Параметрическая форма записи системы линейных уравнений

Видео:Матричная форма записи системы линейных уравненийСкачать

Решение системы линейных алгебраических уравнений в параметрическом моделировании

Р.М.Ганеев, А.О.Максименко, А.В.Крючков

Система КОМПАС 3D предназначена для создания моделей (деталей и сборок) и графических документов. Параметрическое моделирование — неотъемлемая часть КОМПАС 3D (как и всех современных CAD/CAM-систем), позволяющая быстро получать модели типовых изделий на основе прототипа.

Особенностью системы КОМПАС 3D является использование собственного математического ядра и параметрических технологий.

В этой статье рассматривается построение параметрического дву­мерного эскиза или чертежа. При этом параметрическая модель состоит из развитого набора геометрических и алгебраических ограничений, заданных на конечном множестве геометрических объектов и переменных. Наиболее распространены такие объекты, как точки, отрезки, ­окружности и дуги окружностей. А параметрические зависимости описываются с помощью таких геометрических ограничений, как параллельность, перпендикулярность, совпадение, касание, линейные и угловые размеры и прочие отношения. Задачей параметризации в таком случае является решение, благодаря которому все геометрические объекты эскиза (чертежа) приводятся в состояние, удовлетворяющее заданным ограничениям.

На рис. 1 представлен пример параметрического эскиза.

Рис. 1. Пример недоопределенной параметрической модели

Изображение на этом рисунке состоит из четырех прямых, шести точек, одной переменной и описывается системой из 20 ограничений:

где dispp (P1, P2, V) — расстояние на величину V между точками P1 и P2, displ (P, L, V ) — расстояние от точки P до прямой L, fix (P, c) фиксация координаты c у точки P, ang (L1, L2, V) — угол V между прямыми L1, L2, fix (V,const) — присвоение переменной V=const, hor (L) — горизонтальность прямой.

Каждое из ограничений убирает одну степень свободы объекта. С учетом того, что степень свободы точки и прямой равна 2, а переменной — равна 1, вся модель описывается 4*2 + 6*2 + 1 = 21 координатой степеней свобод. Таким образом, недостает ровно одного ограничения, чтобы полностью зафиксировать все объекты модели. Например, точки P2, P3, P4, Pc и прямая L2 имеют одну степень свободы перемещения, и в целом модель недоопределена.

Существуют различные подходы и методы решения задачи параметризации, и все они в основном подразделяются на методы, основанные на графах, на алгебраические и на численные:

• методы, основанные на графах, используют отвлеченную от геометрии эскиза информацию о структуре системы ограничений, например, для разбиения сложной в целом модели на более простые сепаратно решаемые подсистемы;

• алгебраические методы применяют к подсистемам, которые могут быть решены в аналитическом виде;

• численные методы хотя и проигрывают алгебраическим в эффективности, применяются в том случае, если ни один из альтернативных подходов не позволяет решить общую задачу.

Программное средство в составе CAD-системы, которое обеспечивает решение задач параметризации, как правило, применяет все описанные подходы в совокупности.

Для получения численного решения используют итерационные методы, которые, как известно, предполагают некоторое начальное приближение решения системы нелинейных уравнений. Оно уточняется на каждом шаге (итерации), пока не будет достигнута требуемая точность. Широко известный метод Ньютона-Рафсона на каждой итерации отыскивает решение системы линейных алгебраических уравнений (СЛАУ) согласно его итерационной формуле:

(1)

где k — номер итерации, pk — вектор решения на k-й итерации, Dp — вектор направления поиска решения, F — вектор значений функций, составляющих правую часть системы нелинейных уравнений, J — матрица Якоби , состоящая из частных производных 1-го порядка.

Для привлечения метода Ньютона к решению параметрической модели последняя формулируется в виде системы нелинейных алгебраических уравнений F(p) = 0 из функций в (1) .

Особенность параметрического моделирования состоит в том, что в общем случае система уравнений недоопределена, то есть количество неизвестных превышает количество уравнений. Кроме того, матрица J на некоторой итерации, в том числе и при начальном приближении, может оказаться вырожденной или близкой к таковой, что создает дополнительные трудности применения метода Ньютона.

Согласно (1), на каждом шаге итерационного процесса мы сталкиваемся с решением СЛАУ

(2)

где A Rm,n, m — количество строк матрицы (количество уравнений), n — количество неизвестных, вектор правых частей c Rm , вектор неизвестных x R .

Вектор x определяет величину в (1). В общем случае rank(A) 20,21 . Как оказалось, матрица имеет неполный ранг (rank(A)=18) по причине того, что в СЛАУ присутствуют два уравнения, векторы-строки которых образуют линейную комбинацию с другими уравнениями. В итоге СЛАУ в этом примере имеет бесчисленное множество решений, удовлетворяющих условию минимума

Для обеспечения сходимости процесса (1) в этом множестве выбирают вектор минимальной длины (нормальное решение). Известные алгоритмы решения недоопределенных СЛАУ [1, 2] не учитывают разреженную структуру больших матриц и, как следствие, обладают малой скоростью.

Р.М.Ганеев для повышения скорости решения предложил строить нормальное решение на базе предварительного приведения СЛАУ к треугольной форме.

Пусть ранг матрицы СЛАУ (2) меньше количества неизвестных. Для приведения СЛАУ (2) к треугольной форме используются методы отражений Хаусхолдера или отражений/вращений Гивенса. В случае СЛАУ с разреженной матрицей более эффективны методы Гивенса.

Пусть после приведения к треугольной форме получена совместная СЛАУ:

где R — правая треугольная n*n -матрица. При этом считаем, что i -е уравнение отсутствует, то есть в матрице R в i-й строке находятся только нули, и в векторе правой части i-й элемент равен нулю. Таких уравнений может быть несколько.

Коэффициенты дополнительного i -го уравнения вычисляются по формулам:

(4)

Общий алгоритм решения СЛАУ (2) содержит следующие шаги:

1. Параметры СЛАУ (2) необходимо записать в расширенную матрицу: R = [ A Ю ].

Матрица R должна содержать не менее n строк. Если количество уравнений m меньше количества неизвестных (m

Видео:Видеоурок "Параметрические уравнения прямой"Скачать

Система линейных алгебраических уравнений. Основные термины. Матричная форма записи.

Видео:15. Однородная система линейных уравнений / фундаментальная система решенийСкачать

Определение системы линейных алгебраических уравнений. Решение системы. Классификация систем.

Под системой линейных алгебраических уравнений (СЛАУ) подразумевают систему

содержащую $m$ уравнений и $n$ неизвестных ($x_1,x_2,ldots,x_n$). Прилагательное «линейных» означает, что все неизвестные (их еще называют переменными) входят только в первой степени.

Параметры $a_$ ($i=overline$, $j=overline$) называют коэффициентами, а $b_i$ ($i=overline$) – свободными членами СЛАУ. Иногда, чтобы подчеркнуть количество уравнений и неизвестных, говорят так «$mtimes n$ система линейных уравнений», – тем самым указывая, что СЛАУ содержит $m$ уравнений и $n$ неизвестных.

Если все свободные члены $b_i=0$ ($i=overline$), то СЛАУ называют однородной. Если среди свободных членов есть хотя бы один, отличный от нуля, СЛАУ называют неоднородной.

Решением СЛАУ (1) называют всякую упорядоченную совокупность чисел ($alpha_1, alpha_2,ldots,alpha_n$), если элементы этой совокупности, подставленные в заданном порядке вместо неизвестных $x_1,x_2,ldots,x_n$, обращают каждое уравнение СЛАУ в тождество.

Любая однородная СЛАУ имеет хотя бы одно решение: нулевое (в иной терминологии – тривиальное), т.е. $x_1=x_2=ldots=x_n=0$.

Если СЛАУ (1) имеет хотя бы одно решение, ее называют совместной, если же решений нет – несовместной. Если совместная СЛАУ имеет ровно одно решение, её именуют определённой, если бесконечное множество решений – неопределённой.

Имеем систему линейных алгебраических уравнений, содержащую $3$ уравнения и $5$ неизвестных: $x_1$, $x_2$, $x_3$, $x_4$, $x_5$. Можно, сказать, что задана система $3times 5$ линейных уравнений.

Коэффициентами системы (2) есть числа, стоящие перед неизвестными. Например, в первом уравнении эти числа таковы: 3, -4, 1, 7, -1. Свободные члены системы представлены числами 11, -65, 0. Так как среди свободных членов есть хотя бы один, не равный нулю, то СЛАУ (2) является неоднородной.

Упорядоченная совокупность $(4;-11;5;-7;1)$ является решением данной СЛАУ. В этом несложно убедиться, если подставить $x_1=4$, $x_2=-11$, $x_3=5$, $x_4=-7$, $x_5=1$ в уравнения заданной системы:

Естественно, возникает вопрос том, является ли проверенное решение единственным. Вопрос о количестве решений СЛАУ будет затронут в соответствующей теме.

Система (3) является СЛАУ, содержащей $5$ уравнений и $3$ неизвестных: $x_1$, $x_2$, $x_3$. Так как все свободные члены данной системы равны нулю, то СЛАУ (3) является однородной. Несложно проверить, что совокупность $(0;0;0)$ является решением данной СЛАУ. Подставляя $x_1=0$, $x_2=0$, $x_3=0$, например, в первое уравнение системы (3), получим верное равенство:

$$4x_1+2x_2-x_3=4cdot 0+2cdot 0-0=0.$$

Подстановка в иные уравнения делается аналогично.

Видео:ФСР. Система однородных уравнений. Общее решениеСкачать

Матричная форма записи систем линейных алгебраических уравнений.

С каждой СЛАУ можно связать несколько матриц; более того – саму СЛАУ можно записать в виде матричного уравнения. Для СЛАУ (1) рассмотрим такие матрицы:

Матрица $A$ называется матрицей системы. Элементы данной матрицы представляют собой коэффициенты заданной СЛАУ.

