Общее решение системы линейных уравнений теория

Решение систем линейных алгебраических уравнений, методы решения, примеры.

Решение систем линейных алгебраических уравнений (СЛАУ), несомненно, является важнейшей темой курса линейной алгебры. Огромное количество задач из всех разделов математики сводится к решению систем линейных уравнений. Этими факторами объясняется причина создания данной статьи. Материал статьи подобран и структурирован так, что с его помощью Вы сможете

• подобрать оптимальный метод решения Вашей системы линейных алгебраических уравнений,
• изучить теорию выбранного метода,
• решить Вашу систему линейных уравнений, рассмотрев подробно разобранные решения характерных примеров и задач.

Краткое описание материала статьи.

Сначала дадим все необходимые определения, понятия и введем обозначения.

Далее рассмотрим методы решения систем линейных алгебраических уравнений, в которых число уравнений равно числу неизвестных переменных и которые имеют единственное решение. Во-первых, остановимся на методе Крамера, во-вторых, покажем матричный метод решения таких систем уравнений, в-третьих, разберем метод Гаусса (метод последовательного исключения неизвестных переменных). Для закрепления теории обязательно решим несколько СЛАУ различными способами.

После этого перейдем к решению систем линейных алгебраических уравнений общего вида, в которых число уравнений не совпадает с числом неизвестных переменных или основная матрица системы является вырожденной. Сформулируем теорему Кронекера — Капелли, которая позволяет установить совместность СЛАУ. Разберем решение систем (в случае их совместности) с помощью понятия базисного минора матрицы. Также рассмотрим метод Гаусса и подробно опишем решения примеров.

Обязательно остановимся на структуре общего решения однородных и неоднородных систем линейных алгебраических уравнений. Дадим понятие фундаментальной системы решений и покажем, как записывается общее решение СЛАУ с помощью векторов фундаментальной системы решений. Для лучшего понимания разберем несколько примеров.

В заключении рассмотрим системы уравнений, сводящиеся к линейным, а также различные задачи, при решении которых возникают СЛАУ.

Навигация по странице.

Определения, понятия, обозначения.

Будем рассматривать системы из p линейных алгебраических уравнений с n неизвестными переменными ( p может быть равно n ) вида

— неизвестные переменные, — коэффициенты (некоторые действительные или комплексные числа), — свободные члены (также действительные или комплексные числа).

Такую форму записи СЛАУ называют координатной.

В матричной форме записи эта система уравнений имеет вид ,
где — основная матрица системы, — матрица-столбец неизвестных переменных, — матрица-столбец свободных членов.

Если к матрице А добавить в качестве (n+1)-ого столбца матрицу-столбец свободных членов, то получим так называемую расширенную матрицу системы линейных уравнений. Обычно расширенную матрицу обозначают буквой Т , а столбец свободных членов отделяют вертикальной линией от остальных столбцов, то есть,

Решением системы линейных алгебраических уравнений называют набор значений неизвестных переменных , обращающий все уравнения системы в тождества. Матричное уравнение при данных значениях неизвестных переменных также обращается в тождество .

Если система уравнений имеет хотя бы одно решение, то она называется совместной.

Если система уравнений решений не имеет, то она называется несовместной.

Если СЛАУ имеет единственное решение, то ее называют определенной; если решений больше одного, то – неопределенной.

Если свободные члены всех уравнений системы равны нулю , то система называется однородной, в противном случае – неоднородной.

Решение элементарных систем линейных алгебраических уравнений.

Если число уравнений системы равно числу неизвестных переменных и определитель ее основной матрицы не равен нулю, то такие СЛАУ будем называть элементарными. Такие системы уравнений имеют единственное решение, причем в случае однородной системы все неизвестные переменные равны нулю.

Такие СЛАУ мы начинали изучать в средней школе. При их решении мы брали какое-нибудь одно уравнение, выражали одну неизвестную переменную через другие и подставляли ее в оставшиеся уравнения, следом брали следующее уравнение, выражали следующую неизвестную переменную и подставляли в другие уравнения и так далее. Или пользовались методом сложения, то есть, складывали два или более уравнений, чтобы исключить некоторые неизвестные переменные. Не будем подробно останавливаться на этих методах, так как они по сути являются модификациями метода Гаусса.

Основными методами решения элементарных систем линейных уравнений являются метод Крамера, матричный метод и метод Гаусса. Разберем их.

Решение систем линейных уравнений методом Крамера.

Пусть нам требуется решить систему линейных алгебраических уравнений

в которой число уравнений равно числу неизвестных переменных и определитель основной матрицы системы отличен от нуля, то есть, .

Пусть — определитель основной матрицы системы, а — определители матриц, которые получаются из А заменой 1-ого, 2-ого, …, n-ого столбца соответственно на столбец свободных членов:

При таких обозначениях неизвестные переменные вычисляются по формулам метода Крамера как . Так находится решение системы линейных алгебраических уравнений методом Крамера.

Решите систему линейных уравнений методом Крамера .

Основная матрица системы имеет вид . Вычислим ее определитель (при необходимости смотрите статью определитель матрицы: определение, методы вычисления, примеры, решения):

Так как определитель основной матрицы системы отличен от нуля, то система имеет единственное решение, которое может быть найдено методом Крамера.

Составим и вычислим необходимые определители (определитель получаем, заменив в матрице А первый столбец на столбец свободных членов , определитель — заменив второй столбец на столбец свободных членов, — заменив третий столбец матрицы А на столбец свободных членов):

Находим неизвестные переменные по формулам :

Основным недостатком метода Крамера (если это можно назвать недостатком) является трудоемкость вычисления определителей, когда число уравнений системы больше трех.

Для более детальной информации смотрите раздел метод Крамера: вывод формул, примеры, решения.

Решение систем линейных алгебраических уравнений матричным методом (с помощью обратной матрицы).

Пусть система линейных алгебраических уравнений задана в матричной форме , где матрица A имеет размерность n на n и ее определитель отличен от нуля.

