Реферат по теме линейные уравнения

Линейные системы уравнений — реферат

Тема: «Линейные системы уравнений»

1. Уравнения, векторы, матрицы, алгебра

2. Умножение матриц как внешнее произведение векторов

3. Нормы векторов и матриц

4. Матрицы и определители

5. Собственные значения и собственные векторы

6. Ортогональные матрицы из собственных векторов

7. Функции с матричным аргументом

8. Вычисление проекторов матрицы

Пример использования числовых характеристик матриц

10. Оценка величины и нахождение собственных значений

1. Уравнения, векторы, матрицы, линейная алгебра

Многие из рассмотренных нами задач сводились к формированию систем линейных алгебраических или дифференциальных уравнений, которые требовалось решить. Пока системы включали в себя не более трех-четырех переменных, их несложно было решать известными классическими методами: методом определителей (Крамера) или методом исключения переменных (Гаусса). С появлением цифровых вычислительных машин порядок алгебраических уравнений, решаемых методом исключений вырос в несколько десятков раз. Однако выявилось множество причин, по которым решение таких систем получить не удавалось. Появившиеся различные модификации метода исключения не привели к существенным улучшениям ситуации с получением решений. Появление же систем с количеством переменных более многих сотен и тысяч заставили обратиться и развивать итерационные методы и методы эквивалентных векторно-матричных преобразований применительно к решению линейных систем алгебраических уравнений.

Основные теоретические результаты были получены путем обобщения известных классических методов функционального анализа и алгебры конечномерных линейных пространств на векторно-матричные представления систем линейных алгебраических и дифференциальных уравнений.

Общая форма записи линейной системы алгебраических уравнений с n неизвестными может быть представлена следующим образом:

Здесь – неизвестные,

– заданные числа,

– заданные числовые коэффициенты.

Последовательность записи уравнений в системе и обозначение неизвестных в последней не играет роли. В этом плане удобно при анализе и исследованиях системы использовать упорядоченную индексацию натурального ряда для неизвестных, значений правых частей и коэффициентов в уравнениях, однозначно привязывая, тем самым, каждое слагаемое и каждое уравнение к определенной позиции в общей записи. В результате можно выделить в данной записи уравнений три позиционно упорядоченных неделимых объекта:

список переменных – ,

список правых частей – и

матрицу коэффициентов – .

Первые два объекта в линейной алгебре называют вектором-строкой , а второй – квадратной матрицей.

Операции с векторами, матрицами должны быть определены так, чтобы однозначно отображать допустимые эквивалентные преобразования исходной системы алгебраических уравнений. В предельных случаях задания векторов и матриц: , – аддитивные и мультипликативные операции должны переходить в аналогичные операции со скалярными величинами.

Если рассмотреть i- тую строку исходной системы

,

то в ней кроме упорядоченного расположения компонент присутствует упорядоченное по индексу j размещение коэффициентов , которые могут рассматриваться как вектор-строка . Результатом суммы покомпонентного перемножения двух векторов-строк должно быть число. В линейной алгебре такая операция с векторами определена и названа скалярным или внутренним произведением векторов:

.

Скалярное произведение линейно, так как обладает основными свойствами линейных преобразований , и коммутативно.

Определение скалярного произведения позволяет переписать исходную систему уравнений в виде вектора с компонентами из скалярных произведений:

.

Вторая форма представления векторов в форме столбцов более наглядна в смысле зрительного установления покомпонентного равенства двух векторов: стоящего слева от знака равенства и справа. Эта форма, форма вектора-столбца принята за каноническую (основную).

Левый вектор-столбец в записи каждой строки содержит вектор неизвестных и естественно желание вынести его за прямые скобки. Оставшиеся коэффициенты упорядочены, как в матрице . Теперь для представления исходной системы уравнений в виде несложно определить векторно-матричную операцию , результатом которой является вектор с i- той компонентой, равной .

Аксиоматическое построение линейной (векторной) алгебры с рассмотренными базовыми операциями позволило установить важные и полезные свойства, как самих объектов алгебры, так и их алгебраических выражений.

2. Умножение векторов и матриц

Среди n- мерных векторов и векторных операций над ними важно выделить сумму n векторов, умноженных на числовые константы:

,

которая при произвольном выборе в частности может оказаться нулевым вектором (с нулевыми компонентами) или одним из суммируемых векторов . Если нулевой вектор при суммировании не нулевых векторов можно получить лишь в случае, когда все , то такие векторы в наборе называют линейно независимыми . Такими векторами в частности будут единичные векторы , у которых все компоненты нулевые, кроме единичной компоненты, расположенной на j- строке.

