Решить систему уравнений в случае неопределенности найти базисное решение

Видео:Базисные решения систем линейных уравнений (03)Скачать

Базисные (основные) и свободные (неосновные) переменные. Общее и базисное решения системы линейных алгебраических уравнений. Первая часть.

Что означает фраза «ранг матрицы равен $r$»? Она означает, что есть хотя бы один минор $r$-го порядка, который не равен нулю. Напомню, что такой минор называется базисным. Базисных миноров может быть несколько. При этом все миноры, порядок которых выше $r$, равны нулю или не существуют.

Выбрать $r$ базисных переменных в общем случае можно различными способами. В примерах я покажу наиболее часто используемый способ выбора.

Во всех изложенных ниже примерах матрицу системы будем обозначать буквой $A$, а расширенную матрицу системы – буквой $widetilde$.

Решить СЛАУ $ left < begin& 3x_1-6x_2+9x_3+13x_4=9\ & -x_1+2x_2+x_3+x_4=-11;\ & x_1-2x_2+2x_3+3x_4=5. end right.$. Если система является неопределённой, указать базисное решение.

Итак, мы имеем СЛАУ, у которой 3 уравнения и 4 переменных: $x_1$, $x_2$, $x_3$, $x_4$. Так как количество переменных больше количества уравнений, то такая система не может иметь единственное решение (чуть позже мы строго докажем это предложение на основе теоремы Кронекера-Капелли). Найдём решения СЛАУ, используя метод Гаусса:

$$ left( begin 3 & -6 & 9 & 13 & 9 \ -1 & 2 & 1 & 1 & -11 \ 1 & -2 & 2 & 3 & 5 end right) rightarrow left|begin & text\ & text\ & text endright| rightarrow \ rightarrowleft( begin 1 & -2 & 2 & 3 & 5\ -1 & 2 & 1 & 1 & -11 \ 3 & -6 & 9 & 13 & 9 end right) begin phantom \ II+I\ III-3cdot Iend rightarrow left( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 \ 0 & 0 & 3 & 4 & -6 endright) begin phantom \ phantom\ III-IIend rightarrow \ rightarrowleft( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 \ 0 & 0 & 0 & 0 & 0 endright) $$

Мы завершили прямой ход метода Гаусса, приведя расширенную матрицу системы к ступенчатому виду. Слева от черты расположены элементы преобразованной матрицы системы, которую мы также привели к ступенчатому виду. Напомню, что если некая матрица приведена к ступенчатому виду, то её ранг равен количеству ненулевых строк.

И матрица системы, и расширенная матрица системы после эквивалентных преобразований приведены к ступенчатому виду; они содержат по две ненулевых строки. Вывод: $rang A=rangwidetilde = 2$.

Итак, заданная СЛАУ содержит 4 переменных (обозначим их количество как $n$, т.е. $n=4$). Кроме того, ранги матрицы системы и расширенной матрицы системы равны между собой и равны числу $r=2$. Так как $r < n$, то согласно следствию из теоремы Кронекера-Капелли СЛАУ является неопределённой (имеет бесконечное количество решений).

Найдём эти решения. Для начала выберем базисные переменные. Их количество должно равняться $r$, т.е. в нашем случае имеем две базисные переменные. Какие именно переменные (ведь у нас их 4 штуки) принять в качестве базисных? Обычно в качестве базисных переменных берут те переменные, которые расположены на первых местах в ненулевых строках преобразованной матрицы системы, т.е. на «ступеньках». Что это за «ступеньки» показано на рисунке:

На «ступеньках» стоят числа из столбцов №1 и №3. Первый столбец соответствует переменной $x_1$, а третий столбец соответствует переменной $x_3$. Именно переменные $x_1$ и $x_3$ примем в качестве базисных.

В принципе, если вас интересует именно методика решения таких систем, то можно пропускать нижеследующее примечание и читать далее. Если вы хотите выяснить, почему можно в качестве базисных взять именно эти переменные, и нельзя ли выбрать иные – прошу раскрыть примечание.