Матрица-столбец $B$ называется матрицей свободных членов, а матрица-столбец $X$ – матрицей неизвестных.

Используя введённые выше обозначения, СЛАУ (1) можно записать в форме матричного уравнения: $Acdot X=B$.

Матрицы, связанные с системой, можно записать различными способами: всё зависит от порядка следования переменных и уравнений рассматриваемой СЛАУ. Но в любом случае порядок следования неизвестных в каждом уравнении заданной СЛАУ должен быть одинаков (см. пример №4).

Записать СЛАУ $ left < begin& 2x_1+3x_2-5x_3+x_4=-5;\ & 4x_1-x_3=0;\ & 14x_2+8x_3+x_4=-11. end right. $ в матричной форме и указать расширенную матрицу системы.

Имеем четыре неизвестных, которые в каждом уравнении следуют в таком порядке: $x_1$, $x_2$, $x_3$, $x_4$. Матрица неизвестных будет такой: $left( begin x_1 \ x_2 \ x_3 \ x_4 end right)$.

Свободные члены данной системы выражены числами -5, 0, -11, посему матрица свободных членов имеет вид: $B=left( begin -5 \ 0 \ -11 end right)$.

Перейдем к составлению матрицы системы. В первую строку данной матрицы будут занесены коэффициенты первого уравнения: 2, 3, -5, 1.

Во вторую строку запишем коэффициенты второго уравнения: 4, 0, -1, 0. При этом следует учесть, что коэффициенты системы при переменных $x_2$ и $x_4$ во втором уравнении равны нулю (ибо эти переменные во втором уравнении отсутствуют).

В третью строку матрицы системы запишем коэффициенты третьего уравнения: 0, 14, 8, 1. Учитываем при этом равенство нулю коэффициента при переменной $x_1$ (эта переменная отсутствует в третьем уравнении). Матрица системы будет иметь вид:

$$ A=left( begin 2 & 3 & -5 & 1\ 4 & 0 & -1 & 0 \ 0 & 14 & 8 & 1 end right) $$

Чтобы была нагляднее взаимосвязь между матрицей системы и самой системой, я запишу рядом заданную СЛАУ и ее матрицу системы:

В матричной форме заданная СЛАУ будет иметь вид $Acdot X=B$. В развернутой записи:

$$ left( begin 2 & 3 & -5 & 1\ 4 & 0 & -1 & 0 \ 0 & 14 & 8 & 1 end right) cdot left( begin x_1 \ x_2 \ x_3 \ x_4 end right) = left( begin -5 \ 0 \ -11 end right) $$

Запишем расширенную матрицу системы. Для этого к матрице системы $ A=left( begin 2 & 3 & -5 & 1\ 4 & 0 & -1 & 0 \ 0 & 14 & 8 & 1 end right) $ допишем столбец свободных членов (т.е. -5, 0, -11). Получим: $widetilde=left( begin 2 & 3 & -5 & 1 & -5 \ 4 & 0 & -1 & 0 & 0\ 0 & 14 & 8 & 1 & -11 end right) $.

Записать СЛАУ $ left <begin& 3y+4a=17;\ & 2a+4y+7c=10;\ & 8c+5y-9a=25; \ & 5a-c=-4. endright.$ в матричной форме и указать расширенную матрицу системы.

Как видите, порядок следования неизвестных в уравнениях данной СЛАУ различен. Например, во втором уравнении порядок таков: $a$, $y$, $c$, однако в третьем уравнении: $c$, $y$, $a$. Перед тем, как записывать СЛАУ в матричной форме, порядок следования переменных во всех уравнениях нужно сделать одинаковым.

Упорядочить переменные в уравнениях заданной СЛАУ можно разными способами (количество способов расставить три переменные составит $3!=6$). Я разберу два способа упорядочивания неизвестных.

Введём такой порядок: $c$, $y$, $a$. Перепишем систему, расставляя неизвестные в необходимом порядке: $left <begin& 3y+4a=17;\ & 7c+4y+2a=10;\ & 8c+5y-9a=25; \ & -c+5a=-4. endright.$

Матрица системы имеет вид: $ A=left( begin 0 & 3 & 4 \ 7 & 4 & 2\ 8 & 5 & -9 \ -1 & 0 & 5 end right) $. Матрица свободных членов: $B=left( begin 17 \ 10 \ 25 \ -4 end right)$. При записи матрицы неизвестных помним о порядке следования неизвестных: $X=left( begin c \ y \ a end right)$. Итак, матричная форма записи заданной СЛАУ такова: $Acdot X=B$. В развёрнутом виде:

$$ left( begin 0 & 3 & 4 \ 7 & 4 & 2\ 8 & 5 & -9 \ -1 & 0 & 5 end right) cdot left( begin c \ y \ a end right) = left( begin 17 \ 10 \ 25 \ -4 end right) $$

Расширенная матрица системы такова: $left( begin 0 & 3 & 4 & 17 \ 7 & 4 & 2 & 10\ 8 & 5 & -9 & 25 \ -1 & 0 & 5 & -4 end right) $.

Введём такой порядок: $a$, $c$, $y$. Перепишем систему, расставляя неизвестные в необходимом порядке: $left < begin& 4a+3y=17;\ & 2a+7c+4y=10;\ & -9a+8c+5y=25; \ & 5a-c=-4. endright.$

Матрица системы имеет вид: $ A=left( begin 4 & 0 & 3 \ 2 & 7 & 4\ -9 & 8 & 5 \ 5 & -1 & 0 end right)$. Матрица свободных членов: $B=left( begin 17 \ 10 \ 25 \ -4 end right)$. При записи матрицы неизвестных помним о порядке следования неизвестных: $X=left( begin a \ c \ y end right)$. Итак, матричная форма записи заданной СЛАУ такова: $Acdot X=B$. В развёрнутом виде:

$$ left( begin 4 & 0 & 3 \ 2 & 7 & 4\ -9 & 8 & 5 \ 5 & -1 & 0 end right) cdot left( begin a \ c \ y end right) = left( begin 17 \ 10 \ 25 \ -4 end right) $$

Расширенная матрица системы такова: $left( begin 4 & 0 & 3 & 17 \ 2 & 7 & 4 & 10\ -9 & 8 & 5 & 25 \ 5 & -1 & 0 & -4 end right) $.

Как видите, изменение порядка следования неизвестных равносильно перестановке столбцов матрицы системы. Но каким бы этот порядок расположения неизвестных ни был, он должен совпадать во всех уравнениях заданной СЛАУ.

Заметили ошибку, опечатку, или некорректно отобразилась формула? Отпишите, пожалуйста, об этом в данной теме на форуме (регистрация не требуется).

Видео:Написать канонические и параметрические уравнения прямой в пространствеСкачать

VMath

Инструменты сайта

Основное

Навигация

Информация

Действия

Содержание

Видео:Математика без Ху!ни. Метод Гаусса.Скачать

Системы линейных уравнений

Обозначим через $ mathbb A_ $ любое из множеств $ mathbb Q_, mathbb R_ $ или $ mathbb C_ $.

Примеры систем уравнений над $ mathbb R $.

Относительно числа $ m_ $ уравнений не делается ни какого предположения: оно может быть меньше, больше или равно числу переменных $ n_ $. Если $ m_>n $ то система называется переопределенной. Решением системы уравнений называется любой набор значений переменных $ x_1=alpha_,dots, x_n = alpha_n $, обращающий каждое из уравнений в истинное равенство. Система называется совместной если она имеет хотя бы одно решение и несовместной в противном случае.

Можно доказать (см. результаты ☟ НИЖЕ ), что все возможности для произвольной системы ограничиваются следующими вариантами:

1. система совместна и имеет единственное решение;

2. cистема совместна и имеет бесконечное множество решений;

3. cистема несовместна.

При этом все решения будут находиться в том же множестве $ mathbb A_ $, что и коэффициенты системы.

Видео:Система линейных уравнений. Метод обратной матрицы. Матричный метод.Скачать

Матричная форма записи

Для системы линейных уравнений относительно переменных $ x_1,x_2,dots,x_n $ $$ left< begin a_x_1 &+a_x_2&+ ldots&+a_x_n &=b_1,\ a_x_1 &+a_x_2&+ ldots&+a_x_n &=b_2,\ dots & & & & dots \ a_x_1 &+a_x_2&+ ldots&+a_x_n &=b_m. end right. $$ матрицей системы называется матрица $$ A=left( begin a_ & a_ & dots & a_ \ a_ & a_ & dots & a_ \ dots &&& dots \ a_ & a_ & dots & a_ end right)_ ; $$ cтолбец $$ = left( begin b_ \ b_ \ vdots \ b_ end right) $$ называется столбцом правых частей системы, а столбец $$ X= left( begin x_ \ x_ \ vdots \ x_ end right) $$ — столбцом неизвестных. Используя правило умножения матриц, систему можно записать в матричном виде: $$ AX= . $$ Любое решение $ x_1=alpha_1,dots,x_n=alpha_n $ системы можно также записать в виде столбца: $$ X=left( begin alpha_1 \ vdots \ alpha_n end right) in mathbb A^n . $$ Матрица, составленная из всех коэффициентов системы уравнений: $$ [A mid mathcal B ]= left( begin a_ & a_ & dots & a_ & b_1 \ a_ & a_ & dots & a_ & b_2 \ dots &&& & dots \ a_ & a_ & dots & a_ & b_m end right)_ , $$ т.е. конкатенацией матрицы $ A_ $ и столбца правых частей $ _ $ называется расширенной матрицей системы л.у.

Видео:Неоднородная система линейных уравненийСкачать

Исключение переменных (метод Гаусса)

метода достаточно проста.