Линейно независимый набор единичных векторов с геометрической точки зрения можно рассматривать как n- мерную систему координат. Набор компонент любого вектора в этой n- мерной системе определяет координаты точки конца вектора, исходящего из начала координат, а также являются длинами проекций вектора на координатных осях.

Среди матриц размера и операций с ними в первую очередь необходимо отметить операцию умножения матрицы на матрицу. Необходимость введения операции умножения матриц возникает уже при первом взгляде на полученную векторную форму записи линейного уравнения . Векторы слева и справа имеют равные компоненты. Так как коэффициенты в строках матрицы в общем произвольны по величине, то соответствующие компоненты вектора x не обязаны быть равными компонентам вектора y . Последнее означает, что умножение вектора x на матрицу A вызвало изменение длины и направления вектора x . Если аналогичное преобразование выполняется над вектором правой части до решения уравнения, то вектор левой части должен быть преобразован так же:

.

Фактически мы имеем дело с заменой системы координат. Рассмотрим методику вычисления коэффициентов результирующей матрицы уравнения:

,

где – элемент матрицы С , равный скалярному произведению вектор-строки матрицы В на вектор-столбец матрицы А .

Произведение матриц в общем случае не коммутативно. Ассоциативный и распределительный законы в матричных выражениях выполняются.

3. Нормы векторов и матриц

Интерпретация упорядоченного набора чисел, как вектора в многомерном пространстве, позволяет говорить и о его длине. В прямоугольной системе координат по известным длинам проекций на координатные оси длину самого вектора вычисляют, как корень квадратный из суммы квадратов проекций:

,

где – компоненты вектора ,

– евклидова норма вектора, его длина.

В качестве нормы в литературе иногда используют квадрат длины вектора или другое выражение с компонентами вектора, лишь бы оно обладало свойствами расстояния: было положительным, линейным и удовлетворяло неравенству треугольника.

Деление вектора на величину его нормы называют нормированием , т.е. приведением вектора к единичной длине.

Норма матрицы в принципе тоже может быть определена в виде корня квадратного из суммы квадратов ее элементов или другими выражениями со свойствами расстояний. Однако в ряде случаев работы с векторно-матричными выражениями нормы векторов и матриц должны быть согласованными ввиду того, что результатом произведения матрицы на вектор является опять же вектор. Если выражение для нормы вектора принято, то

,

где функция sup говорит о том, что из всех отношений норм, стоящих в числителе и знаменателе, взятых при любом векторе x , кроме нулевого, выбирается наименьшее, т.е. это функция выбора нижней границы значений. Согласованная матричная норма для евклидовой нормы вектора удовлетворяет неравенству

.

Нормы вектора и матрицы служат, в основном, для сопоставительной оценки матриц и векторов, указывая на возможный диапазон представления строгих числовых характеристик. К числу последних, в первую очередь, нужно отнести определители матриц, собственные значения и собственные векторы матриц и ряд других.

4. Матрицы и определители

Упорядоченный набор коэффициентов из системы линейных алгебраических уравнений используется для получения числовой характеристики, величина которой инвариантна по отношению к эквивалентным преобразованиям системы. Речь идет об определителе матрицы. Важное свойство определителей матрицы обнаруживается в связи с вычислением произведения матриц:

Учитывая это свойство и зная, что определитель единичной матрицы det(E )=1, можно найти матрицу B и ее определитель из уравнения:

откуда следует, что и .

Из свойств определителей нелишне помнить и такие:

где – транспонированная матрица A ,

n – размер квадратной матрицы A ,

– матрица перестановки строк или столбцов,

s, c= 0,1,…, n – число выполненных перестановок строк и / или столбцов.

Если обратная матрица исходной системы уравнений определена, то, используя эквивалентные преобразования их векторно-матричной записи, решение уравнений можно представить в следующем виде:

Умножив вектор правых частей на обратную матрицу, получим вектор решения.

Классический способ вычисления обратной матрицы использует определители и осуществляется по формуле:

,

где – алгебраическое дополнение, а – минор матрицы A , получаемый вычислением определителя матрицы A , в которой вычеркнуты j- тая строка и i- тый столбец.

Такой способ вычисления определителя представляет в основном теоретический интерес, так как требует выполнения неоправданно большого числа операций.