Почему можно принять переменные $x_1$ и $x_3$ в качестве базисных? Для ответа на этот вопрос давайте вспомним, что ранг матрицы системы равен числу $r=2$. Это говорит о том, что все миноры данной матрицы, порядок которых выше 2, либо равны нулю, либо не существуют. Ненулевые миноры есть только среди миноров второго порядка. Выберем какой-либо ненулевой минор второго порядка. Мы можем выбирать его как в исходной матрице системы $A$, т.е. в матрице $left( begin 3 & -6 & 9 & 13 \ -1 & 2 & 1 & 1 \ 1 & -2 & 2 & 3 end right)$, так и в преобразованной матрице системы, т.е. в $left( begin 1 & -2 & 2 & 3 \ 0 & 0 & 3 & 4 \ 0 & 0 & 0 & 0 endright)$. Так как в преобразованной матрице системы побольше нулей, то будем работать именно с нею.

Итак, давайте выберем минор второго порядка, элементы которого находятся на пересечении строк №1 и №2, и столбцов №1 и №2:

$$ M_^=left| begin 1 & -2 \ 0 & 0 endright|=1cdot 0-(-2)cdot 0=0. $$

Вывод: выбранный нами минор второго порядка не является базисным, ибо он равен нулю. Так как элементы этого минора взяты из столбца №1 (он соответствует переменной $x_1$) и столбца №2 (он соответствует переменной $x_2$), то пара переменных $x_1$ и $x_2$ не могут быть базисными переменными.

Осуществим вторую попытку, взяв минор второго порядка, элементы которого лежат на пересечении строк №1, №2 и столбцов №3 и №4:

$$ M_^=left| begin 2 & 3\ 3 & 4 endright|=2cdot 4-3cdot 3=-1. $$

Вывод: выбранный нами минор второго порядка является базисным, ибо он не равен нулю. Так как элементы этого минора взяты из столбца №3 (он соответствует переменной $x_3$) и столбца №4 (он соответствует переменной $x_4$), то пару переменных $x_3$ и $x_4$ можно принять в качестве базисных.

Сделаем и третью попытку, найдя значение минора, элементы которого расположены на пересечении строк №1, №2 и столбцов №1 и №3:

Вывод: выбранный нами минор второго порядка является базисным, ибо он не равен нулю. Так как элементы этого минора взяты из столбца №1 (он соответствует переменной $x_1$) и столбца №3 (он соответствует переменной $x_3$), то пару переменных $x_1$ и $x_3$ можно принять в качестве базисных.

Как видите, выбор базисных переменных не является однозначным. На самом деле количество вариантов выбора не превышает количество размещений из $n$ элементов по $r$, т.е. не больше чем $C_^$.

В рассматриваемом примере в качестве баисных были приняты переменные $x_1$ и $x_3$ – сугубо из соображений удобства дальнейшего решения. В чём это удобство состоит, будет видно чуток позже.

Базисные переменные выбраны: это $x_1$ и $x_3$. Остальные $n-r=2$ переменных (т.е. $x_2$ и $x_4$) являются свободными. Нам нужно выразить базисные переменные через свободные.

Я предпочитаю работать с системой в матричной форме записи. Для начала очистим полученную матрицу $left( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 \ 0 & 0 & 0 & 0 & 0 endright)$ от нулевой строки:

$$ left( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 endright) $$

Свободным переменным, т.е. $x_2$ и $x_4$, соответствуют столбцы №2 и №4. Перенесём эти столбцы за черту. Знак всех элементов переносимых столбцов изменится на противоположный:

Почему меняются знаки? Что вообще значит это перенесение столбцов? показатьскрыть

Давайте обратимся к расширенной матрице системы, которая после преобразований имеет вид $left( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 endright)$. Перейдём от матрицы к уравнениям. Первая строка соответствует уравнению $x_1-2x_2+2x_3+3x_4=5$, а вторая строка соответствует уравнению $3x_3+4x_4=-6$. Теперь перенесём свободные переменные $x_2$ и $x_4$ в правые части уравнений. Естественно, что когда мы переносим выражение $4x_4$ в правую часть уравнения, то знак его изменится на противоположный, и в правой части появится $-4x_4$.

