Как составить матрицу коэффициентов системы

From Wikipedia, the free encyclopedia

In linear algebra, a coefficient matrix is a matrix consisting of the coefficients of the variables in a set of linear equations. The matrix is used in solving systems of linear equations.

Coefficient matrix[edit]

In general, a system with m linear equations and n unknowns can be written as

where are the unknowns and the numbers are the coefficients of the system. The coefficient matrix is the m × n matrix with the coefficient a_ij as the (i, j)th entry:^[1]

Then the above set of equations can be expressed more succinctly as

where A is the coefficient matrix and b is the column vector of constant terms.

Relation of its properties to properties of the equation system[edit]

By the Rouché–Capelli theorem, the system of equations is inconsistent, meaning it has no solutions, if the rank of the augmented matrix (the coefficient matrix augmented with an additional column consisting of the vector b) is greater than the rank of the coefficient matrix. If, on the other hand, the ranks of these two matrices are equal, the system must have at least one solution. The solution is unique if and only if the rank r equals the number n of variables. Otherwise the general solution has n – r free parameters; hence in such a case there are an infinitude of solutions, which can be found by imposing arbitrary values on n – r of the variables and solving the resulting system for its unique solution; different choices of which variables to fix, and different fixed values of them, give different system solutions.

Dynamic equations[edit]

A first-order matrix difference equation with constant term can be written as

where A is n × n and y and c are n × 1. This system converges to its steady-state level of y if and only if the absolute values of all n eigenvalues of A are less than 1.

A first-order matrix differential equation with constant term can be written as

This system is stable if and only if all n eigenvalues of A have negative real parts.

References[edit]

Решаем СЛАУ методом обратной матрицы:

2×1-4×2+3×3=1×1-2×2+4×3=33×1-x2+5×3=2

Как решить?

• Записываем систему в виде матричного уравнения АX=B, где

А=2-431-243-15, X=x1x2x3, B=132.  

• Выражаем из этого уравнения X:

X=A-1×B

• Находим определитель матрицы А:

det A= 2-431-243-15=2×(-2)×5+3×(-4)×4+3×(-1)×1-3×(-2)×3–1×(-4)×5-2×4-(-1)=-20-48-3+18+20+8=-25

det А не равняется 0, следовательно, для этой системы подходит метод решения обратной матрицей.

• Находим обратную матрицу А-1  при помощи союзной матрицы. Вычисляем алгебраические дополнения Аij к соответствующим элементам матрицы А:

А11=(-1)(1+1)-24-15=-10+4=-6,

А12=(-1)1+21435=-(5-12)=7,

А13=(-1)1+31-23-1=-1+6=5,

А21=(-1)2+1-43-15=-(-20+3)=17,

А22=(-1)2+22335-10-9=1,

А23=(-1)2+32-43-1=-(-2+12)=-10,

А31=(-1)3+1-43-24=-16+6=-10,

А32=(-1)3+22314=-(8-3)=-5,

А33=(-1)3+32-41-2=-4+4=0.

• Записываем союзную матрицу А*, которая составлена из алгебраических дополнений матрицы А:

А*=-675171-10-10-50

• Записываем обратную матрицу согласно формуле:

A-1=1detA(A*)T: А-1=-125-617-1071-55-100,

• Умножаем обратную матрицу А-1 на столбец свободных членов В и получаем решение системы:

X=A-1×B=-125-617-1071-55-100132=-125-6+51-207+3-105-30+0=-101

Ответ: x1=-1; x2=0; x3=1

Система линейных алгебраических уравнений

В данной публикации мы рассмотрим определение системы линейных алгебраических уравнений (СЛАУ), как она выглядит, какие виды бывают, а также как ее представить в матричной форме, в том числе расширенной.

Определение системы линейных уравнений

Система линейных алгебраических уравнений (или сокращенно “СЛАУ”) – это система, которая в общем виде выглядит так:

Индексы коэффициентов ( a_ij ) формируются следующим образом:

• i – номер линейного уравнения;
• j – номер переменной, к которой относится коэффициент.

Решение СЛАУ – такие числа c₁, c₂,…, c_n , при постановке которых вместо x₁, x₂,…, x_n , все уравнения системы превратятся в тождества.

