Решение систем алгебраических уравнений реферат

Реферат: Численные методы решения систем линейных алгебраических уравнений

Введение

Линейная алгебра, численные методы – раздел вычислительной математики, посвященный математическому описанию и исследованию процессов численного решения задач линейной алгебры.

Среди задач линейной алгебры наибольшее значение имеют две: решение системы линейных алгебраических уравнений, определение собственных значений и собственных векторов матрицы. Другие часто встречающиеся задачи: обращение матрицы, вычисление определителя и т.д.

Любой численный метод линейной алгебры можно рассматривать как некоторую последовательность выполнения арифметических операций над элементами входных данных. Если при любых входных данных численный метод позволяет найти решение задачи за конечное число арифметических операций, то такой метод называется прямым . В противоположном случае численный метод называется итерационным . Прямые методы — это такие, как метод Гаусса, метод окаймления, метод пополнения, метод сопряжённых градиентов и др. Итерационные методы – это метод простой итерации, метод вращений, метод переменных направлений, метод релаксации и др.

На практике в большинстве случаев найти точное решение возникшей математической задачи не удается. Это происходит главным образом не потому, что мы не умеем этого сделать, а поскольку искомое решение обычно не выражается в привычных для нас элементарных или других известных функциях. Поэтому важное значение приобрели численные методы, особенно в связи с возрастанием роли математических методов в различных областях науки и техники и с появлением высокопроизводительных ЭВМ.

Под численными методами подразумеваются методы решения задач, сводящиеся к арифметическим и некоторым логическим действиям над числами, т.е. к тем действиям, которые выполняет ЭВМ.

В настоящее время появилось значительное число различных программных продуктов (MathCAD, MathLABи т.д.), с помощью которых, задавая только входные данные, можно решить значительное число задач.

Конечно, использование таких программных продуктов значительно сокращает время и ресурсы по решению ряда важных задач. Однако, использование этих программ без тщательного анализа метода, с помощью которого решается задача, нельзя гарантировать, что задача решена правильно. Поэтому для более полного понимания того, как осуществляется расчет различного вида уравнений и их систем, необходимо теоретически изучить методы их решения и на практике их проработать. Этим обозначается проблема нашей работы.

Учитывая важность выше указанных проблем, тему своей работы мы определили так: «Численные методы решения систем линейных алгебраических уравнений ».

В качестве объекта исследования выступают различные численные методы решения линейных алгебраических уравнений и систем линейных алгебраических уравнений.

Предметом исследования, является выявление эффективности и сравнительная характеристика методов.

· изучить и проанализировать литературу по проблемам численных методов;

· изучить научную и учебную литературу по теме «Численные методы решения систем линейных алгебраических уравнений;

· определить основные этапы изучения темы «Численные методы решения систем линейных алгебраических уравнений»;

· продемонстрировать на примерах использование методов.

Дипломная работа состоит из введения, двух глав, заключения, списка используемой литературы (20 наименований).

Во введении обоснована актуальность темы исследования, определены объект, предмет, проблема и задачи исследования.

В первой главе изучается теория и терминология численных методов с примерами и пояснениями.

Во второй главе рассматривается применение численных методов решения линейных алгебраических уравнений в теории и на практике.

В заключении подведены итоги и сделаны основные выводы.

Глава I. Теоретические основы исследования

§1 ЧИСЛЕННЫЕ МЕТОДЫ

Разрешимость системы линейных уравнений.

Когда мы говорим о главной матрице системы линейных уравнений, то всегда имеем в виду квадратную матрицу nхn, т. е. матрицу с одинаковым количеством строк и столбцов. Это важно.

Если, например, количество строк (количество уравнений в системе) будет меньше, чем количество столбцов (фактически, количества неизвестных), то система будет неопределенной, т. е. мы не сможем однозначно определить все неизвестные (решить систему).

Но это не единственное ограничение. Из векторной алгебры известно, что система линейных уравнений имеет решение (однозначное) тогда и только тогда, когда ее главный определитель не равен нулю: Δ ≠ 0.

Рассмотрим случай, когда определитель системы равен нулю. Здесь возможны два варианта:

1. Δ = 0 и каждый из дополнительных определителей Δx_i = 0. Это имеет место только тогда, когда коэффициенты при неизвестных x_i пропорциональны, т. е. каждое уравнение системы получается из первого уравнения умножением обеих его частей на число k. При этом система имеет бесчисленное множество решений.

2. Δ = 0 и хотя бы один дополнительный определитель Δx_i ≠ 0. Это имеет место только тогда, когда коэффициенты при всех неизвестных x_i , пропорциональны. При этом получается система из противоречивых уравнений, которая не имеет решений [7].

1.1 Матричный метод решения систем линейных алгебраических уравнений

Пусть дана система линейных уравнений:

Рассмотрим матрицу, составленную из коэффициентов при неизвестных:

Свободные члены и неизвестные можно записать в виде матрицы столбцов:

Тогда, используя правило умножение матриц, эту систему уравнений можно записать так:

Равенство (1) называется матричным уравнением или системой уравнений в матричном виде.

Матрица А коэффициентов при неизвестных называется главной матрицей системы.

