Найти общее решение системы и фср. Решение однородных систем линейных уравнений

Ещё в школе каждый из нас изучал уравнения и, наверняка, системы уравнений. Но не многие знают, что существует несколько способов их решения. Сегодня мы подробно разберём все методы решения системы линейных алгебраических уравнений, которые состоят более чем из двух равенств.

История

На сегодняшний день известно, что искусство решать уравнения и их системы зародилось ещё в Древнем Вавилоне и Египте. Однако равенства в их привычном для нас виде появились после возникновения знака равенства "=", который был введён в 1556 году английским математиком Рекордом. Кстати, этот знак был выбран не просто так: он означает два параллельных равных отрезка. И правда, лучшего примера равенства не придумать.

Основоположником современных буквенных обозначений неизвестных и знаков степеней является французский математик Однако его обозначения значительно отличались от сегодняшних. Например, квадрат неизвестного числа он обозначал буквой Q (лат."quadratus"), а куб - буквой C (лат. "cubus"). Эти обозначения сейчас кажутся неудобными, но тогда это был наиболее понятный способ записать системы линейных алгебраических уравнений.

Однако недостатком в тогдашних методах решения было то, что математики рассматривали только положительные корни. Возможно, это связано с тем, что отрицательные значения не имели никакого практического применения. Так или иначе, но первыми считать отрицательные корни начали именно итальянские математики Никколо Тарталья, Джероламо Кардано и Рафаэль Бомбелли в 16 веке. А современный вид, основной метод решения (через дискриминант) был создан только в 17 веке благодаря работам Декарта и Ньютона.

В середине 18 века швейцарский математик Габриэль Крамер нашёл новый способ для того, чтобы сделать решение систем линейных уравнений проще. Этот способ был впоследствии назван его именем и по сей день мы пользуемся им. Но о методе Крамера поговорим чуть позднее, а пока обсудим линейные уравнения и методы их решения отдельно от системы.

Линейные уравнения

Линейные уравнения - самые простые равенства с переменной (переменными). Их относят к алгебраическим. записывают в общем виде так: а 1 *x 1 +а 2* x 2 +...а n *x n =b. Представление их в этом виде нам понадобится при составлении систем и матриц далее.

Системы линейных алгебраических уравнений

Определение этого термина такое: это совокупность уравнений, которые имеют общие неизвестные величины и общее решение. Как правило, в школе все решали системы с двумя или даже тремя уравнениями. Но бывают системы с четырьмя и более составляющими. Давайте разберёмся сначала, как следует их записать так, чтобы в дальнейшем было удобно решать. Во-первых, системы линейных алгебраических уравнений будут выглядеть лучше, если все переменные будут записаны как x с соответствующим индексом: 1,2,3 и так далее. Во-вторых, следует привести все уравнения к каноническому виду: а 1 *x 1 +а 2* x 2 +...а n *x n =b.

После всех этих действий мы можем начать рассказывать, как находить решение систем линейных уравнений. Очень сильно для этого нам пригодятся матрицы.

Матрицы

Матрица - это таблица, которая состоит из строк и столбцов, а на их пересечении находятся её элементы. Это могут быть либо конкретные значения, либо переменные. Чаще всего, чтобы обозначить элементы, под ними расставляют нижние индексы (например, а 11 или а 23). Первый индекс означает номер строки, а второй - столбца. Над матрицами, как и над любым другим математическим элементом можно совершать различные операции. Таким образом, можно:

2) Умножать матрицу на какое-либо число или вектор.

3) Транспонировать: превращать строчки матрицы в столбцы, а столбцы - в строчки.

4) Умножать матрицы, если число строк одной их них равно количеству столбцов другой.

Подробнее обсудим все эти приёмы, так как они пригодятся нам в дальнейшем. Вычитание и сложение матриц происходит очень просто. Так как мы берём матрицы одинакового размера, то каждый элемент одной таблицы соотносится с каждым элементом другой. Таким образом складываем (вычитаем) два этих элемента (важно, чтобы они стояли на одинаковых местах в своих матрицах). При умножении матрицы на число или вектор необходимо просто умножить каждый элемент матрицы на это число (или вектор). Транспонирование - очень интересный процесс. Очень интересно иногда видеть его в реальной жизни, например, при смене ориентации планшета или телефона. Значки на рабочем столе представляют собой матрицу, а при перемене положения она транспонируется и становится шире, но уменьшается в высоте.

Разберём ещё такой процесс, как Хоть он нам и не пригодится, но знать его будет всё равно полезно. Умножить две матрицы можно только при условии, что число столбцов одной таблицы равно числу строк другой. Теперь возьмём элементы строчки одной матрицы и элементы соответствующего столбца другой. Перемножим их друг на друга и затем сложим (то есть, например, произведение элементов a 11 и а 12 на b 12 и b 22 будет равно: а 11 *b 12 + а 12 *b 22). Таким образом, получается один элемент таблицы, и аналогичным методом она заполняется далее.

