Система уравнений называется линейной если. Системы линейных уравнений. Система линейных алгебраических уравнений

Пример 1 . Найти общее решение и какое–нибудь частное решение системы

Решение выполняем с помощью калькулятора . Выпишем расширенную и основную матрицы:

Пунктиром отделена основная матрица A. Сверху пишем неизвестные системы, имея в виду возможную перестановку слагаемых в уравнениях системы. Определяя ранг расширенной матрицы, одновременно найдем ранг и основной. В матрице B первый и второй столбцы пропорциональны. Из двух пропорциональных столбцов в базисный минор может попасть только один, поэтому перенесем, например, первый столбец за пунктирную черту с обратным знаком. Для системы это означает перенос членов с x 1 в правую часть уравнений.

Приведем матрицу к треугольному виду. Будем работать только со строками, так как умножение строки матрицы на число, отличное от нуля, и прибавление к другой строке для системы означает умножение уравнения на это же число и сложение с другим уравнением, что не меняет решения системы. Работаем с первой строкой: умножим первую строку матрицы на (-3) и прибавим ко второй и третьей строкам по очереди. Затем первую строку умножим на (-2) и прибавим к четвертой.

Вторая и третья строки пропорциональны, следовательно, одну из них, например вторую, можно вычеркнуть. Это равносильно вычеркиванию второго уравнения системы, так как оно является следствием третьего.

Теперь работаем со второй строкой: умножим ее на (-1) и прибавим к третьей.

Минор, обведенный пунктиром, имеет наивысший порядок (из возможных миноров) и отличен от нуля (он равен произведению элементов, стоящих на главной диагонали), причем этот минор принадлежит как основной матрице, так и расширенной, следовательно rangA = rangB = 3 .
Минор является базисным. В него вошли коэффициенты при неизвестных x 2 , x 3 , x 4 , значит, неизвестные x 2 , x 3 , x 4 – зависимые, а x 1 , x 5 – свободные.
Преобразуем матрицу, оставляя слева только базисный минор (что соответствует пункту 4 приведенного выше алгоритма решения).

Система с коэффициентами этой матрицы эквивалентна исходной системе и имеет вид

Методом исключения неизвестных находим:
x 4 =3-4x 5 , x 3 =3-4x 5 -2x 4 =3-4x 5 -6+8x 5 =-3+4x 5
x 2 =x 3 +2x 4 -2+2x 1 +3x 5 = -3+4x 5 +6-8x 5 -2+2x 1 +3x 5 = 1+2x 1 -x 5
Получили соотношения, выражающие зависимые переменные x 2 , x 3 , x 4 через свободные x 1 и x 5 , то есть нашли общее решение:

Придавая свободным неизвестным любые значения, получим сколько угодно частных решений. Найдем два частных решения:
1) пусть x 1 = x 5 = 0, тогда x 2 = 1, x 3 = -3, x 4 = 3;
2) положим x 1 = 1, x 5 = -1, тогда x 2 = 4, x 3 = -7, x 4 = 7.
Таким образом, нашли два решения: (0,1,-3,3,0) – одно решение, (1,4,-7,7,-1) – другое решение.

Пример 2 . Исследовать совместность, найти общее и одно частное решение системы

Решение . Переставим первое и второе уравнения, чтобы иметь единицу в первом уравнении и запишем матрицу B.

Получим нули в четвертом столбце, оперируя первой строкой:

Теперь получим нули в третьем столбце с помощью второй строки:

Третья и четвертая строки пропорциональны, поэтому одну из них можно вычеркнуть, не меняя ранга:
Третью строку умножим на (–2) и прибавим к четвертой:

Видим, что ранги основной и расширенной матриц равны 4, причем ранг совпадает с числом неизвестных, следовательно, система имеет единственное решение:
-x 1 =-3 → x 1 =3; x 2 =3-x 1 → x 2 =0; x 3 =1-2x 1 → x 3 =5.
x 4 = 10- 3x 1 – 3x 2 – 2x 3 = 11.

Пример 3 . Исследовать систему на совместность и найти решение, если оно существует.

Решение . Составляем расширенную матрицу системы.

Переставляем первые два уравнения, чтобы в левом верхнем углу была 1:
Умножая первую строку на (-1), складываем ее с третьей:

Умножим вторую строку на (-2) и прибавим к третьей:

Система несовместна, так как в основной матрице получили строку, состоящую из нулей, которая вычеркивается при нахождении ранга, а в расширенной матрице последняя строка останется, то есть r B > r A .

Задание . Исследовать данную систему уравнений на совместность и решить ее средствами матричного исчисления .
Решение

Пример . Доказать совместимость системы линейных уравнений и решить ее двумя способами: 1) методом Гаусса ; 2) методом Крамера . (ответ ввести в виде: x1,x2,x3)
Решение :doc :doc :xls
Ответ: 2,-1,3.