Виды СЛАУ

1. Однородная – все свободные члены системы равны нулю ( b₁ = b₂ = … = b_m = 0 ).
   

В зависимости от количества решений, СЛАУ может быть:

1. Совместная – имеет хотя бы одно решение. При этом если оно единственное, система называется определенной, если решений несколько – неопределенной.
   
   СЛАУ выше является совместной, т.к. есть хотя бы одно решение: , y = 3 .
2. Несовместная – система не имеет решений.
   
   Правые части уравнений одинаковые, а левые – нет. Таким образом, решений нет.

Матричная форма записи системы

СЛАУ можно представить в матричной форме:

Пример
Представим систему уравнений ниже в матричном виде:

Пользуясь формами выше, составляем основную матрицу с коэффициентами, столбцы с неизвестными и свободными членами.

Полная запись заданной системы уравнений в матричном виде:

Расширенная матрица СЛАУ

Если к матрице системы A добавить справа столбец свободных членов B , разделив данные вертикальной чертой, то получится расширенная матрица СЛАУ.

Для примера выше получается так:

– обозначение расширенной матрицы.

Метод Гаусса – определение и вычисление с примерами решения

Содержание:

Базисные и свободные переменные:

Пусть задана система

Элементарными преобразованиями системы линейных уравнений называются следующие преобразования:

1. исключение из системы уравнения вида
2. умножение обеих частей одного из уравнений системы на любое действительное число ;
3. перестановка местами уравнений системы;
4. прибавление к обеим частям одного из уравнений системы соответствующих частей другого уравнения, умноженных на любое действительное число не равное нулю.

Элементарные преобразования преобразуют данную систему уравнений в эквивалентную систему, т.е. в систему, которая имеет те же решения, что и исходная.

Для решения системы т линейных уравнений с т неизвестными удобно применять метод Гаусса, называемый методом последовательного исключения неизвестных, который основан на применении элементарных преобразований системы. Рассмотрим этот метод.

Предположим, что в системе (6.1.1). Если это не так, то переставим уравнения системы так, чтобы .

На первом шаге метода Гаусса исключим неизвестное из всех уравнений системы (6.1.1), начиная со второго. Для этого последовательно умножим первое уравнение системы на множители

и вычтем последовательно преобразованные уравнения из второго, третьего, . последнего уравнения системы (6.1.1). В результате получим эквивалентную систему:

(6.1.2)

в которой коэффициенты вычислены по формулам:

На втором шаге метода Гаусса исключим неизвестное из всех уравнений системы (6.1.2) начиная с третьего, предполагая, что (в противном случае, переставим уравнения системы (6.1.2)

чтобы это условие было выполнено). Для исключения неизвестного последовательно умножим второе уравнение системы (6.1.2) на множетели и вычтем последовательно преобразованные уравнения из третьего, четвёртого, последнего. уравнения системы (6.1.2). В результате получим эквивалентную систему:

в которой коэффициенты вычислены по формулам:

Продолжая аналогичные преобразования, систему (6.1.1) можно привести к одному из видов:

Совокупность элементарных преобразований, приводящих систему (6.1.1) к виду (6.1.4) или (6.1.5) называется прямым ходом метода Гаусса.

Отметим, что если на каком-то шаге прямого хода метода Гаусса получим уравнение вида:

, то это означает, что система (6.1.1) несовместна.

Итак, предположим, что в результате прямого хода метода Гаусса мы получили систему (6.1.4), которая называется системой треугольного вида. Тогда из последнего уравнения находим значение подставляем найденное значение в предпоследнее уравнение системы (6.1.4) и находим значение ; и т.д. двигаясь снизу вверх в системе (6.1.4) находим единственные значения неизвестных которые и определяют единственное решение системы (6.1.1). Построение решения системы (6.1.4) называют обратным ходом метода Гаусса.