Иногда рассматривают также расширенную матрицу системы, т. е. главную матрицу системы, дополненную столбцом свободных членов, которую записывают в следующем виде:

Любую линейную систему уравнений можно записать в матричном виде. Например, пусть дана система:

Эта система из двух уравнений с тремя неизвестными – x, y,. В высшей математике можно рассматривать системы из очень большого числа уравнений с большим количеством неизвестных и поэтому неизвестные принято обозначать только буквой х, но с индексами:

Запишем эту систему в матричном виде:

Здесь главная матрица системы:

Расширенная матрица будет иметь вид:

Microsoft Office Excel . Если же говорить о программе Excel, которая является одной из наиболее известных в обработке электронных таблиц, то без преувеличения можно утверждать, что ее возможности практически неисчерпаемы.Обработка текста, управление базами данных — программа настолько мощна, что во многих случаях превосходит специализированные программы — редакторы или программы баз данных. Такое многообразие функций может поначалу запутать, нежели заставить применять их на практике. Но по мере приобретения опыта начинаешь по достоинству ценить то, что границ возможностей Excel тяжело достичь.За всю историю табличных расчетов с применением персональных компьютеров требования пользователей к подобным программам существенно изменились. В начале основной акцент в такой программе, как, например, Visi Calc , ставился на счетные функции. Сегодня, положение другое. Наряду с инженерными и бухгалтерскими расчетами организация и графическое изображение данных приобретают все возрастающее значение. Кроме того, многообразие функций, предлагаемое такой расчетной и графической программой, не должно осложнять работу пользователя. Программы для Windows создают для этого идеальные предпосылки.В последнее время многие как раз перешли на использование Windows в качестве своей пользовательской среды. Как следствие, многие фирмы, создающие программное обеспечение, начали предлагать большое количество программ для Windows.

Программа MathCAD по своему назначению позволяет моделировать в электронном документе научно–технические, а также экономические расчёты в форме, достаточно близкой к общепринятым ручным расчётам. Это упрощает составление программы расчёта, автоматизирует перерасчёт и построение графических иллюстраций подобно электронным таблицам Excel, документирование результатов как в текстовом редакторе Word.

Программа Mathcad известна за лёгкость, с которой математические уравнения, текст, и графика могут быть объединены в одном документе. Кроме того, вычислительные способности Mathcad распространяются от сложения столбца чисел к решению интегралов и производных, решение систем уравнений и больше.

Достоинством MathCAD является также наличие в его составе электронных книг. Одна из них – учебник по самой программе, другие – справочник по различным разделам математики, физики, радиоэлектроники и др.

К численным методам решения систем линейных уравнений относят такие как: метод Гаусса, метод Крамера, итерационные методы. В методе Гаусса, например, работают над расширенной матрицей системы. А в методе Крамера – с определителями системы, образованными по специальному правилу.

1.2 Метод Гаусса – прямой и обратный ход

Рассмотрим метод Гаусса. Например, пусть дана расширенная матрица некоторой системы m линейных уравнений c n неизвестными:

Будем считать, что a₁₁ ≠ 0 (если это не так, то достаточно переставить первую и некоторую другую строку расширенной матрицы местами). Проведем следующие элементарные преобразования:

Т. е. от каждой строки расширенной матрицы (кроме первой) отнимаем первую строку, умноженную на частное от деления первого элемента этой строки на диагональный элемент а₁₁ .

В результате получим матрицу:

Т. е. первая строка осталась без изменений, а в столбце под а₁ 1 на всех местах оказались нули. Обратим внимание, что преобразования коснулись всех элементов строк, начиная со второй, всей расширенной матрицы системы.

Теперь наша задача состоит в том, чтобы получить нули подо всеми диагональными элементами матрицы А – a_ij , где I = j.

Повторим наши элементарные преобразования, но уже для элемента α₂₂ .

Т. е. от каждой строки расширенной матрицы (теперь кроме первой и второй) отнимаем вторую строку, умноженную на частное от деления первого элемента этой (текущей) строки на диагональный элемент α₂₂ .

Такие преобразования продолжаются до тех пор, пока матрица не приведется к верхнее — треугольному виду. Т. е. под главной диагональю не окажутся все нули:

Вспомнив, что каждая строка представляет собой одно из уравнений линейной системы уравнений, легко заметить, что последнее m-ое уравнение принимает вид:

Отсюда легко можно найти значение первого корня – x_n = δ_m /γ_mn .

Подставив это значение в предыдущее m-1-е уравнение, легко получим значение x_n-1 -ого корня.

Таким образом, поднимаясь до самого верха обратным ходом метода Гаусса, мы последовательно найдем все корни системы уравнений [5].

Рассмотрим систему уравнений:

Главный определитель данной системы:

Т. е. система определена и разрешима. Решим ее по методу Гаусса.