Так как , то матрица А – обратима, то есть, существует обратная матрица . Если умножить обе части равенства на слева, то получим формулу для нахождения матрицы-столбца неизвестных переменных . Так мы получили решение системы линейных алгебраических уравнений матричным методом.

Решите систему линейных уравнений матричным методом.

Перепишем систему уравнений в матричной форме:

Так как

то СЛАУ можно решать матричным методом. С помощью обратной матрицы решение этой системы может быть найдено как .

Построим обратную матрицу с помощью матрицы из алгебраических дополнений элементов матрицы А (при необходимости смотрите статью методы нахождения обратной матрицы):

Осталось вычислить — матрицу неизвестных переменных, умножив обратную матрицу на матрицу-столбец свободных членов (при необходимости смотрите статью операции над матрицами):

или в другой записи x₁ = 4, x₂ = 0, x₃ = -1 .

Основная проблема при нахождении решения систем линейных алгебраических уравнений матричным методом заключается в трудоемкости нахождения обратной матрицы, особенно для квадратных матриц порядка выше третьего.

Более подробное описание теории и дополнительные примеры смотрите в статье матричный метод решения систем линейных уравнений.

Решение систем линейных уравнений методом Гаусса.

Пусть нам требуется найти решение системы из n линейных уравнений с n неизвестными переменными
определитель основной матрицы которой отличен от нуля.

Суть метода Гаусса состоит в последовательном исключении неизвестных переменных: сначала исключается x₁ из всех уравнений системы, начиная со второго, далее исключается x₂ из всех уравнений, начиная с третьего, и так далее, пока в последнем уравнении останется только неизвестная переменная x_n . Такой процесс преобразования уравнений системы для последовательного исключения неизвестных переменных называется прямым ходом метода Гаусса. После завершения прямого хода метода Гаусса из последнего уравнения находится x_n , с помощью этого значения из предпоследнего уравнения вычисляется x_n-1 , и так далее, из первого уравнения находится x₁ . Процесс вычисления неизвестных переменных при движении от последнего уравнения системы к первому называется обратным ходом метода Гаусса.

Кратко опишем алгоритм исключения неизвестных переменных.

Будем считать, что , так как мы всегда можем этого добиться перестановкой местами уравнений системы. Исключим неизвестную переменную x₁ из всех уравнений системы, начиная со второго. Для этого ко второму уравнению системы прибавим первое, умноженное на , к третьему уравнению прибавим первое, умноженное на , и так далее, к n-ому уравнению прибавим первое, умноженное на . Система уравнений после таких преобразований примет вид

где , а .

К такому же результату мы бы пришли, если бы выразили x₁ через другие неизвестные переменные в первом уравнении системы и полученное выражение подставили во все остальные уравнения. Таким образом, переменная x₁ исключена из всех уравнений, начиная со второго.

Далее действуем аналогично, но лишь с частью полученной системы, которая отмечена на рисунке

Будем считать, что (в противном случае мы переставим местами вторую строку с k-ой , где ). Приступаем к исключению неизвестной переменной x₂ из всех уравнений, начиная с третьего.

Для этого к третьему уравнению системы прибавим второе, умноженное на , к четвертому уравнению прибавим второе, умноженное на , и так далее, к n-ому уравнению прибавим второе, умноженное на . Система уравнений после таких преобразований примет вид

где , а . Таким образом, переменная x₂ исключена из всех уравнений, начиная с третьего.

Далее приступаем к исключению неизвестной x₃ , при этом действуем аналогично с отмеченной на рисунке частью системы

Так продолжаем прямой ход метода Гаусса пока система не примет вид

С этого момента начинаем обратный ход метода Гаусса: вычисляем x_n из последнего уравнения как , с помощью полученного значения x_n находим x_n-1 из предпоследнего уравнения, и так далее, находим x₁ из первого уравнения.

Решите систему линейных уравнений методом Гаусса.

Исключим неизвестную переменную x₁ из второго и третьего уравнения системы. Для этого к обеим частям второго и третьего уравнений прибавим соответствующие части первого уравнения, умноженные на и на соответственно:

Теперь из третьего уравнения исключим x₂ , прибавив к его левой и правой частям левую и правую части второго уравнения, умноженные на :

На этом прямой ход метода Гаусса закончен, начинаем обратный ход.

Из последнего уравнения полученной системы уравнений находим x₃ :

Из второго уравнения получаем .

Из первого уравнения находим оставшуюся неизвестную переменную и этим завершаем обратный ход метода Гаусса .

Более детальную информацию и дополнительные примеры смотрите в разделе решение элементарных систем линейных алгебраических уравнений методом Гаусса.

Решение систем линейных алгебраических уравнений общего вида.

В общем случае число уравнений системы p не совпадает с числом неизвестных переменных n :

Такие СЛАУ могут не иметь решений, иметь единственное решение или иметь бесконечно много решений. Это утверждение относится также к системам уравнений, основная матрица которых квадратная и вырожденная.

Далее нам потребуется понятие минора матрицы и ранга матрицы, которые даны в статье ранг матрицы: определение, методы нахождения, примеры, решения.

Теорема Кронекера – Капелли.

Прежде чем находить решение системы линейных уравнений необходимо установить ее совместность. Ответ на вопрос когда СЛАУ совместна, а когда несовместна, дает теорема Кронекера – Капелли:
для того, чтобы система из p уравнений с n неизвестными ( p может быть равно n ) была совместна необходимо и достаточно, чтобы ранг основной матрицы системы был равен рангу расширенной матрицы, то есть, Rank(A)=Rank(T) .

Рассмотрим на примере применение теоремы Кронекера – Капелли для определения совместности системы линейных уравнений.

Выясните, имеет ли система линейных уравнений решения.