Если же в результате прямого хода метода Гаусса мы получим систему (6.1.5), которая называется системой ступенчатого вида, то из последнего уравнения этой системы находим значение неизвсстного которое выражается через неизвестные . Найденное выражение подставляем в предпоследнее уравнение системы (6.1.5) и выражаем неизвестное через неизвестные и т.д. Двигаясь снизу вверх в системе (6.1.5) находим выражения неизвестных через неизвестные При этом неизвестные называются базисными неизвестными, а неизвестные – свободными. Так как свободным неизвестным можно придавать любые значения и получать соответствующие значения базисных неизвестных, то система (6.1.5), а, следовательно, и система (6.1.1) в этом случае имеет бесконечное множество решений. Полученные выражения базисных неизвестных через свободные неизвестные называются общим решением системы уравнений (6.1.1).

Таким образом, если система (6.1.1) путём элементарных преобразований приводится к треугольному виду (6.1.4), то она имеет единственное решение, если же она приводится к системе ступенчатого вида (6.1.5), то она имеет бесконечное множество решений. При этом неизвестные , начинающие уравнения ступенчатой системы, называются базисными, а остальные неизвестные – свободными.

Практически удобнее преобразовывать не саму систему уравнений (6.1.1), а расширенную матрицу системы, соединяя последовательно получающиеся матрицы знаком эквивалентности.

Формализовать метод Гаусса можно при помощи следующего алгоритма.

Алгоритм решения системы m линейных уравнений с n неизвестными методом Гаусса

1. Составьте расширенную матрицу коэффициентов системы уравнений так, чтобы было не равно нулю:

2. Выполните первый шаг метода Гаусса: в первом столбце начиная со второй строки, запишите нули, а все другие элементы вычислите по формуле

Матрица после первого шага примет вид

3. Выполните второй шаг метода Гаусса, предполагая, что : во втором столбце начиная с третьей строки, запишите нули, а все другие элементы вычислите по формуле

После второго шага матрица примет вид

4. Продолжая аналогичные преобразования, придёте к одному из двух случаев:

а) либо в ходе преобразований получим уравнение вида

тогда данная система несовместна;

б) либо придём к матрице вида:

где . Возможное уменьшение числа строк

связано с тем, что в процессе преобразований матрицы исключаются строки, состоящие из нулей.

5. Использовав конечную матрицу, составьте систему, при этом возможны два случая:

Система имеет единственное,решение , которое находим из системы обратным ходом метода Гаусса. Из последнего уравнения находите . Из предпоследнего уравнения находите затем из третьего от конца – и т.д., двигаясь снизу вверх, найдём все неизвестные .

5.2. :

Тогда r неизвестных будут базисными, а остальные (n-r) – свободными. Из последнего уравнения выражаете неизвестное через . Из предпоследнего уравнения находите и т.д.

Система имеет в этом случае бесконечное множество решений.

Приведенный алгоритм можно несколько видоизменить и получить алгоритм полного исключения, состоящий в выполнении следующих шагов. На первом шаге:

1. составляется расширенная матрица;
2. выбирается разрешающий элемент расширенной матрицы (если , строки матрицы можно переставить так, чтобы выполнялось условие );
3. элементы разрешающей строки (строки, содержащей разрешающий элемент) оставляем без изменения; элементы разрешающего столбца (столбца, содержащего разрешающий элемент), кроме разрешающего элемента, заменяем нулями;
4. все другие элементы вычисляем по правилу прямоугольника: преобразуемый элемент равен разности произведений элементов главной диагонали (главную диагональ образует разрешающий элемент и преобразуемый) и побочной диагонали (побочную диагональ образуют элементы, стоящие в разрешающей строке и разрешающем столбце): – разрешающий элемент (см. схему).

Последующие шаги выполняем по правилам:

1) выбирается разрешающий элемент (диагональный элемент матрицы);

2) элементы разрешающей строки оставляем без изменения;

3) все элементы разрешающего столбца, кроме разрешающего элемента, заменяем нулями; • •

4) все другие элементы матрицы пересчитываем по правилу прямоугольника.

На последнем шаге делим элементы строк на диагональные элементы матрицы, записанные слева от вертикальной черты, и получаем решение системы.