Очень просто вычисляется определитель, если матрица диагональная или треугольная. В этом случае определитель равен произведению диагональных элементов. Кстати и решения уравнений, имеющих такие матрицы коэффициентов, получаются тривиально. Поэтому основные усилия разработчиков методов решения алгебраических уравнений направлены на поиск и обоснование эквивалентных преобразований матрицы с сохранением всех ее числовых характеристик, но имеющих в конце преобразований диагональную или треугольную форму.

5. Собственные значения и собственные векторы

Рассмотрим теоретические основы и методы, позволяющие выполнять эквивалентные матричные преобразования.

Найдем вектор, который под воздействием матрицы A изменяет только свою величину, но не направление. Для системы уравнений это означает, что вектор решения должен быть пропорционален с некоторым коэффициентом вектору правой части:

В результате несложных преобразований получены однородные векторно-матричные уравнения в столбцовой и в строчной формах с некоторым числовым параметром и неизвестным вектором-столбцом x и вектором-строкой , представляющих собственное состояние системы. Однородная система может иметь отличное от нуля решение лишь в том случае, когда определитель ее равен нулю. Это следует из формул получения решения методом определителей (Крамера), в которых и определитель знаменателя, и определитель числителя оказываются равными нулю.

Полагая, что решение все же существует, т.е. и , удовлетворить уравнению можно только за счет приравнивания нулю определителя однородной системы:

Раскрыв определитель и сгруппировав слагаемые при одинаковых степенях неизвестного параметра, получим алгебраическое уравнение степени n относительно :

Это уравнение называется характеристическим уравнением матрицы и имеет в общем случае n корней, возможно комплексных, которые называются собственными значениями матрицы и в совокупности составляют спектр матрицы . Относительно n корней различают два случая: все корни различные или некоторые корни кратные.

Важным свойством характеристического уравнения матрицы A является то, что согласно теореме Гамильтона-Кели, матрица A удовлетворяет ему:

где – k- тая степень матрицы.

Подставляя каждое в однородную систему, получим векторно-матричные уравнения для нахождения векторов или векторов-строк . Эти векторы называются соответственно правыми собственными векторами и левыми собственными векторами матрицы.

Решение однородных уравнений имеет некоторую специфику. Если (как в равной мере и ) является решением, то, будучи умноженным на произвольную константу, оно тоже будет являться решением. Поэтому в качестве собственных векторов берут такие векторы, которые имеют норму, равную единице, и тогда:

Если все собственные числа различны, то собственные векторы матрицы A образуют систему n линейно независимых векторов таких, что

6. Ортогональные матрицы из собственных векторов

Из правых собственных векторов можно составить матрицу T, а из левых – матрицу , которые обладают уникальными свойствами по отношению к матрице A .

Умножив матрицу A слева на матрицу , а справа – на матрицу T , после несложных преобразований получим:

.

Каждое скалярное произведение в матрице, принимая во внимание линейную независимость собственных векторов, полученных для различных собственных значений, можно преобразовать так:

Поэтому, результатом преобразования матрицы A будет диагональная матрица с собственными значениями, расположенными на диагонали:

Если вместо A взять единичную матрицу и проделать аналогичные преобразования, то станет очевидным равенство , откуда следует . Последнее позволяет для преобразования матрицы A в диагональную обходиться только системой правых собственных векторов-столбцов:

Последнее показывает, что умножение матрицы A на слева и на S справа, где S – произвольная не особая матрица, преобразует ее в некоторую матрицу B , которая имеет определитель, равный определителю матрицы A . Такие преобразования матриц называют эквивалентными (подобными ).

Продолжая использовать T- матрицу, несложно получить следующие важные результаты:

.

7. Функции с матричным аргументом

Пусть теперь задана некоторая матричная функция от матрицы A :

.

С другой стороны очевидно и обратное

,

где – матрица с одной единицей на i -том месте диагонали ( ).

где – проекторы матрицы A , образуемые умножением одноименных правых и левых собственных векторов по правилам умножения прямоугольных матриц с размерами соответственно и . Сумма проекторов .

Проекторы обладают свойствами идемпотентных матриц , т.е. матриц, все степени которых равны первой. Для невырожденных проекторов ( ) матрицы A ( ) справедливо:

Представление функции от матрицы A в виде взвешенной суммы проекций называется спектральным разложением матричной функции по собственным значениям матрицы A :

.