Проведем прямой ход метода Гаусса, выписав предварительно расширенную матрицу системы:

Получим нули под главной диагональю в первом столбце расширенной матрицы. Для получения нуля в элементе a21 (т. е. под диагональю во второй строке матрицы) вторую строку матрицы преобразуем по формуле C₂ -(a₂₁ /a₁₁ )*C₁ = C₂ -(2/1)*C₁ = C₂ -2*C₁ :

Аналогично поступаем и с элементом а31 (т. е. под диагональю в третьей строке матрицы). Третью строку матрицы преобразуем по формуле C₃ -(a₃₁ /a₁₁ )*C₁ = C₃ -(-1/1)*C₁ = C₃ +C₁ :

Таким образом, мы получили нули под главной диагональю в первом столбце расширенной матрицы. Осталось получить нуль под главной диагональю во втором столбце матрицы, т. е. на месте элемента а32. Для этого третью строку матрицы преобразуем по формуле C₃ -(a₃₂ /a₂₂ )*C₂ = C₃ -(1/-2)*C₂ = C₃ +1/2C₂ :

Таким образом, проведя прямой ход метода Гаусса , мы получили расширенную матрицу системы, приведенную к верхне-треугольному виду:

Эта матрица эквивалентна системе:

Обратным ходом метода Гаусса найдем корни системы. Из последнего уравнения найдем корень х₃ :

Корень x₃ = -3/5 найден. Подставим его в верхнее (второе) уравнение системы (-2x₂ -3x₃ = 1):

Корень x₂ = 2/5 найден. Подставим его и корень х₃ в верхнее (первое) уравнение системы (x₁ -x₂ +x₃ = 0):

Вывод: Итак, метод Гаусса (или, иначе, метод последовательного исключения неизвестных) состоит в следующем:

1. Путем элементарных преобразований систему уравнений приводят к эквивалентной ей системе с верхнее — треугольной матрицей. Эти действия называют прямым ходом.

2. Из полученной треугольной системы переменные находят с помощью последовательных подстановок (обратный ход).

3. При этом все преобразования проводятся над так называемой расширенной матрицей системы, которую и приводят к верхнее — треугольному виду в прямом ходе метода.

1.3 Итерация для линейных систем

Способ итераций дает возможность получить последовательность приближенных значений, сходящихся к точному решению системы, подобно тому, как это делается для одного уравнения.

Для определенности ограничимся системой из четырех уравнений с четырьмя неизвестными (система четвертого порядка), которую запишем в виде:

Разрешим первое уравнение системы относительно х₁ :

Затем разрешим второе уравнение относительно х₂ и т. д. Тогда систему можно переписать в виде:

гдеα = -a_ik /a_ii , i = 1, 2, 3, 4; k = 1, 2, 3, 4, 5.

Система является частным случаем записи вида:

При этом линейная функция L₁ фактически не зависит от х₁ .

Зададим какие-либо начальные значения неизвестных (нулевые приближения):

Подставляя эти значения в правые части системы (*), получим первые приближения:

Полученные первые приближения могут быть так же использованы для получения вторых, третьих и т. д. приближений. Т. е. можно записать:

Условия сходимости итерационного процесса.

Установим условия, выполнение которых обеспечит сходимость получающихся приближений к истинному (точному) решению системы х₁ , х₂ , х₃ , х₄ .

Не вдаваясь в подробности, скажем, что для того чтобы итерационный процесс сходился к точному решению, достаточно, чтобы все коэффициенты системы были малы по сравнению с диагональными.

Это условие можно сформулировать и более точно [20]:

Для сходимости процесса итераций достаточно, чтобы в каждом столбце сумма отношений коэффициентов системы к диагональным элементам, взятым из той же строки, была строго меньше единицы :

1.4 Итерация Якоби

Рассмотрим систему линейных уравнений:

Уравнения можно записать в виде:

Это позволяет предложить следующий итерационный процесс:

или (другой вид записи)

Покажем, что если начать с точки P₀ = (х₁ (0) , х₂ (0) , х₃ (0) , х₄ (0) ) = (1, 2, 2), то итерация (3) сходится к решению (2, 4, 3). Подставим х₁ = 1, х₂ = 2, х₂ = 2 в правую часть каждого уравнения из (3), чтобы получить новые значения:

Новая точка P₁ = (х₁ (1) , х₂ (1) , х3 (1) , х₄ (1) ) = (1.75, 3.375, 3), ближе, чем P₀ .

Итерация, использующая (3), генерирует последовательность точекk >, которая сходится к решению (2, 4, 3):

Этот процесс называется итерацией Якоби и может использоваться для решения определенных типов линейных систем [19].

1.5 Итерация Гаусса-Зейделя

Процесс итерации Якоби иногда можно модифицировать для ускорения сходимости.

Отметим, что итеративный процесс Якоби производит три последовательности – <х₁ (k) >, <х₂ (k) >, <х₃ (k) >, <х₄ (k) >. Кажется разумным, что х₁ (k+1) может быть использовано вместо х₂ (k ). Аналогично х₁ (k+1) и х₂ (k+1) можно использовать в вычислении х₃ (k+1) . Например, для уравнений из системы (1) это даст следующий вид итерационного процесса Гаусса-Зейделя, использующий (3*):

Такой итерационный процесс даст результаты:

Т. е. к точному решению мы пришли уже на 10-ом шаге итерации, а не на 19, как в итерации Якоби [19].

1. Способ итераций дает возможность получить последовательность приближенных значений, сходящихся к точному решению системы. Для этого система приводится к виду (для случая системы из четырех уравнений):

Эти формулы как раз и задают собственно итерационный процесс.

2. При этом чтобы итерационный процесс сходился к точному решению, достаточно, чтобы все коэффициенты системы были малы по сравнению с диагональными.

Это условие можно сформулировать и более точно:

Для сходимости процесса итераций достаточно, чтобы в каждом столбце сумма отношений коэффициентов системы к диагональным элементам, взятым из той же строки, была строго меньше единицы:

3. Следует так же сказать, что итерационный процесс может проводиться как в виде итерации Якоби, так и в виде итерации Гаусса-Зейделя. В последнем случае сходимость итерационного процесса может существенно улучшиться.