Пример:

Решить систему уравнений:

Решение:

Составим расширенную матрицу системы, и применим алгоритм полного исключения, обозначая разрешающий элемент символом

Из последней матрицы находим следующее решение системы

уравнении:

Ответ:

Пример:

Решить систему уравнений:

Решение:

Составим расширенную матрицу системы, и применим алгоритм полного исключения, обозначая разрешающий элемент символом

Система привелась к ступенчатому виду (трапециевидной форме):

в которой неизвестные – базисные, а – свободные. Из второго уравнения системы (6.1.6) находим выражение через . Из первого уравнений найдём выражение через и . Система имеет бесконечное множество решений. Общее решение системы имеет вид:

в котором принимают любые значения из множества действительных чисел.

Если в общем решении положить , то получим решение , которое называется частным решением заданной системы.

Ответ: система имеет бесконечное множество решений, общее решение которой записывается в виде:

Пример:

Решить систему уравнений:

Решение:

Составим расширенную матрицу системы, и применим алгоритм полного исключения, обозначая разрешающий элемент символом В последней матрице мы получили четвёртую строку, которая равносильна уравнению . Это означает, что заданная система не имеет решений.

Ответ: система несовместна.

Замечание 1. Если дана система уравнений (6.1.1), в которой число уравнений m равно числу неизвестных n (m=n) и определитель этой системы не равен нулю , то система имеет единственное решение, которое можно найти по формулам Крамера: , где определитель получен из определи-теля заменой j-ro столбца столбцом свободных членов.

Если же такую систему (m-n) записать в матричной форме AX=F, то её решение можно найти по формуле и оно является единственным.

Замечание 2. Используя метод Гаусса, тем самым и алгоритм полного исключения, можно находить обратную матрицу. Для этого составляется расширенная матрица, в которой слева от вертикальной черты записана матрица А, а справа – единичная матрица. Реализовав алгоритм полного исключения, справа от вертикальной черты получаем обратную матрицу, а слева – единичную.

Пример:

Найти обратную матрицу для матрицы:

Решение:

то обратная матрица существует. Составим расширенную мат-рицу и применим алгоритм полного исключения:

Покажем, что

ответ

Исследование совместности и определённости системы. Теорема Кронекера-Капелли

Рассмотрим систему (6.1.1) m линейных уравнений с n неизвестными при любых m и n (случай m=n не исключается). Вопрос о совместности системы решается следующим критерием.

Теорема 6.2.1. (критерий Кронкера-Капелли). Для того, чтобы система линейных уравнений(6.1.1) была совместна, необходимо и достаточно, чтобы ранг матрицы А системы был равен рангу расширенной матрицы .

Доказательство и Необходимость:

Предположим, что система (6.1.1) совместна и – какое-либо её решение (возможно единственное). По определению решения системы получаем:

Из этих равенств следует, что последний столбец матрицы есть линейная комбинация остальных ее столбцов с коэффициентами , то есть система вектор-столбцов матрицы линейно зависима (свойство 3 п.2.5) и значит последний столбец матрицы не изменяет ранга матрицы А, т.е.

.

Достаточность. Пусть . Рассмотрим r базисных

столбцов матрицы А, которые одновременно будут базисными столбцами и матрицы . В этом случае последний столбец матрицы можно представить как линейную комбинацию базисных столбцов, а следовательно, и как линейную комбинацию всех столбцов матрицы А, то есть

где – коэффициенты линейных комбинаций. А это означает, что – решение системы (6.1.1), следовательно,

эта система совместна.

Совместная система линейных уравнений (6.1.1) может быть либо определенной, либо неопределенной.

Следующая теорема даст критерий определенности.

Теорема 6.2.2. Совместная система линейных уравнений имеет единственное решение тогда и только тогда, когда ранг матрицы А системы равен числу п ее неизвестных.

Таким образом, если число уравнений m системы (6.1.1) меньше числа ее неизвестных n и система совместна, то ранг матрицы системы . Значит система неопределенная.

В случае по теореме 6.2.2 получаем, что система имеет единственное решение. Так как , то определитель и квадратная матрица А имеет обратную x матрицу и её решение можно найти по формуле: , где Х- столбец неизвестных, F— столбец свободных членов, или по формулам Крамера.

Следует отметить, что, решая систему (6.1.1) методом Гаусса, мы определяем и совместность, и определённость системы.