Найдем ранг основной матрицы системы . Воспользуемся методом окаймляющих миноров. Минор второго порядка отличен от нуля. Переберем окаймляющие его миноры третьего порядка:

Так как все окаймляющие миноры третьего порядка равны нулю, то ранг основной матрицы равен двум.

В свою очередь ранг расширенной матрицы равен трем, так как минор третьего порядка

отличен от нуля.

Таким образом, , следовательно, по теореме Кронекера – Капелли можно сделать вывод, что исходная система линейных уравнений несовместна.

система решений не имеет.

Итак, мы научились устанавливать несовместность системы с помощью теоремы Кронекера – Капелли.

А как же находить решение СЛАУ, если установлена ее совместность?

Для этого нам потребуется понятие базисного минора матрицы и теорема о ранге матрицы.

Минор наивысшего порядка матрицы А , отличный от нуля, называется базисным.

Из определения базисного минора следует, что его порядок равен рангу матрицы. Для ненулевой матрицы А базисных миноров может быть несколько, один базисный минор есть всегда.

Для примера рассмотрим матрицу .

Все миноры третьего порядка этой матрицы равны нулю, так как элементы третьей строки этой матрицы представляют собой сумму соответствующих элементов первой и второй строк.

Базисными являются следующие миноры второго порядка, так как они отличны от нуля

Миноры базисными не являются, так как равны нулю.

Теорема о ранге матрицы.

Если ранг матрицы порядка p на n равен r , то все элементы строк (и столбцов) матрицы, не образующие выбранный базисный минор, линейно выражаются через соответствующие элементы строк (и столбцов), образующих базисный минор.

Что нам дает теорема о ранге матрицы?

Если по теореме Кронекера – Капелли мы установили совместность системы, то выбираем любой базисный минор основной матрицы системы (его порядок равен r ), и исключаем из системы все уравнения, которые не образуют выбранный базисный минор. Полученная таким образом СЛАУ будет эквивалентна исходной, так как отброшенные уравнения все равно излишни (они согласно теореме о ранге матрицы являются линейной комбинацией оставшихся уравнений).

В итоге, после отбрасывания излишних уравнений системы, возможны два случая.

Если число уравнений r в полученной системе будет равно числу неизвестных переменных, то она будет определенной и единственное решение можно будет найти методом Крамера, матричным методом или методом Гаусса.

Решите систему линейных алгебраических уравнений .

Ранг основной матрицы системы равен двум, так как минор второго порядка отличен от нуля. Ранг расширенной матрицы также равен двум, так как единственный минор третьего порядка равен нулю

а рассмотренный выше минор второго порядка отличен от нуля. На основании теоремы Кронекера – Капелли можно утверждать совместность исходной системы линейных уравнений, так как Rank(A)=Rank(T)=2 .

В качестве базисного минора возьмем . Его образуют коэффициенты первого и второго уравнений:

Третье уравнение системы не участвует в образовании базисного минора, поэтому исключим его из системы на основании теоремы о ранге матрицы:

Так мы получили элементарную систему линейных алгебраических уравнений. Решим ее методом Крамера:

Если число уравнений r в полученной СЛАУ меньше числа неизвестных переменных n , то в левых частях уравнений оставляем слагаемые, образующие базисный минор, остальные слагаемые переносим в правые части уравнений системы с противоположным знаком.

Неизвестные переменные (их r штук), оставшиеся в левых частях уравнений, называются основными.

Неизвестные переменные (их штук), которые оказались в правых частях, называются свободными.

Теперь считаем, что свободные неизвестные переменные могут принимать произвольные значения, при этом r основных неизвестных переменных будут выражаться через свободные неизвестные переменные единственным образом. Их выражение можно найти решая полученную СЛАУ методом Крамера, матричным методом или методом Гаусса.

Разберем на примере.

Решите систему линейных алгебраических уравнений .

Найдем ранг основной матрицы системы методом окаймляющих миноров. В качестве ненулевого минора первого порядка возьмем . Начнем поиск ненулевого минора второго порядка, окаймляющего данный минор:

Так мы нашли ненулевой минор второго порядка. Начнем поиск ненулевого окаймляющего минора третьего порядка:

Таким образом, ранг основной матрицы равен трем. Ранг расширенной матрицы также равен трем, то есть, система совместна.

Найденный ненулевой минор третьего порядка возьмем в качестве базисного.

Для наглядности покажем элементы, образующие базисный минор:

Оставляем в левой части уравнений системы слагаемые, участвующие в базисном миноре, остальные переносим с противоположными знаками в правые части:

Придадим свободным неизвестным переменным x₂ и x₅ произвольные значения, то есть, примем , где — произвольные числа. При этом СЛАУ примет вид

Полученную элементарную систему линейных алгебраических уравнений решим методом Крамера:

Следовательно, .

В ответе не забываем указать свободные неизвестные переменные.

, где — произвольные числа.

Чтобы решить систему линейных алгебраических уравнений общего вида, сначала выясняем ее совместность, используя теорему Кронекера – Капелли. Если ранг основной матрицы не равен рангу расширенной матрицы, то делаем вывод о несовместности системы.

Если ранг основной матрицы равен рангу расширенной матрицы, то выбираем базисный минор и отбрасываем уравнения системы, которые не участвуют в образовании выбранного базисного минора.

Если порядок базисного минора равен числу неизвестных переменных, то СЛАУ имеет единственное решение, которое находим любым известным нам методом.

Если порядок базисного минора меньше числа неизвестных переменных, то в левой части уравнений системы оставляем слагаемые с основными неизвестными переменными, остальные слагаемые переносим в правые части и придаем свободным неизвестным переменным произвольные значения. Из полученной системы линейных уравнений находим основные неизвестные переменные методом Крамера, матричным методом или методом Гаусса.

Метод Гаусса для решения систем линейных алгебраических уравнений общего вида.

Методом Гаусса можно решать системы линейных алгебраических уравнений любого вида без предварительного их исследования на совместность. Процесс последовательного исключения неизвестных переменных позволяет сделать вывод как о совместности, так и о несовместности СЛАУ, а в случае существования решения дает возможность отыскать его.