Если в качестве матричных функций взять и , то их спектральные разложения будут следующими:

8. Вычисление проекторов матрицы

Проекторы матрицы можно также вычислить, воспользовавшись интерполяционным многочленом Лагранжа с матричным аргументом:

По известному спектру проекторы матрицы можно найти и методом неопределенных коэффициентов. Для чего выбирают такие функции от матрицы A , которые вычисляются очевидным образом, например, такие:

Записывая разложение для каждой функции, получим следующую систему линейных уравнений относительно проекторов:

В случае, когда в спектре матрицы имеются кратные собственные значения, вычисление проекторов осуществляется по интерполяционным формулам Лагранжа, учитывающим еще и заданные значения производных в отдельных точках. Разложение матричной функции по значениям ее на спектре в этом случае имеет вид:

где – значения i -тых произ-водных функции в точках, соответствующих различным (не кратным) корням характеристического многочлена,

– число кратных корней ,

– проекторы кратных корней, в выражении которых содержатся

– проекторы различных корней.

9. Пример использования числовых характеристик матриц

Знание собственных значений матрицы и ее проекторов позволяет выполнять вычисления аналитических функций получающихся, например, при решениях систем линейных дифференциальных уравнений, при исследованиях эквивалентных матричных преобразований и пр.

Для примера построим матрицу с заданными собственными значениями и собственными векторами, основанными на векторах .

Сначала необходимо убедиться в линейной независимости исходных векторов и добиться того, чтобы левые и правые одноименные собственные векторы оказались ортогональными, т.е. . Проверка линейной независимости может быть объединена с процессом ортогонализации заданной системы векторов методом Грама-Шмидта .

Для заданных векторов построим систему векторов таких, что , следующим образом:

Откуда последовательно находятся коэффициенты :

Взаимной ортогональности векторов v можно было бы добиваться и так, чтобы каждый был ортогонален каждому , положив и приравняв нулю скалярные произведения :

Определитель этой системы называют определителем Грама :

,

где — матрица, в общем случае комплексно сопряженная с матрицей

, составленной из заданных векторов.

Если грамиан положителен, а он всегда неотрицателен, то векторы линейно независимы, а если равен нулю, то зависимы. Это один из способов проверки конкретного набора векторов на их линейную независимость.

Для заданного выше набора векторов определитель произведения матрицы X на транспонированную X * будет равен

Таким образом, заданная система векторов линейно независима. Для построения ортонормированной системы векторов последовательно вычислим коэффициенты и ортогональные векторы:

После нормирования векторы образуют правую систему собственных векторов. Транспонированная Т -матрица с этими векторами есть -матрица ( ); ее строки являются собственными левосторонними векторами:

.

Внешнее (матричное) произведение каждого нормированного вектора самого на себя дает нам проекторы искомой матрицы:

Умножая каждое собственное значение из заданного набора на свой проектор и суммируя, получим:

.

Аналогично получается обратная матрица:

.

С помощью этих же проекторов вычисляется любая аналитическая функция, аргументом которой является матрица A :

.

10. Оценка величины и нахождение собственных значений

Краткое рассмотрение основных теоретических положений линейной алгебры позволяет сделать следующие выводы: для успешного решения систем линейных алгебраических уравнений и вычислений матричных функций необходимо уметь находить ее собственные значения и собственные векторы.

Для любой матрицы A с действительными компонентами и любого ненулевого вектора v существует отношение Рэлея, связывающее скалярное произведение векторов v и Av с минимальным и максимальным собственными значениями:

.

К высказанному необходимо сделать еще ряд замечаний, связанных со случаями, когда исходная матрица имеет кратные собственные значения или оказывается вырожденной.

Характеристическое уравнение матрицы A с кратным корнем можно записать в виде

.

На основании этой записи можно составить минимальное характеристическое уравнение , для которого матрица A также является корнем:

.

Особенности в части определения собственных значений и векторов обычно возникают в несимметричных матрицах ( ). Некоторые из них никакими подобными преобразованиями не удается свести к диагональной. Например, не поддаются диагонализации матрицы n- го порядка, которые не имеют n линейно независимых собственных векторов. Однако любая матрица A размера с помощью преобразования подобия может быть приведена к прямой сумме жордановых блоков или к канонической жордановой форме :

,

где A – произвольная матрица размера ;

– жорданов блок размера ;

V – некоторая невырожденная матрица размера .

Характеристическое уравнение жорданова блока размера независимо от количества единиц в верхней диагонали записывается в виде произведения одинаковых сомножителей и, следовательно, имеет только кратных корней:

.

Если выразить матрицу V в форме вектора с компонентами в виде векторов-столбцов , то из равенства AV=VJ для каждого жорданового блока следует соотношение

.