Если опять записать полученную систему в виде матрицы, то мы и получим матрицу с перенесёнными за черту столбцами.

А теперь продолжим решение обычным методом Гаусса. Наша цель: сделать матрицу до черты единичной. Для начала разделим вторую строку на 3, а потом продолжим преобразования обратного хода метода Гаусса:

$$ left( begin 1 & 2 & 5 & 2 & -3\ 0 & 3 & -6 & 0 & -4 endright) begin phantom \ II:3 end rightarrow left( begin 1 & 2 & 5 & 2 & -3\ 0 & 1 & -2 & 0 & -4/3 endright) begin I-2cdot II \ phantom end rightarrow \ rightarrow left(begin 1 & 0 & 9 & 2 & -1/3\ 0 & 1 & -2 & 0 & -4/3 endright). $$

Матрица до черты стала единичной, метод Гаусса завершён. Общее решение найдено, осталось лишь записать его. Если вспомнить, что четвёртый столбец соответствует переменной $x_2$, а пятый столбец – переменной $x_4$, то получим:

Нами получено общее решение заданной СЛАУ. Чтобы найти базисное решение, нужно все свободные переменные приравнять к нулю. Т.е. полагая $x_2=0$ и $x_4=0$, будем иметь:

Решение $x_1=9$, $x_2=0$, $x_3=-2$, $x_4=0$ и является базисным решением данной СЛАУ. В принципе, задавая свободным переменным иные значения, можно получить иные частные решения данной системы. Таких частных решений бесконечное количество. Например, принимая $x_2=-4$ и $x_4=1$, получим такое частное решение: $left <begin& x_1=frac;\ & x_2=-4;\ & x_3=-frac;\ & x_4=1. endright.$. Базисное решение, которые мы нашли ранее – лишь одно из бесконечного множества частных решений заданной СЛАУ.

Если есть желание, то полученное решение можно проверить. Например, подставляя $x_1=9+2x_2-fracx_4$ и $x_3=-2-fracx_4$ в левую часть первого уравнения, получим:

$$ 3x_1-6x_2+9x_3+13x_4=3cdot left(9+2x_2-fracx_4right)-6x_2+9cdot left(-2-fracx_4right)+13x_4=9. $$

Проверка первого уравнения увенчалась успехом; точно так же можно проверить второе и третье уравнения.

Если система является неопределённой, указать базисное решение.

Похожий пример уже был решен в теме «метод Крамера» (пример №4). Переменные $x_4$ и $x_5$ были перенесены в правые части, а дальше применялись стандартные операции метода Крамера. Однако такой метод решения не гарантирует достижения результата. Например, мы переносим некие переменные в правую часть, а оставшийся определитель оказывается равным нулю, – что тогда? Решать перебором? 🙂 Поэтому гораздо удобнее применять преобразования метода Гаусса, как и в предыдущем примере.

$$ left( begin 1 & -2 & 4 & 0 & 2 & 0\ 4 & -11 & 21 & -2 & 3 & -1\ -3 & 5 & -13 & -4 & 1 & -2 end right) begin phantom \ II-4cdot I\ III+3cdot Iend rightarrow left( begin 1 & -2 & 4 & 0 & 2 & 0\ 0 & -3 & 5 & -2 & -5 & -1\ 0 & -1 & -1 & -4 & 7 & -2 end right) rightarrow \ rightarrow left|begin & text\ & text\ & text endright|rightarrow left( begin 1 & -2 & 4 & 0 & 2 & 0\ 0 & -1 & -1 & -4 & 7 & -2\ 0 & -3 & 5 & -2 & -5 & -1 end right) begin phantom \ phantom\ III-3cdot Iend rightarrow \ rightarrow left( begin 1 & -2 & 4 & 0 & 2 & 0\ 0 & -1 & -1 & -4 & 7 & -2\ 0 & 0 & 8 & 10 & -26 & 5 end right). $$

Матрица системы и расширенная матрица системы приведены к трапециевидной форме. Ранги этих матриц равны между собой и равны числу 3, т.е. $rang A=rangwidetilde = 3$. Так как ранги равны между собой и меньше, чем количество переменных, то согласно следствию из теоремы Кронекера-Капелли данная система имеет бесконечное количество решений.