Пример . Дана система линейных уравнений. Доказать ее совместность. Найти общее решение системы и одно частное решение.
Решение
Ответ: x 3 = - 1 + x 4 + x 5 ; x 2 = 1 - x 4 ; x 1 = 2 + x 4 - 3x 5

Задание . Найти общее и частное решения каждой системы.
Решение. Исследуем эту систему по теореме Кронекера-Капелли.
Выпишем расширенную и основную матрицы:

1	1	14	0	2	0
3	4	2	3	0	1
2	3	-3	3	-2	1
x 1	x 2	x 3	x 4	x 5

Здесь матрица А выделена жирным шрифтом.
Приведем матрицу к треугольному виду. Будем работать только со строками, так как умножение строки матрицы на число, отличное от нуля, и прибавление к другой строке для системы означает умножение уравнения на это же число и сложение с другим уравнением, что не меняет решения системы.
Умножим 1-ую строку на (3). Умножим 2-ую строку на (-1). Добавим 2-ую строку к 1-ой:

0	-1	40	-3	6	-1
3	4	2	3	0	1
2	3	-3	3	-2	1

Умножим 2-ую строку на (2). Умножим 3-ую строку на (-3). Добавим 3-ую строку к 2-ой:

0	-1	40	-3	6	-1
0	-1	13	-3	6	-1
2	3	-3	3	-2	1

Умножим 2-ую строку на (-1). Добавим 2-ую строку к 1-ой:

0	0	27	0	0	0
0	-1	13	-3	6	-1
2	3	-3	3	-2	1

Выделенный минор имеет наивысший порядок (из возможных миноров) и отличен от нуля (он равен произведению элементов, стоящих на обратной диагонали), причем этот минор принадлежит как основной матрице, так и расширенной, следовательно rang(A) = rang(B) = 3. Поскольку ранг основной матрицы равен рангу расширенной, то система является совместной .
Этот минор является базисным. В него вошли коэффициенты при неизвестных x 1 ,x 2 ,x 3 , значит, неизвестные x 1 ,x 2 ,x 3 – зависимые (базисные), а x 4 ,x 5 – свободные.
Преобразуем матрицу, оставляя слева только базисный минор.

0	0	27	0	0	0
0	-1	13	-1	3	-6
2	3	-3	1	-3	2
x 1	x 2	x 3		x 4	x 5

Система с коэффициентами этой матрицы эквивалентна исходной системе и имеет вид:
27x 3 =
- x 2 + 13x 3 = - 1 + 3x 4 - 6x 5
2x 1 + 3x 2 - 3x 3 = 1 - 3x 4 + 2x 5
Методом исключения неизвестных находим:
Получили соотношения, выражающие зависимые переменные x 1 ,x 2 ,x 3 через свободные x 4 ,x 5 , то есть нашли общее решение :
x 3 = 0
x 2 = 1 - 3x 4 + 6x 5
x 1 = - 1 + 3x 4 - 8x 5
неопределенной , т.к. имеет более одного решения.

Задание . Решить систему уравнений.
Ответ :x 2 = 2 - 1.67x 3 + 0.67x 4
x 1 = 5 - 3.67x 3 + 0.67x 4
Придавая свободным неизвестным любые значения, получим сколько угодно частных решений. Система является неопределенной

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

В общем случае линейное уравнение имеет вид:

Уравнение имеет решение: если хотя бы один из коэффициентов при неизвестных отличен от нуля. В этом случае любой -мерный вектор называется решением уравнения, если при подстановке его координат уравнение обращается в тождество.

Общая характеристика разрешенной системы уравнений

Пример 20.1

Дать характеристику системе уравнений .

Решение :

1. Входит ли в состав противоречивое уравнение? (Если коэффициенты, в этом случае уравнение имеет вид: и называется противоречивым .)

• Если система содержит противоречивое, то такая система несовместна и не имеет решения

2. Найти все разрешенные переменные . (Неизвестная называется разрешенной для системы уравнений, если она входит в одно из уравнений системы с коэффициентом +1, а в остальные уравнения не входит (т.е. входит с коэффициентом, равным нулю).

3. Является ли система уравнений разрешенной? (Система уравнений называется разрешенной , если каждое уравнение системы содержит разрешенную неизвестную, среди которых нет совпадающих)

Разрешенные неизвестные, взятые по одному из каждого уравнения системы, образуют полный набор разрешенных неизвестных системы. (в нашем примере это )

Разрешенные неизвестные, входящие в полный набор, называют также базисными (), а не входящие в набор — свободными ().

В общем случае разрешенная система уравнений имеет вид:

На данном этапе главное понять что такое разрешенная неизвестная (входящая в базис и свободная).

