Матричный метод решения СЛАУ применяют к решению систем уравнений, у которых количество уравнений соответствует количеству неизвестных. Метод лучше применять для решения систем низкого порядка. Матричный метод решения систем линейных уравнений основывается на применении свойств умножения матриц.

Этот способ, другими словами метод обратной матрицы, называют так, так как решение сводится к обычному матричному уравнению, для решения которого нужно найти обратную матрицу.

Матричный метод решения СЛАУ с определителем, который больше или меньше нуля состоит в следующем:

Предположим, есть СЛУ (система линейных уравнений) с n неизвестными (над произвольным полем):

Значит, её легко перевести в матричную форму:

AX=B , где A — основная матрица системы, B и X — столбцы свободных членов и решений системы соответственно:

Умножим это матричное уравнение слева на A −1 — обратную матрицу к матрице A: A −1 (AX)=A −1 B.

Т.к. A −1 A=E , значит, X=A −1 B . Правая часть уравнения дает столбец решений начальной системы. Условием применимости матричного метода есть невырожденность матрицы A . Необходимым и достаточным условием этого есть неравенство нулю определителя матрицы A :

detA≠0.

Для однородной системы линейных уравнений , т.е. если вектор B=0 , выполняется обратное правило: у системы AX=0 есть нетривиальное (т.е. не равное нулю) решение лишь когда detA=0 . Эта связь между решениями однородных и неоднородных систем линейных уравнений называется альтернатива Фредгольма.

Т.о., решение СЛАУ матричным методом производится по формуле . Либо, решение СЛАУ находят при помощи обратной матрицы A −1 .

Известно, что у квадратной матрицы А порядка n на n есть обратная матрица A −1 только в том случае, если ее определитель ненулевой. Таким образом, систему n линейных алгебраических уравнений с n неизвестными решаем матричным методом только в случае, если определитель основной матрицы системы не равен нулю.

Не взирая на то, что есть ограничения возможности применения такого метода и существуют сложности вычислений при больших значениях коэффициентов и систем высокого порядка, метод можно легко реализовать на ЭВМ.

Пример решения неоднородной СЛАУ.

Для начала проверим, не равен ли нулю определитель матрицы коэффициентов у неизвестных СЛАУ.

Теперь находим союзную матрицу , транспонируем её и подставляем в формулу для определения обратной матрицы.

Подставляем переменные в формулу:

Теперь находим неизвестные, перемножая обратную матрицу и столбик свободных членов.

Итак, x=2; y=1; z=4.

При переходе от обычного вида СЛАУ к матричной форме будьте внимательными с порядком неизвестных переменных в уравнениях системы. Например :

НЕЛЬЗЯ записать как:

Необходимо, для начала, упорядочить неизвестные переменные в кадом уравнении системы и только после этого переходить к матричной записи:

Кроме того, нужно быть внимательными с обозначением неизвестных переменных, вместо x 1 , x 2 , …, x n могут оказаться другие буквы. К примеру :

в матричной форме записываем так:

Матричным методом лучше решать системы линейных уравнений, в которых количество уравнений совпадает с числом неизвестных переменных и определитель основной матрицы системы не равен нулю. Когда в системе более 3-х уравнений, на нахождение обратной матрицы потребуется больше вычислительных усилий, поэтому, в этом случае целесообразно использовать для решения метод Гаусса.

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

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

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

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

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

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

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

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

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

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

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

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

Теорема. Если в системе из n уравнений переменные x 1 , x 2 , ..., x r - разрешенные, а x r + 1 , x r + 2 , ..., x k - свободные, то:

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

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

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

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

• Системы m линейных уравнений с n неизвестными.
  Решение системы линейных уравнений — это такое множество чисел {x 1 , x 2 , …, x n }, при подстановке которых в каждое из уравнений системы получается верное равенство.
  где a ij , i = 1, …, m; j = 1, …, n — коэффициенты системы;
  b i , i = 1, …, m — свободные члены;
  x j , j = 1, …, n — неизвестные.
  Вышеприведенная система может быть записана в матричном виде: A · X = B ,
  