Пример:

Исследовать на совместность и определённость следующую систему линейных уравнений:

Решение:

Составим расширенную матрицу заданной системы. Определяя её ранг, находим тем самым и ранг матрицы системы. Для нахождения ранга матрицы применим алгоритм метода Гаусса.

Из последней матрицы следует, что ранг расширенной матрицы не может быть больше ранга матрицы А системы. Так как

, то заданная система совместная и неопределённая.

Однородные системы линейных уравнений

Система линейных уравнений (6.1.1) называется однородной, если все свободные члены равны нулю, то есть система имеет следующий вид:

Эта система всегда совместна, так как очевидно, что она имеет нулевое решение

Для однородной системы важно установить, имеет ли она ненулевые решения. Этот факт устанавливается следующей теоремой.

Теорема 6.3.1. Для того, чтобы однородная система имела ненулевые решения, необходимо и достаточно, чтобы ранг г матрицы А системы был меньше числа неизвестных n (rn).

Доказательство. Необходимость. Пусть система (6.3.1) имеет ненулевое решение. Тогда она неопределённая, т.к. имеет еще и нулевое решение. В силу теоремы 6.2.2 ранг матрицы неопределённой системы не может равняться n потому что при r(А)=n система определённая. Следовательно, и так как он не может быль больше n то .

Достаточность. Если , то в силу теоремы 6.2.2 система (6.3.1) имеет бесчисленное множество решений. А так как только одно решение является нулевым, то все остальные решения ненулевые.

Следствие 1. Если число неизвестных в однородной системе больше числа уравнений, то однородная система имеет ненулевые решения.

Доказательство. Действительно, ранг матрицы системы (6.3.1) не может превышать m. Но так как по условию, то и . Следовательно, в силу теоремы 6.3.1 система имеет ненулевые решения.

Следствие 2. Для того, чтобы однородная система с квадрат-ной матрицей имела ненулевые решения, необходимо и достаточно, чтобы её определитель равнялся нулю.

Доказательство. Рассмотрим однородную систему с квадратной матрицей:

(6.3.2)

Если определитель матрицы системы , то ранг матрицы , тогда в силу теоремы 6.3.1 система (6.3.2) имеет ненулевое решение, так как условие является необходимым и достаточным условием для существования ненулевого решения. Заметим, что если определитель матрицы системы (6.3.2) не равен нулю, то в силу теоремы 6.3.1 она имеет только нулевое решение.

Пример:

Решить систему однородных линейных уравнений:

Решение:

Составим матицу системы и применим алгоритм полного исключения:

Из последней матрицы следует, что и система имеет бесчисленное множество решений.

Используя последнюю матрицу, последовательно находим общее решение:

Неизвестные – базисные, – свободная неизвестная, .

Фундаментальная система решений. Общее решение неоднородной системы линейных уравнений

Рассмотрим систему однородных линейных уравнений

(6.4.1)

системы m линейных однородных уравнений с n неизвестными можно рассматривать как вектор-строку или как вектор-столбец . Поэтому имеют смысл такие понятия, как сумма двух решений, произведение решения на число, линейная комбинация решений, линейная зависимость или независимость системы решений. Непосредственной подстановкой в систему (6.4.1) можно показать, что:

1) сумма двух решений также является решением системы, т.е.

если – решения системы

(6.4.1), то и – решение системы (6.4.1);

2) произведение решенийна любое число есть решение системы, т.е. – решение системы.

Из приведенных свойств следует, что

3) линейная комбинация решений системы (6.4.1) является решением этой системы.

В частности, если однородная система (6.4.1) имеет хотя бы одно ненулевое решение, то из него умножением на произвольные числа, можно получить бесконечное множество решений.

Определение 6.4.1. Фундаментальной системой решений для системы однородных линейных уравнений (6.4.1) называется линейно независимая система решений, через которую линейно выражается любое решение системы (6.4.1).

Заметим, что если ранг матрицы системы (6.4.1) равен числу неизвестных n (r(А)=n), то эта система не имеет фундаментальной системы решений, так как единственным решением будет нулевое решение, составляющее линейно зависимую систему. Существование и число фундаментальных решений определяется следующей теоремой.