Пример. Решить систему уравнений $$ left< begin 2x_1&-3x_2&-x_3&=3 \ 4x_1&-3x_2&-5x_3&=6 \ 3x_1&+5x_2&+9x_3&=-8 end right. $$

Решение. Выразим из первого уравнения $ x_ $ $$ x_1=frac x_2+frac x_3 + frac $$ и подставим в оставшиеся уравнения $$ 4 left(frac x_2+frac x_3 + fracright) -3,x_2-5,x_3=6 <coloriff > 3x_2-3x_3 = 0 $$ $$ <coloriff > x_2-x_3=0 ; $$ $$ 3 left(frac x_2+frac x_3 + fracright) +5x_2+9x_3=-8 <coloriff > frac x_2 +fracx_3=-frac $$ $$ <coloriff > 19x_2 +21x_3=-25 . $$ Два получившихся уравнения не зависят от неизвестной $ x_ $ — она оказалась исключенной из этих уравнений. Иными словами, мы получили новую подсистему уравнений $$ left< begin x_2&-x_3&=0 \ 19x_2&+21x_3&=-25, end right. $$ которой должны удовлетворять неизвестные $ x_ $ и $ x_ $. Продолжаем действовать по аналогии: выразим из первого уравнения $ x_ $ через $ x_ $: $$x_2=x_3 $$ и подставим во второе: $$ 40 x_3 =-25 iff x_3=-frac . $$ Итак, значение одной компоненты решения получено. Для нахождения оставшихся подставим значение $ x_ $ в полученные по ходу решения соотношения: $$ x_2=x_3=-frac Rightarrow x_1=frac x_2+frac x_3 + frac=frac . $$

Ответ. $ x_=1/4, x_2=-5/8, x_3=-5/8 $.

Теперь осталось формализовать изложенную идею метода (сформулировав допустимые правила действия над уравнениями — те, что в принципе, очевидны из здравого смысла ), а также исследовать возможные последствия его применения к системам общего вида.

Исключение переменных

Элементарными преобразованиями системы л.у. называются преобразования следующих трех типов:

1. перестановка двух уравнений;

2. умножение обеих частей уравнения на любое отличное от нуля число;

3. прибавление к одному уравнению любого другого, умноженного на произвольное число: пара уравнений $$ begin a_x_1 +a_x_2+ ldots+a_x_n &=&b_j,\ a_x_1 +a_x_2+ ldots+a_x_n &=&b_k end $$ заменяется парой $$ begin (a_+ <colorlambda > a_) x_1 &+ (a_+ <colorlambda > a_) x_2 &+ ldots &+ (a_+ <colorlambda > a_) x_n &=&b_j + <colorlambda > b_k, , \ a_x_1 &+a_x_2&+ ldots &+a_x_n &=&b_k , . end $$

Теорема. Любое элементарное преобразование системы л.у. переводит эту систему в ей эквивалентную, т.е. имеющую то же множество решений, что и исходная.

Задача. С помощью элементарных преобразований привести систему л.у. к наиболее простому виду: такому, из которого легко было бы установить множество решений.

Предположим, что первое уравнение системы содержит явно неизвестную $ x_ $, т.е. $ a_^ ne 0 $. Исключим эту неизвестную из всех оставшихся уравнений. С этой целью вычтем из второго уравнения первое, домноженное на $ a_/a_^ $. Получим $$left(a_- frac<a_><a_> a_ right)x_2 + dots + left(a_- frac<a_><a_> a_ right)x_n = b_2 — frac<a_><a_> b_1 , $$ Аналогичное преобразование — вычитание из третьего уравнения системы первого, умноженного на $ a_/a_^ $, позволяет исключить $ x_ $ из этого уравнения, т.е. заменить его на $$left(a_- frac<a_><a_> a_ right)x_2 + dots + left(a_- frac<a_><a_> a_ right)x_n = b_3 — frac<a_><a_> b_1 . $$ Продолжаем процесс далее. В конечном итоге исключаем $ x_ $ из всех уравнений кроме первого: $$ left< begin a_x_1 &+a_x_2&+ ldots&+a_x_n &=b_1,\ &a_^x_2&+ ldots&+a_^x_n &=b_2^,\ &dots & & & dots \ &a_^x_2&+ ldots&+a_^x_n &=b_m^. end right. npu begin a_^ &= & displaystyle a_ — frac<a_a_><a_> ,\ b_j^ &= & displaystyle b_j — frac<a_b_1><a_> . end $$ Полученная система эквивалентна исходной системе, однако она имеет более простой вид: в ней выделилась подсиcтема $$ left< begin a_^x_2&+ ldots&+a_^x_n &=b_2^,\ dots & & & dots \ a_^x_2&+ ldots&+a_^x_n &=b_m^, end right. $$ которая не зависит от переменной $ x_ $. К этой новой подсистеме можно применить те же рассуждения, что и к исходной системе, поставив теперь целью исключение переменной $ x_ $.

Понятно, что процесс исключения может быть продолжен и далее. Теперь посмотрим, где он может прерваться. Может так случиться, что очередная, $ ell_ $-я подсистема имеет коэффициент $ a_^ $ равным нулю, что не позволит алгоритму идти дальше — т.е. исключить переменную $ x_^ $ из оставшихся уравнений (в принципе, такое могло случиться уже на первом шаге, если бы коэффициент $ a_^ $ был бы равен нулю). Возможные варианты дальнейших действий:

1. если хотя бы один коэффициент при $ x_^ $ в одном из оставшихся уравнений отличен от нуля: $ a_^ne 0^ $, то это уравнение переставляется с $ ell_ $-м;

2. если при всех $ jge ell^ $ коэффициенты $ a_^ $ равны нулю, то переменная $ x_^ $ не входит ни в одно оставшееся уравнение, и можно перейти к исключению переменной $ x_^ $.

Поскольку число переменных конечно, то алгоритм исключения должен завершиться за конечное число шагов. Чем он может завершиться? Окончательная система должна иметь вид: $$ left< begin a_x_1 +&a_x_2&+ ldots& +a_<1 >x_& +a_ <1 ,+1>x_<+1>&+ ldots + & a_x_n &=b_1,\ &a_^x_2&+ ldots& +a_<2 >^ x_& +a_<2 ,+1>^ x_<+1>&+ ldots + & a_^ x_n &=b_2^,\ & & ddots & & & & & dots \ & & & a_ <>^<[-1]>x_ & + a_ <, +1>^<[-1]>x_<+1>& + ldots + & a_ <,n>^<[-1]>x_n &=b_^<[-1]>, \ & & & & & & 0 &=b_<+1>^<[-1]>, \ & & & & & & dots & \ & & & & & & 0 &=b_^<[-1]>, \ end right. $$ при $ le n_ $. Заметим, что все коэффициенты этой системы будут принадлежать тому же множеству, что и коэффициенты исходной системы.

Предположение . Мы будем считать, что каждое из первых $ _ $ уравнений системы содержит в своей левой части хотя бы одну переменную с ненулевым коэффициентом.

Процесс получения системы такого вида из исходной системы уравнений называется прямым ходом метода Гаусса.

Исторический комментарий о Гауссе ☞ ЗДЕСЬ.

Установление множества решений

Теорема. Если хотя бы одно из чисел $ b_<+1>^<[-1]>,dots , b_^<[-1]> $ отлично от нуля, то исходная система линейных уравнений будет несовместной.

Для простоты мы будем иллюстрировать наши рассуждения на системах л.у. над $ mathbb R_ $, в этом же множестве искать решения. Каждое из преобразований метода Гаусса будем обозначать $ to_ $.

Пример. Решить систему л.у.

$$ left< begin x_1&+x_2&-3, x_3 =& -1 \ 2,x_1&+x_2&-2, x_3 =& 1 \ x_1&+x_2&+ x_3 =& 3 \ x_1&+2,x_2&-3, x_3 =& 1. end right. $$

Решение. $$ to left< begin x_1&+x_2&-3, x_3 =& -1 \ &-x_2&+4, x_3 =& 3 \ &&4, x_3 =& 4 \ &x_2&=& 2 end right. to left< begin x_1&+x_2&-3, x_3 =& -1 \ &-x_2&+4, x_3 =& 3 \ &&4, x_3 =& 4 \ &&4, x_3=& 5 end right. to $$ $$ to left< begin x_1&+x_2&-3, x_3 =& -1 \ &-x_2&+4, x_3 =& 3 \ &&4, x_3 =& 4 \ &&0=& 1 end right. $$ Последнее равенство абсолютно противоречиво.

Ответ. Система несовместна.

Пусть теперь $ b_<+1>^<[-1]>=0,dots, b_^<[-1]>=0 $. Возможны два случая: $ =n_ $ и $ предположения , имеем $ a_^ ne 0 $. Но тогда, поскольку система является конечной стадией прямого хода метода Гаусса, то и все коэффициенты $ a_^, dots, a_^, a_ $ должны быть отличны от нуля — в противном случае метод Гаусса не остановился бы на системе такого вида; он называется треугольным: Из последнего уравнения системы можно однозначно установить значение $ x_ $: $$x_n=b_n^ big/ a_^ .$$ Далее, подставляя это значение в $ (n-1) $-е уравнение системы, выражаем $ x_ $: $$ x_= frac<b_^ — a_^x_>< a_^>= frac< b_^ — a_^ b_n^ Big/ a_^>< a_^> . $$ Подставляем полученные значения для $ x_ $ и $ x_ $ в $ (n-2)_ $-е уравнение системы, выражаем $ x_ $, и т.д., в конце концов приходим к первому уравнению, из которого выражаем $ x_ $ если ранее уже получены выражения для $ x_2,dots,x_ $.

Теорема. Если прямой ход метода Гаусса заканчивается треугольной системой, т.е. $ mathfrak r = n_ $ и $ b_<+1>^<[-1]>=0,dots, b_^<[-1]>=0 $, то исходная система линейных уравнений имеет единственное решение.