Теперь можем приступить к рассмотрению того, как решается система линейных уравнений.

Метод Гаусса

Этой тему начинают проходить еще в школе. Мы хорошо знаем понятие "система двух линейных уравнений" и умеем их решать. Но что делать, если число уравнений больше двух? В этом нам поможет

Конечно, этим методом удобно пользоваться, если сделать из системы матрицу. Но можно и не преобразовывать её и решать в чистом виде.

Итак, как решается этим методом система линейных уравнений Гаусса? Кстати, хоть этот способ и назван его именем, но открыли его ещё в древности. Гаусс предлагает следующее: проводить операции с уравнениями, чтобы в конце концов привести всю совокупность к ступенчатому виду. То есть, нужно, чтобы сверху вниз (если правильно расставить) от первого уравнения к последнему убывало по одному неизвестному. Иными словами, нужно сделать так, чтобы у нас получилось, скажем, три уравнения: в первом - три неизвестных, во втором - два, в третьем - одно. Тогда из последнего уравнения мы находим первое неизвестное, подставляем его значение во второе или первое уравнение, и далее находим оставшиеся две переменные.

Метод Крамера

Для освоения этого метода жизненно необходимо владеть навыками сложения, вычитания матриц, а также нужно уметь находить определители. Поэтому, если вы плохо всё это делаете или совсем не умеете, придется поучиться и потренироваться.

В чём суть этого метода, и как сделать так, чтобы получилась система линейных уравнений Крамера? Всё очень просто. Мы должны построить матрицу из численных (практически всегда) коэффициентов системы линейных алгебраических уравнений. Для этого просто берём числа перед неизвестными и расставляем в таблицу в том порядке, как они записаны в системе. Если перед числом стоит знак "-", то записываем отрицательный коэффициент. Итак, мы составили первую матрицу из коэффициентов при неизвестных, не включая числа после знаков равенства (естественно, что уравнение должно быть приведено к каноническому виду, когда справа находится только число, а слева - все неизвестные с коэффициентами). Затем нужно составить ещё несколько матриц - по одной для каждой переменной. Для этого заменяем в первой матрице по очереди каждый столбец с коэффициентами столбцом чисел после знака равенства. Таким образом получаем несколько матриц и далее находим их определители.

После того как мы нашли определители, дело за малым. У нас есть начальная матрица, и есть несколько полученных матриц, которые соответствуют разным переменным. Чтобы получить решения системы, мы делим определитель полученной таблицы на определитель начальной таблицы. Полученное число и есть значение одной из переменных. Аналогично находим все неизвестные.

Другие методы

Существует ещё несколько методов для того, чтобы получить решение систем линейных уравнений. Например, так называемый метод Гаусса-Жордана, который применяется для нахождения решений системы квадратных уравнений и тоже связан с применением матриц. Существует также метод Якоби для решения системы линейных алгебраических уравнений. Он легче всех адаптируется для компьютера и применяется в вычислительной технике.

Сложные случаи

Сложность обычно возникает, если число уравнений меньше числа переменных. Тогда можно наверняка сказать, что, либо система несовместна (то есть не имеет корней), или количество её решений стремится к бесконечности. Если у нас второй случай - то нужно записать общее решение системы линейных уравнений. Оно будет содержать как минимум одну переменную.

Заключение

Вот мы и подошли к концу. Подведём итоги: мы разобрали, что такое система и матрица, научились находить общее решение системы линейных уравнений. Помимо этого рассмотрели другие варианты. Выяснили, как решается система линейных уравнений: метод Гаусса и Поговорили о сложных случаях и других способах нахождения решений.

На самом деле эта тема гораздо более обширна, и если вы хотите лучше в ней разобраться, то советуем почитать больше специализированной литературы.

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.

Что такое однородная система линейных уравнений?

Ответ напрашивается сам собой. Система линейных уравнений является однородной, если свободный член каждого уравнения системы равен нулю. Например:

Совершенно ясно, что однородная система всегда совместна , то есть всегда имеет решение. И, прежде всего, в глаза бросается так называемое тривиальное решение . Тривиальное, для тех, кто совсем не понял смысл прилагательного, значит, беспонтовое. Не академично, конечно, но зато доходчиво =) …Чего ходить вокруг да около, давайте выясним, нет ли у данной системы каких-нибудь других решений:

Пример 1

Решение : чтобы решить однородную систему необходимо записать матрицу системы и с помощью элементарных преобразований привести её к ступенчатому виду. Обратите внимание, что здесь отпадает необходимость записывать вертикальную черту и нулевой столбец свободных членов – ведь что ни делай с нулями, они так и останутся нулями:

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

(2) К третьей строке прибавили вторую строку, умноженную на –1.