Общее Частное Базисное решения

Общим решением разрешенной системы уравнений называется совокупность выражений разрешенных неизвестных через свободные члены и свободные неизвестные:

Частным решением называется решение, получающиеся из общего при конкретных значениях свободных переменных и неизвестных.

Базисным решением называется частное решение, получающееся из общего при нулевых значениях свободных переменных.

• Базисное решение (вектор) называется вырожденным , если число его координат, отличных от нуля, меньше числа разрешенных неизвестных.
• Базисное решение называется невырожденным , если число его координат, отличных от нуля, равно числу разрешенных неизвестных системы, входящих в полный набор.

Теорема (1)

Разрешенная система уравнений всегда совместна (потому что она имеет хотя бы одно решение); причем если система не имеет свободных неизвестных, (то есть в системе уравнений все разрешенные входят в базис) то она определена (имеет единственное решение); если же имеется хотя бы одна свободная переменная, то система не определена (имеет бесконечное множество решений).

Пример 1. Найти общее, базисное и какое-либо частное решение системы уравнений:

Решение :

1. Проверяем является ли система разрешенной?

• Система является разрешенной (т.к. каждое из уравнений содержит в себе разрешенную неизвестную)

2. Включаем в набор разрешенные неизвестные — по одному из каждого уравнения .

3. Записываем общее решение в зависимости от того какие разрешенные неизвестные мы включили в набор .

4. Находим частное решение . Для этого приравниваем свободные переменные, которые мы не включили в набор приравнять к произвольным числам.

Ответ: частное решение (один из вариантов)

5. Находим базисное решение . Для этого приравниваем свободные переменные, которые мы не включили в набор к нулю.

Элементарные преобразования линейных уравнений

Системы линейных уравнений приводятся к равносильным разрешенным системам с помощью элементарных преобразований.

Теорема (2)

Если какое-либо уравнение системы умножить на некоторое отличное от нуля число , а остальные уравнения оставить без изменения, то . (то есть если умножить левую и правую часть уравнения на одно и то же число то получится уравнение, равносильное данному)

Теорема (3)

Если к какому-либо уравнению системы прибавить другое , а все остальные уравнения оставить без изменения, то получится система, равносильная данной . (то есть если сложить два уравнения (сложив их левые и правые части) то получится уравнение равносильное данным)

Следствие из Теорем (2 и 3)

Если к какому-либо уравнению прибавить другое, умноженное на некоторое число , а все остальные уравнения оставить без изменения, то получится система, равносильная данной .

Формулы пересчета коэффициентов системы

Если у нас есть система уравнений и мы хотим преобразовать ее в разрешенную систему уравнений в этом нам поможет метод Жордана-Гаусса.

Преобразование Жордана с разрешающим элементом позволяет получить для системы уравнений разрешенную неизвестную в уравнении с номером . (пример 2).

Преобразование Жордана состоит из элементарных преобразований двух типов:

Допустим мы хотим сделать неизвестную в нижнем уравнении разрешенной неизвестной. Для этого мы должны разделить на , так чтобы сумма .

Пример 2 Пересчитаем коэффициенты системы

При делении уравнения с номером на , его коэффициенты пересчитываются по формулам:

Чтобы исключить из уравнения с номером , нужно уравнение с номером умножить на и прибавить к этому уравнению.

Теорема (4) О сокращении числа уравнений системы.

Если система уравнений содержит тривиальное уравнение, то его можно исключить из системы, при этом получится система равносильная исходной.

Теорема (5) О несовместимости системы уравнений.

Если система уравнений содержит противоречивое уравнение, то она несовместна.

Алгоритм метода Жордана-Гаусса

Алгоритм решения систем уравнений методом Жордана-Гаусса состоит из ряда однотипных шагов, на каждом из которых производятся действия в следующем порядке:

1. Проверяется, не является ли система несовместной. Если система содержит противоречивое уравнение, то она несовместна.
2. Проверяется возможность сокращения числа уравнений. Если в системе содержится тривиальное уравнение, его вычеркивают.
3. Если система уравнений является разрешенной, то записывают общее решение системы и если необходимо — частные решения.
4. Если система не является разрешенной, то в уравнении, не содержащем разрешенной неизвестной, выбирают разрешающий элемент и производят преобразование Жордана с этим элементом.
5. Далее заново переходят к пункту 1

Пример 3 Решить систему уравнений методом Жордана-Гаусса.

Найти : два общих и два соответствующих базисных решения

Решение :

Вычисления приведены в нижеследующей таблице:

Справа от таблицы изображены действия над уравнениями. Стрелками показано к какому уравнению прибавляется уравнение с разрешающим элементом, умноженное на подходящий множитель.

В первых трех строках таблицы помещены коэффициенты при неизвестных и правые части исходной системы. Результаты первого преобразования Жордана с разрешающим элементом равным единице приведены в строках 4, 5, 6. Результаты второго преобразования Жордана с разрешающим элементом равным (-1) приведены в строках 7, 8, 9. Так как третье уравнение является тривиальным, то его можно не учитывать.