Пример. Решить систему л.у.

$$ left< begin x_1&+3,x_2&+ x_3 =&5 \ 2,x_1&+x_2&+ x_3 =& 2 \ x_1&+x_2&+ 5,x_3 =& -7 \ 2,x_1&+3,x_2&-3, x_3 =& 14. end right. $$

Ответ. $ x_1=1,, x_=2,, x_3=-2 $ .

Исследуем теперь случай $ 1) : На основании предположения , в $ $-м уравнении этой системы имеется хотя бы один ненулевой коэффициент в левой части, пусть $ a_ <>^<[-1]>ne 0 $ — первый из них. Если $ =n $, то из этого уравнения однозначно определится $ x_ $ $$ x_n=alpha_n = b_^<[-1]> big/ a_ <n>^<[-1]> . $$ Если же $ предположения , в этом уравнении имеется хотя бы один ненулевой коэффициент в левой части; пусть $ a_<-1, >^<[-2]>ne 0_ $ — первый из них. Поскольку мы преположили, что система является конечной стадией прямого хода метода Гаусса, то $ по крайней мере две переменные, значения которых еще не были зафиксированы на предыдущих шагах. Это следует из предположения, что число уравнений $ _ $ меньше числа неизвестных $ n_ $. Такое уравнение допускает бесконечное число решений, любое из которых в ходе дальнейших шагов может быть «доделано» до решения системы.

Теорема. Если прямой ход метода Гаусса заканчивается трапециевидной системой, т.е. $ mathfrak r 2) матрицы $ A_ $ (третьего порядка). Понятие определителя распространяется и на квадратные матрицы бóльших порядков; образно говоря, определитель — это функция элементов матрицы, отвечающая за единственность решения системы уравнений.

Дальнейший матричный анализ метода Гаусса ☞ ЗДЕСЬ.

Видео:Видеоурок "Однородные системы линейных уравнений"Скачать

Формулы Крамера

Рассмотрим систему линейных уравнений с квадратной матрицей $ A_ $, т.е. такую, у которой число уравнений совпадает с числом неизвестных.

Теорема. Cистема

$$ left<begin a_x_1 +a_x_2+ldots+a_x_n &=&b_1\ a_x_1 +a_x_2+ldots+a_x_n &=&b_2\ ldots& & ldots \ a_x_1 +a_x_2+ldots+a_x_n &=&b_n endright. $$ имеет единственное решение тогда и только тогда, когда определитель матрицы этой системы отличен от нуля: $$ left| begin a_ & a_ & dots & a_ \ a_ & a_ & dots & a_ \ dots &&& dots \ a_ & a_ & dots & a_ end right| ne 0 . $$ В этом случае решение можно вычислить по формулами Крамера 3) : $$ x_k =frac<det left[ A_|dots|A_||A_|dots|A_ right]> quad npu quad kin . $$ Для получения значения $ x_ $ в числитель ставится определитель, получающийся из $ det A_ $ заменой его $ k_ $-го столбца на столбец правых частей ( здесь $ | $ означает конкатенацию).

Доказательство ☞ ЗДЕСЬ

Пример. Решить систему уравнений

$$ left<begin 2x_1& +3x_2&+11x_3&+5x_4 &=& color2,\ x_1& +x_2&+5x_3&+2x_4 &=& color1 ,\ 2x_1& +x_2&+3x_3&+2x_4 &=&color,\ x_1& +x_2&+3x_3&+4x_4 &=&color. endright. $$

Решение. $$ x_1=frac<left|begin color2 & 3&11&5 \ color1 & 1&5&2 \ color& 1&3&2 \ color & 1&3&4 endright|> <left|begin 2& 3&11&5 \ 1& 1&5&2 \ 2& 1&3&2 \ 1& 1&3&4 endright|>=frac=-2, x_2=frac<left|begin 2& color2&11&5 \ 1& color1&5&2 \ 2& color&3&2 \ 1& color&3&4 endright|> <left|begin 2& 3&11&5 \ 1& 1&5&2 \ 2& 1&3&2 \ 1& 1&3&4 endright|>=frac=0, dots $$ Найдите оставшиеся компоненты решения. ♦

Решение системы линейных уравнений с квадратной матрицей $ A_ $ является непрерывной функцией коэффициентов этой системы при условии, что $ det A_ ne 0 $.

Кроме того, формулы Крамера начинают конкурировать по вычислительной эффективности с методом Гаусса в случае систем, зависящих от параметра. Подробнее ☞ ЗДЕСЬ.

Еще один способ решения системы основан на построении обратной матрицы: $$ AX= quad Rightarrow quad X=A^ . $$ Этот способ малоэффективен при фиксированных числовых $ A_ $ и $ _ $.

Найти достаточное условие существования общего решения систем уравнений:

$$ A_1 X = _1 quad u quad A_2 Y = _2 , $$ при квадратных матрицах $ A_1 $ и $ A_2 $ одинакового порядка.

Видео:Матричный метод решения систем уравненийСкачать

Теорема Кронекера-Капелли

Матрица, получающаяся конкатенацией матрицы $ A_ $ и столбца правых частей $ _ $ $$ [ A| ] = left( begin a_ & a_ & dots & a_ & b_1 \ a_ & a_ & dots & a_ & b_2 \ dots &&& & dots \ a_ & a_ & dots & a_ & b_m end right)_ $$ называется расширенной матрицей системы линейных уравнений $ AX= $.

Теорема [Кронекер, Капелли]. Система $ AX= $ совместна тогда и только тогда, когда ранг матрицы этой системы совпадает с рангом ее расширенной матрицы:

$$ operatorname, A = operatorname, [ A| ] . $$ При выполнении этого условия, система имеет единственное решение, если число неизвестных $ n_ $ совпадает с общим значением ранга $ mathfrak r_ $, и бесконечное множество решений, если $ n_ $ больше этого значения.

Доказательство необходимости. Пусть существует решение $ x_1=alpha_1,dots,x_n=alpha_n $ системы, тогда $$alpha_1 A_+dots+alpha_n A_= ,$$ т.е. столбец $ $ линейно выражается через столбцы $ A_,dots,A_ $. Но тогда $$ operatorname <A_,dots,A_>=operatorname <A_,dots,A_,> .$$ Следовательно $ operatorname, A = operatorname, [ A| ] $.

Доказательство достаточности проводится в следующем пункте. ♦

Пример. Исследовать совместность системы уравнений

Решение. В этом примере число уравнений совпадает с числом неизвестных. Это обстоятельство несколько облегчает рассуждения. Обратимся к замечанию из предыдущего пункта: система л.у. с числом уравнений, совпадающем с числом неизвестных, как правило, совместна. Тогда попробуем установить условия, обеспечивающие противоположное свойство — несовместность. Оно, фактически, единственно: за все отвечает определитель системы $ det A_ $. Если он отличен от нуля — система совместна. $$det A = left| begin<color> &1&1&1 \ 1&<color>&1&1 \ 1&1&<color>&1 \ 1&1&1&<color> end right|= left| begin (<color>-1) &(1-<color>)&0&0 \ 0&(<color>-1)&(1-<color>)&0 \ 0&0&(<color>-1)&(1-<color>) \ 1&1&1&<color> end right| =(<color>-1)^3 left| begin 1 &-1&0&0 \ 0&1&-1&0 \ 0&0&1&-1 \ 1&1&1&<color> end right|= $$ $ =(<color>-1)^3(<color>+3) $. По теореме Крамера при $ <color>ne 1 $ и при $ <color>ne -3 $ решение системы единственно: $$x_1=x_2=x_3=x_4=1/(<color>+3) .$$

Осталось исследовать критические случаи: $ <color>=1_ $ и $ <color>= -3 $: определитель системы обращается в нуль, но система может оказаться совместной. Придется вычислять ранги, но, к счастью, уже числовых матриц (а не зависящих от параметра, как исходная!). При $ <color>= 1_ $ имеем $$ operatorname left( begin 1 &1&1&1 \ 1&1&1&1 \ 1&1&1&1 \ 1&1&1&1 end right)= operatorname left( begin 1&1&1&1&1 \ 1&1&1&1&1 \ 1&1&1&1&1 \ 1&1&1&1&1 end right)=1 , $$ и система совместна. Она эквивалентна единственному уравнению $$x_1+x_2+x_3+x_4=1 ,$$ которое имеет бесконечно много решений.

При $ <color>= -3 $: $$ operatorname left( begin -3 &1&1&1 \ 1&-3&1&1 \ 1&1&-3&1 \ 1&1&1&-3 end right)=3,quad operatorname left( begin -3 &1&1&1&1 \ 1&-3&1&1&1 \ 1&1&-3&1&1 \ 1&1&1&-3&1 end right)=4 $$ и система несовместна.

Ответ. Система несовместна при $ <color> = -3 $; она имеет бесконечное множество решений при $ <color> = 1_ $ и единственное решение при $ <color> notin $.

Система однородных уравнений

$$ left< begin a_x_1 &+a_x_2&+ ldots&+a_x_n &=0,\ a_x_1 &+a_x_2&+ ldots&+a_x_n &=0,\ dots & & & dots & \ a_x_1 &+a_x_2&+ ldots&+a_x_n &=0 end right. $$ всегда совместна: она имеет тривиальное решение $ x_1=0,dots,x_n=0 $. Для того, чтобы у нее существовало еще и нетривиальное решение необходимо и достаточно, чтобы определитель ее матрицы был равен нулю.

Пример. Найти условие, при котором три точки плоскости с координатами $ (x_1,y_1), (x_2,y_2) $ и $ (x_3,y_) $ лежат на одной прямой.