Теорема 6.4.1. Если ранг матрицы однородной системы уравнений (6.4.1) меньше числа неизвестных (r(А)n), то система (6.4.1) имеет бесконечное множество фундаментальных систем решений, причём каждая из них состоит из n-r решений и любые n-r линейно независимые решения составляют фундаментальную систему.

Сформулируем алгоритм построения фундаментальной системы решений:

1. Выбираем любой определитель порядка n-r, отличный от нуля, в частности, определитель порядка n-r, у которого элементы главной диагонали равны единице, а остальные – нули.
2. Свободным неизвестным придаём поочерёдно значения, равные элементам первой, второй и т.д. строк определителя, и каждый раз из общего решения находим соответствующие значения базисных неизвестных.
3. Из полученных n-r решений составляют фундаментальную систему решений.

Меняя произвольно определитель , можно получать всевозможные фундаментальные системы решений.

Пример:

Найти общее решение и фундаментальную систему решений для однородной системы уравнений:

Решение:

Составим матрицу системы и применим алгоритм полного исключения.

Для последней матрицы составляем систему:

,

, из которой находим общее решение:

в котором — базисные неизвестные, а – свободные неизвестные.

Построим фундаментальную систему решений. Для этого выбираем определитель и свободным неизвестным придаём поочерёдно значения, равные элементам первой, а затем второй строк, т.е. положим вначале и получим из общего решения ; затем полагаем , из общего решения находим: .

Таким образом, построенные два решения (1; -1; 1; 0) и (-6; 4; 0; 1) составляют фундаментальную систему решений.

Если ранг матрицы системы однородных линейных уравнений (6.4.1) на единицу меньше числа неизвестных: то , и значит, фундаментальная система состоит из одного решения. Следовательно, любое ненулевое решение образует фундаментальную систему. В этом случае любые два решения различаются между собой лишь числовыми множителями.

Рассмотрим теперь неоднородную систему m линейных уравнений с n неизвестными (6.1.1). Если в системе (6.1.1) положить , то полученная однородная система называется приведенной для системы (6.1.1).

Решения системы (6.1.1) и её приведенной системы удовлетворяют свойствам:

1. Сумма и разность любого решения системы (6.1.1) и любого решения её приведенной системы является решением неоднородной системы.
2. Все решения неоднородной системы можно получить, прибавляя к одному (любому) её решению поочерёдно все решения её приведенной системы.

Из этих свойств следует теорема.

Теорема 6.4.2. Общее решение неоднородной системы (6.1.1.) определяется суммой любого частного решения этой системы и общего решения её приведенной системы.

Пример:

Найти общее решение системы:

Решение:

Составим расширенную матрицу (A|F) заданной системы и применим алгоритм полного исключения:

,

Преобразованной матрице соответствует система уравнений:

из которой находим общее решение системы:

, где — базисные неизвестные, а – свободные неизвестные.

Покажем, что это общее решение определяется суммой любого частного решения заданной системы и общего решения приведенной системы.

Подставляя вместо свободных неизвестных в общее решение системы нули, получаем частное решение исходной системы: .

Очевидно, что общее решение приведенной системы имеет вид:

Суммируя частное решение заданной системы и общее решение приведенной системы, получим общее решение (6.4.2) исходной системы.

Отметим, что общее решение системы (6.1.1) можно представить в векторном виде:

где – • некоторое решение (вектор-строка) системы (6.1.1);

– фундаментальная система решений системы (6.4.1);

– любые действительные числа.

Формула (6.4.4) называется общим решением системы (6.1.1) в векторной форме.

Запишем общее решение системы примера 6.4.1 в векторной форме. Для этого определим фундаментальную систему решений приведенной системы. Возьмём определитель и придадим поочерёдно свободным неизвестным значения, равные элементам строк. Пусть тогда из общего решения (6.4.3) приведенной системы находим ; если же , то . Следовательно, фундаментальную систему решений образуют решения: и . Тогда общее решение заданной системы в векторной форме имеет вид: , где – частное решение заданной системы; .