Здесь в зависимости от структуры верхней диагонали, в которой может быть либо ноль, либо единица. Если жордановы блоки имеют размер , то мы имеем случай симметричной матрицы или матрицы с различными собственными значениями.

При поиске решений систем линейных уравнений с несимметричными матрицами, последние стремятся теми или иными приемами свести к выражению с симметричными матрицами.

Один из возможных подходов к решению несимметричных линейных систем состоит в замене исходной системы эквивалентной системой:

.

Недостаток этого подхода состоит в том, что мера обусловленности произведения матрицы A на свою транспонированную, оцениваемая отношением , оказывается больше, чем у матрицы A .

Под мерой обусловленности понимают отношение наибольшего собственного значения матрицы к наименьшему. Это отношение влияет на скорость сходимости итерационных процедур при решении уравнений.

Итак, основными алгебраическими системами уравнений можно считать неоднородные системы уравнений с симметричными матрицами коэффициентов.

1. Вержбицкий В.М. Основы численных методов: Учебник для вузов – 3-е изд. М: Высшая школа, 2009. – 840 с.

2. Самарcкий А.А. Задачи и упражнения по численным методам. Изд. 3 Изд-во: КомКнига, ЛКИ, 2006. – 208 с.

3. Турчак Л.И., Плотников П.В. Основы численных методов. Изд-во: ФИЗМАТЛИТ®, 2003. – 304 с.

4. Хеннер Е.К., Лапчик М.П., Рагулина М.И. Численные методы. Изд-во: «Академия/Academia», 2004. – 384c.

Линейные уравнения

Автор работы: Пользователь скрыл имя, 21 Мая 2013 в 23:26, реферат

Краткое описание

Равенство, содержащее переменную, называют уравнением с одной переменной, или уравнением с одним неизвестным. Например, уравнением с одной переменной является равенство 3(2х+7)=4х-1.

Прикрепленные файлы: 1 файл

Линейные уравнения.doc

Линейные уравнения

Уравнения с одной переменной.

Равенство, содержащее переменную, называют уравнением с одной переменной, или уравнением с одним неизвестным. Например, уравнением с одной переменной является равенство 3(2х+7)=4х-1.

Корнем или решением уравнения называется значение переменной, при котором уравнение обращается в верное числовое равенство. Например, число 1 является решением уравнения 2х+5=8х-1. Уравнение х2+1=0 не имеет решения, т.к. левая часть уравнения всегда больше нуля. Уравнение (х+3)(х-4) =0 имеет два корня: х1= -3, х2=4.

Решить уравнение — значит найти все его корни или доказать, что корней нет.

Уравнения называются равносильными, если все корни первого уравнения являются корнями второго уравнения и наоборот, все корни второго уравнения являются корнями первого уравнения или, если оба уравнения не имеют корней. Например, уравнения х-8=2 и х+10=20 равносильны, т.к. корень первого уравнения х=10 является корнем и второго уравнения, и оба уравнения имеют по одному корню.

При решении уравнений используются следующие свойства:

Если в уравнении перенести слагаемое из одной части в другую, изменив его знак, то получите уравнение, равносильные данному.

Если обе части уравнения умножить или разделить на одно и то же отличное от нуля число, то получится уравнение, равносильное данному.

Уравнение ах=b, где х – переменная, а и b – некоторые числа, называется линейным уравнением с одной переменной.

Если а¹0, то уравнение имеет единственное решение .

Если а=0, b=0, то уравнению удовлетворяет любое значение х.

Если а=0, b¹0, то уравнение не имеет решений, т.к. 0х=b не выполняется ни при одном значении переменной.

Пример 1. Решить уравнение: -8(11-2х)+40=3(5х-4)

Раскроем скобки в обеих частях уравнения, перенесем все слагаемые с х в левую часть уравнения, а слагаемые, не содержащие х, в правую часть, получим:

Пример 2. Решить уравнения:

Эти уравнения не являются линейными, но покажем, как можно решать такие уравнения.

3х2-5х=0; х(3х-5)=0. Произведение равно нулю, если один из множителей равен нулю, получаем х1=0; х2= .

Разложить на множители левую часть уравнения:

х2(х-2)-9(х-2)=(х-2)(х2-9)=(х- 2)(х-3)(х-3), т.е. (х-2)(х-3)(х+3)=0. Отсюда видно, что решениями этого уравнения являются числа х1=2, х2=3, х3=-3.