  
  
  
  где (A |B ) — основная матрица системы;
  A — расширенная матрица системы;
  X — столбец неизвестных;
  B — столбец свободных членов.
  Если матрица B не является нуль-матрицей ∅, то данная система линейных уравнений называется неоднородной.
  Если матрица B = ∅, то данная система линейных уравнений называется однородной. Однородная система всегда имеет нулевое (тривиальное) решение: x 1 = x 2 = …, x n = 0 .
  Совместная система линейных уравнений — это имеющая решение система линейных уравнений.
  Несовместная система линейных уравнений — это не имеющая решение система линейных уравнений.
  Определённая система линейных уравнений — это имеющая единственное решение система линейных уравнений.
  Неопределённая система линейных уравнений — это имеющая бесконечное множество решений система линейных уравнений.
• Системы n линейных уравнений с n неизвестными
  Если число неизвестных равно числу уравнений, то матрица – квадратная. Определитель матрицы называется главным определителем системы линейных уравнений и обозначается символом Δ.
  Метод Крамера для решения систем n линейных уравнений с n неизвестными.
  Правило Крамера.
  Если главный определитель системы линейных уравнений не равен нулю, то система совместна и определена, причем единственное решение вычисляется по формулам Крамера:
  где Δ i — определители, получаемые из главного определителя системы Δ заменой i -го столбца на столбец свободных членов. .
• Системы m линейных уравнений с n неизвестными
  Теорема Кронекера−Капелли .
  
  
  Для того чтобы данная система линейных уравнений была совместной, необходимо и достаточно, чтобы ранг матрицы системы был равен рангу расширенной матрицы системы, rang(Α) = rang(Α|B) .
  Если rang(Α) ≠ rang(Α|B) , то система заведомо не имеет решений.
  Eсли rang(Α) = rang(Α|B) , то возможны два случая:
  1) rang(Α) = n (числу неизвестных) − решение единственно и может быть получено по формулам Крамера;
  2) rang(Α) < n − решений бесконечно много.
• Метод Гаусса для решения систем линейных уравнений
  
  
  Составим расширенную матрицу (A |B ) данной системы из коэффициентов при неизвестных и правых частей.
  Метод Гаусса или метод исключения неизвестных состоит в приведении расширенной матрицы (A |B ) с помощью элементарных преобразований над ее строками к диагональному виду (к верхнему треугольному виду). Возвращаясь к системе уравнений, определяют все неизвестные.
  К элементарным преобразованиям над строками относятся следующие:
  1) перемена местами двух строк;
  2) умножение строки на число, отличное от 0;
  3) прибавление к строке другой строки, умноженной на произвольное число;
  4) выбрасывание нулевой строки.
  Расширенной матрице, приведенной к диагональному виду, соответствует линейная система, эквивалентная данной, решение которой не вызывает затруднений. .
• Система однородных линейных уравнений.
  Однородная система имеет вид:
  
  ей соответствует матричное уравнение A · X = 0 .
  1) Однородная система всегда совместна, так как r(A) = r(A|B) , всегда существует нулевое решение (0, 0, …, 0).
  2) Для того чтобы однородная система имела ненулевое решение, необходимо и достаточно, чтобы r = r(A) < n , что равносильно Δ = 0.
  3) Если r < n , то заведомо Δ = 0, тогда возникают свободные неизвестные c 1 , c 2 , …, c n-r , система имеет нетривиальные решения, причем их бесконечно много.
  4) Общее решение X при r < n может быть записано в матричном виде следующим образом:
  X = c 1 · X 1 + c 2 · X 2 + … + c n-r · X n-r ,
  где решения X 1 , X 2 , …, X n-r образуют фундаментальную систему решений.
  5) Фундаментальная система решений может быть получена из общего решения однородной системы:
  