Количество неизвестных $n=5$, ранги обеих матриц $r=3$, поэтому нужно выбрать три базисных переменных и $n-r=2$ свободных переменных. Применяя тот же метод «ступенек», что и в предыдущем примере, выберем в качестве базисных переменных $x_1$, $x_2$, $x_3$, а в качестве свободных переменных – $x_4$ и $x_5$.

Столбцы №4 и №5, которые соответствуют свободным переменным, перенесём за черту. После этого разделим третью строку на 8 и продолжим решение методом Гаусса:

$$ left( begin 1 & -2 & 4 & 0 & 0 & -2\ 0 & -1 & -1 & -2 & 4 & -7\ 0 & 0 & 8 & 5 & -10 & 26 end right) begin phantom \ phantom\ III:8end rightarrow left( begin 1 & -2 & 4 & 0 & 0 & -2\ 0 & -1 & -1 & -2 & 4 & -7\ 0 & 0 & 1 & 5/8 & -5/4 & 13/4 end right) begin I-4cdot III \ II+III\ phantomend rightarrow \ left( begin 1 & -2 & 0 & -5/2 & 5 & -15\ 0 & -1 & 0 & -11/8 & 11/4 & -15/4\ 0 & 0 & 1 & 5/8 & -5/4 & 13/4 end right) begin phantom \ IIcdot (-1)\ phantomend rightarrow left( begin 1 & -2 & 0 & -5/2 & 5 & -15\ 0 & 1 & 0 & 11/8 & -11/4 & 15/4\ 0 & 0 & 1 & 5/8 & -5/4 & 13/4 end right) begin I+2cdot II \ phantom\ phantomend rightarrow\ rightarrowleft( begin 1 & 0 & 0 & 1/4 & -1/2 & -15/2\ 0 & 1 & 0 & 11/8 & -11/4 & 15/4\ 0 & 0 & 1 & 5/8 & -5/4 & 13/4 end right) $$

Продолжение этой темы рассмотрим во второй части, где разберём ещё два примера с нахождением общего решения.

Видео:Базисные решения систем линейных уравнений (01)Скачать

Метод Жордана-Гаусса онлайн

Данный онлайн калькулятор находит общее решение системы линейных уравнений методом Жордана-Гаусса. Дается подробное решение. Для вычисления выбирайте количество уравнений и количество переменных. Затем введите данные в ячейки и нажимайте на кнопку «Вычислить.» Теоретическую часть нахождения решения системы линейных уравнений методом Жордана-Гаусса смотрите ниже.

Предупреждение

Инструкция ввода данных. Числа вводятся в виде целых чисел (примеры: 487, 5, -7623 и т.д.), десятичных чисел (напр. 67., 102.54 и т.д.) или дробей. Дробь нужно набирать в виде a/b, где a и b (b>0) целые или десятичные числа. Примеры 45/5, 6.6/76.4, -7/6.7 и т.д.

Видео:Общее, частное, базисное решение системы линейных уравнений Метод ГауссаСкачать

Метод Жордана-Гаусса

Метод Жордана-Гаусса − это метод для решения систем линейных уравнений а также метод нахождения обратной матрицы. Данный метод является модификацией метода Гаусса.

Первый этап метода Жордана-Гаусса аналогична методу Гаусса (прямой ход Гаусса), который подробно можно посмотреть на странице «Метод Гаусса онлайн». Второй этап (обратный ход) метода Жордана-Гаусса заключается в обнулении всех элементов матрицы коэффициентов системы линейных уравнений, выше ведущих элементов. Отметим, что мы здесь рассматриваем произвольную систему линейных уравнений, где число переменных может быть не равным числу ограничений.