с) Представим 7х, как 3х+4х, тогда имеем: х2+3х+4х+12=0, х(х+3)+4(х+3)=0, (х+3)(х+4)=0, отсюда х1=-3, х2=- 4.

Пример 3. Решить уравнение: ½х+1ç+½х-1ç=3.

Напомним определение модуля числа:

Например: ½3½=3, ½0½=0, ½- 4½= 4.

В данном уравнении под знаком модуля стоят числа х-1 и х+1. Если х меньше, чем –1, то число х+1 отрицательное, тогда ½х+1½=-х-1. А если х>-1, то ½х+1½=х+1. При х=-1 ½х+1½=0.

а) Рассмотрим данное уравнение½х+1½+½х-1½=3 при х£-1, оно равносильно уравнению -х-1-х+1=3, -2х=3, х= , это число принадлежит множеству х£-1.

b) Пусть -1 ю х+1-х+1=3, 2¹3 уравнение не имеет решения на данном множестве.

с) Рассмотрим случай х>1.

х+1+х-1=3, 2х=3, х= . Это число принадлежит множеству х>1.

Ответ: х1=-1,5; х2=1,5.

Пример 4. Решить уравнение:½х+2½+3½х½=2½х-1½.

Покажем краткую запись решения уравнения, раскрывая знак модуля «по промежуткам».

–2 1, х+2+3х=2(х-1), 2х=- 4, х=-2Ï(1; +¥)

Пример 5. Решить уравнение: (а-1)(а+1)х=(а-1)(а+2), при всех значениях параметра а.

В этом уравнении на самом деле две переменных, но считают х–неизвестным, а а–параметром. Требуется решить уравнение относительно переменной х при любом значении параметра а.

Если а=1, то уравнение имеет вид 0×х=0, этому уравнению удовлетворяет любое число.

Если а=-1, то уравнение имеет вид 0×х=-2, этому уравнению не удовлетворяет ни одно число.

Если а¹1, а¹-1, тогда уравнение имеет единственное решение .

Ответ: если а=1, то х – любое число;

если а=-1, то нет решений;

Системы уравнений с двумя переменными.

Решением системы уравнений с двумя переменными называется пара значений переменных, обращающая каждое уравнение системы в верное равенство. Решить систему — значит найти все ее решения или доказать, что их нет. Две системы уравнений называются равносильными, если каждое решение первой системы является решением второй системы и каждое решение второй системы является решением первой системы или они обе не имеют решений.

При решении линейных систем используют метод подстановки и метод сложения.

Пример 1. Решить систему уравнений:

Для решения этой системы применим метод подстановки. Выразим из первого уравнения х и подставим это значение во второе уравнение системы, получим

Пример 2. Решить систему уравнений:

Для решения этой системы применим метод сложения уравнений. 8х=16, х=2. Подставим значение х=2 в первое уравнение, получим 10-у=9, у=1.

Пример 3. Решить систему уравнений:

Эта система равносильна одному уравнению 2х+у=5, т.к. второе уравнение получается из первого умножением на 3. Следовательно, ей удовлетворяет любая пара чисел (х; 5-2х). Система имеет бесконечное множество решений.

Ответ: (х; 5-2х), х–любое.

Пример 4. Решить систему уравнений:

Умножим первое уравнение на –2 и сложим со вторым уравнением, получим 0×х+0×у=-6. Этому уравнению не удовлетворяет ни одна пара чисел. Следовательно, эта система не имеет решений.

Ответ: система не имеет решений.

Пример 5. Решить систему:

Из второго уравнения выражаем х=у+2а+1 и подставляем это значение х в первое уравнение системы, получаем . При а=-2 уравнение не а=-2 имеет решения, если а¹-2, то .

Ответ: при a=-2система не имеет решения,

при а¹-2 система имеет решение .

Пример 6. Решить систему уравнений:

Нам дана система из трех уравнений с тремя неизвестными. Применим метод Гаусса, который состоит в том, что равносильными преобразованиями приводят данную систему к треугольной форме. Прибавим к первому уравнению второе, умноженное на –2.

Далее к третьему уравнению системы прибавим второе, умноженное на –3,

наконец прибавим к этому уравнению уравнение у-z=-1, умноженное на 2, получим — 4z=-12, z=3. Итак получаем систему уравнений:

z=3, которая равносильна данной.

Система такого вида называется треугольной.