Делить третью строку на 3 не имеет особого смысла.

В результате элементарных преобразований получена эквивалентная однородная система , и, применяя обратный ход метода Гаусса, легко убедиться, что решение единственно.

Ответ :

Сформулируем очевидный критерий : однородная система линейных уравнений имеет только тривиальное решение , если ранг матрицы системы (в данном случае 3) равен количеству переменных (в данном случае – 3 шт.).

Разогреваемся и настраиваем свой радиоприёмник на волну элементарных преобразований:

Пример 2

Решить однородную систему линейных уравнений

Чтобы окончательно закрепить алгоритм, разберём финальное задание:

Пример 7

Решить однородную систему, ответ записать в векторной форме.

Решение : запишем матрицу системы и с помощью элементарных преобразований приведём её к ступенчатому виду:

(1) У первой строки сменили знак. Ещё раз заостряю внимание на неоднократно встречавшемся приёме, который позволяет существенно упростить следующее действие.

(1) Ко 2-й и 3-й строкам прибавили первую строку. К 4-й строке прибавили первую строку, умноженную на 2.

(3) Последние три строки пропорциональны, две из них удалили.

В результате получена стандартная ступенчатая матрица, и решение продолжается по накатанной колее:

– базисные переменные;
– свободные переменные.

Выразим базисные переменные через свободные переменные. Из 2-го уравнения:

– подставим в 1-е уравнение:

Таким образом, общее решение:

Поскольку в рассматриваемом примере три свободные переменные, то фундаментальная система содержит три вектора.

Подставим тройку значений в общее решение и получим вектор , координаты которого удовлетворяют каждому уравнению однородной системы. И снова повторюсь, что крайне желательно проверять каждый полученный вектор – времени займет не так много, а от ошибок убережёт стопроцентно.

Для тройки значений находим вектор

И, наконец, для тройки получаем третий вектор:

Ответ : , где

Желающие избежать дробных значений могут рассмотреть тройки и получить ответ в эквивалентном виде:

К слову о дробях. Посмотрим на полученную в задаче матрицу и зададимся вопросом – нельзя ли упростить дальнейшее решение? Ведь здесь мы сначала выразили через дроби базисную переменную , потом через дроби базисную переменную , и, надо сказать, процесс это был не самый простой и не самый приятный.

Второй вариант решения :

Идея состоит в том, чтобы попытаться выбрать другие базисные переменные . Посмотрим на матрицу и заметим две единицы в третьем столбце. Так почему бы не получить ноль вверху? Проведём ещё одно элементарное преобразование:

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
.

Однородная система линейных уравнений над полем

ОПРЕДЕЛЕНИЕ. Фундаментальной системой решений системы уравнений (1) называется непустая линейно независимая система ее решений, линейная оболочка которой совпадает с множеством всех решений системы (1).

Отметим, что однородная система линейных уравнений, имеющая только нулевое решение, не имеет фундаментальной системы решений.

ПРЕДЛОЖЕНИЕ 3.11. Любые две фундаментальные системы решений однородной системы линейных уравнений состоят из одинакового числа решений.

Доказательство. В самом деле, любые две фундаментальные системы решений однородной системы уравнений (1) эквивалентны и линейно независимы. Поэтому в силу предложения 1.12 их ранги равны. Следовательно, число решений, входящих в одну фундаментальную систему, равно числу решений, входящих в любую другую фундаментальную систему решений.

Если основная матрица А однородной системы уравнений (1) нулевая, то любой вектор из является решением системы (1); в этом случае любая совокупность линейно независимых векторов из является фундаментальной системой решений. Если же столбцовый ранг матрицы А равен , то система (1) имеет только одно решение - нулевое; следовательно, в этом случае система уравнений (1) не обладает фундаментальной системой решений.

ТЕОРЕМА 3.12. Если ранг основной матрицы однородной системы линейных уравнений (1) меньше числа переменных , то система (1) обладает фундаментальной системой решений, состоящей из решений.

Доказательство. Если ранг основной матрицы А однородной системы (1) равен нулю или , то выше было показано, что теорема верна. Поэтому ниже предполагается, что Полагая , будем считать, что первые столбцов матрицы А линейно независимы. В этом случае матрица А строчечно эквивалентна приведенной ступенчатой матрице, а система (1) равносильна следующей приведенной ступенчатой системе уравнений:

Легко проверить, что любой системе значений свободных переменных системы (2) соответствует одно и только одно решение системы (2) и, значит, системы (1). В частности, системе нулевых значений соответствует только нулевое решение системы (2) и системы (1).