Как явствует из теоремы Крамера , при решении системы линейных уравнений могут встретиться три случая:

Первый случай: система линейных уравнений имеет единственное решение

(система совместна и определённа)

Второй случай: система линейных уравнений имеет бесчисленное множество решений

(система совместна и неопределённа)

** ,

т.е. коэффициенты при неизвестных и свободные члены пропорциональны.

Третий случай: система линейных уравнений решений не имеет

(система несовместна)

Итак, система m линейных уравнений с n переменными называется несовместной , если у неё нет ни одного решения, и совместной , если она имеет хотя бы одно решение. Совместная система уравнений, имеющая только одно решение, называется определённой , а более одного – неопределённой .

Примеры решения систем линейных уравнений методом Крамера

Пусть дана система

.

На основании теоремы Крамера

………….
,

где
-

определитель системы. Остальные определители получим, заменяя столбец с коэффициентами соответствующей переменной (неизвестного) свободными членами:

Пример 2.

.

Следовательно, система является определённой. Для нахождения её решения вычисляем определители

По формулам Крамера находим:

Итак, (1; 0; -1) – единственное решение системы.

Для проверки решений систем уравнений 3 Х 3 и 4 Х 4 можно воспользоваться онлайн-калькулятором, решающим методом Крамера.

Если в системе линейных уравнений в одном или нескольких уравнениях отсутствуют какие-либо переменные, то в определителе соответствующие им элементы равны нулю! Таков следующий пример.

Пример 3. Решить систему линейных уравнений методом Крамера:

.

Решение. Находим определитель системы:

Посмотрите внимательно на систему уравнений и на определитель системы и повторите ответ на вопрос, в каких случаях один или несколько элементов определителя равны нулю. Итак, определитель не равен нулю, следовательно, система является определённой. Для нахождения её решения вычисляем определители при неизвестных

По формулам Крамера находим:

Итак, решение системы - (2; -1; 1).

6. Общая система линейных алгебраических уравнений. Метод Гаусса.

Как мы помним, правило Крамера и матричный метод непригодны в тех случаях, когда система имеет бесконечно много решений или несовместна. Метод Гаусса – наиболее мощный и универсальный инструмент для нахождения решения любой системы линейных уравнений , который в каждом случае приведет нас к ответу! Сам алгоритм метода во всех трёх случаях работает одинаково. Если в методах Крамера и матричном необходимы знания определителей, то для применения метода Гаусса необходимо знание только арифметических действий, что делает его доступным даже для школьников начальных классов.

Сначала немного систематизируем знания о системах линейных уравнений. Система линейных уравнений может:

1) Иметь единственное решение.
2) Иметь бесконечно много решений.
3) Не иметь решений (быть несовместной ).

Метод Гаусса – наиболее мощный и универсальный инструмент для нахождения решения любой системы линейных уравнений. Как мы помним, правило Крамера и матричный метод непригодны в тех случаях, когда система имеет бесконечно много решений или несовместна. А метод последовательного исключения неизвестных в любом случае приведет нас к ответу! На данном уроке мы опять рассмотрим метод Гаусса для случая №1 (единственное решение системы), под ситуации пунктов №№2-3 отведена статья . Замечу, что сам алгоритм метода во всех трёх случаях работает одинаково.

Вернемся к простейшей системе с урока Как решить систему линейных уравнений?
и решим ее методом Гаусса.

На первом этапе нужно записать расширенную матрицу системы :
. По какому принципу записаны коэффициенты, думаю, всем видно. Вертикальная черта внутри матрицы не несёт никакого математического смысла – это просто отчеркивание для удобства оформления.

Справка : рекомендую запомнить термины линейной алгебры. Матрица системы – это матрица, составленная только из коэффициентов при неизвестных, в данном примере матрица системы: . Расширенная матрица системы – это та же матрица системы плюс столбец свободных членов, в данном случае: . Любую из матриц можно для краткости называть просто матрицей.

После того, как расширенная матрица системы записана, с ней необходимо выполнить некоторые действия, которые также называются элементарными преобразованиями .

Существуют следующие элементарные преобразования:

1) Строки матрицы можно переставлять местами. Например, в рассматриваемой матрице можно безболезненно переставить первую и вторую строки:

2) Если в матрице есть (или появились) пропорциональные (как частный случай – одинаковые) строки, то следует удалить из матрицы все эти строки кроме одной. Рассмотрим, например матрицу . В данной матрице последние три строки пропорциональны, поэтому достаточно оставить только одну из них: .

3) Если в матрице в ходе преобразований появилась нулевая строка, то ее также следует удалить . Рисовать не буду, понятно, нулевая строка – это строка, в которой одни нули .