Рассмотрим следующую систему линейных уравнений:

(1)

Запишем систему (1) в матричном виде:

(3)

A-называется матрица коэффициентов системы, b − правая часть ограничений, x− вектор переменных, которую нужно найти. Пусть rang(A)=p.

Построим расшренную матрицу системы:

(4)

После прямого хода Гаусса (подробнее о прямом ходе Гаусса посмотрите на странице «Метод Гаусса онлайн») получим следующую расширенную матрицу:

(5)

Если . равны нулю, то система линейных уравнений имеет решение, если же хотя бы один из этих чисел отлично от нуля, то система несовместна. Иными словами, система (2) совместна тогда и только тогда, когда ранг матрицы A навен рангу расширенной матрицы (A|b).

Пусть . Тогда в обратном порядке, начиная с ведущего элемента применяем обратный ход Гаусса. Суть обратного хода заключается в обнулении всех элементов расширенной матрицы, стоящих выше ведущих элементов.

Итак, обнуляем все элементы, стоящие в столбце p, выше элемента . Так как ≠0, то сложим строки 1,2. p−1 со строкой p, умноженной на соответственно.

Расширенная матрица примет следующий вид:

Аналогичным методом обнуляем элементы столбцов p−1, p−2, . 2 выше ведущих элементов .

Расширенная матрица примет следующий вид:

Делим каждую строку на соответствующий ведущий элемент (если ведущий элемент существует):

Тогда решение можно записать так:

где − произвольные вещественные числа.

Отметим, что при m=n и rangA=n система линейных уравнений (2) имеет единственное решение.

Рассмотрим численные примеры.

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

Примеры решения системы линейных уравнений методом Жордана-Гаусса

Пример 1. Найти решение системы линейных уравнений методом Жордана-Гаусса:

Матричный вид записи: Ax=b, где

.

Для решения системы, построим расширенную матрицу:

.

Обозначим через a_ij элементы i-ой строки и j-ого столбца.

Первый этап. Прямой ход Гаусса

Исключим элементы 1-го столбца матрицы ниже элемента a₁₁. Для этого сложим строки 2,3 со строкой 1, умноженной на 1/2,-3/2 соответственно:

.

Исключим элементы 2-го столбца матрицы ниже элемента a2 2. Для этого сложим строку 3 со строкой 2, умноженной на 1/5:

.

Второй этап. Обратный ход Гаусса

Исключим элементы 3-го столбца матрицы выше элемента a₃₃. Для этого сложим строки 1, 2 со строкой 3, умноженной на -3/2, -5/4 соответственно:

.

Исключим элементы 2-го столбца матрицы выше элемента a₂₂. Для этого сложим строку 1 со строкой 2, умноженной на -2/5:

.

Делим каждую строку матрицы на соответствующий ведущий элемент (если ведущий элемент существует):

.

.

Векторный вариант решения:

.

Пример 2. Найти решение системы линейных уравнений методом Жордана-Гаусса:

Матричный вид записи: Ax=b, где

Для решения системы, построим расширенную матрицу:

Обозначим через a_ij элементы i-ой строки и j-ого столбца.

Первый этап. Прямой ход Гаусса.

Исключим элементы 1-го столбца матрицы ниже элемента a₁₁. Для этого сложим строки 2,3 со строкой 1, умноженной на 4/3, 5/3 соответственно:

Исключим элементы 2-го столбца матрицы ниже элемента a2 2. Для этого сложим строку 3 со строкой 2, умноженной на -2:

Второй этап. Обратный ход Гаусса

Исключим элементы 2-го столбца матрицы выше элемента a₂₂. Для этого сложим строку 1 со строкой 2, умноженной на -3/10:

Делим каждую строку матрицы на соответствующий ведущий элемент (если ведущий элемент существует):

Выразим переменные x₁, x₂ относительно остальных переменных.

x₃− произвольное действительное число.

Векторный вариант решения:

Запишем вышеизложенное решение, представив свободные переменные в виде тождеств:

Тогда векторное решение можно представить так:

,

x₃− произвольное действительное число.