Решение. Будем искать уравнение прямой в виде $ ax+by+c=0 $ при неопределенных коэффициентах $ a,b,c_ $. Если точки лежат на прямой, то получаем для определения этих коэффициентов систему линейных уравнений: $$ left< begin ax_1+by_1+c & =0\ ax_2+by_2+c & =0\ ax_3+by_3+c & =0 end right. $$ Получившаяся система является однородной, условие существования у нее нетривиального решения (т.е. набора $ (a,b,c)_ $ при хотя бы одном из чисел отличном от нуля): $$ left|begin x_1 & y_1 & 1 \ x_2 & y_2 & 1 \ x_3 & y_3 & 1 end right|=0 . $$ ♦

Доказать, что для совместности системы

$$ left< begin a_x_1+a_x_2+a_x_3 &=& b_1 \ a_x_1+a_x_2+a_x_3 &=& b_2 \ a_x_1+a_x_2+a_x_3 &=& b_3 \ a_x_1+a_x_2+a_x_3 &=& b_4 end right. $$ необходимо, чтобы было выполнено условие $$ left| begin a_&a_& a_ & b_1 \ a_&a_& a_ & b_2 \ a_&a_& a_ & b_3 \ a_&a_& a_ & b_4 end right|=0 quad . $$ Является ли это условие достаточным для совместности?

An elementary treatise on determinants

в следующей формулировке.

Теорема. Для того чтобы система $ n_ $ неоднородных уравнений была совместна, необходимо и достаточно, чтобы порядок наибольшего отличного от нуля минора был одинаков в расширенной и нерасширенной матрице системы.

Додсон — один из самых знаменитых математиков мира. Назовите его псевдоним.

Ответ ☞ ЗДЕСЬ

Видео:Лекция 13. Исследование систем линейных уравнений. Теорема Кронекера — Капелли.Скачать

Общее решение

Пусть выполнено условие теоремы Кронекера-Капелли: $ operatorname (A)=operatorname[Amid mathcal B ] =mathfrak $. По определению ранга матрицы, в матрице $ A $ существует минор порядка $ mathfrak $, отличный от нуля; этот же минор останется и минором расширенной матрицы $ [ Amid mathcal B ] $. Пусть, для определенности, ненулевой минор находится в левом верхнем углу матрицы 4) : $$ Delta = Aleft( begin 1 & 2 & dots & mathfrak \ 1 & 2 & dots & mathfrak end right) = left| begin a_ & a_ & dots & a_<1mathfrak> \ a_ & a_ & dots & a_<2mathfrak> \ dots &&& dots \ a_<mathfrak1> & a_<mathfrak2> & dots & a_ <mathfrakmathfrak> end right| ne 0 . $$ Тогда первые $ mathfrak $ строк матрицы $ A $ линейно независимы, а остальные будут линейно выражаться через них. Это же утверждение будет справедливо и для строк матрицы $ [Amid mathcal B] $. Умножая первые $ mathfrak $ уравнений системы на соответствующие числа и складывая их, получим любое оставшееся уравнение. Таким образом, система уравнений может быть заменена эквивалентной ей системой из первых $ mathfrak $ уравнений: $$ left< begin a_x_1+dots+a_<1mathfrak>x_<mathfrak>&+a_<1,mathfrak+1>x_<mathfrak+1>+ dots +a_x_n&=&b_1, \ dots & & & dots \ a_<mathfrak1>x_1+dots+a_<mathfrakmathfrak>x_<mathfrak>& +a_<mathfrak,mathfrak+1>x_<mathfrak+1>+dots +a_<mathfrakn>x_n&=&b_mathfrak end right. quad iff quad A^ X=^ $$ Если $ mathfrak=n $, то матрица $ A^ $ квадратная. По предположению $ det A^ ne 0 $. По теореме Крамера решение такой системы единственно.

Пусть теперь $ mathfrak произвольных фиксированных значениях $ x_<mathfrak+1>,dots,x_n $: $$ x_j=frac< left| begin a_ & dots &a_ &left[ b_1-(a_<1,mathfrak+1>x_<mathfrak+1>+dots +a_x_n) right] &a_& dots &a_<1mathfrak> \ dots &&&dots&&& dots \ a_<mathfrak1> & dots &a_<mathfrak,j-1> & left[ b_<mathfrak>- (a_<mathfrak,mathfrak+1>x_<mathfrak+1>+dots +a_<mathfrakn>x_n) right] &a_<mathfrak,j+1>& dots &a_<mathfrakmathfrak> end right| > $$ $$ mbox jin <1,dots, mathfrak> . $$ Таким образом, в этом случае система имеет бесконечное множество решений. Используя свойство линейности определителя по столбцу (см. свойство 5 ☞ ЗДЕСЬ ), формулы можно переписать в виде $$ x_j=beta_j + gamma_<j,mathfrak+1>x_<mathfrak+1>+dots+gamma_x_n npu jin <1,dots, mathfrak> . $$ Здесь $$ beta_j =frac left| begin a_ & dots &a_ & b_1 &a_& dots &a_<1mathfrak> \ vdots &&&vdots&&& vdots \ a_<mathfrak1> & dots &a_<mathfrak,j-1> & b_<mathfrak> &a_<mathfrak,j+1>& dots &a_<mathfrakmathfrak> end right|, , $$ $$ gamma_ = -frac left| begin a_ & dots &a_ & a_ &a_& dots &a_<1mathfrak> \ vdots &&&vdots&&& vdots \ a_<mathfrak1> & dots &a_<mathfrak,j-1> & a_<mathfrakk> &a_<mathfrak,j+1>& dots &a_<mathfrakmathfrak> end right| . $$ Эти формулы называются общим решением системы $ A X=mathcal B $. Участвующие в них переменные $ x_<mathfrak+1>,dots,x_n $ называются основными (или свободными), а $ x_1,dots,x_<mathfrak> $ — зависимыми. Решение, получающееся из общего решения фиксированием значений основных переменных, называется частным решением системы уравнений.

Пример. Исследовать совместность и найти общее решение системы уравнений:

Решение проведем двумя способами, соответствующими двум способам вычисления ранга матрицы. Вычисляем сначала ранг матрицы $ A $ по методу окаймляющих миноров: $$ |2| ne 0,quad left| begin 2 & 1 \ 6 & 2 end right| ne 0, quad left| begin 2 & 1 & 2 \ 6 & 2 & 4 \ 4 & 1 & 1 end right|=2 ne 0 , $$ а все миноры, окаймляющие последний, равны нулю. Итак, $ operatorname (A) =3 $. Для нахождения ранга расширенной матрицы $ [Amid mathcal B] $ достаточно проверить окаймление найденного ненулевого минора третьего порядка с помощью элементов взятых из столбца правых частей. Имеется всего один такой минор, и он равен нулю. Следовательно $ operatorname[ Amid mathcal B ] =3 $, система совместна, и имеет бесконечное множество решений.

Ненулевой минор третьего порядка (базисный минор) находится в первой, второй и четвертых строках, что означает линейную независимость соответствующих уравнений. Третье уравнение линейно зависит от остальных, и может быть отброшено. Далее, указанный базисный минор образован коэффициентами при $ x_1,x_3 $ и $ x_4 $. Следовательно оставшиеся уравнения могут быть разрешены относительно этих переменных, т.е. они — зависимые, а $ x_2 $ и $ x_5 $ — основные. Использование формулы дает общее решение $$ begin x_1&=&frac<left| begin 2 & 1 & 2 \ 3 & 2 & 4 \ 1 & 1 & 1 end right|> -x_2frac<left| begin -1 & 1 & 2 \ -3 & 2 & 4 \ -2 & 1 & 1 end right|> -x_5frac<left| begin 3 & 1 & 2 \ 5 & 2 & 4 \ 2 & 1 & 1 end right|> =-frac+fracx_2+fracx_5, \ & & \ x_3&=&frac<left| begin 2 & 2 & 2 \ 6 & 3 & 4 \ 4 & 1 & 1 end right|> -x_2frac<left| begin 2 & -1 & 2 \ 6 & -3 & 4 \ 4 & -2 & 1 end right|> -x_5frac<left| begin 2 & 3 & 2 \ 6 & 5 & 4 \ 4 & 2 & 1 end right|>=3-4x_5, \ & & \ x_4 &=&frac<left| begin 2 & 1 & 2 \ 6 & 2 & 3 \ 4 & 1 & 1 end right|> -x_2frac<left| begin 2 & 1 & -1 \ 6 & 2 & -3 \ 4 & 1 & -2 end right|> -x_5frac<left| begin 2 & 1 & 3 \ 6 & 2 & 5 \ 4 & 1 & 2 end right|> = 0. end $$ Решим теперь ту же задачу, воспользовавшись методом Гаусса исключения переменных в системе линейных уравнений: $$ left< begin 2x_1&-x_2&+x_3&+2x_4&+3x_5&=&2, \ &&x_3&+2x_4&+4x_5&=&3, \ &&&x_4&&=&0 end right. $$ Используя обратный ход метода Гаусса, снова приходим к полученным формулам.

Ответ. Общее решение системы: $ x_1=1/2 (x_2+x_5-1), x_3=3-4,x_5, x_4=0 $.

Проанализируем теперь полученные общие формулы для общего решения. В этих формулах $ beta_j $ представляет решение системы, получаемое при $ x_<mathfrak+1>=0,dots,x_n=0 $. Величины же коэффициентов $ gamma_ $ вовсе не зависят от правых частей системы и будут одинаковыми при любых значениях $ b_1,dots,b_m $. В частности, если $ b_1=0,dots,b_m=0 $, то в формулах величины $ beta_j $ обращаются в нуль и эти формулы превращаются в $$ x_j=gamma_<j,mathfrak+1>x_<mathfrak+1>+dots+gamma_x_n npu jin <1,dots, mathfrak> . $$

Вывод. Формула общего решения системы $ A X=mathcal B $: $$ x_j=beta_j + gamma_<j,mathfrak+1>x_<mathfrak+1>+dots+gamma_x_n npu jin <1,dots, mathfrak> $$ состоит из двух частей: слагаемые, не содержащие свободных переменных, определяют частное решение неоднородной системы: $$ x_1= beta_1,dots, x_<mathfrak>= beta_<mathfrak>,x_<mathfrak+1>=0,dots,x_n=0 ; $$ оставшиеся после их отбрасывания формулы задают общее решение системы $ AX=mathbb O $. Этот результат обобщается в следующей теореме.