С точки зрения вычислительной работы метод Гаусса является предпочтительным.

Запись общего решения однородных и неоднородных систем линейных алгебраических с помощью векторов фундаментальной системы решений.

В этом разделе речь пойдет о совместных однородных и неоднородных системах линейных алгебраических уравнений, имеющих бесконечное множество решений.

Разберемся сначала с однородными системами.

Фундаментальной системой решений однородной системы из p линейных алгебраических уравнений с n неизвестными переменными называют совокупность линейно независимых решений этой системы, где r – порядок базисного минора основной матрицы системы.

Если обозначить линейно независимые решения однородной СЛАУ как ( – это матрицы столбцы размерности n на 1 ), то общее решение этой однородной системы представляется в виде линейной комбинации векторов фундаментальной системы решений с произвольными постоянными коэффициентами , то есть, .

Что обозначает термин общее решение однородной системы линейных алгебраических уравнений (орослау)?

Смысл прост: формула задает все возможные решения исходной СЛАУ, другими словами, взяв любой набор значений произвольных постоянных , по формуле мы получим одно из решений исходной однородной СЛАУ.

Таким образом, если мы найдем фундаментальную систему решений, то мы сможем задать все решения этой однородной СЛАУ как .

Покажем процесс построения фундаментальной системы решений однородной СЛАУ.

Выбираем базисный минор исходной системы линейных уравнений, исключаем все остальные уравнения из системы и переносим в правые части уравнений системы с противоположными знаками все слагаемые, содержащие свободные неизвестные переменные. Придадим свободным неизвестным переменным значения 1,0,0,…,0 и вычислим основные неизвестные, решив полученную элементарную систему линейных уравнений любым способом, например, методом Крамера. Так будет получено X (1) — первое решение фундаментальной системы. Если придать свободным неизвестным значения 0,1,0,0,…,0 и вычислить при этом основные неизвестные, то получим X (2) . И так далее. Если свободным неизвестным переменным придадим значения 0,0,…,0,1 и вычислим основные неизвестные, то получим X (n-r) . Так будет построена фундаментальная система решений однородной СЛАУ и может быть записано ее общее решение в виде .

Для неоднородных систем линейных алгебраических уравнений общее решение представляется в виде , где — общее решение соответствующей однородной системы, а — частное решение исходной неоднородной СЛАУ, которое мы получаем, придав свободным неизвестным значения 0,0,…,0 и вычислив значения основных неизвестных.

Разберем на примерах.

Найдите фундаментальную систему решений и общее решение однородной системы линейных алгебраических уравнений .

Ранг основной матрицы однородных систем линейных уравнений всегда равен рангу расширенной матрицы. Найдем ранг основной матрицы методом окаймляющих миноров. В качестве ненулевого минора первого порядка возьмем элемент основной матрицы системы. Найдем окаймляющий ненулевой минор второго порядка:

Минор второго порядка, отличный от нуля, найден. Переберем окаймляющие его миноры третьего порядка в поисках ненулевого:

Все окаймляющие миноры третьего порядка равны нулю, следовательно, ранг основной и расширенной матрицы равен двум. Базисным минором возьмем . Отметим для наглядности элементы системы, которые его образуют:

Третье уравнение исходной СЛАУ не участвует в образовании базисного минора, поэтому, может быть исключено:

Оставляем в правых частях уравнений слагаемые, содержащие основные неизвестные, а в правые части переносим слагаемые со свободными неизвестными:

Построим фундаментальную систему решений исходной однородной системы линейных уравнений. Фундаментальная система решений данной СЛАУ состоит из двух решений, так как исходная СЛАУ содержит четыре неизвестных переменных, а порядок ее базисного минора равен двум. Для нахождения X (1) придадим свободным неизвестным переменным значения , тогда основные неизвестные найдем из системы уравнений
.

Решим ее методом Крамера:

Таким образом, .

Теперь построим X (2) . Для этого придадим свободным неизвестным переменным значения , тогда основные неизвестные найдем из системы линейных уравнений
.

Опять воспользуемся методом Крамера:

Получаем .

Так мы получили два вектора фундаментальной системы решений и , теперь мы можем записать общее решение однородной системы линейных алгебраических уравнений:
, где C₁ и C₂ – произвольные числа.

Найдите общее решение неоднородной системы линейных алгебраических уравнений .

Общее решение этой системы уравнений будем искать в виде .

Исходной неоднородной СЛАУ соответствует однородная система

общее решение которой мы нашли в предыдущем примере
.

Следовательно, нам осталось найти частное решение неоднородной системы линейных алгебраических уравнений .

Ранг основной матрицы системы равен двум, ранг расширенной матрицы системы также равен двум, так как все миноры третьего порядка, окаймляющие минор , равны нулю. Также примем минор в качестве базисного, исключим третье уравнение из системы и перенесем слагаемые со свободными неизвестными в правые части уравнений системы:

Для нахождения придадим свободным неизвестным переменным значения , тогда система уравнений примет вид , откуда методом Крамера найдем основные неизвестные переменные:

Имеем , следовательно,

где C₁ и C₂ – произвольные числа.

Следует заметить, что решения неопределенной однородной системы линейных алгебраических уравнений порождают линейное пространство размерности , базисом которого является фундаментальная система решений.

Решение систем уравнений, сводящихся к СЛАУ.

Некоторые системы уравнений с помощью замены переменных можно свести к линейным. Рассмотрим несколько примеров.

Общее решение системы линейных уравнений теория

Системой m линейных уравнений с n неизвестными называется система вида

где a_ij и b_i (i=1,…,m; b=1,…,n) – некоторые известные числа, а x₁,…,x_n – неизвестные. В обозначении коэффициентов a_ij первый индекс iобозначает номер уравнения, а второй j – номер неизвестного, при котором стоит этот коэффициент.

