Линейная зависимость системы линейных уравнений

Исследование СЛАУ. Общие сведения

В данной статье мы расскажем о методах, видах, условиях и определениях исследований решений систем линейных уравнений, что такое метод Кронекера-Капели, а также приведем примеры.

Общие сведения (определения, условия, методы, виды)

Системы линейных алгебраических уравнений с n неизвестными могут иметь:

• единственное решение;
• бесконечное множество решение (неопределенные СЛАУ);
• ни одного решения (несовместные СЛАУ).

Пример 1

Система x + y + z = 1 2 x + 2 y + 2 z = 3 не имеет решений, поэтому она несовместна.

Система x + y = 1 2 x + 7 y = — 3 имеет единственное решение x = 2 ; y = 1 .

Система x + y = 1 2 x + 2 y = 2 3 x + 3 y = 3 имеет бесконечное множество решений x = t y = 1 — t при — ∞ t ∞ .

Перед решением системы уравнений необходимо исследовать систему, т.е. ответить на следующие вопросы:

• Совместна ли система?
• Если система совместна, то, какое количество решений она имеет — одно или несколько?
• Как найти все решения?

Если система малоразмерна при m = n , то ответить на поставленные вопросы можно при помощи метода Крамера:

• если основной определитель системы, то система совместна и имеет единственное решение, которое вычисляется методом Крамера;
• если, и один из вспомогательных определителей, то система не является совместной, т.е. не имеет решений;
• если и все, и один из коэффициентов СЛАУ, то система не является определенной и имеет бесконечное множество решений.

Ранг матрицы и его свойства

Бывают случаи, которые выбиваются из представленных вариантов решения СЛАУ, например, линейные уравнения с большим количеством уравнений и неизвестных.

Для такого варианта решения существует ранг матрицы, который представляет собой алгоритм действий в случае решения системы матрицы, когда

В математике выделяют следующие подходы к определению ранга матрицы:

• при помощи понятия линейной зависимости/независимости строк/столбцов матрицы. Ранг равен максимальному количеству независимых строк (столбцов) матрицы
• при помощи понятия минора матрицы в качестве наивысшего порядка минора, который отличается от нуля. Минор матрицы порядка k — определитель k-го порядка, составленный из элементов, которые стоят на пересечении вычеркиваемых k-строк и k-столбцов матрицы;
• при помощи метода Гаусса. По завершении прямого хода ранг матрицы равняется количеству ненулевых строк.

Обозначение ранга матрицы: r ( A ) , r g ( A ) , r A .

Свойства ранга матрицы:

1. квадратная невырожденная матрица обладает рангом, который отличается от нуля;
2. если транспонировать матрицу, то ранг матрицы не изменяется;
3. если поменять местами 2 параллельные строки или 2 параллельных столбца, ранг матрицы не изменяется;
4. при удалении нулевого столбца или строки ранг матрицы не изменяется;
5. ранг матрицы не изменяется, если удалить строку или столбец, которые являются линейной комбинацией других строк;
6. при умножении все элементов строки/столбца на число k н е р а в н о н у л ю ранг матрицы не изменяется;
7. ранг матрицы не больше меньшего из ее размеров: r ( А ) ≤ m i n ( m ; n ) ;
8. когда все элементы матрицы равны нулю, то только тогда r ( A ) = 0 .

Пример 2

А 1 = 1 1 1 2 2 2 3 3 3 , B 1 = 1 0 0 0 0 0

r ( A 1 ) = 1 , r ( B 1 ) = 1

А 2 = 1 2 3 4 0 5 6 7 0 0 0 0 ; В 2 = 1 1 3 1 2 1 4 3 1 2 5 0 5 4 13 6

Линейная зависимость и независимость векторов

Набор векторов называется системой векторов .

Система из векторов называется линейно зависимой , если существуют такие числа , не все равные нулю одновременно, что

Система из векторов называется линейно независимой, если равенство (1.1) возможно только при , т.е. когда линейная комбинация в левой части равенства (1.1) тривиальная.

1. Один вектор тоже образует систему: при — линейно зависимую, а при — линейно независимую.

2. Любая часть системы векторов называется подсистемой .

Свойства линейно зависимых и линейно независимых векторов

1. Если в систему векторов входит нулевой вектор, то она линейно зависима

2. Если в системе векторов имеется два равных вектора, то она линейно зависима.

3. Если в системе векторов имеется два пропорциональных вектора , то она линейно зависима.

4. Система из 1″ png;base64,iVBORw0KGgoAAAANSUhEUgAAAC8AAAAQCAMAAACx1dbmAAAAM1BMVEVHcEwAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAADbQS4qAAAAEHRSTlMAiXFYMbEhAcBBoPDQoeAQ0I3cqgAAALZJREFUKM+VktsSwyAIRDWKiFf+/2uLSZvEhkxaXnTGs7KsGvN3UYrwC+ffa3D8zCMlxo+QlyfcNmg7v7A/t7VBux/jzkOe54lJURw8ZrHvop0UdM8P+3axGc89aqQ7XuxbjzybMkEUqPLAIPP6/u0g1OYUHnMpTQs02KLxq/0p0Y1O0al+RvqOCcv51CeZF1UeJBjhacoT6PJehTd9k/R7gdgPul7ei3itcWeYPp/sqv4fRhnzAuOaBpbDogV3AAAAAElFTkSuQmCC» /> векторов линейно зависима тогда и только тогда, когда хотя бы один из векторов есть линейная комбинация остальных.

5. Любые векторы, входящие в линейно независимую систему, образуют линейно независимую подсистему.

6. Система векторов, содержащая линейно зависимую подсистему, линейно зависима.

7. Если система векторов линейно независима, а после присоединения к ней вектора оказывается линейно зависимой, то вектор можно разложить по векторам , и притом единственным образом, т.е. коэффициенты разложения находятся однозначно.

Докажем, например, последнее свойство. Так как система векторов — линейно зависима, то существуют числа , не все равные 0, что . В этом равенстве . В самом деле, если , то . Значит, нетривиальная линейная комбинация векторов равна нулевому вектору, что противоречит линейной независимости системы . Следовательно, и тогда , т.е. вектор есть линейная комбинация векторов . Осталось показать единственность такого представления. Предположим противное. Пусть имеется два разложения и , причем не все коэффициенты разложений соответственно равны между собой (например, ).

Тогда из равенства получаем .

Следовательно, линейная комбинация векторов равна нулевому вектору. Так как не все ее коэффициенты равны нулю (по крайней мере ), то эта комбинация нетривиальная, что противоречит условию линейной независимости векторов . Полученное противоречие подтверждает единственность разложения.

Пример 1.3. Параллелограмм построен на векторах и ; точки и — середины сторон и соответственно (рис. 1.11). Требуется:

а) найти линейные комбинации векторов

б) доказать, что векторы , , линейно зависимы.

а) Так как , то по правилу треугольника: .

Рассуждая аналогично, получаем: . Построим вектор . Из равенства треугольников и следует, что . Тогда .

б) Учитывая, что и , получаем: .

Перенося векторы в левую часть, приходим к равенству , т.е. нетривиальная линейная комбинация векторов , , равна нулевому вектору. Следовательно, векторы , , линейно зависимы, что и требовалось доказать.

Системы линейных уравнений: основные понятия

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

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

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

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

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

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

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

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

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

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

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

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

Теорема. Если в системе из n уравнений переменные x ₁, x ₂, . x_r — разрешенные, а x _{r + 1}, x _{r + 2}, . x _k — свободные, то:

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

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

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

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