Теорема. Общее решение системы уравнений $ A X=mathcal B $ представимо в виде суммы какого-то частного решения этой системы и общего решения соответствующей однородной системы $ A X=mathbb O $.

Доказательство тривиально если система $ A X=mathcal B $ имеет единственное решение. Если же решений бесконечно много, то выбрав какое-то одно частное $ X=X_1 $ мы получаем, что любое другое частное решение $ X=X_2 $ должно быть связано с первым соотношением $$ A(X_2-X_1)=mathbb O , $$ т.е. разность частных решений неоднородной системы обязательно является решением однородной системы уравнений $ AX=mathbb O $. ♦

Теперь посмотрим как можно описать общее решение однородной системы.

Система однородных уравнений

Система линейных уравнений называется однородной, если все коэффициенты правых частей равны нулю: $$ left< begin a_x_1 &+a_x_2&+ ldots&+a_x_n &=0,\ a_x_1 &+a_x_2&+ ldots&+a_x_n &=0,\ dots & & & dots & \ a_x_1 &+a_x_2&+ ldots&+a_x_n &=0. end right. $$ или, в матричном виде: $$ A_X=_ $$

Задача ставится о поиске нетривиального решения. Оно не всегда существует. Так, к примеру, если матрица $ A_ $ системы — квадратная и имеет ненулевой определитель, то, согласно теореме Крамера, нетривиальных решений у однородной системы нет. Теорема Кронекера-Капелли утверждает, что условие $ det (A_) = 0 $ является и достаточным для существования нетривиального решения.

Теорема 1. Для того, чтобы система однородных уравнений с квадратной матрицей $ A_ $ имела нетривиальное решение необходимо и достаточно, чтобы $ det (A_) = 0 $.

Для произвольной (не обязательно квадратной) матрицы $ A_ $ имеет место следующий общий результат.

Теорема 2. Если $ operatorname (A)=mathfrak r 5) $ A_^ $.

Теорема 3. Множество решений системы однородных уравнений образует линейное подпространство пространства $ mathbb A^ $. Размерность этого подпространства равна $ n-mathfrak r $, а фундаментальная система решений образует его базис.

Пусть матрица системы $ AX=mathbb O $ квадратная и

$$ operatorname (A) =n_-1 , .$$ Доказать, что если ненулевой минор матрицы порядка $ n_-1 $ соответствует какому-нибудь элементу $ j_ $-й строки, то система алгебраических дополнений к элементам $ a_,dots,a_^ $ этой строки составляет ФСР для $ AX=mathbb O_ $. Например, для системы $$ left< begin a_x_1 +a_x_2+a_x_3&=0,\ a_x_1 +a_x_2+a_x_3&=0 end right. $$ ФСР состоит из решения $$ x_1=left| begin a_ & a_ \ a_ & a_ end right| , x_2=-left| begin a_ & a_ \ a_ & a_ end right| , x_3=left| begin a_ & a_ \ a_ & a_ end right| , $$ если только хотя бы один из миноров отличен от нуля.

Теперь обсудим способы нахождения ФСР.

1. Первый из них получается из общего метода решения системы линейных уравнений, рассмотренного в предыдущем пункте. Так же, как и в том пункте, сделаем упрощающее обозначения предположение, что зависимыми переменными являются первые $ x_,dots,x_ $, т.е. общее решение задается формулами $$ x_j=gamma_<j,mathfrak+1>x_<mathfrak+1>+dots+gamma_x_n npu jin <1,dots, mathfrak> . $$ Иными словами, вектор столбец $$ X=left(begin gamma_<1,mathfrak+1>x_<mathfrak+1>+dots+gamma_x_n \ gamma_<2,mathfrak+1>x_<mathfrak+1>+dots+gamma_x_n \ vdots \ gamma_<mathfrak,mathfrak+1>x_<mathfrak+1>+dots+gamma_<mathfrakn>x_n \ x_<mathfrak+1> \ x_<mathfrak+2> \ vdots \ x_ endright) $$ будет решением однородной системы при любых наборах значений основных переменных $ x_<mathfrak+1>,dots,x_ $. Представим этот вектор в виде суммы векторов: $$ =x_<mathfrak+1> underbrace< left(begin gamma_<1,mathfrak+1> \ gamma_<2,mathfrak+1> \ vdots \ gamma_<mathfrak,mathfrak+1> \ 1 \ 0 \ vdots \ 0 endright)>_ + x_<mathfrak+2> underbrace<left(begin gamma_<1,mathfrak+2> \ gamma_<2,mathfrak+2> \ vdots \ gamma_<mathfrak,mathfrak+2> \ 0 \ 1 \ vdots \ 0 endright)>_+dots+ x_ underbrace<left(begin gamma_ \ gamma_ \ vdots \ gamma_<mathfrakn> \ 0 \ 0 \ vdots \ 1 endright)>_<X_> . $$ Таким образом, любое решение однородной системы представимо в виде линейной комбинации $ n_- mathfrak r $ фиксированных решений. Именно эти решения и можно взять в качестве ФСР — их линейная независимость очевидна (единицы в нижних частях каждого вектора $ X_ $ расположены на разных местах, и ни какая линейная комбинация столбцов $ < X_1,dots,X_> $ не сможет обратить их одновременно в нуль).

Оформим этот способ построения ФСР в теорему:

Теорема 4. Если система уравнений $ AX=mathbb O $ имеет структуру матрицы $ A_ $ вида:

$$ A = left[ E_ mid P_ right] , $$ то ее ФСР состоит из столбцов матрицы $$ left[ begin — P^ \ hline E_ end right] . $$

Пример. Найти ФСР для системы уравнений

Решение. Приводим систему к трапециевидному виду: $$ left< begin x_1-&x_2+&x_3-&x_4=&0, \ &&x_3+&4x_4=&0 end right. $$ В качестве зависимых переменных можно взять, например, $ x_ $ и $ x_ $. $$ begin x_1 & x_3 & x_2 & x_4 \ hline 1 & 0 & 1 & 0 \ 5 & -4 & 0 & 1 end $$

2. Этот способ напоминает вычисление обратной матрицы методом приписывания единичной матрицы. Транспонируем матрицу $ A_ $ системы и припишем к ней справа единичную матрицу порядка $ n_ $: $$ left[ A^ | E_n right] = left(begin a_ & a_ & dots & a_ & 1 & 0 & 0 & dots & 0 \ a_ & a_ & dots & a_ & 0 & 1 & 0 & dots & 0 \ a_ & a_ & dots & a_ & 0 & 0 & 1 & dots & 0 \ vdots & & & vdots & vdots & & & ddots & vdots \ a_ & a_ & dots & a_ & 0 & 0 & 0 & dots & 1 end right) ; $$ здесь $ |_ $ означает конкатенацию. Получившуюся матрицу элементарными преобразованиями строк приводим к форме: $$ left( begin hat A & K \ mathbb O & L end right) = left(begin color & * & * & dots & * & * & * & * & * & * & * & dots & * \ 0 & color & * & dots & * & * & * & * & * & * & * & dots & * \ 0 & 0 & color & dots & * & * & * & * & * & * & * & dots & * \ vdots & & & ddots & & vdots & & & vdots & & & & vdots \ 0 & 0 & dots & & 0 & color & * & * & * & * & * & dots & * \ hline 0 & 0 & dots & 0 & 0 & 0 & 0 & 0 & Box & Box & Box & dots & Box \ vdots & & & & & vdots & & & vdots & & & & vdots \ 0 & 0 & dots & 0 & 0 & 0 & 0 & 0 & Box & Box & Box & dots & Box end right) begin left.begin \ \ \ \ \ endright> mathfrak r \ left. begin \ \ \ endright> n — mathfrak r end . $$ Элементы трапециевидной матрицы $ hat A $, обозначенные $ color $, могут быть равны нулю, но $ operatorname(hat A)= mathfrak r_ $. В этом случае строки матрицы $ L_ $, образовавшейся в правом нижнем углу (ее элементы обозначены $ Box $), составляют ФСР для системы $ AX=mathbb O $.