Видео:Система линейных уравнений. Общее решение. Метод ГауссаСкачать

Решение задач по математике онлайн

//mailru,yandex,google,vkontakte,odnoklassniki,instagram,wargaming,facebook,twitter,liveid,steam,soundcloud,lastfm, // echo( ‘

Видео:Неоднородная система линейных уравненийСкачать

Калькулятор онлайн.
Решение систем линейных алгебраических уравнений (СЛАУ)
Метод Гаусса, матричный метод, метод Крамера, исследование на совместность (теорема Кронекера-Капелли), определение количества решений, нахождение нормальной фундаментальной системы решений.

С помощью данной математической программы вы можете решить и исследовать систему линейных алгебраических уравнений (СЛАУ).

Программа не только даёт ответ задачи, но и приводит подробное решение с пояснениями шагов решения.

Данная программа может быть полезна учащимся старших классов общеобразовательных школ при подготовке к контрольным работам и экзаменам, при проверке знаний перед ЕГЭ, родителям для контроля решения многих задач по математике и алгебре. А может быть вам слишком накладно нанимать репетитора или покупать новые учебники? Или вы просто хотите как можно быстрее сделать домашнее задание по математике или алгебре? В этом случае вы также можете воспользоваться нашими программами с подробным решением.

Таким образом вы можете проводить своё собственное обучение и/или обучение своих младших братьев или сестёр, при этом уровень образования в области решаемых задач повышается.

Ввод дробного числа в виде десятичной дроби.
При вводе десятичной дроби, целую часть от дробной части можно отделять точкой или запятой :
Ввод: -2.34
Результат: ( -234 )

Ввод: -1,15
Результат: ( -115 )

Ввод дробного числа в виде обыкновенной дроби.
В качестве числителя, знаменателя и целой части дроби может выступать только целое число.
Знаменатель не может быть отрицательным.

При вводе числовой дроби числитель отделяется от знаменателя знаком деления: /
Ввод: -2/3
Результат: $$ -frac $$

Целая часть отделяется от дроби знаком амперсанд: &
Ввод: 5&8/3
Результат: $$ 5frac $$
Помните, что на ноль делить нельзя!

RND CFracNum Fill RND int Fill Start MathJax
Сюда ввести строку с GET параметрами :

Видео:ФСР. Система однородных уравнений. Общее решениеСкачать

Немного теории.

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

Системы линейных алгебраических уравнений

Основные определения

Система (m) линейных алгебраических уравнений с (n) неизвестными (сокращенно СЛАУ) представляет собой систему вида
( left< begin a_x_1 + a_x_2 + cdots + a_x_n = b_1 \ a_x_1 + a_x_2 + cdots + a_x_n = b_2 \ cdots \ a_x_1 + a_x_2 + cdots + a_x_n = b_m end right. tag )

Уравнения системы называют алгебраическими потому, что левая часть каждого из них есть многочлен от (n) переменных ( x_1 , ldots x_n ), а линейными потому, что эти многочлены имеют первую степень.

Числа (a_ in mathbb ) называют коэффициентами СЛАУ. Их нумеруют двумя индексами: номером уравнения (i) и номером неизвестного (j). Действительные числа ( b_1 , ldots b_m ) называют свободными членами уравнений.

СЛАУ называют однородной, если ( b_1 = b_2 = ldots = b_m = 0 ). Иначе её называют неоднородной.

Решением СЛАУ, да и вообще всякой системы уравнений, называют такой набор значений неизвестных ( x_1^circ, ldots , x_n^circ ), при подстановке которых каждое уравнение системы превращается в тождество. Любое конкретное решение СЛАУ также называют её частным решением.

Решить СЛАУ — значит решить две задачи:
— выяснить, имеет ли СЛАУ решения;
— найти все решения, если они существуют.

СЛАУ называют совместной, если она имеет какие-либо решения. В противном случае её называют несовместной. Однородная СЛАУ всегда совместна, поскольку нулевой набор значений её неизвестных всегда является решением.