4) Строку матрицы можно умножить (разделить) на любое число, отличное от нуля . Рассмотрим, например, матрицу . Здесь целесообразно первую строку разделить на –3, а вторую строку – умножить на 2: . Данное действие очень полезно, поскольку упрощает дальнейшие преобразования матрицы.

5) Это преобразование вызывает наибольшие затруднения, но на самом деле ничего сложного тоже нет. К строке матрицы можно прибавить другую строку, умноженную на число , отличное от нуля. Рассмотрим нашу матрицу из практического примера: . Сначала я распишу преобразование очень подробно. Умножаем первую строку на –2: , и ко второй строке прибавляем первую строку умноженную на –2 : . Теперь первую строку можно разделить «обратно» на –2: . Как видите, строка, которую ПРИБАВЛЯЛИ – не изменилась . Всегда меняется строка, К КОТОРОЙ ПРИБАВЛЯЮТ .

На практике так подробно, конечно, не расписывают, а пишут короче:

Еще раз: ко второй строке прибавили первую строку, умноженную на –2 . Умножают строку обычно устно или на черновике, при этом мысленный ход расчётов примерно такой:

«Переписываю матрицу и переписываю первую строку: »

«Сначала первый столбец. Внизу мне нужно получить ноль. Поэтому единицу вверху умножаю на –2: , и ко второй строке прибавляю первую: 2 + (–2) = 0. Записываю результат во вторую строку: »

«Теперь второй столбец. Вверху –1 умножаю на –2: . Ко второй строке прибавляю первую: 1 + 2 = 3. Записываю результат во вторую строку: »

«И третий столбец. Вверху –5 умножаю на –2: . Ко второй строке прибавляю первую: –7 + 10 = 3. Записываю результат во вторую строку: »

Пожалуйста, тщательно осмыслите этот пример и разберитесь в последовательном алгоритме вычислений, если вы это поняли, то метод Гаусса практически «в кармане». Но, конечно, над этим преобразованием мы еще поработаем.

Элементарные преобразования не меняют решение системы уравнений

! ВНИМАНИЕ : рассмотренные манипуляции нельзя использовать , если Вам предложено задание, где матрицы даны «сами по себе». Например, при «классических» действиях с матрицами что-то переставлять внутри матриц ни в коем случае нельзя!

Вернемся к нашей системе . Она практически разобрана по косточкам.

Запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду :

(1) Ко второй строке прибавили первую строку, умноженную на –2. И снова: почему первую строку умножаем именно на –2? Для того чтобы внизу получить ноль, а значит, избавиться от одной переменной во второй строке.

(2) Делим вторую строку на 3.

Цель элементарных преобразований – привести матрицу к ступенчатому виду: . В оформлении задания прямо так и отчеркивают простым карандашом «лестницу», а также обводят кружочками числа, которые располагаются на «ступеньках». Сам термин «ступенчатый вид» не вполне теоретический, в научной и учебной литературе он часто называется трапециевидный вид или треугольный вид .

В результате элементарных преобразований получена эквивалентная исходной система уравнений:

Теперь систему нужно «раскрутить» в обратном направлении – снизу вверх, этот процесс называется обратным ходом метода Гаусса .

В нижнем уравнении у нас уже готовый результат: .

Рассмотрим первое уравнение системы и подставим в него уже известное значение «игрек»:

Рассмотрим наиболее распространенную ситуацию, когда методом Гаусса требуется решить систему трёх линейных уравнений с тремя неизвестными.

Пример 1

Решить методом Гаусса систему уравнений:

Запишем расширенную матрицу системы:

Сейчас я сразу нарисую результат, к которому мы придём в ходе решения:

И повторюсь, наша цель – с помощью элементарных преобразований привести матрицу к ступенчатому виду. С чего начать действия?

Сначала смотрим на левое верхнее число:

Почти всегда здесь должна находиться единица . Вообще говоря, устроит и –1 (а иногда и другие числа), но как-то так традиционно сложилось, что туда обычно помещают единицу. Как организовать единицу? Смотрим на первый столбец – готовая единица у нас есть! Преобразование первое: меняем местами первую и третью строки:

Теперь первая строка у нас останется неизменной до конца решения . Уже легче.