Пример. Найти ФСР для системы уравнений

$$ left< begin x_1 &+2,x_2&+ x_3&+3,x_4&-x_5&+2,x_6=&0,\ -3x_1 &-x_2&+ 2,x_3&-4,x_4&+x_5&-x_6=&0,\ x_1 &+x_2&+ 3,x_3&+2,x_4&+x_5&+3,x_6=&0,\ -8,x_1 &-7,x_2&+ 4,x_3&-15,x_4&+6,x_5&-5,x_6=&0,\ 6x_1 &+5,x_2& +5,x_3&+11,x_4 &&+9,x_6=&0. end right. $$ Решение. Преобразуем матрицу $ left[ A^ | E_6 right] $

$$ left(begin 1 & -3 & 1 & -8 & 6 & 1 \ 2 & -1 & 1 & -7 & 5 & & 1 \ 1 & 2 & 3 & 4 & 5 & & & 1 \ 3 & -4 & 2 & -15 & 11 &&&& 1 \ -1 & 1 & 1 & 6 & 0 &&&&& 1 \ 2 & -1 & 3 & -5 & 9 &&&&&& 1 end right)_ $$ к трапециевидной форме с помощью элементарных преобразований строк: $$ rightarrow left(begin 1 & -3 & 1 & -8 & 6 & 1 \ 0 & 5 & -1 & 9 & -7 &-2 & 1 \ 0 & 5 & 2 & 12 & -1 &-1 &0 & 1 \ 0 & 5 & -1 & 9 & -7 &-3&0&0& 1 \ 0 & -2 & 2 & -2 & 6 &1&0&0&0& 1 \ 0 & 5 & 1 & 11 & -3 &-2&0&0&0&0& 1 end right)rightarrow $$ $$ rightarrow left(begin 1 & -3 & 1 & -8 & 6 & 1 \ 0 & 5 & -1 & 9 & -7 &-2 & 1 \ 0 & 0 & 3 & 3 & 6 &1 &-1 & 1 \ 0 & 0 & 0 & 0 & 0 &-1&-1&0& 1 \ 0 & 0 & 8/5 & 8/5 & 16/5 &1/5&2/5&0&0& 1 \ 0 & 0 & 2 & 2 & 4 &0&-1&0&0&0& 1 end right)rightarrow $$ $$ rightarrow left(begin 1 & -3 & 1 & -8 & 6 & 1 \ 0 & 5 & -1 & 9 & -7 &-2 & 1 \ 0 & 0 & 3 & 3 & 6 &1 &-1 & 1 \ 0 & 0 & 0 & 0 & 0 &-1&-1&0& 1 \ 0 & 0 & 0 & 0 & 0 &-1/3&14/15&-8/15&0& 1 \ 0 & 0 & 0 & 0 & 0 &-2/3&-1/3&-2/3&0& 0 & 1 end right) $$

3. Еще один способ построения ФСР основан на теореме Гамильтона-Кэли.

Теорема. Пусть матрица системы $ AX=mathbb O $ квадратная и $ operatorname (A) = $. Тогда характеристический полином матрицы $ A_ $ имеет вид:

Пример. Найти ФСР для системы уравнений

Решение. Здесь $$ A= left( begin 1 & 1 & -1 & -1 \ 2 & 3 & 1 & -2 \ 0 & 0 & 0 & 0 \ 0 & 0 & 0 & 0 end right), quad det (A-lambda E) = lambda^2(lambda^2-4lambda+1), $$ $$ A^2-4A+E= left( begin 0 & 0 & 4 & 1 \ 0 & 0 & -3 & 0 \ 0 & 0 & 1 & 0 \ 0 & 0 & 0 & 1 end right) $$

Блок-схемы зависимости множества решений системы уравнений $ AX= mathcal B $ от комбинации чисел $ n, mathfrak r $ ☞ ЗДЕСЬ.

Видео:Метод Крамера за 3 минуты. Решение системы линейных уравнений - bezbotvyСкачать

Геометрическая интерпретация

Геометрический смысл введенных определений поясним на примере $ mathbb R^ $. Уравнение $$ a_1x_1+a_2x_2+a_3x_3=b $$ — при фиксированных вещественных коэффициентах $ a_1,a_2,a_3 $ (хотя бы один из них считаем отличным от нуля) и $ b_ $ — задает плоскость. Если, к примеру, $ a_1ne 0 $, то из уравнения получаем выражение для $ x_ $ как функции $ x_2,x_3 $: $$ x_1=frac-fracx_2-fracx_3 . $$ В этом представлении переменные $ x_ $ и $ x_ $ могут принимать любые вещественные значения независимо друг от друга, а вот переменная $ x_ $ полностью определяется заданием $ x_ $ и $ x_ $. С одной стороны, последняя формула определяет общее решения системы линейных уравнений (которая в нашем частном случае состоит из одного-единственного уравнения); переменные $ x_ $ и $ x_ $ выбраны основными, а $ x_ $ оказывается зависимой. Строго говоря, координаты любой точки плоскости можно представить формулами $$x_1=frac-fract-fracu, x_2=t, x_3=u quad npu quad subset mathbb R , $$ которые называются параметрическим представлением плоскости. Таким образом, получили геометрическую интерпретацию общего решения системы уравнений. Идем далее: представим последние формулы в векторной форме: $$ left( begin x_1 \ x_2 \ x_3 end right)= left( begin b/a_1- t, a_2/a_1- u, a_3/a_1 \ t \ u end right)= left( begin b/a_1\ 0 \ 0 end right)+ t left( begin -a_2/a_1\ 1 \ 0 end right) + u left( begin -a_3/a_1\ 0 \ 1 end right) . $$ Какой геометрический смысл имеет каждое из слагаемых? Первое слагаемое $$ X_0=left( begin b/a_1\ 0 \ 0 end right) $$ получается при задании $ t=0,u=0_ $ в общем решении. Это — частное решение нашего уравнения и определяет точку, через которую проходит плоскость. Два оставшихся столбца $$ X_1=left( begin -a_2/a_1\ 1 \ 0 end right) quad u quad X_2=left( begin -a_3/a_1\ 0 \ 1 end right) $$ не задают решения нашего уравнения — если только $ bne 0_ $. Но оба удовлетворяют однородному уравнению $$ a_1x_1+a_2x_2+a_3x_3=0 , $$ Последнее также определяет плоскость — параллельную исходной и проходящую через начало координат. Первая плоскость получается из второй сдвигом (параллельным переносом) на вектор $ vec $: и этот факт составляет геометрическую интерпретацию теоремы, сформулированной в конце ☞ ПУНКТА:

Теорема. Общее решение системы уравнений $ A X=mathcal B $ представимо в виде суммы какого-то частного решения этой системы и общего решения соответствующей однородной системы $ A X=mathbb O $.

Координаты произвольной точки плоскости $ a_1x_1+a_2x_2+a_3x_3=0 $ задаются соотношениями $$ left( begin x_1 \ x_2 \ x_3 end right)=tX_1+uX_2 . $$ Векторы пространства $ vec $ и $ vec $ являются базисными векторами плоскости — любой вектор $ vec $, лежащий в плоскости, через них выражается и они линейно независимы. Но $ X_ $ и $ X_ $ определяют фундаментальную систему решений однородного уравнения. Таким образом, мы получили геометрическую интерпретацию для ФСР: она задает базисные векторы плоскости, проходящей через начало координат.

Теперь рассмотрим систему из двух уравнений: $$ left<begin a_x_1 +a_x_2+a_x_3 &=&b_1,\ a_x_1 +a_x_2+a_x_3 &=&b_2. endright. $$ Ее можно интерпретировать как пересечение двух плоскостей в $ mathbb R^ $. Здесь уже возможны варианты: пересечение может оказаться как пустым так и непустым. От чего это зависит? — В соответствии с теоремой Кронекера-Капелли, надо сравнить два числа $$ operatorname left( begin a_ & a_ & a_ \ a_ & a_ & a_ end right) quad u quad operatorname left( begin a_ & a_ & a_ & b_1 \ a_ & a_ & a_ & b_2 end right) . $$ Очевидно, ни одно из них не может быть большим $ 2_ $. Если оба равны $ 2_ $ и этот факт обеспечен, например, условием $$ left| begin a_ & a_ \ a_ & a_ end right| ne 0, $$ то решения системы определяют прямую в пространстве. Действительно, при таком условии систему можно разрешить относительно неизвестных $ x_ $ и $ x_ $ и представить общее решение в виде: $$ x_1= frac<left|begin b_1 & a_ \ b_2 & a_ end right|><left|begin a_ & a_ \ a_ & a_ end right|>+ frac<left|begin a_ & a_ \ a_ & a_ end right|><left|begin a_ & a_ \ a_ & a_ end right|>x_3 , quad x_2= frac<left|begin a_ & b_ \ a_ & b_ end right|><left|begin a_ & a_ \ a_ & a_ end right|>- frac<left|begin a_ & a_ \ a_ & a_ end right|><left|begin a_ & a_ \ a_ & a_ end right|>x_3 . $$ В этих формулах переменная $ x_ $ принимает любое значение, а значения переменных $ x_ $ и $ x_ $ линейно выражаются через $ x_ $. Общее решение фактически задает прямую в параметрическом виде: координаты произвольной ее точки определяются формулами $$ left( begin x_1 \ x_2 \ x_3 end right)=X_0+tX_1 , $$ где вектор $$ quad X_0 = left(frac<left|begin a_ & b_ \ a_ & b_ end right|><left|begin a_ & a_ \ a_ & a_ end right|> , frac<left|begin a_ & b_ \ a_ & b_ end right|><left|begin a_ & a_ \ a_ & a_ end right|>, 0right)^ $$ задает координаты точки, лежащей на прямой (т.е. принадлежащей пересечению плоскостей), а вектор $$ X_1= left(frac<left|begin a_ & a_ \ a_ & a_ end right|><left|begin a_ & a_ \ a_ & a_ end right|>, — frac<left|begin a_ & a_ \ a_ & a_ end right|><left|begin a_ & a_ \ a_ & a_ end right|>, 1 right)^ $$ является направляющим для прямой. С тем же успехом мы могли бы взять в качестве направляющего вектор, получающийся растяжением $ X_ $: $$ tilde X_1 = left(left|begin a_ & a_ \ a_ & a_ end right|, — left|begin a_ & a_ \ a_ & a_ end right|, left|begin a_ & a_ \ a_ & a_ end right| right)^ . $$ Очевидно, что любой из векторов $ X_ $ или $ tilde X_1 $ задает фундаментальную систему решений однородной системы уравнений 10) $$ left<begin a_x_1 +a_x_2+a_x_3 &=&0,\ a_x_1 +a_x_2+a_x_3 &=&0. endright. $$ Последняя определяет прямую в $ mathbb R^3 $, проходящую через начало координат. Мы снова получаем интерпретацию теоремы: общее решение неоднородной системы получается сдвигом (параллельным переносом) общего решения однородной системы на вектор $ vec $.