Глава 2. Применение численных методов для решения систем линейных алгебраических уравнений в теории и на практике

§1 ЧИСЛЕННЫЕ РЕШЕНИЯ СИСТЕМ ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ

Существуют два типа ме­тодов — прямые и итерационные. Мы рассматриваем прежде всего метод исключения Гаусса для систем об­щего вида и варианты — метод прогонки и методы мат­ричной прогонки для систем специального вида (с трех-диагональной или блочно-трех диагональной матрицами). Это — прямые методы. Их эффективность зависит от по­рядка системы n структуры матрицы.

При изучении итерационных методов мы трактуем си­стему уравнений как операторное уравнение первого ро­да Au = f и излагаем общую теорию итерационных ме­тодов для операторных уравнений при минимальных предположениях относительно оператора А. Общая тео­рия позволяет доказать сходимость итераций для метода Зейделя и метода верхней релаксации при минимальных ограничениях на оператор А. Рассмотрены два класса методов: 1) для случая, когда известны границы γ_i > О и γ₂ >= γ₁ спектра оператора А в некотором энергетиче­ском пространстве H_D ; 2) для случая, когда границы γ₁ и γ₂ неизвестны. Весьма эффективным является попере­менно-треугольный метод.

Основная задача линейной ал­гебры — решение системы уравнений

Будем предполагать, что матрица А невырождена, так что уравнение Аи = 0 имеет только триви­альное решение, и система (1) имеет единственноерешение

В курсе линейной алгебры решение системы (1) обыч­но выражают по формулам Крамера в виде отношений определителей. Для численного решения системы (1) эти формулы непригодны, так как они требуют вычисления N +1 определителей, что требует большого числа дей­ствий (порядка N! арифметических операций). Даже при выборе наилучшего метода вычисление одного определи­теля требует примерно такого же времени, что и реше­ние системы линейных уравнений современными числен­ными методами. Кроме того, следует иметь в виду, что вычисления по формулам Крамера часто ведут к боль­шим ошибкам округлений.

Особенность большинства численных методов для (1) состоит в отказе от нахождения обратной матрицы. Ос­новное требование к методу решения — минимум числа арифметических действий, достаточных для отыскания приближенного решения с заданной точностью е>0 (экономичность численного метода).

Выбор того или иного численного метода зависит от многих обстоятельств — от имеющихся программ, от вида матрицы А, от типа расчета и др. Поясним слова «тип расчета». Возможны разные постановки задачи:

1) найти решение одной конкретной задачи (1);

2) найти решение нескольких вариантов задачи (1) с одной и той же матрицей А и разными правыми частями. Может оказаться, что неоптимальный для одной задачи метод является весьма эффективным для мно­говариантного расчета.

При многовариантном расчете можно уменьшить сред­нее число операций для одного варианта, если хранить некоторые величины, а не вычислять их заново для каж­дого варианта. Это, конечно, зависит от машины, от объ­ема ее оперативной памяти.

При теоретических оценках каче­ства алгоритмов их сравнение проводится по числу q ( e ) арифметических действий, достаточных для нахождения решения задачи с заданной точностью е > 0 [15].

Метод Гаусса. Имеется несколько вычислительных вариантов метода Гаусса, основанного на идее последо­вательного исключения. Процесс решения системы ли­нейных алгебраических уравнений Ax = f (1) по методу Гаусса состоит из двух этапов.

Первый этап (прямой ход). Система (1) приво­дится к треугольному виду

Метод квадратного корня. Этот метод пригоден для систем

с эрмитовой (в действительном случае — симметричной) матрицей А. Матрица А разлагается в произведение

где S — верхняя треугольная, D — диагональная матрица. Решение уравнения Аu=fсводится к последователь­ному решению двух систем

Метод квадратного корня требует порядка N 2 /3 арифметических действий, т. е. при больших N он вдвое быстрее метода Гаусса и занимает вдвое меньше ячеек памяти. Это обстоятельство объясняется тем, что метод использует информацию о симметрии матрицы.

1. Метод итераций для решения системы линейных алгебраических уравнений .

Перейдем к общему описанию метода итераций для системы линейных алгебраических уравнений

Для ее решения выбирается некоторое начальное приближение у₀ H и последовательно находятся приближенные решения (итерации) уравнения (1). Значение итерации y_{h +1} выражается через известные предыдущие итерации y_k , y_{k -1} ,… Если при вычислении y_{h +1} используется толь­ко одна предыдущая итерация y_h , то итерационный метод называют одношаговым (или двухслойным) методом; если же y_{k +1} выражается через две итерации y_k и y_{k -1} , то метод называется двухшаговым (или трехслойным). Мы будем рассматривать в основном одношаговые методы. Будем считать, что А: H -> H — линейный оператор в конеч­номерном пространстве H со скалярным произведе­нием (•, •).

Важную роль играет запись итерационных методов в единой (канонической) форме. Любой двухслойный ите­рационный метод можно записать в следующей канони­ческой форме:

(7), где А: Н -> Н — оператор исходного уравнения (1), В: Н -> Н — линейный оператор, имеющий обратный В -1 , k — номер итерации, τ₁ τ₂ , . τ_{k +1} , . — итерационные параметры, τ_{k +1} > 0. Оператор В может, вообще говоря, зависеть от номера k — для Для простоты изложения мы пред­полагаем всюду, что В не зависит от k .