Методы решения линейных уравнений

ID (номер) заказа
2158281

ОГЛАВЛЕНИЕ
Введение……………………………………………………………….…3
Теоретические основы систем линейных уравнений…………..5
Методы решения систем линейных уравнений…………………8
Метод Гаусса…………………………………………………..….8
Метод Крамера……………………………………………………9
Матричный метод……………………………………….…. ….10
Пример решения системы линейных уравнений….…………. 11
Заключение……………………………………………….……………..15
Список использованной литературы…………………………………..17

Введение
Линейная алгебра, численные методы – раздел вычислительной математики, посвященный математическому описанию и исследованию процессов численного решения задач линейной алгебры.
Одной из важнейших и наиболее распространённых задач вычислительной математики является задача решения систем линейных алгебраических уравнений. К ним часто приходят при исследовании самых различных проблем науки и техники, в частности, приближенное решение дифференциальных уравнений обыкновенных и в частных производных сводится к решению алгебраических систем. Число неизвестных n может достигать нескольких десятков, сотен и даже тысяч. К решению систем линейных уравнений сводятся такие группы задач:
задачи механики (статические, теплотехнические);
задачи из геодезии, связанные с построением карт на основании данных геодезической съемки;
системы линейных уравнений — основной аппарат при нахождении значений коэффициентов в эмпирических формулах;
задачи приближенного решения уравнений, имеющих большое распространение в высшей математике;
системы линейных уравнений широко используются в области физики и смежных с ней наук: теории относительности, атомной физике, при составлении прогнозов погоды и т.д.
Актуальность выбранной темы обусловлена недостаточной изученностью при широкой практике применения математических методов.
Целью работы является изучение основных методов решения систем математических уравнений.
Для реализации поставленной цели необходимо решить следующие основные задачи:
Изучить теоретические основы систем линейных уравнений;
Рассмотреть основные методы решения данных уравнений:
Метод Гаусса;
Метод Крамера;
Матричный метод;
Продемонстрировать применение данных методов на примере.
Основным объектом исследования является сиситемы линейных алгнебраических уравнений (далее – СЛАУ). Соответствующий предмет работы – методы решения данных систем.
Различным теоретико-методологическим и практическим аспектам бизнес-планирования посвящены работы многих российских исследователей, таких, как: Красс М.С., Кремер Н.Ш., Лизунова Н.А. и т.д.
Методологической, теоретической и эмпирической основой исследования являются положения, сформулированные в трудах отечественных и зарубежных ученых, посвященные теоретическим и прикладным проблемам линейной алгебры.
Информационную базу исследования составляют научные труды российских и зарубежных авторов и методические материалы по исследуемой теме.
Теоретические основы
систем линейных уравнений
Матрица – это прямоугольная таблица чисел, которая содержит m строк и n столбцов. Размер таблицы: m×n . [2, 124 c.]
А= a11…a1ma21…a2m………an1 … anm (1),
где aij – коэффициенты матрицы;
i – Номер строки;
j – Номер столбца.
СЛАУ имеет вид:
a11x1+a12x2+…+a1nxn=b1a21x1+a22x2+…+a2nxn=b2…am1x1+am2x2+…+amnxn=bm (2),
где xn — неизвестные;
aij – коэффициенты при неизвестных;
bi – свободные члены.
Коэффициенты и свободные члены могут быть любыми действительными числами.
Решение СЛАУ – это совокупность значений неизвестных xn, обращающая каждое уравнение системы в тождество. При это система может быть нескольких видов (см. рис.1.) [1, 62 c.]
Если 2 системы имеют одно и то же множество решений, то они являются равносильными (эквивалентными).
Любая СЛАУ может быть представлена в виде матричного уравнения:
AX = B (3),
Где А – матрица, которая состоит из неизвестных;
В – матрица-столбец свободных членов;
Х – матрица-столбец неизвестных.
А = a11…a1ma21…a2m………an1 … anm Х= x1x2…xn B= b1b2…bn (4)
Рис.1. Виды СЛАУ
Матрица А – матрица системы. Также существует A – это расширенная матрица системы (см. формула (5)).
A= a11 a12 …a1n b1a21 a22 …a2n b2…am1 am2…amn bm (5)
Однородная СЛАУ – система, в которой свободные члены являются 0. Априори данный вид систем является совместной.