Мы рассмотрели пока только случай пересекающихся плоскостей в пространстве. Его можно считать общим, т.е. случаем «как правило»: две случайным образом выбранные плоскости в $ mathbb R^ $ пересекаться будут. Исследуем теперь исключительный случай — параллельности плоскостей. Исключительность этого случая может быть проверена и аналитикой. Для несовместности системы из двух уравнений необходимо, чтобы ранг ее матрицы $$ left( begin a_ & a_ & a_ \ a_ & a_ & a_ end right) $$ оказался меньшим $ 2_ $. Это равносильно тому, что все миноры второго порядка этой матрицы обращаются в нуль: $$ left| begin a_ & a_ \ a_ & a_ end right|=0, left| begin a_ & a_ \ a_ & a_ end right| =0, left| begin a_ & a_ \ a_ & a_ end right|=0 . $$ Эти условия можно переписать в виде $$ frac<a_><a_>=frac<a_><a_>=frac<a_><a_> ; $$ и, если обозначить общую величину последний отношений через $ tau_ $, то получаем: $$ (a_,a_,a_)=tau (a_,a_,a_) . $$ Если вспомнить, что каждый из этих наборов коэффициентов задает вектор $ vec<OA^> $ в $ mathbb R^ $, перпендикулярный соответствующей плоскости, то, в самом деле, плоскости, определяемые уравнениями, оказываются параллельными. Пересекаться они, как правило, не будут: для пересечения необходимо, чтобы расширенная матрица системы $$ left( begin a_ & a_ & a_ & b_1 \ a_ & a_ & a_ & b_2 end right) $$ имела ранг меньший $ 2_ $. Это возможно только при условии когда коэффициенты правых частей удовлетворяют соотношению $$ b_1 = tau b_2 $$ при величине $ tau_ $ определенной выше. При выполнении этого условия второе уравнение получается из первого домножением на $ tau_ $ и соответствующие плоскости попросту совпадают.

Перейдем теперь к системе из трех уравнений: $$ left< begin a_x_1 +&a_x_2+&a_x_3=&b_1, \ a_x_1 +&a_x_2+&a_x_3=&b_2, \ a_x_1 +&a_x_2+&a_x_3=&b_3. end right. $$ Вариантов взаимного расположения трех плоскостей в $ mathbb R^ $ уже значительно больше. Какой из них будет самым распространенным, то есть случаем «как правило»? Геометрически ответ очевиден: если пересечение двух плоскостей определяет, как правило, прямую, то эта прямая пересекается с третьей плоскостью, как правило, в одной-единственной точке. И алгебра подтверждает геометрию: в комментарии к теореме Крамера говорится, что система, число уравнений которой совпадает с числом неизвестных, как правило, имеет единственное решение. Условие для этого случая «как правило» дается той же теоремой Крамера: $$ left| begin a_ & a_ & a_\ a_ & a_ & a_ \ a_ & a_ & a_ end right| ne 0 . $$

Теорема Кронекера-Капелли в этом случае не нужна — нет, она остается справедливой! — но проверка условия на ранги матриц тривиальна: они оба равны $ 3_ $. Если же указанный определитель обращается в нуль, то этот факт эквивалентен тому, что три строки определителя линейно зависимы. Например, возможно, что строка $ (a_,a_, a_) $ может быть представлена в виде линейной комбинации первых двух строк. Вспомним геометрический смысл этих строк: они задают координаты векторов, перпендикулярных соответствующим плоскостям. Если система уравнений $$ left<begin a_x_1 +a_x_2+a_x_3 &=&b_1,\ a_x_1 +a_x_2+a_x_3 &=&b_2 endright. $$ определяет прямую в $ mathbb R^ $, то оба вектора $ vec<OA^> $ и $ vec<OA^> $ при $ A^= (a_,a_, a_) $ и $ A^= (a_,a_, a_) $ перпендикулярны этой прямой; любая их комбинация также перпендикулярна этой прямой, а, следовательно, плоскость $$ a_x_1 +a_x_2+a_x_3 =b_3 $$ будет ей параллельна.

Статья не закончена!

Видео:Решение системы уравнений методом ГауссаСкачать

Ортогональность

Геометрические соображения из предыдущего пункта могут быть обобщены на случай когда размерности рассматриваемых пространств увеличиваются, и мы говорим о точках и векторах многомерных пространств. В последующих пунктах нам потребуются понятия линейной оболочки, линейного пространства, размерности, базиса и координат применительно к векторам-столбцам или векторам-строкам. Их можно найти ☞ ЗДЕСЬ.

Задача решения системы линейных уравнений $$ left< begin 3x_1&+4x_2&-x_3&=2, \ x_1&-2x_2&+3x_3&=1 end right. $$ может быть рассмотрена с двух точек зрения. С одной стороны, переписав систему в виде $$ x_1left(begin 3 \ 1 end right)+ x_2left(begin 4 \ -2 end right)+ x_3left(begin -1 \ 3 end right)= left(begin 2 \ 1 end right) , $$ можно говорить о поиске линейной комбинации столбцов $$ left(begin 3 \ 1 end right), left(begin 4 \ -2 end right), left(begin -1 \ 3 end right) $$ равной заданному столбцу $$ left(begin 2 \ 1 end right) . $$ В случае произвольной системы, записанной в матричном виде $$ A_X=mathcal B_ $$ совместность системы интерпретировать в смысле принадлежности столбца $ mathcal B $ линейной оболочке столбцов $ A_,dots,A_ $: $$ mathcal B=x_1 A_+dots+x_nA_ quad iff quad mathcal B in mathcal L (A_,dots,A_) . $$ В случае положительного ответа числа $ x_,dots,x_n $ интерпретируются как координаты столбца $ mathcal B $ в системе столбцов 11) $ <A_,dots,A_> $.

С другой стороны, к той же задаче решения системы уравнений, в предыдущем ПУНКТЕ мы подошли с другой стороны. Первое из уравнений системы $$ 3,x_1+4,x_2-x_3=2 $$ можно интерпретировать так: скалярное произведение векторов $ vec<^> $ и $ vec<> $ равно фиксированному числу $ 2_ $. Здесь вектора рассматриваются в пространстве строк $ mathbb R_^ $; считается, что каждый вектор имеет начало в начале координат $ mathbf O=[0,0,0] $, а конец — в точке с координатами $ [3,4,-1] $ или, соответственно, $ [x_1,x_2,x_3] $. Если скалярное произведение векторов обозначать скобками $ langle mbox rangle $, то систему уравнений можно переписать в виде $$ langle vec<^> , vec<> rangle=2, langle vec<^> , vec<> rangle=1 quad npu quad A^ = [3,4,-1], A^=[1,-2,3] $$ — строках матрицы $ A_ $. И задачу решения такой системы понимать в смысле: найти координаты всех векторов-строк $ [x_1,x_2,x_3] $ которые обеспечат нам заданные значения скалярных произведений с двумя фиксированными векторами.

Геометрическая интерпретация еще более упрощается если рассмотреть случай однородной системы уравнений. Так, решить систему уравнений $$ left< begin 3x_1&+4x_2&-x_3&=0, \ x_1&-2x_2&+3x_3&=0 end right. $$ означает подобрать вектор $ vec<> $ перпендикулярный (ортогональный) одновременно обоим векторам $ vec<^> $ и $ vec<^> $. Очевидно, что таких векторов в $ mathbb R^ $ бесконечно много — найдя хотя бы один такой вектор $ vec<> $, другие получим его растяжением: $ alpha cdot vec<> $ остается перпендикулярным векторам $ vec<^> $ и $ vec<^> $ при $ forall alpha in mathbb R $.

Все эти геометрические соображения обобщаются в произвольное пространство $ mathbb R_^ $ строк или столбцов, состоящих из $ n_ $ вещественных чисел (компонент). Для этого приходится обобщать понятие скалярного произведения. В общем случае оно вводится аксиоматически (и, более того, в одном и том же множестве может быть определено разными способами, см. ☞ ЕВКЛИДОВО ПРОСТРАНСТВО ). Мы сейчас не будем залезать так глубоко в эту аксиоматику, а просто определим скалярное произведение двух строк $ X=[x_1,x_2,dots,x_n] $ и $ Y=[y_1,y_2,dots,y_n] $ формулой $$ langle X,Y rangle=x_1y_1+x_2y_2+dots+x_ny_n $$ и продекларируем без обоснований, что все привычные нам по случаям $ mathbb R^ $ и $ mathbb R^ $ свойства скалярного произведения будут выполнены.

В терминах скалярного произведения, задачу решения системы линейных уравнений можно переформулировать как поиск строки $ X=[x_1,x_2,dots,x_n] $, ортогональной всем строкам матрицы $ A_ $: $$ langle A^,X rangle=0, langle A^,X rangle=0,dots, langle A^,X rangle=0 . $$ Множество таких строк образует линейное подпространство пространства $ mathbb R_^ $, это подпространство является ортогональным дополнением линейной оболочки $ mathcal L ( A^, A^,dots, A^ ) $ в пространстве $ mathbb R_^ $. Это подпространство называется нуль-пространством матрицы или ядром матрицы $ A_ $ и обозначается 12) $ er (A) $. Фундаментальная система решений системы $ AX=mathbb O $ составляет базис этого подпространства. Для произвольного линейного пространства количество векторов его базиса называется размерностью пространства и обозначается $ operatorname $. Во введенных обозначениях теорема из ☞ ПУНКТА переформулируется так:

Теорема. $ operatorname left( er (A) right)=n- mathfrak r $, где $ n_ $ — количество столбцов матрицы $ A_ $, а $ mathfrak r=operatorname (A) $ — ее ранг.

📺 Видео

Математика без Ху!ни. Метод Гаусса. Совместность системы. Ранг матрицы.Скачать

Лекция 12. Системы линейных уравненийСкачать

Решение матричных уравненийСкачать

Математика без Ху!ни. Уравнения прямой. Часть 2. Каноническое, общее и в отрезках.Скачать

Система линейных уравнений. Общее решение. Метод ГауссаСкачать