Единица в левом верхнем углу организована. Теперь нужно получить нули вот на этих местах:

Нули получаем как раз с помощью «трудного» преобразования. Сначала разбираемся со второй строкой (2, –1, 3, 13). Что нужно сделать, чтобы на первой позиции получить ноль? Нужно ко второй строке прибавить первую строку, умноженную на –2 . Мысленно или на черновике умножаем первую строку на –2: (–2, –4, 2, –18). И последовательно проводим (опять же мысленно или на черновике) сложение, ко второй строке прибавляем первую строку, уже умноженную на –2 :

Результат записываем во вторую строку:

Аналогично разбираемся с третьей строкой (3, 2, –5, –1). Чтобы получить на первой позиции ноль, нужно к третьей строке прибавить первую строку, умноженную на –3 . Мысленно или на черновике умножаем первую строку на –3: (–3, –6, 3, –27). И к третьей строке прибавляем первую строку, умноженную на –3 :

Результат записываем в третью строку:

На практике эти действия обычно выполняются устно и записываются в один шаг:

Не нужно считать всё сразу и одновременно . Порядок вычислений и «вписывания» результатов последователен и обычно такой: сначала переписываем первую строку, и пыхтим себе потихонечку – ПОСЛЕДОВАТЕЛЬНО иВНИМАТЕЛЬНО :


А мысленный ход самих расчётов я уже рассмотрел выше.

В данном примере это сделать легко, вторую строку делим на –5 (поскольку там все числа делятся на 5 без остатка). Заодно делим третью строку на –2, ведь чем меньше числа, тем проще решение:

На заключительном этапе элементарных преобразований нужно получить еще один ноль здесь:

Для этого к третьей строке прибавляем вторую строку, умноженную на –2 :


Попробуйте разобрать это действие самостоятельно – мысленно умножьте вторую строку на –2 и проведите сложение.

Последнее выполненное действие – причёска результата, делим третью строку на 3.

В результате элементарных преобразований получена эквивалентная исходной система линейных уравнений:

Круто.

Теперь в действие вступает обратный ход метода Гаусса. Уравнения «раскручиваются» снизу вверх.

В третьем уравнении у нас уже готовый результат:

Смотрим на второе уравнение: . Значение «зет» уже известно, таким образом:

И, наконец, первое уравнение: . «Игрек» и «зет» известны, дело за малым:

Ответ :

Как уже неоднократно отмечалось, для любой системы уравнений можно и нужно сделать проверку найденного решения, благо, это несложно и быстро.

Пример 2

Это пример для самостоятельного решения, образец чистового оформления и ответ в конце урока.

Следует отметить, что ваш ход решения может не совпасть с моим ходом решения, и это – особенность метода Гаусса . Но вот ответы обязательно должны получиться одинаковыми!

Пример 3

Решить систему линейных уравнений методом Гаусса

Запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду:

Смотрим на левую верхнюю «ступеньку». Там у нас должна быть единица. Проблема состоит в том, что в первом столбце единиц нет вообще, поэтому перестановкой строк ничего не решить. В таких случаях единицу нужно организовать с помощью элементарного преобразования. Обычно это можно сделать несколькими способами. Я поступил так:
(1) К первой строке прибавляем вторую строку, умноженную на –1 . То есть, мысленно умножили вторую строку на –1 и выполнили сложение первой и второй строки, при этом вторая строка у нас не изменилась.

Теперь слева вверху «минус один», что нас вполне устроит. Кто хочет получить +1, может выполнить дополнительное телодвижение: умножить первую строку на –1 (сменить у неё знак).

(2) Ко второй строке прибавили первую строку, умноженную на 5. К третьей строке прибавили первую строку, умноженную на 3.

(3) Первую строку умножили на –1, в принципе, это для красоты. У третьей строки также сменили знак и переставили её на второе место, таким образом, на второй «ступеньке у нас появилась нужная единица.

(4) К третьей строке прибавили вторую строку, умноженную на 2.

(5) Третью строку разделили на 3.

Скверным признаком, который свидетельствует об ошибке в вычислениях (реже – об опечатке), является «плохая» нижняя строка. То есть, если бы у нас внизу получилось что-нибудь вроде , и, соответственно, , то с большой долей вероятности можно утверждать, что допущена ошибка в ходе элементарных преобразований.

Заряжаем обратный ход, в оформлении примеров часто не переписывают саму систему, а уравнения «берут прямо из приведенной матрицы». Обратный ход, напоминаю, работает, снизу вверх. Да тут подарок получился:

Ответ : .

Пример 4

Решить систему линейных уравнений методом Гаусса

Это пример для самостоятельного решения, он несколько сложнее. Ничего страшного, если кто-нибудь запутается. Полное решение и образец оформления в конце урока. Ваше решение может отличаться от моего решения.

В последней части рассмотрим некоторые особенности алгоритма Гаусса.
Первая особенность состоит в том, что иногда в уравнениях системы отсутствуют некоторые переменные, например:

Как правильно записать расширенную матрицу системы? Об этом моменте я уже рассказывал на уроке Правило Крамера. Матричный метод . В расширенной матрице системы на месте отсутствующих переменных ставим нули:

Кстати, это довольно легкий пример, поскольку в первом столбце уже есть один ноль, и предстоит выполнить меньше элементарных преобразований.

Вторая особенность состоит вот в чём. Во всех рассмотренных примерах на «ступеньки» мы помещали либо –1, либо +1. Могут ли там быть другие числа? В ряде случаев могут. Рассмотрим систему: .