Если В = Е — единичный оператор, то метод(8) называют явным: y_{h +1} находится по явной формуле

В общем случае, при В≠ Е, метод (7) называют не­явным итерационным методом: для определения y_{h +1} надо решить уравнение:

(9)

Естественно требовать, чтобы объем вычислений для ре­шения .системы By_{k +1} = F_k был меньше, чем объем вы­числений для прямого решения системы Au=f

Точность итерационного метода (7) характеризуется величиной погрешности z_h = у_к — и, т. е. разностью между решением уравнения (7) и точным решением и исход­ной системы линейных алгебраических уравнений. Под­становка y_k = z_k + u в (2) приводит к однородному урав­нению для погрешности:

§2 ИТЕРАЦИОННЫЕ МЕТОДЫ РЕШЕНИЯ СИСТЕМ ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ

2.1 Общие сведения

К численным методам линейной алгебры относятся численные методы решения систем линейных алгебраических уравнений. Методы решения СЛАУ разбиваются на две группы. К первой группе принадлежат так называемые точные или прямые методы — алгоритм, позволяющий получить решение системы за конечное число арифметических действий. Вторую группу составляют приближенные методы, в частности итерационные методы решения СЛАУ.

2.2.1 Описание метода

Рассмотрим СЛАУ вида

Ax = B, где А — матрица. (1)

Если эту систему удалось привести к виду x = Cx + D, то можно построить итерационную процедуру

x_k → x*, где х* — решение заданной системы.

В конечном варианте система будет имееть вид:

Условием сходимости для матрицы С выполняется, если сумма модулей коэффициентов меньше единицы по строкам или по столбцам, т.е.

, или .

Необходимо, чтобы диагональные элементы матрицы А были ненулевыми.

Для преобразования системы можно выполнить следующие операции:

В результате получим систему:

В ней на главной диагонали матрицы С находятся нулевые элементы, остальные элементы выражаются по формулам:

Итерационный процесс продолжается до тех пор, пока значения х₁ ( k ), х₂ ( k ), х₃ ( k ) не станут близкими с заданной погрешностью к значениям х₁ ( k -1), х₂ ( k -1), х₃ ( k -1).

2.2.2 Решение СЛАУ методом простых итераций

Решить СЛАУ методом простых итераций с точностью .

Для удобства преобразуем систему к виду:

,

Принимаем приближение на 0-ом шаге:

,

,

На 1-м шаге выполняем следующее:

Подставляем принятые приближения в первоначальную систему уравнений

Смотрим не выполняется ли условие остановки итерационного процесса:

:

На 2-м шаге выполняем следующее:

Смотрим не выполняется ли условие остановки итерационного процесса

:

На 3-м шаге выполняем следующее:

Смотрим не выполняется ли условие остановки итерационного процесса

:

На 4-м шаге выполняем следующее:

Смотрим не выполняется ли условие остановки итерационного процесса

:

На 5-м шаге выполняем следующее:

Смотрим не выполняется ли условие остановки итерационного процесса:

:

На 6-м шаге выполняем следующее:

Смотрим не выполняется ли условие остановки итерационного процесса:

:

Необходимая точность достигнута на 6-й итерации. Таким образом, итерационный процесс можно прекратить [14].

2.3 Метод Зейделя

2.3.1 Описание метода

В этом методе результаты, полученные на k-том шаге, используются на этом же шаге. На (k+1) — й итерации компоненты приближения вычисляются по формулам:

Этот метод применим к система уравнений в виде Ax=B при условии, что диагональный элемент матрицы коэффициентов A по модулю должен быть больше, чем сумма модулей остальных элементов соответствующей строки (столбца).

Если данное условие выполнено, необходимо проследить, чтобы система была приведена к виду, удовлетворяющему решению методом простой итерации и выполнялось необходимое условие сходимости метода итераций:

, либо

2.3.2 Решение СЛАУ методом Зейделя

Решить СЛАУ методом Зейделя с точностью .

Эту систему можно записать в виде:

В этой системе сразу видно, что выполняется условие, где диагональные элементы матрицы коэффициентов по модулю больше, чем сумма модулей остальных элементов соответствующей строки.

Для удобства преобразуем систему к виду:

,

Принимаем приближение на 0-ом шаге:

На 1-м шаге выполняем следующее:

Подставляем принятые приближения в первоначальную систему уравнений

Смотрим не выполняется ли условие остановки итерационного процесса

:

На 2-м шаге выполняем следующее:

Смотрим не выполняется ли условие остановки итерационного процесса

:

На 3-м шаге выполняем следующее:

Смотрим не выполняется ли условие остановки итерационного процесса:

:

На 4-м шаге выполняем следующее:

Смотрим не выполняется ли условие остановки итерационного процесса

:

Необходимая точность достигнута на 4-й итерации. Таким образом, итерационный процесс можно прекратить [9].

2.4 Сравнительный анализ

Можно заметить, что в методе Зейделя быстрее мы достигаемой нужной точности, в нашем случае в точность была достигнута на 4-й итерации, когда в методе простых итераций она была достигнута на 6-й итерации. Но в то же время в методе Зейделя ставится больше условий. Поэтому вначале нужно произвести иногда довольно трудоемкие преобразования. В таблице 4.1 приведены результаты решения СЛАУ методом простой итерации и методом Зейделя на различных шагах итерации:

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.