Будем в системе (2) придавать одному из свободных переменных значение, равное 1, а остальным переменным - нулевые значения. В результате получим решений системы уравнений (2), которые запишем в виде строк следующей матрицы С:

Система строк этой матрицы линейно независима. В самом деле, для любых скаляров из равенства

следует равенство

и, значит, равенства

Докажем, что линейная оболочка системы строк матрицы С совпадает с множеством всех решений системы (1).

Произвольное решение системы (1). Тогда вектор

также является решением системы (1), причем

Линейное уравнение называется однородным , если его свободный член равен нулю, и неоднородным в противном случае. Система, состоящая из однородных уравнений, называется однородной и имеет общий вид:

Очевидно, что всякая однородная система совместна и имеет нулевое (тривиальное) решение. Поэтому применительно к однородным системам линейных уравнений часто приходится искать ответ на вопрос о существовании ненулевых решений. Ответ на этот вопрос можно сформулировать в виде следующей теоремы.

Теорема . Однородная система линейных уравнений имеет ненулевое решение тогда и только тогда, когда ее ранг меньше числа неизвестных .

Доказательство : Допустим, система, ранг которой равен, имеет ненулевое решение. Очевидно, что не превосходит . В случае система имеет единственное решение. Поскольку система однородных линейных уравнений всегда имеет нулевое решение, то именно нулевое решение и будет этим единственным решением. Таким образом, ненулевые решения возможны только при .

Следствие 1 : Однородная система уравнений, в которой число уравнений меньше числа неизвестных, всегда имеет ненулевое решение.

Доказательство : Если у системы уравнений , то ранг системы не превышает числа уравнений , т.е. . Таким образом, выполняется условие и, значит, система имеет ненулевое решение.

Следствие 2 : Однородная система уравнений с неизвестными имеет ненулевое решение тогда и только тогда, когда ее определитель равен нулю.

Доказательство : Допустим, система линейных однородных уравнений, матрица которой с определителем , имеет ненулевое решение. Тогда по доказанной теореме , а это значит, что матрица вырожденная, т.е. .

Теорема Кронекера-Капелли: СЛУ совместна тогда и только тогда, когда ранг матрицы системы равен рангу расширенной матрицы этой системы. Система ур-ий называется совместной, если она имеет хотя бы одно решение.

Однородная система линейных алгебраических уравнений .

Система m линейных ур-ий с n переменными называется системой линейных однородных уравнений, если все свободные члены равны 0. Система линейных однородных ур-ий всегда совместна, т.к. она всегда имеет, по крайней мере, нулевое решение. Система линейных однородных ур-ий имеет ненулевое решение тогда и только тогда, когда ранг её матрицы коэффициентов при переменных меньше числа переменных, т.е. при rang A (n. Всякая лин. комбинация

решений системы лин. однородн. ур-ий также является решением этой системы.

Система лин.независимых решений е1, е2,…,еk называется фундаментальной, если каждое решение системы является линейной комбинацией решений. Теорема: если ранг r матрицы коэффициентов при переменных системы линейных однородных уравнений меньше числа переменных n, то всякая фундаментальная система решений системы состоит из n-r решений. Поэтому общее решение системы лин. однордн. ур-ий имеет вид: с1е1+с2е2+…+сkеk, где е1, е2,…, еk – любая фундаментальная система решений, с1, с2,…,сk – произвольные числа и k=n-r. Общее решение системы m линейных ур-ий с n переменными равно сумме

общего решения соответствующей ей системы однородн. линейных ур-ий и произвольного частного решения этой системы.

7.Линейные пространства. Подпространства. Базис, размерность. Линейная оболочка. Линейное пространство называется n-мерным , если в нем существует система из линейно независимых векторов, а любая система из большего количества векторов линейно зависима. Число называется размерностью (числом измерений) линейного пространства и обозначается . Другими словами, размерность пространства - это максимальное число линейно независимых векторов этого пространства. Если такое число существует, то пространство называется конечномерным. Если же для любого натурального числа п в пространстве найдется система, состоящая из линейно независимых векторов, то такое пространство называют бесконечномерным (записывают: ). Далее, если не оговорено противное, будут рассматриваться конечномерные пространства.

Базисом n-мерного линейного пространства называется упорядоченная совокупность линейно независимых векторов (базисных векторов ).

Теорема 8.1 о разложении вектора по базису. Если - базис n-мерного линейного пространства , то любой вектор может быть представлен в виде линейной комбинации базисных векторов:

V=v1*e1+v2*e2+…+vn+en
и притом единственным образом, т.е. коэффициенты определяются однозначно. Другими словами, любой вектор пространства может быть разложен по базису и притом единственным образом.

Действительно, размерность пространства равна . Система векторов линейно независима (это базис). После присоединения к базису любого вектора , получаем линейно зависимую систему (так как это система состоит из векторов n-мерного пространства). По свойству 7 линейно зависимых и линейно независимых векторов получаем заключение теоремы.