Здесь на левой верхней «ступеньке» у нас двойка. Но замечаем тот факт, что все числа в первом столбце делятся на 2 без остатка – и другая двойка и шестерка. И двойка слева вверху нас устроит! На первом шаге нужно выполнить следующие преобразования: ко второй строке прибавить первую строку, умноженную на –1; к третьей строке прибавить первую строку, умноженную на –3. Таким образом, мы получим нужные нули в первом столбце.

Или еще такой условный пример: . Здесь тройка на второй «ступеньке» тоже нас устраивает, поскольку 12 (место, где нам нужно получить ноль) делится на 3 без остатка. Необходимо провести следующее преобразование: к третьей строке прибавить вторую строку, умноженную на –4, в результате чего и будет получен нужный нам ноль.

Метод Гаусса универсален, но есть одно своеобразие. Уверенно научиться решать системы другими методами (методом Крамера, матричным методом) можно буквально с первого раза – там очень жесткий алгоритм. Но вот чтобы уверенно себя чувствовать в методе Гаусса, следует «набить руку», и прорешать хотя бы 5-10 систем. Поэтому поначалу возможны путаница, ошибки в вычислениях, и в этом нет ничего необычного или трагического.

Дождливая осенняя погода за окном.... Поэтому для всех желающих более сложный пример для самостоятельного решения:

Пример 5

Решить методом Гаусса систему четырёх линейных уравнений с четырьмя неизвестными.

Такое задание на практике встречается не так уж и редко. Думаю, даже чайнику, который обстоятельно изучил эту страницу, интуитивно понятен алгоритм решения такой системы. Принципиально всё так же – просто действий больше.

Случаи, когда система не имеет решений (несовместна) или имеет бесконечно много решений, рассмотрены на уроке Несовместные системы и системы с общим решением . Там же можно закрепить рассмотренный алгоритм метода Гаусса.

Желаю успехов!

Решения и ответы:

Пример 2: Решение : Запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду.


Выполненные элементарные преобразования:
(1) Ко второй строке прибавили первую строку, умноженную на –2. К третьей строке прибавили первую строку, умноженную на –1. Внимание! Здесь может возникнуть соблазн из третьей строки вычесть первую, крайне не рекомендую вычитать – сильно повышается риск ошибки. Только складываем!
(2) У второй строки сменили знак (умножили на –1). Вторую и третью строки поменяли местами. Обратите внимание , что на «ступеньках» нас устраивает не только единица, но еще и –1, что даже удобнее.
(3) К третьей строке прибавили вторую строку, умноженную на 5.
(4) У второй строки сменили знак (умножили на –1). Третью строку разделили на 14.

Обратный ход:

Ответ : .

Пример 4: Решение : Запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду:

Выполненные преобразования:
(1) К первой строке прибавили вторую. Таким образом, организована нужная единица на левой верхней «ступеньке».
(2) Ко второй строке прибавили первую строку, умноженную на 7. К третьей строке прибавили первую строку, умноженную на 6.

Со второй «ступенькой» всё хуже , «кандидаты» на неё – числа 17 и 23, а нам нужна либо единичка, либо –1. Преобразования (3) и (4) будут направлены на получение нужной единицы

(3) К третьей строке прибавили вторую, умноженную на –1.
(4) Ко второй строке прибавили третью, умноженную на –3.
Нужная вещь на второй ступеньке получена .
(5) К третьей строке прибавили вторую, умноженную на 6.

В рамках уроков метод Гаусса и Несовместные системы/системы с общим решением мы рассматривали неоднородные системы линейных уравнений , где свободный член (который обычно находится справа) хотя бы одного из уравнений был отличен от нуля.
И сейчас, после хорошей разминки с рангом матрицы , мы продолжим шлифовать технику элементарных преобразований на однородной системе линейных уравнений .
По первым абзацам материал может показаться скучным и заурядным, однако данное впечатление обманчиво. Помимо дальнейшей отработки технических приёмов будет много новой информации, поэтому, пожалуйста, постарайтесь не пренебрегать примерами данной статьи.