Определение метода Гаусса

Исторически первым, наиболее распространенным методом решения систем линейных уравнений является метод Гаусса, или метод последовательного исключения неизвестных. Сущность этого метода состоит в том, что посредством последовательных исключений неизвестных данная система превращается в ступенчатую (в частности, треугольную) систему, равносильную данной. При практическом решении системы линейных уравнений методом Гаусса удобнее приводить к ступенчатому виду не саму систему уравнений, а расширенную матрицу этой системы, выполняя элементарные преобразования над ее строками. Последовательно получающиеся в ходе преобразования матрицы обычно соединяют знаком эквивалентности.

Пример:

Решить систему уравнений методом Гаусса:

Решение:

Выпишем расширенную матрицу данной системы и произведем следующие элементарные преобразования над ее строками:

а) из ее второй и третьей строк вычтем первую, умноженную соответственно на 3 и 2:

б) третью строку умножим на (-5) и прибавим к ней вторую:

В результате всех этих преобразований данная система приводится к треугольному виду:

Из последнего уравнения находим Подставляя это значение во второе уравнение, имеем Далее из первого уравнения получим

Вычисление метода Гаусса

Этот метод основан на следующей теореме.

Теорема:

Элементарные преобразования не изменяют ранга матрицы.

К элементарным преобразованиям матрицы относят:

1. перестановку двух параллельных рядов;
2. умножение какого-нибудь ряда на число, отличное от нуля;
3. прибавление к какому-либо ряду матрицы другого, параллельного ему ряда, умноженного на произвольное число.

Путем элементарных преобразований исходную матрицу можно привести к трапециевидной форме

где все диагональные элементы отличны от нуля. Тогда ранг полученной матрицы равен рангу исходной матрицы и равен k.

Пример:

Найти ранг матрицы

1) методом окаймляющих миноров;

2 ) методом Гаусса.

Указать один из базисных миноров.

Решение:

1. Найдем ранг матрицы методом окаймляющих миноров. Выберем минор второго порядка, отличный от нуля. Например,

Существуют два минора третьего порядка, окаймляющих минор

Т.к. миноры третьего порядка равны нулю, ранг матрицы равен двум. Базисным минором является, например, минор

2. Найдем ранг матрицы методом Гаусса. Производя последовательно элементарные преобразования, получим:

1. переставили первую и третью строки;
2. первую строку умножили на 2 и прибавили ко второй, первую строку умножили на 8 и прибавили к третьей;
3. вторую строку умножили на -3 и прибавили к третьей.

Последняя матрица имеет трапециевидную форму и ее ранг равен двум. Следовательно, ранг исходной матрицы также равен двум.

Рекомендую подробно изучить предметы:

Математика Алгебра Линейная алгебра Векторная алгебра Высшая математика Дискретная математика Математический анализ Математическая логика

Ещё лекции с примерами решения и объяснением:

• Прямая линия на плоскости и в пространстве
• Плоскость в трехмерном пространстве
• Функция одной переменной
• Производная функции одной переменной
• Дифференциальные уравнения с примерами
• Обратная матрица – определение и нахождение
• Ранг матрицы – определение и вычисление
• Определители второго и третьего порядков и их свойства

При копировании любых материалов с сайта evkova.org обязательна активная ссылка на сайт www.evkova.org

Сайт создан коллективом преподавателей на некоммерческой основе для дополнительного образования молодежи

Сайт пишется, поддерживается и управляется коллективом преподавателей

Whatsapp и логотип whatsapp являются товарными знаками корпорации WhatsApp LLC.

Cайт носит информационный характер и ни при каких условиях не является публичной офертой, которая определяется положениями статьи 437 Гражданского кодекса РФ. Анна Евкова не оказывает никаких услуг.

Расширенная матрица

Расширенная матрица представляет собой краткое обозначение системы линейных алгебраических уравнений (SLAE).

