЛАУ содержит четыре неизвестных переменных, а порядок ее базисного минора равен двум. Для нахождения X (1) придадим свободным неизвестным переменным значения x 2 = 1, x 4 = 0 , тогда основные неизвестные найдем из системы уравнений
.

Система линейных уравнений - это объединение из n линейных уравнений, каждое из которых содержит k переменных. Записывается это так:

Многие, впервые сталкиваясь с высшей алгеброй, ошибочно полагают, что число уравнений обязательно должно совпадать с числом переменных. В школьной алгебре так обычно и бывает, однако для высшей алгебры это, вообще говоря, неверно.

Решение системы уравнений - это последовательность чисел (k 1 , k 2 , ..., k n ), которая является решением каждого уравнения системы, т.е. при подстановке в это уравнение вместо переменных x 1 , x 2 , ..., x n дает верное числовое равенство.

Соответственно, решить систему уравнений - значит найти множество всех ее решений или доказать, что это множество пусто. Поскольку число уравнений и число неизвестных может не совпадать, возможны три случая:

1. Система несовместна, т.е. множество всех решений пусто. Достаточно редкий случай, который легко обнаруживается независимо от того, каким методом решать систему.
2. Система совместна и определена, т.е. имеет ровно одно решение. Классический вариант, хорошо известный еще со школьной скамьи.
3. Система совместна и не определена, т.е. имеет бесконечно много решений. Это самый жесткий вариант. Недостаточно указать, что «система имеет бесконечное множество решений» - надо описать, как устроено это множество.

Переменная x i называется разрешенной, если она входит только в одно уравнение системы, причем с коэффициентом 1. Другими словами, в остальных уравнениях коэффициент при переменной x i должен быть равен нулю.

Если в каждом уравнении выбрать по одной разрешенной переменной, получим набор разрешенных переменных для всей системы уравнений. Сама система, записанная в таком виде, тоже будет называться разрешенной. Вообще говоря, одну и ту же исходную систему можно свести к разным разрешенным, однако сейчас нас это не волнует. Вот примеры разрешенных систем:

Обе системы являются разрешенными относительно переменных x 1 , x 3 и x 4 . Впрочем, с тем же успехом можно утверждать, что вторая система - разрешенная относительно x 1 , x 3 и x 5 . Достаточно переписать самое последнее уравнение в виде x 5 = x 4 .

Теперь рассмотрим более общий случай. Пусть всего у нас k переменных, из которых r являются разрешенными. Тогда возможны два случая:

1. Число разрешенных переменных r равно общему числу переменных k : r = k . Получаем систему из k уравнений, в которых r = k разрешенных переменных. Такая система является совместной и определенной, т.к. x 1 = b 1 , x 2 = b 2 , ..., x k = b k ;
2. Число разрешенных переменных r меньше общего числа переменных k : r < k . Остальные (k − r ) переменных называются свободными - они могут принимать любые значения, из которых легко вычисляются разрешенные переменные.

Так, в приведенных выше системах переменные x 2 , x 5 , x 6 (для первой системы) и x 2 , x 5 (для второй) являются свободными. Случай, когда есть свободные переменные, лучше сформулировать в виде теоремы:

Обратите внимание: это очень важный момент! В зависимости от того, как вы запишете итоговую систему, одна и та же переменная может быть как разрешенной, так и свободной. Большинство репетиторов по высшей математике рекомендуют выписывать переменные в лексикографическом порядке, т.е. по возрастанию индекса. Однако вы совершенно не обязаны следовать этому совету.

Теорема. Если в системе из n уравнений переменные x 1 , x 2 , ..., x r - разрешенные, а x r + 1 , x r + 2 , ..., x k - свободные, то:

1. Если задать значения свободным переменным (x r + 1 = t r + 1 , x r + 2 = t r + 2 , ..., x k = t k ), а затем найти значения x 1 , x 2 , ..., x r , получим одно из решений.
2. Если в двух решениях значения свободных переменных совпадают, то значения разрешенных переменных тоже совпадают, т.е. решения равны.

В чем смысл этой теоремы? Чтобы получить все решения разрешенной системы уравнений, достаточно выделить свободные переменные. Затем, присваивая свободным переменным разные значения, будем получать готовые решения. Вот и все - таким образом можно получить все решения системы. Других решений не существует.

Вывод: разрешенная система уравнений всегда совместна. Если число уравнений в разрешенной системе равно числу переменных, система будет определенной, если меньше - неопределенной.

И все бы хорошо, но возникает вопрос: как из исходной системы уравнений получить разрешенную? Для этого существует