Если СЛАУ (1) имеет решение, и притом единственное, то её называют определенной, а если решение неединственное — то неопределенной. При (m=n), т.е. когда количество уравнений совпадает с количеством неизвестных, СЛАУ называют квадратной.

Формы записи СЛАУ

Кроме координатной формы (1) записи СЛАУ часто используют и другие её представления.

Рассматривая коэффициенты (a_) СЛАУ при одном неизвестном (x_j) как элементы столбца, а (x_j) как коэффициент, на который умножается столбец, из (1) получаем новую форму записи СЛАУ:
( begin a_ \ a_ \ vdots \ a_ end x_1 + begin a_ \ a_ \ vdots \ a_ end x_2 + ldots + begin a_ \ a_ \ vdots \ a_ end x_n = begin b_1 \ b_2 \ vdots \ b_m end )
или, обозначая столбцы соответственно ( a_1 , ldots , a_n , b ),
( x_1 a_1 + x_2 a_2 + ldots + x_n a_n = b tag )

Таким образом, решение СЛАУ (1) можно трактовать как представление столбца (b) в виде линейной комбинации столбцов ( a_1, ldots, a_n ). Соотношение (2) называют векторной записью СЛАУ.

Поскольку (A ;,; X) и (B) являются матрицами, то запись СЛАУ (1) в виде (AX=B) называют матричной. Если (B=0), то СЛАУ является однородной и в матричной записи имеет вид (AX=0).

Приведенные рассуждения показывают, что задачи :
а) решения СЛАУ (1)
б) представления столбца в виде линейной комбинации данных столбцов
в) решения матричных уравнений вида (AX=B)
являются просто различной формой записи одной и той же задачи.

Критерий совместности СЛАУ

«Триединство» форм записи СЛАУ позволяет легко получить критерий совместности СЛАУ. Напомним, что содержательный смысл это понятие имеет для неоднородных СЛАУ (однородные СЛАУ всегда совместны).

Матрицу
( A = begin a_ & a_ & cdots & a_ \ a_ & a_ & cdots & a_ \ vdots & vdots & ddots & vdots \ a_ & a_ & cdots & a_ end )
называют матрицей (коэффициентов) СЛАУ (1), а матрицу
( (A|B) = left( begin a_ & a_ & cdots & a_ & b_1 \ a_ & a_ & cdots & a_ & b_2 \ vdots & vdots & ddots & vdots & vdots \ a_ & a_ & cdots & a_ & b_m end right) )
расширенной матрицей СЛАУ (1). Расширенная матрица полностью характеризует СЛАУ. Это означает, что по этой матрице однозначно (если сохранить обозначения для неизвестных) восстанавливается сама СЛАУ.

Теорема Кронекера-Капелли. Для совместности СЛАУ (AX=B) необходимо и достаточно, чтобы ранг её матрицы (A) был равен рангу её расширенной матрицы ( (A|B) ).

Формулы Крамера

Теорема. СЛАУ с квадратной невырожденной матрицей имеет решение, и притом единственное, которое определяется по формулам Крамера :
$$ x_i = frac ;,quad i=overline tag $$
где (Delta_i) — определитель матрицы, получающейся из матрицы (A) заменой (i)-го столбца на столбец свободных членов.

Следствие. Однородная СЛАУ с квадратной невырожденной матрицей имеет единственное решение — нулевое.

Если матрица СЛАУ не является квадратной невырожденной, то формулы Крамера не работают и приходится использовать другие методы нахождения решений.

Однородные системы

Теорема. Если столбцы ( X^, X^, ldots , X^ ) — решения однородной СЛАУ (AX=0), то любая их линейная комбинация также является решением этой системы.

Следствие. Если однородная СЛАУ имеет ненулевое решение, то она имеет бесконечно много решений.

Естественно попытаться найти такие решения ( X^, ldots , X^ ) системы (AX=0), чтобы любое другое решение этой системы представлялось в виде их линейной комбинации и притом единственным образом. Оказывается, что это всегда возможно и приводит к следующему определению.