Коэффициенты при неизвестных будем записывать в виде матрицы , которую назовём матрицей системы.

Числа, стоящие в правых частях уравнений, b₁,…,b_m называются свободными членами.

Совокупность n чисел c₁,…,c_n называется решением данной системы, если каждое уравнение системы обращается в равенство после подстановки в него чисел c₁,…,c_n вместо соответствующих неизвестных x₁,…,x_n.

Наша задача будет заключаться в нахождении решений системы. При этом могут возникнуть три ситуации:

1. Система может иметь единственное решение.
2. Система может иметь бесконечное множество решений. Например, . Решением этой системы является любая пара чисел, отличающихся знаком.
3. И третий случай, когда система вообще не имеет решения. Например, , если бы решение существовало, то x₁ + x₂ равнялось бы одновременно нулю и единице.

Система линейных уравнений, имеющая хотя бы одно решение, называется совместной. В противном случае, т.е. если система не имеет решений, то она называется несовместной.

Рассмотрим способы нахождения решений системы.

МАТРИЧНЫЙ МЕТОД РЕШЕНИЯ СИСТЕМ ЛИНЕЙНЫХ УРАВНЕНИЙ

Матрицы дают возможность кратко записать систему линейных уравнений. Пусть дана система из 3-х уравнений с тремя неизвестными:

Рассмотрим матрицу системы и матрицы столбцы неизвестных и свободных членов

т.е. в результате произведения мы получаем левые части уравнений данной системы. Тогда пользуясь определением равенства матриц данную систему можно записать в виде

или короче A∙X=B.

Здесь матрицы A и B известны, а матрица X неизвестна. Её и нужно найти, т.к. её элементы являются решением данной системы. Это уравнение называют матричным уравнением.

Пусть определитель матрицы отличен от нуля |A| ≠ 0. Тогда матричное уравнение решается следующим образом. Умножим обе части уравнения слева на матрицу A -1 , обратную матрице A: . Поскольку A -1 A = E и E∙X = X, то получаем решение матричного уравнения в виде X = A -1 B.

Заметим, что поскольку обратную матрицу можно найти только для квадратных матриц, то матричным методом можно решать только те системы, в которых число уравнений совпадает с числом неизвестных. Однако, матричная запись системы возможна и в случае, когда число уравнений не равно числу неизвестных, тогда матрица A не будет квадратной и поэтому нельзя найти решение системы в виде X = A -1 B.

Примеры. Решить системы уравнений.

Найдем матрицу обратную матрице A.

,

Таким образом, x = 3, y = – 1.

Решите матричное уравнение: XA+B=C, где

Выразим искомую матрицу X из заданного уравнения.

Найдем матрицу А -1 .

Решите матричное уравнение AX+B=C, где

Из уравнения получаем .

Следовательно,

Рассмотрим систему 3-х линейных уравнений с тремя неизвестными:

Определитель третьего порядка, соответствующий матрице системы, т.е. составленный из коэффициентов при неизвестных,

называется определителем системы.

Составим ещё три определителя следующим образом: заменим в определителе D последовательно 1, 2 и 3 столбцы столбцом свободных членов

Тогда можно доказать следующий результат.

Теорема (правило Крамера). Если определитель системы Δ ≠ 0, то рассматриваемая система имеет одно и только одно решение, причём

Доказательство. Итак, рассмотрим систему 3-х уравнений с тремя неизвестными. Умножим 1-ое уравнение системы на алгебраическое дополнение A₁₁ элемента a₁₁, 2-ое уравнение – на A₂₁ и 3-е – на A₃₁:

Сложим эти уравнения:

Рассмотрим каждую из скобок и правую часть этого уравнения. По теореме о разложении определителя по элементам 1-го столбца

.

Далее рассмотрим коэффициенты при x₂:

Аналогично можно показать, что и .

Наконец несложно заметить, что

Таким образом, получаем равенство: .

Следовательно, .

Аналогично выводятся равенства и , откуда и следует утверждение теоремы.

Таким образом, заметим, что если определитель системы Δ ≠ 0, то система имеет единственное решение и обратно. Если же определитель системы равен нулю, то система либо имеет бесконечное множество решений, либо не имеет решений, т.е. несовместна.

Примеры. Решить систему уравнений

Решите систему уравнений при различных значениях параметра p:

Система имеет единственное решение, если Δ ≠ 0.

. Поэтому .

1. При
2. При p = 30 получаем систему уравнений которая не имеет решений.
3. При p = –30 система принимает вид и, следовательно, имеет бесконечное множество решений x=y,y Î R.

Ранее рассмотренные методы можно применять при решении только тех систем, в которых число уравнений совпадает с числом неизвестных, причём определитель системы должен быть отличен от нуля. Метод Гаусса является более универсальным и пригоден для систем с любым числом уравнений. Он заключается в последовательном исключении неизвестных из уравнений системы.

Вновь рассмотрим систему из трёх уравнений с тремя неизвестными:

.

Первое уравнение оставим без изменения, а из 2-го и 3-го исключим слагаемые, содержащие x₁. Для этого второе уравнение разделим на а₂₁ и умножим на –а₁₁, а затем сложим с 1-ым уравнением. Аналогично третье уравнение разделим на а₃₁ и умножим на –а₁₁, а затем сложим с первым. В результате исходная система примет вид:

Теперь из последнего уравнения исключим слагаемое, содержащее x₂. Для этого третье уравнение разделим на , умножим на и сложим со вторым. Тогда будем иметь систему уравнений:

Отсюда из последнего уравнения легко найти x₃, затем из 2-го уравнения x₂ и, наконец, из 1-го – x₁.

При использовании метода Гаусса уравнения при необходимости можно менять местами.

Часто вместо того, чтобы писать новую систему уравнений, ограничиваются тем, что выписывают расширенную матрицу системы:

и затем приводят её к треугольному или диагональному виду с помощью элементарных преобразований.