Пусть множество SLAU

Матрица А, составленная из коэффициентов для неизвестных ,называется главной матрицей системы или матрицы системы:

Матрица , полученная из основной матрицы, путем добавления столбца свободных членов вправо, называется расширенной матрицей SLAE:

Примеры решения задач с расширенными матрицами

Выписать основные и расширенные матрицы следующей системы линейных уравнений

Мы составляем основную матрицу коэффициентов с неизвестными

Добавив столбец свободных членов справа от основной матрицы, получим расширенную матрицу:

[spoiler title=”источники:”]

http://www.evkova.org/metod-gaussa

http://www.homework.ru/spravochnik/rasshirennaya-matrica/

[/spoiler]

Матричный способ решения систем линейных уравнений

Рассмотрим систему линейных уравнений следующего вида:

$left{begin{array}{c} {a_{11} x_{1} +a_{12} x_{2} +…+a_{1n} x_{n} =b_{1} } \ {a_{21} x_{1} +a_{22} x_{2} +…+a_{2n} x_{n} =b_{2} } \ {…} \ {a_{n1} x_{1} +a_{n2} x_{2} +…+a_{nn} x_{n} =b_{n} } end{array}right. .$

Числа $a_{ij} (i=1..n,j=1..n)$ – коэффициенты системы, числа $b_{i} (i=1..n)$ – свободные члены.

Каждой СЛАУ можно поставить в соответствие несколько матриц и записать систему в так называемом матричном виде.

Столбец свободных членов образует вектор-столбец, который, как правило, обозначается буквой $B$ и называется матрицей свободных членов.

Неизвестные переменные образуют вектор-столбец, который, как правило, обозначается буквой $X$ и называется матрицей неизвестных.

Описанные выше матрицы имеют вид:

$A=left(begin{array}{cccc} {a_{11} } & {a_{12} } & {…} & {a_{1n} } \ {a_{21} } & {a_{22} } & {…} & {a_{2n} } \ {…} & {…} & {…} & {…} \ {a_{n1} } & {a_{n2} } & {…} & {a_{nn} } end{array}right),B=left(begin{array}{c} {b_{1} } \ {b_{2} } \ {…} \ {b_{n} } end{array}right),X=left(begin{array}{c} {x_{1} } \ {x_{2} } \ {…} \ {x_{n} } end{array}right).$

Используя матрицы, СЛАУ можно переписать в виде $Acdot X=B$. Такую запись часто называют матричным уравнением.

Вообще говоря, в матричном виде записать можно любую СЛАУ.

Примеры решения системы с помощью обратной матрицы

«Решение систем линейных уравнений матричным методом» 👇

Если матрица системы имеет определитель, не равный нулю, то данная система имеет единственное решение, которое можно найти матричным способом.

Если матрица системы имеет определитель, равный нулю, то данную систему нельзя решить матричным способом.

В линейной алгебре , А матрица коэффициентов представляет собой матрицу , состоящую из коэффициентов переменных в наборе линейных уравнений . Матрица используется при решении систем линейных уравнений .

Матрица коэффициентов

В общем, систему с m линейными уравнениями и n неизвестными можно записать как

где – неизвестные, а числа – коэффициенты системы. Матрица коэффициентов – это матрица размера m  ×  n с коэффициентом в виде ( i , j ) -й записи:
 

Тогда приведенную выше систему уравнений можно более кратко выразить как

где A – матрица коэффициентов, а b – вектор-столбец постоянных членов.

Связь его свойств со свойствами системы уравнений

По теореме Руша-Капелл , система уравнений непоследовательна , то есть он не имеет решений, если ранг в дополненной матрице (матрицы коэффициентов дополненных с дополнительным столбцом , состоящим из вектора б ) больше , чем ранг коэффициента матрица. Если, с другой стороны, ранги этих двух матриц равны, система должна иметь хотя бы одно решение. Решение уникально тогда и только тогда, когда ранг r равен количеству n переменных. В противном случае общее решение имеет n  –  r свободных параметров; следовательно, в таком случае существует бесконечное множество решений, которые могут быть найдены путем наложения произвольных значений на n  –  r переменных и решения полученной системы для ее единственного решения; различный выбор фиксируемых переменных и разные фиксированные их значения дают разные системные решения.

Динамические уравнения

Матричное разностное уравнение первого порядка с постоянным членом можно записать как

где является п  ×  п и у , и с являются п × 1. Эта система сходится к своему стационарному уровню у тогда и только тогда , когда эти абсолютные значения всех п собственных значений от А меньше , чем 1.

Матричное дифференциальное уравнение первого порядка с постоянным членом можно записать как

Эта система устойчива тогда и только тогда, когда все n собственных значений матрицы A имеют отрицательные действительные части .

Рекомендации