Решение систем алгебраических уравнений реферат

Системы линейных уравнений

1. Теоретическая часть

1.1 Основные понятия и теоремы систем линейных уравнений

1.1.1 Критерий совместности общей системы линейных уравнений

1.1.2 Однородная система п линейных уравнений с n неизвестными

1.1.3 Структура общих решений однородной и неоднородной системы уравнений

1.2 Основные методы решения систем линейных уравнений

1.2.1 Матричный метод решения систем линейных уравнений

1.2.2 Метод Крамера

1.2.3 Метод Гаусса

1.4 Ответы на теоретические вопросы

Курс «Алгебра и геометрия» занимает особенное место в системе математической дисциплины, которая изучается студентами специальностей ПМ, САУ и IНФ, как базовый курс. Наверное, нет ни одной математической дисциплины, в которой бы не применялись понятия алгебры и геометрии.совая работа должна способствовать более углубленному изучению курса «Алгебра и геометрия», осмыслению его и применению для решения задачи практического содержания.

Данная работа содержит раскрытие вопроса решения систем линейных алгебраических уравнений, способы получения результата и применение систем для решения экономических задач.

Работа состоит из двух частей — теоретической и практической. В теоретической части приведены определения таких понятий, как система линейных уравнений, общее и частное решения, совместность и несовместность систем, однородные и неоднородные системы, рассмотрены различные методы решения систем уравнений. Также даны ответы на теоретические вопросы.

В практической части решены системы линейных уравнений, а также рассмотрены экономические задачи, решение которых сводится к решению соответствующей системы.

система линейное уравнение

1. Теоретическая часть

1.1 Основные понятия и теоремы систем линейных уравнений

В самом общем случае система линейных уравнений имеет следующий вид:

a11x1 + a12x2 + …+ a1n xn = b1;x1 + a22x2 + …+ a2n xn = b2;

где х1, х2, …, хn — неизвестные, значения которых подлежат нахождению. В общем случае число неизвестных не обязательно должно быть равно числу уравнений самой системы. Числа а11, а12, …, аmn называются коэффициентами системы, а b1, b2, …, bm — её свободными членами. Для удобства коэффициенты системы аij (i = 1, 2. m; j = 1, 2. n) и свободные члены bi (i=1, 2. m) снабжены индексами. Первый индекс коэффициентов аij соответствует номеру уравнения, а второй индекс — номеру неизвестной хi, при которой коэффициент поставлен. Индекс свободного члена bi соответствует номеру уравнения, в которое входит bi.

Дадим определения некоторых понятий, необходимых при изучении системы уравнений. Решением системы уравнений называется всякая совокупность чисел ?1, ?2, ?n, которая будучи поставлена в систему на место неизвестных х1, х2, …, хn, обращает все уравнения системы в тождества. Система уравнений называется совместной, если она имеет хотя бы одно решение, и несовместной, если не имеет решений. Совместная система уравнений называется определенной, если она имеет одно единственное решение, и неопределенной, если она имеет по крайней мере два различных решения.

Две системы уравнений называются равносильными или эквивалентными, если они имеют одно и тоже множество решений.

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

. Система может иметь единственное решение.

2. Система может иметь бесконечное множество решений.

. И третий случай, когда система вообще не имеет решения.

.1.1 Критерий совместности общей системы линейных уравнений

Как уже было отмечено, под общей системой линейных уравнений мы понимаем систему, в которой число неизвестных необязательно совпадает с числом уравнений.

Пусть дана общая система линейных уравнений и требуется установить признак существования решения этой системы, т.е. условия, при которых система является совместной.

Из коэффициентов при неизвестных и свободных членов системы составим матрицу

которую назовем основной матрицей системы, и матрицу

a11 a12 … a1n b1

a21 a22 … a2n b2

B = ……………………… ……,am2 … amn bm

которую назовем расширенной матрицей системы.

Теорема (Теорема Кронекера — Капелли) Для того чтобы система линейных неоднородных уравнений была совместной, необходимо и достаточно, чтобы ранг расширенной матрицы системы был равен рангу ее основной матрицы.

Пусть система совместна и c1, c2. сп — некоторое ее решение. Тогда имеют место равенства:

а11с1 + а12с2 + …+ а1nсn = b1;

а21с1 + а22с2 + …+ а2nсn = b2;

аm1с1 + аm2с2 + …+ аmnсn = bm

из которых следует, что последний столбец расширенной матрицы есть линейная комбинация остальных ее столбцов с коэффициентами с1, с2. сп. Согласно предложению, последний столбец матрицы В может быть вычеркнут без изменения ее ранга. При этом мы из матрицы В получим матрицу А. Таким образом, если ci, cz. сп — решение системы уравнении, то rang А = rang В.

Достаточность. Пусть теперь rang A = rang В. Покажем, что при этом система уравнений совместна. Рассмотрим r базисных столбцов матрицы А. Очевидно, что они будут базисными столбцами и матрицы В. Согласно теореме о базисных строках и столбцах, последний столбец матрицы В можно представить как линейную комбинацию базисных столбцов, а следовательно, как линейную комбинацию всех столбцов матрицы А, т.е.

b1 = а11с1 + а12с2 + …+ а1nсn;= а21с1 + а22с2 + …+ а2nсn;

где c1, c2. сп — коэффициенты линейных комбинаций. Таким образом, системе удовлетворяют значения x1 = c1. хп = сп, следовательно, она совместна. Теорема доказана.