К элементарным преобразованиям матрицы относятся следующие преобразования:

1. перестановка строк или столбцов;
2. умножение строки на число, отличное от нуля;
3. прибавление к одной строке другие строки.

Примеры: Решить системы уравнений методом Гаусса.

Вернувшись к системе уравнений, будем иметь

Выпишем расширенную матрицу системы и сведем ее к треугольному виду.

Вернувшись к системе уравнений, несложно заметить, что третье уравнения системы будет ложным, а значит, система решений не имеет.

Разделим вторую строку матрицы на 2 и поменяем местами первый и третий столбики. Тогда первый столбец будет соответствовать коэффициентам при неизвестной z, а третий – при x.

Вернемся к системе уравнений.

Из третьего уравнения выразим одну неизвестную через другую и подставим в первое.

Таким образом, система имеет бесконечное множество решений.

Общая теория систем линейных уравнений

Условия совместности.

Займемся изучением систем из m уравнений с n неизвестными. Систему
\begina_<1>^<1>x^<1>+a_<2>^<1>x^<2>+. +a_^<1>x^=b^<1>,\\a_<1>^<2>x^<1>+a_<2>^<2>x^<2>+. +a_^<2>x^=b^<2>,\\\cdots\\a_<1>^x^<1>+a_<2>^x^<2>+. +a_^x^=b^\end мы можем кратко записать в виде \tag <1>A\boldsymbol=\boldsymbol.
Система задается своей расширенной матрицей A^ <*>, получаемой объединением матрицы системы A и столбца свободных членов \boldsymbol .

Простое и эффективное условие, необходимое и достаточное для совместности системы (1) , дает следующая теорема, называемая теоремой Кронекера-Капелли.

Система линейных уравнений совместна тогда и только тогда, когда ранг матрицы системы равен рангу расширенной матрицы.

Иначе утверждение теоремы можно сформулировать так: приписывание к матрице A размеров m \times n столбца \boldsymbol высоты m не меняет ее ранга тогда и только тогда, когда этот столбец — линейная комбинация столбцов A .

Если \mathbf\,A^ <*>= \mathbf\,A , то базисный минор A является базисным и для A^ <*>. Следовательно, \boldsymbol раскладывается по базисным столбцам A . Мы можем считать его линейной комбинацией всех столбцов A , добавив недостающие столбцы с нулевыми коэффициентами.

Обратно, если \boldsymbol раскладывается по столбцам A , то элементарными преобразованиями столбцов можно превратить A^ <*>в матрицу A_ <0>, получаемую из A приписыванием нулевого столбца. Из утверждения о том, что ранг матрицы не меняется при элементарных преобразованиях, следует \mathbf\,A_ <0>= \mathbf\,A^ <*>. С другой стороны, \mathbf\,A_ <0>= \mathbf\,A , так как добавление нулевого столбца не может создать новых невырожденных подматриц. Отсюда \mathbf\,A = \mathbf\,A^ <*>, как и требовалось.

Иначе это утверждение можно сформулировать так.

Система линейных уравнений несовместна тогда и только тогда, когда противоречивое равенство 0=1 является линейной комбинацией ее уравнений.

Равенство рангов матрицы системы и расширенной матрицы можно выразить, понимая ранг матрицы как строчный ранг. Это приведет нас к важной теореме, известной как теорема Фредгольма.

Транспонируем матрицу A системы (1) и рассмотрим систему из n линейных уравнений \tag <2>\begin a_<1>^<1>y_<1>+a_<1>^<2>y_<2>+. +a_<1>^y_=0,\\ a_<2>^<1>y_<1>+a_<2>^<2>y_<2>+. +a_<2>^y_=0,\\\cdots\\a_^<1>y_<1>+a_^<2>y_<2>+. +a_^y_=0\end с m неизвестными, матрицей A^и свободными членами, равными нулю. Она называется сопряженной однородной системой для системы (1) . Если \boldsymbol — столбец высоты m из неизвестных, то систему (2) можно записать как A^\boldsymbol=\boldsymbol , или лучше в виде \tag <3>\boldsymbol^A=\boldsymbol, где \boldsymbol — нулевая строка длины n .

Для того чтобы система (1) была совместна, необходимо и достаточно, чтобы каждое решение сопряженной однородной системы (3) удовлетворяло уравнению \tag <4>\boldsymbol^\boldsymbol=y_<1>b^<1>+. +y_b^=0.

1^ <\circ>. Пусть система (1) совместна, то есть существует столбец \boldsymbol высоты n , для которого A\boldsymbol=\boldsymbol . Тогда для любого столбца \boldsymbol высоты m выполнено \boldsymbol^A\boldsymbol=\boldsymbol^\boldsymbol . Если \boldsymbol — решение системы (3) , то \boldsymbol^\boldsymbol=(\boldsymbol^A)\boldsymbol=\boldsymbol\boldsymbol=0 .

2^ <\circ>. Предположим теперь, что система (1) несовместна. Тогда согласно утверждению 1 строка \begin 0&. & 0& 1 \end входит в упрощенный вид расширенной матрицы A^<*>=\begin A& |& \boldsymbol \end и, следовательно, является линейной комбинацией ее строк. Обозначим коэффициенты этой линейной комбинации y_<1>. y_ и составим из них столбец \boldsymbol . Для этого столбца \boldsymbol^\begin A& |& \boldsymbol \end=\begin 0&. & 1 \end (согласно данного утверждения). Это же равенство можно расписать как два: \boldsymbol^A=\boldsymbol и \boldsymbol^\boldsymbol=1 . Итак, нам удалось найти решение системы (3) , не удовлетворяющее условию (4) . Это заканчивает доказательство.