• Системы m линейных уравнений с n неизвестными.
  Решение системы линейных уравнений — это такое множество чисел {x 1 , x 2 , …, x n }, при подстановке которых в каждое из уравнений системы получается верное равенство.
  где a ij , i = 1, …, m; j = 1, …, n — коэффициенты системы;
  b i , i = 1, …, m — свободные члены;
  x j , j = 1, …, n — неизвестные.
  Вышеприведенная система может быть записана в матричном виде: A · X = B ,
  
  
  
  
  где (A |B ) — основная матрица системы;
  A — расширенная матрица системы;
  X — столбец неизвестных;
  B — столбец свободных членов.
  Если матрица B не является нуль-матрицей ∅, то данная система линейных уравнений называется неоднородной.
  Если матрица B = ∅, то данная система линейных уравнений называется однородной. Однородная система всегда имеет нулевое (тривиальное) решение: x 1 = x 2 = …, x n = 0 .
  Совместная система линейных уравнений — это имеющая решение система линейных уравнений.
  Несовместная система линейных уравнений — это не имеющая решение система линейных уравнений.
  Определённая система линейных уравнений — это имеющая единственное решение система линейных уравнений.
  Неопределённая система линейных уравнений — это имеющая бесконечное множество решений система линейных уравнений.
• Системы n линейных уравнений с n неизвестными
  Если число неизвестных равно числу уравнений, то матрица – квадратная. Определитель матрицы называется главным определителем системы линейных уравнений и обозначается символом Δ.
  Метод Крамера для решения систем n линейных уравнений с n неизвестными.
  Правило Крамера.
  Если главный определитель системы линейных уравнений не равен нулю, то система совместна и определена, причем единственное решение вычисляется по формулам Крамера:
  где Δ i — определители, получаемые из главного определителя системы Δ заменой i -го столбца на столбец свободных членов. .
• Системы m линейных уравнений с n неизвестными
  Теорема Кронекера−Капелли .
  
  
  Для того чтобы данная система линейных уравнений была совместной, необходимо и достаточно, чтобы ранг матрицы системы был равен рангу расширенной матрицы системы, rang(Α) = rang(Α|B) .
  Если rang(Α) ≠ rang(Α|B) , то система заведомо не имеет решений.
  Eсли rang(Α) = rang(Α|B) , то возможны два случая:
  1) rang(Α) = n (числу неизвестных) − решение единственно и может быть получено по формулам Крамера;
  2) rang(Α) < n − решений бесконечно много.
• Метод Гаусса для решения систем линейных уравнений
  
  
  Составим расширенную матрицу (A |B ) данной системы из коэффициентов при неизвестных и правых частей.
  Метод Гаусса или метод исключения неизвестных состоит в приведении расширенной матрицы (A |B ) с помощью элементарных преобразований над ее строками к диагональному виду (к верхнему треугольному виду). Возвращаясь к системе уравнений, определяют все неизвестные.
  К элементарным преобразованиям над строками относятся следующие:
  1) перемена местами двух строк;
  2) умножение строки на число, отличное от 0;
  3) прибавление к строке другой строки, умноженной на произвольное число;
  4) выбрасывание нулевой строки.
  Расширенной матрице, приведенной к диагональному виду, соответствует линейная система, эквивалентная данной, решение которой не вызывает затруднений. .
• Система однородных линейных уравнений.
  Однородная система имеет вид:
  
  ей соответствует матричное уравнение A · X = 0 .
  1) Однородная система всегда совместна, так как r(A) = r(A|B) , всегда существует нулевое решение (0, 0, …, 0).
  2) Для того чтобы однородная система имела ненулевое решение, необходимо и достаточно, чтобы r = r(A) < n , что равносильно Δ = 0.
  3) Если r < n , то заведомо Δ = 0, тогда возникают свободные неизвестные c 1 , c 2 , …, c n-r , система имеет нетривиальные решения, причем их бесконечно много.
  4) Общее решение X при r < n может быть записано в матричном виде следующим образом:
  X = c 1 · X 1 + c 2 · X 2 + … + c n-r · X n-r ,
  где решения X 1 , X 2 , …, X n-r образуют фундаментальную систему решений.
  5) Фундаментальная система решений может быть получена из общего решения однородной системы:
  
  ,
  если последовательно полагать значения параметров равными (1, 0, …, 0), (0, 1, …, 0), …, (0, 0, …,1).
  Разложение общего решения по фундаментальной системе решений — это запись общего решения в виде линейной комбинации решений, принадлежащих к фундаментальной системе.
  Теорема . Для того, чтобы система линейных однородных уравнений имела ненулевое решение, необходимо и достаточно, чтобы Δ ≠ 0.
  Итак, если определитель Δ ≠ 0, то система имеет единственное решение.
  Если же Δ ≠ 0, то система линейных однородных уравнений имеет бесконечное множество решений.
  Теорема . Для того чтобы однородная система имела ненулевое решение, необходимо и достаточно, чтобы r(A) < n .
  Доказательство :
  1) r не может быть больше n (ранг матрицы не превышает числа столбцов или строк);
  2) r < n , т.к. если r = n , то главный определитель системы Δ ≠ 0, и, по формулам Крамера, существует единственное тривиальное решение x 1 = x 2 = … = x n = 0 , что противоречит условию. Значит, r(A) < n .
  Следствие . Для того чтобы однородная система n линейных уравнений с n неизвестными имела ненулевое решение, необходимо и достаточно, чтобы Δ = 0.