1.1.2 Однородная система п линейных уравнений с n неизвестными

Линейное уравнение называется однородным, если его свободный член равен нулю. Система линейных уравнений называется однородной, если все входящие в нее уравнения являются линейными однородными уравнениями.

Однородная система п линейных уравнений с п неизвестными имеет вид:

а11х1 + а12х2 + …+ а1nхn = 0;

а21х1 + а22х2 + …+ а2nхn = 0;

аn1х1 + аn2х2 + …+ аnnхn = 0.

Непосредственной проверкой убеждаемся в том, что однородная система линейных уравнений имеет нулевое решение: х1 = 0, х2 = 0. хп = 0.

Таким образом, однородная система линейных уравнений всегда совместна. Поэтому важно выяснить, при каких условиях она является определенной. Покажем, что однородная система п линейных уравнений с п неизвестными имеет ненулевые решения тогда и только тогда, когда определитель ее равен нулю.

В самом деле, пусть D = 0. Так как однородная система уравнений является частным случаем неоднородной системы, то к ней применимо правило Крамера. Но для однородной системы все D xi = 0, так как каждый из этих определителей содержит столбец из нулей (bi = 0). Поэтому система, равносильная системе, будет иметь вид D x1= 0, D x2=0;., D xn= 0

Из этой системы следует, что однородная система имеет единственное нулевое решение, если ? 0; если же D = 0, то из условий следует, что она имеет бесчисленное множество решений.

Теорема. Для заданной однородной системы уравнений , для которой , где — число неизвестных, существует линейно независимых решений и любое решение системы представляется в виде линейной комбинации этих решений.

Максимальное число линейно независимых решений однородной системы называется фундаментальной системой решений этой системы уравнений.

— фундаментальная система решений однородной системы уравнений (Ф.С. Р.). Она содержит решений и получается с общего решения, если свободным переменным придавать последовательно значения: . Полученная таким образом фундаментальная система называется нормированной.

Обратим внимание, что решение однородных систем осуществляется теми же методами, что и неоднородных.

1.1.3 Структура общих решений однородной и неоднородной системы уравнений

Теорема 1. Общие решения однородной системы уравнений

, где , — число неизвестных, представляется в виде:

где — свободные постоянные, , — фундаментальная система решений.

Теорема 2. Общие решения неоднородной системы уравнений

представляется в виде:

где — некоторое частное решение неоднородной системы, — общее решение соответствующей однородной системы.

.2 Основные методы решения систем линейных уравнений

1.2.1 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

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-1A = E и E?X = X, то получаем решение матричного уравнения в виде X = A-1B.

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-1B.

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 ? ? 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: .

Аналогично выводятся равенства и , откуда и следует утверждение теоремы.

Таким образом, заметим, что если определитель системы ? ? 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.

Метод Гаусса основывается на следующей теореме: элементарным преобразованиям строк расширенной матрицы системы отвечает превращение этой системы в эквивалентную.

С помощью элементарных преобразований строки расширенной матрицы, а также перемены местами столбцов, что отвечает перепозначенню переменной, матрица сводится к ступенчатой (или трапециевидной) форме. Этой матрице ставится в соответствие система, эквивалентная исходной. Это прямой ход метода Гаусса. Решение полученной системы осуществляется снизу вверх (обратный ход метода Гаусcа).

Более детально этот процесс выглядит так: матрица в результате элементарных преобразований принимает такой вид:

Тогда возможны несколько случаев:

. Хотя б одно с чисел отличное от нуля, тогда і система несовместная.

а) , система совместная, имеет единственное решение;

б) , система совместная, имеет бесконечное множество решений.

В случае совместимости системы, ставим последней матрице в соответствие систему уравнений вида

Эту систему переписываем, оставляя базисные переменные слева, свободные — справа

Именно эту систему решаем, начиная снизу вверх.

В результате получаем или единственное решение, или множество решений, которые записываются в виде общего решения.

Метод Гаусса представляет собой метод последовательного исключения переменной. Вычислительная процедура гауссових исключений может быть формализирована с помощью простых правил.

Назовем переменную, которая исключалась, разрешающей, коэффициент при ней — разрешающим элементом, строку и столбец матрицы, в которой размещен разрешающий элемент — разрешающими.

Перечисление элементов расширенной матрицы при выполнении элементарных преобразований выполняется по таким правилам:

) элементы разрешающей строки и всех вышерасположенных строк остаются неизменными;

) элементы разрешающего столбца, которые расположены ниже разрешающего элемента, обращаются в нуль;

) все другие элементы матрицы вычисляются по правилу прямоугольника: преобразовываемый элемент равняется разности произведений элементов главной и побочной диагонали.

Тут — разрешающий элемент, — преобразуемый элемент. Обозначим — элемент, который получен вычислением по правилу прямоугольника. Тогда

Модификацией метода Гаусса является метод полного исключения или метод Жордана — Гаусса.

Метод полного исключения (метод Жордана-Гаусса) заключается в том, что в результате преобразований расширенной матрицы в ней выделяется диагональная подматриця и тогда решение исходной системы выписывается просто.