В качестве примера применим теорему Фредгольма к выводу условия параллельности двух различных прямых на плоскости. Их уравнения составляют систему A_<1>x+B_<1>y+C_<1>=0,\ A_<2>x+B_<2>y+C_<2>=0.
Она не имеет решений, если существуют такие числа y_<1>, y_ <2>, что y_<1>A_<1>+y_<2>A_<2>=0 , y_<1>B_<1>+y_<2>B_<2>=0 , но y_<1>C_<1>+y_<2>C_ <2>\neq 0 . Ясно, что y_ <1>и y_ <2>не равны нулю. Поэтому можно положить \lambda=-y_<2>/y_ <1>и записать полученное условие в виде: существует число \lambda такое, что A_<1>=\lambda A_ <2>, B_<1>=\lambda B_ <2>и C_ <1>\neq \lambda C_ <2>.

Нахождение решений.

В этом пункте мы будем предполагать, что дана совместная система из m линейных уравнений с n неизвестными. Ранг матрицы системы обозначим r . Поскольку ранг расширенной матрицы тоже равен r , мы можем считать базисные столбцы матрицы системы базисными столбцами расширенной матрицы. Элементарными преобразованиями строк приведем расширенную матрицу к упрощенному виду (возможность этого мы уже доказывали). Наша система линейных уравнений перейдет в эквивалентную ей систему из r линейно независимых уравнений.

Для удобства записи будем предполагать, что первые r столбцов — базисные. Тогда преобразованную систему можно записать в виде \tag <5>\begin x^<1>=\beta^<1>-(\alpha_^<1>x^+. +\alpha_^<1>x^),\\\cdots\\x^=\beta^-(\alpha_^x^+. +\alpha_^x^).\end
Здесь \alpha_^ и \beta^ — элементы преобразованной расширенной матрицы. В левых частях равенств мы оставили неизвестные, соответствующие выбранным нами базисным столбцам, так называемые базисные неизвестные. Остальные неизвестные, называемые параметрическими, перенесены в правые части равенств.

Как бы мы ни задали значения параметрических неизвестных, по формулам (5) мы найдем значения базисных так, что они вместе со значениями параметрических неизвестных образуют решение системы (1) . Легко видеть, что так мы получим все множество решений.

На формулах (5) можно было бы и остановиться, но ниже мы дадим более простое и наглядное, а также принципиально важное описание совокупности решений системы линейных уравнений.

Приведенная система.

Сопоставим системе линейных уравнений (1) однородную систему с той же матрицей коэффициентов: \tag<6>A\boldsymbol=\boldsymbol. По отношению к системе (1) она называется приведенной.

Пусть \boldsymbol_ <0>— решение системы (1) . Столбец \boldsymbol также будет ее решением тогда и только тогда, когда найдется такое решение у приведенной системы (6) , что \boldsymbol=\boldsymbol_<0>+\boldsymbol .

Пусть \boldsymbol — решение системы (1) . Рассмотрим разность \boldsymbol=\boldsymbol-\boldsymbol_ <0>. Для нее A\boldsymbol=A\boldsymbol-A\boldsymbol_<0>=\boldsymbol-\boldsymbol=\boldsymbol .

Обратно, если \boldsymbol — решение системы (6) , и \boldsymbol=\boldsymbol_<0>+\boldsymbol , то A\boldsymbol=A\boldsymbol_<0>+A\boldsymbol=\boldsymbol+\boldsymbol=\boldsymbol .

Это предложение сводит задачу описания множества решений совместной системы линейных уравнений к описанию множества решений ее приведенной системы.

Однородная система совместна. Действительно, нулевой столбец является ее решением. Это решение называется тривиальным.

Пусть столбцы матрицы A линейно независимы, то есть \mathbf\,A=n . Тогда система (6) имеет единственное решение (ранее мы это уже доказывали) и, следовательно, нетривиальных решений не имеет.

Если \boldsymbol_ <1>и \boldsymbol_ <2>— решения однородной системы, то любая их линейная комбинация — также решение этой системы.

Действительно, из A\boldsymbol_<1>=\boldsymbol и A\boldsymbol_<2>=\boldsymbol для любых \alpha и \beta следует A(\alpha \boldsymbol_<1>+\beta \boldsymbol_<2>)=\alpha A \boldsymbol_<1>+\beta A\boldsymbol_<2>=\boldsymbol .

Если однородная система имеет нетривиальные решения, то можно указать несколько линейно независимых решений таких, что любое решение является их линейной комбинацией. Сделаем это.

Матрица F , состоящая из столбцов высоты n , называется фундаментальной матрицей для однородной системы с матрицей А, если:

1. AF=O ;
2. столбцы F линейно независимы;
3. ранг F максимален среди рангов матриц, удовлетворяющих условию 1).

Столбцы фундаментальной матрицы называются фундаментальной системой решений.

Если фундаментальная матрица существует, то каждый ее столбец в силу первого условия определения — решение системы. Если система не имеет нетривиальных решений, то фундаментальной матрицы нет. Это будет в том случае, когда столбцы А линейно независимы: \mathbf\,A=n .

Ниже мы докажем, что в остальных случаях фундаментальная матрица существует, но сначала выясним, что означает третье условие в определении.

Пусть A — матрица размеров m \times n и ранга r . Если AF=O , то \mathbf\,F \leq n-r .

Приведем матрицу A к упрощенному виду элементарными преобразованиями строк, а затем элементарными преобразованиями столбцов обратим в нулевые все небазисные столбцы. Мы получим матрицу A’=PAQ , где P и Q — произведения соответствующих элементарных матриц. Первые r строк A’ — строки единичной матрицы порядка n , а остальные — нулевые. Обозначим F’=Q^<-1>F . Тогда \mathbf\,F’ = \mathbf\,F . Используя ранее доказанное нами утверждение, легко заметить, что первые r строк матрицы A’F’ совпадают с первыми r строками F’ . Но A’F’=PAF=O и, следовательно, F’ содержит r нулевых строк. Так как всего в ней n строк, \mathbf\,F’ \leq n-r . Это равносильно доказываемому утверждению.