a11x1+a12x2+…+a1nxn=0a21x1+a22x2+…+a2nxn=0…am1x1+am2x2+…+amnxn=0 (6)
Если число уравнений в СЛАУ совпадает с количеством неизвестных, то данная система записывается в следующем виде:
a11x1+a12x2+…+a1nxn=b1a21x1+a22x2+…+a2nxn=b2…an1x1+an2x2+…+annxn=bn (7)
Определитель, или детерминант квадратной матрицы порядка n имеет обозначения:D=detA= deta11 a12 …a1na21 a22 …a2n …am1 am2…amn= a11 a12 …a1na21 a22 …a2n …am1 am2…amn (8)
Квадратная матрица А называется вырожденной, если ее определитель равен нулю, и невырожденной, если ее определитель не равен нулю. Если А – квадратная матрица, то обратной по отношению к А называется матрица, которая при умножении на А (как справа, так и слева), дает единичную матрицу.
Обозначив обратную через А-1, запишем А-1А=АА-1=Е, где Е – единичная матрица.
При условии 𝐷 = |𝐴| ≠ 0 обратная матрица находится по формуле:
A-1= A11DA21DAn1DA12DA22DAn2DA1nDA2nDAnnD (9)
Для нахождения обратной матрицы используют следующую схему:
1. Находят определитель матрицы А.
2. Находят алгебраические дополнения всех элементов 𝑎𝑖𝑗 матрицы А и записывают новую матрицу.
3. Меняют местами столбцы полученной матрицы (транспортируют матрицу).
4. Умножают полученную матрицу на 1/D. [3, 104 c.]
Минором Mij элемента aij определителя n-го порядка называется определитель (n-1)-го порядка, полученный из данного определителя вычеркиванием строки и столбца, на пересечении которых стоит данный элемент.
Методы решения систем линейных уравнений
Метод Гаусса
Метод Гаусса является классическим методом решения СЛАУ. Считается, что автор данного – немецкий математик Карл Фридрих Гаусс [8]. Однако стоит отметить, что первое упоминание данного способа относится к китайскому трактату «Математика в 9 книгах», датированному в X век до н. э. — II век до н. э. [10]
Метод Гаусса применяется для решения СЛАУ с произвольным числом неизвестных и уравнении. Его суть заключается в последовательном исключении неизвестных. [4, 354 c.]
Пусть дана произвольная система линейных уравнений (см. формула (2)).
Для решения данной системы приведем ее к эквивалентной ей системе с треугольной или ступенчатой матрицей.
Для этого выпишем матрицу из коэффициентов при неизвестных системы с добавлением столбца свободных членов, т. е. расширенную матрицу системы:
A= a11 a12 …a1n b1a21 a22 …a2n b2…am1 am2…amn bm (10)
Путем различных последовательных элементарных преобразований (умножение и деление коэффициентов и свободных членов на одно и то же число; сложение и вычитание строк; перестановка строк) приведем матрицу A к треугольному или ступенчатому виду:
b11 b12 … b1r… b1n c1 b21… b2r… b2n c2… brr… brn cr ( r≤n) (11),
где все диагональные элементы brr отличны от нуля, а элементы, расположенные ниже диагональных, равны нулю.
Полученной матрице соответствует более простая система уравнений:
b11x1+b12x2+…+b1rxr+b1nxn=c1b22x2+…+b2rxr+b2nxn=c2…brrxr+brnxn=cr(12)
Процедуру преобразования исходной системы к треугольному или трапецеидальному виду называют прямым ходом метода Гаусса.
Если в полученной системе r = n, то она имеет треугольный вид. Из последнего уравнения находим xn, из предпоследнего уравнения находим xn-1 и так далее, и, наконец, из первого уравнения находим x1.
Описанный процесс называют обратным ходом метода Гаусса. При r = n система имеет единственное решение.
Если же r

Нет нужной работы в каталоге?

Сделайте индивидуальный заказ на нашем сервисе. Там эксперты помогают с учебой без посредников Разместите задание – сайт бесплатно отправит его исполнителя, и они предложат цены.

Цены ниже, чем в агентствах и у конкурентов

Вы работаете с экспертами напрямую. Поэтому стоимость работ приятно вас удивит

Бесплатные доработки и консультации

Исполнитель внесет нужные правки в работу по вашему требованию без доплат. Корректировки в максимально короткие сроки

Если работа вас не устроит – мы вернем 100% суммы заказа

Техподдержка 7 дней в неделю

Наши менеджеры всегда на связи и оперативно решат любую проблему

Строгий отбор экспертов

К работе допускаются только проверенные специалисты с высшим образованием. Проверяем диплом на оценки «хорошо» и «отлично»

Требуются доработки?
Они включены в стоимость работы

Работы выполняют эксперты в своём деле. Они ценят свою репутацию, поэтому результат выполненной работы гарантирован