Метод полного исключения работает за такими правилами:

) назначается разрешающий элемент; им будет коэффициент при неизвестной, которая исключается;

) элементы разрешающей строки остаются неизменными;

) все элементы разрешающего столбца (кроме разрешающего элемента) заменяются нулями и остаются такими до конца преобразований;

) все другие элементы матрицы пересчитываются по правилу прямоугольника.

Метод полного исключения может быть использован для обращения матрицы (известен также под названием метод элементарных превращений).

Для данной матрицы -го порядка строится прямоугольная матрица размера , к которой применяется преобразование по алгоритму полного исключения, в результате чего матрица сводится к виду , где . Это всегда возможно, если матрица невырожденная.

Обобщим знания о системах уравнений с помощью таблицы 1.1.

Понятия Или соотношенияФормулаОбщая система линейных алгебраических уравненийОсновная матрица системыМатрица-столбец свободных членовМатрица-столбец неизвестныхМатричная форма записи системыРасширенная матрица системыУсловие совместимости системыСистема имеет единственное решениеСистема имеет бесконечное множество решенийСистема несовместнаяКвадратная система линейных алгебраических уравненийКвадратная система имеет единственное решениеКвадратная система бесконечное множество решений, Квадратна система несовместная, Однородная система уравненийОднородная система имеет только нулевое решениеОднородная система имеет нетривиальные решенияКвадратная однородная система имеет только нулевое решениеКвадратная однородная система имеет нетривиальные решенияСтруктура общего решения однородной системы,

— произвольные числа; , — число неизвестных. Структура общего решения неоднородной системы,

где — некоторое частное решение неоднородной системы, — общее решение соответствующей однородной системы.

1.4 Ответы на теоретические вопросы

1. Теорема Кронекера-Капелли: для совместности системы необходимо и достаточно, чтобы ранг матрицы этой системы был равен рангу ее расширенной матрицы

2. Система имеет единственное решение, если ранг матрицы этой системы был равен рангу ее расширенной матрицы и равен количеству неизвестных системы.

3. Система имеет бесконечное множество решений, если ранг матрицы меньше количества неизвестных системы.

. Свободные переменные — те переменные, которые задаются произвольными значениями, а базисные переменные — те, которые выражаются через свободные.

5. Количество базисных переменных равняется рангу матрицы системы.

. Если ранг матрицы равен r, а количество неизвестных равняется n, то система может иметь (n-r) свободных переменных.

. Система называется однородной, если она имеет вид: АХ=0, т.е. все свободные члены равны нулю.

. Решение называется ненулевым, если все переменные одновременно не принимают значение 0.

. Для того, чтобы однородная система имела только тривиальное решение, необходимо и достаточно, чтобы ранг матрицы равнялся количеству неизвестных системы.

. Для того, чтобы однородная система имела нетривиальные решения, необходимо и достаточно, чтобы ранг матрицы был меньше количества неизвестных системы.

. Максимальное число линейно независимых решений однородной системы называется фундаментальной системой решений.

. Однородная система уравнений имеет фундаментальную систему решений, если ранг матрицы системы не равен количеству переменных системы.

. Фундаментальная система решений однородной системы содержит (n-r) решений, где n — число неизвестных системы, r-ранг матрицы системы.

. Однородная система уравнений может иметь от 0 до (n-1) фундаментальных систем решений, где n — число неизвестных системы.

. Если свободным переменным поочередно придавать значения: 1, 0,0…0; 0, 1, 0…0; …; 0, 0, …, 1, то полученная фундаментальная система решений называется нормированной.

Kypсовая работа посодействовала более углубленному изучению курса «Алгебра и геометрия», осмыслению его и применению для решения задач практического содержания.

Данная работа раскрыла вопрос решения систем уравнений, а также определила, как на практике использовать знания из курса «Алгебра и геометрия» для решения задач различного типа.

В теоретической части были полностью раскрыты значения тех понятий, которые приводились во вступлении, а именно система линейных уравнений, общее и частное решения, совместность и несовместность систем, однородные и неоднородные системы, рассмотрены различные методы решения систем уравнений. Также даны ответы на теоретические вопросы.

В практической части были решены все поставленные задачи, а именно: решены предложенные системы, выполнена проверка, решены экономические задачи, сводящиеся к системам уравнений.

1. Апатенок Р.Ф. и др. Элементы линейной алгебры и аналитической геометрии. — Минск: Вышейш. шк., 1986. — 272 с.

2. Тевяшев А.Д., Литвин О.Г. Алгебра і геометрiя: Лiнiйна алгебра. Аналітична геометрія: — Харків: ХТУРЕ, 2000. — 388 с.

. Данко П.Е. и др. Высшая математика в упражнениях и задачах. Ч.I. — М.: Высш. шк., 1986. — 304 с.

. Апатенок Р.Ф. и др. Сборник задач по линейной алгебре и аналитической геометрии. — Минск. Вышейш. шк., 1990. — 286 с.

. Тевяшев А.Д., Литвин О.Г. Вища математика. Загальний курс: Збiрник задач та вправ. — Х.: Рубiкон, 1999. — 320 с.

. Барковский В.В., Барковская Н.В. Математика для экономистов. Высшая математика. — К.: Национальная академия управления, 1999. — 399 с.

Теги: Системы линейных уравнений Курсовая работа (теория) Математика