Покажем теперь, как может быть построена фундаментальная матрица. Согласно ранее доказанному утверждению, решение однородной системы состоит из коэффициентов равной нулю линейной комбинации столбцов матрицы системы. Мы можем получить такие линейные комбинации, основываясь на теореме о базисном миноре. Снова для удобства записи будем считать, что в матрице A первые r столбцов — базисные. Каждый из небазисных столбцов \boldsymbol_ (j=r+1. n) раскладывается по базисным: \tag <7>\boldsymbol_=\alpha_^<1>\boldsymbol_<1>+. +\alpha_^\boldsymbol_. Отсюда следует, что столбец \begin -\alpha_^<1>. -\alpha_^& 0. 0& 1& 0. 0 \end^решением. (Единица в нем стоит на j -м месте.)

Таких решений можно составить столько, сколько есть небазисных столбцов, то есть (n-r) . Убедимся в том, что эти решения линейно независимы. Для этого объединим все столбцы в одну матрицу \tag <8>\begin -\alpha_^<1>& -\alpha_^<1>&. -\alpha_^<1>,\\\cdots\\-\alpha_^& -\alpha_^&. -\alpha_^,\\1& 0&. & 0\\0& 1&. & 0\\\cdots\\0& 0&. & 1\end.
Подматрица в последних n-r строках — единичная. Поэтому ранг матрицы (8) равен числу столбцов, и столбцы линейно независимы.

Таким образом, мы получили

Если ранг матрицы однородной системы линейных уравнений r меньше числа неизвестных n , то система имеет фундаментальную матрицу из n-r столбцов.

Итак, система столбцов (8) — фундаментальная система решений. Она называется нормальной фундаментальной системой решений. Каждому выбору базисных столбцов соответствует своя нормальная фундаментальная система решений. Вообще же, каждая система из n-r линейно независимых решений является фундаментальной.

Для нахождения матрицы (8) можно привести матрицу A системы к упрощенному виду, что даст коэффициенты разложения небазисных столбцов по базисным.

Пусть F — фундаментальная матрица системы A\boldsymbol=\boldsymbol . Рассмотрим произвольный столбец с высоты n-r . Произведение F\boldsymbol — столбец высоты n , и из равенства AF\boldsymbol =\boldsymbol следует, что при любом с столбец F\boldsymbol — решение системы. Оказывается, имеет место

Столбец \boldsymbol — решение системы A\boldsymbol=\boldsymbol тогда и только тогда, когда существует такой столбец \boldsymbol , что \tag <9>\boldsymbol=F\boldsymbol.

Остается доказать необходимость условия. Пусть \boldsymbol — решение. Присоединив его к F , получим матрицу F^<*>=\begin F\ |\ \boldsymbol \end . Эта матрица удовлетворяет условию AF^<*>=O , так как каждый ее столбец — решение. Значит, \mathbf\,F^<*>=n-r . По теореме Кронекера-Капелли мы заключаем отсюда, что существует столбец \boldsymbol , удовлетворяющий системе F\boldsymbol=\boldsymbol .

Общее решение системы линейных уравнений.

Теперь мы можем собрать воедино наши результаты — утверждения 2 и 6.

Выражение, стоящее в правой части формулы (10) , называется общим решением системы линейных уравнений. Если \boldsymbol_<1>. \boldsymbol_ — фундаментальная система решений, а c_<1>. c_ — произвольные постоянные, то формула (10) может быть написана так: \tag <11>\boldsymbol=\boldsymbol_<0>+c_<1>\boldsymbol_<1>+. +c_\boldsymbol_.

Теорема 3 верна, в частности, и для однородных систем. Если \boldsymbol_ <0>— тривиальное решение, то (10) совпадает с (9) .

Одна из ранее доказанных нами теорем гласит, что для существования единственного решения системы из n линейных уравнений с n неизвестными достаточно, чтобы матрица системы имела детерминант, отличный от нуля. Сейчас легко получить и необходимость этого условия.

Пусть A — матрица системы из n линейных уравнений с n неизвестными. Если \det A=0 , то система либо не имеет решения, либо имеет бесконечно много решений.

Равенство \det A=0 означает, что \mathbf\,A и, следовательно, приведенная система имеет бесконечно много решений. Если данная система совместна, то из теоремы 3 следует, что и она имеет бесконечно много решений.

Пример.

Рассмотрим уравнение плоскости как систему \tag<12>Ax+By+Cz+D=0 из одного уравнения. Пусть A \neq 0 и потому является базисным минором матрицы системы. Ранг расширенной матрицы 1, значит, система совместна. Одно ее решение можно найти, положив параметрические неизвестные равными нулю: y=z=0 . Мы получим x=-D/A . Так как n=3 , r=1 , фундаментальная матрица имеет два столбца. Мы найдем их, придав параметрическим неизвестным два набора значений: y=1 , z=0 и y=0 , z=1 . Соответствующие значения базисной неизвестной x , найденные из приведенной системы, будут -B/A и -C/A . Итак, общее решение системы (12) \tag <13>\begin x\\ y\\ z \end=\begin -D/A\\ 0\\ 0 \end+c_ <1>\begin -B/A\\ 1\\ 0 \end+c_ <2>\begin -C/A\\ 0\\ 1 \end.

Выясним геометрический смысл полученного решения. Очевидно, прежде всего, что решение \begin -D/A& 0& 0 \end^состоит из координат некоторой (начальной) точки плоскости, или, что то же, из компонент ее радиус-вектора. В формуле (10) решение x_0 можно выбирать произвольно. Это соответствует произволу выбора начальной точки плоскости. Мы уже знаем, что компоненты лежащих в плоскости векторов удовлетворяют уравнению A\alpha_<1>+B\alpha_<2>+C\alpha_<3>=0 , то есть приведенной системе. Два линейно независимых решения этой системы (фундаментальная система решений) могут быть приняты за направляющие векторы плоскости. Таким образом, формула (13) — не что иное, как параметрические уравнения плоскости.