Определение. Любой набор из (k=n-r) линейно независимых столбцов, являющихся решениями однородной СЛАУ (AX=0), где (n) — количество неизвестных в системе, а (r) — ранг её матрицы (A), называют фундаментальной системой решений этой однородной СЛАУ.

При исследовании и решении однородных систем линейных алгебраических уравнений будем использовать следующую терминологию. Если в матрице (A) однородной СЛАУ (AX=0) фиксировать базисный минор, то ему соответствуют базисные столбцы и, следовательно, набор неизвестных, отвечающих этим столбцам. Указанные неизвестные называют базисными, или зависимыми, а остальные неизвестные — свободными, или независимыми.

Теорема. Пусть дана однородная СЛАУ (AX=0) с (n) неизвестными и ( textA = r ). Тогда существует набор из (k=n-r) решений ( X^, ldots , X^ ) этой СЛАУ, образующих фундаментальную систему решений.

Если в фундаментальной системе решений все значения независимых неизвестных равны нулю, кроме одного, которое равно единице, то такую систему решений называют фундаментальной нормальной системой решений.

Следствие. С помощью нормальной фундаментальной системы решений однородной СЛАУ множество всех решений можно описать формулой :
$$ X = c_1X^ + ldots + c_kX^ $$
где постоянные ( c_i ;, quad i=overline ), принимают произвольные значения.

Следствие. Для существования ненулевого решения у однородной квадратной СЛАУ необходимо и достаточно, чтобы её матрица была вырождена.

Неоднородные системы

Рассмотрим произвольную СЛАУ (AX=B). Заменив столбец (B) свободных членов нулевым, получим однородную СЛАУ (AX=0), соответствующую неоднородной СЛАУ (AX=B). Справедливо следующее утверждение о структуре произвольного решения неоднородной СЛАУ.

Теорема. Пусть столбец (X^circ) — некоторое решение СЛАУ (AX=B). Произвольный столбец (X) является решением этой СЛАУ тогда и только тогда, когда он имеет представление (X = X^circ + Y ), где (Y) — решение соответствующей однородной СЛАУ (AY=0).

Следствие. Пусть (X’) и (X») — решения неоднородной системы (AX=B). Тогда их разность ( Y = X’ — X» ) является решением соответствующей однородной системы (AY=0).

Эта теорема сводит проблему решения СЛАУ к случаю однородной системы: чтобы описать все решения неоднородной СЛАУ, достаточно энать одно её решение (частное решение) и все решения соответствующей однородной СЛАУ.

Чтобы решить неоднородную систему, надо, во-первых, убедиться, что она совместна (например, по теореме Кронекера-Капелли), а во-вторых, найти частное решение (X^circ) этой системы, чтобы свести её к однородной системе.

Теорема о структуре общего решения СЛАУ. Пусть (X^circ) — частное решение СЛАУ (AX=B) и известна фундаментальная система решений ( X^, ldots , X^ ) соответствующей однородной системы (AX=0). Тогда любое решение СЛАУ (AX=B) можно представить в виде $$ X = X^circ + c_1 X^ + c_2 X^ + ldots + c_k X^ $$
где ( c_i in mathbb ;, quad i=overline ).
Эту формулу называют общим решением СЛАУ.

🎥 Видео

Решение системы уравнений методом ГауссаСкачать

Базисные решения систем линейных уравнений (02)Скачать

Фундаментальная система решений системы линейных уравнений ФСР СЛАУСкачать

Решение системы уравнений методом Гаусса. Бесконечное множество решенийСкачать

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

Матричный метод решения систем уравненийСкачать

Математика без Ху!ни. Метод Гаусса.Скачать

ФСР системы линейных уравнений. Алгоритм ГауссаСкачать

Совместные и несовместные, определенные и неопределенные системы линейных уравненийСкачать

Метод Гаусса и метод Жордана-Гаусса ➜ 2 метода за 7 минутСкачать

14. Метод Гаусса решения систем линейных уравнений ( бесконечное множество решений ). Часть 3Скачать

Исследование систем линейных уравнений на совместностьСкачать