  ,
  если последовательно полагать значения параметров равными (1, 0, …, 0), (0, 1, …, 0), …, (0, 0, …,1).
  Разложение общего решения по фундаментальной системе решений — это запись общего решения в виде линейной комбинации решений, принадлежащих к фундаментальной системе.
  Теорема . Для того, чтобы система линейных однородных уравнений имела ненулевое решение, необходимо и достаточно, чтобы Δ ≠ 0.
  Итак, если определитель Δ ≠ 0, то система имеет единственное решение.
  Если же Δ ≠ 0, то система линейных однородных уравнений имеет бесконечное множество решений.
  Теорема . Для того чтобы однородная система имела ненулевое решение, необходимо и достаточно, чтобы r(A) < n .
  Доказательство :
  1) r не может быть больше n (ранг матрицы не превышает числа столбцов или строк);
  2) r < n , т.к. если r = n , то главный определитель системы Δ ≠ 0, и, по формулам Крамера, существует единственное тривиальное решение x 1 = x 2 = … = x n = 0 , что противоречит условию. Значит, r(A) < n .
  Следствие . Для того чтобы однородная система n линейных уравнений с n неизвестными имела ненулевое решение, необходимо и достаточно, чтобы Δ = 0.

Однако на практике широко распространены еще два случая:

– Система несовместна (не имеет решений);
– Система совместна и имеет бесконечно много решений.

Примечание : термин «совместность» подразумевает, что у системы существует хоть какое-то решение. В ряде задач требуется предварительно исследовать систему на совместность, как это сделать – см. статью о ранге матриц .

Для этих систем применяют наиболее универсальный из всех способов решения – метод Гаусса . На самом деле, к ответу приведет и «школьный» способ, но в высшей математике принято использовать гауссовский метод последовательного исключения неизвестных. Те, кто не знаком с алгоритмом метода Гаусса, пожалуйста, сначала изучите урок метод Гаусса для чайников .

Сами элементарные преобразования матрицы – точно такие же , разница будет в концовке решения. Сначала рассмотрим пару примеров, когда система не имеет решений (несовместна).

Пример 1

Что сразу бросается в глаза в этой системе? Количество уравнений – меньше, чем количество переменных. Если количество уравнений меньше, чем количество переменных , то сразу можно сказать, что система либо несовместна, либо имеет бесконечно много решений. И это осталось только выяснить.

Начало решения совершенно обычное – запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду:

(1) На левой верхней ступеньке нам нужно получить +1 или –1. Таких чисел в первом столбце нет, поэтому перестановка строк ничего не даст. Единицу придется организовать самостоятельно, и сделать это можно несколькими способами. Я поступил так: К первой строке прибавляем третью строку, умноженную на –1.

(2) Теперь получаем два нуля в первом столбце. Ко второй строке прибавляем первую строку, умноженную на 3. К третьей строке прибавляем первую строку, умноженную на 5.

(3) После выполненного преобразования всегда целесообразно посмотреть, а нельзя ли упростить полученные строки? Можно. Вторую строку делим на 2, заодно получая нужную –1 на второй ступеньке. Третью строку делим на –3.

(4) К третьей строке прибавляем вторую строку.

Наверное, все обратили внимание на нехорошую строку, которая получилась в результате элементарных преобразований: . Ясно, что так быть не может. Действительно, перепишем полученную матрицу обратно в систему линейных уравнений:

Если в результате элементарных преобразований получена строка вида , где – число, отличное от нуля, то система несовместна (не имеет решений) .

Как записать концовку задания? Нарисуем белым мелом: «в результате элементарных преобразований получена строка вида , где » и дадим ответ: система не имеет решений (несовместна).

Если же по условию требуется ИССЛЕДОВАТЬ систему на совместность, тогда необходимо оформить решение в более солидном стиле с привлечением понятия ранга матрицы и теоремы Кронекера-Капелли .

Обратите внимание, что здесь нет никакого обратного хода алгоритма Гаусса – решений нет и находить попросту нечего.

Пример 2

Решить систему линейных уравнений

Это пример для самостоятельного решения. Полное решение и ответ в конце урока. Снова напоминаю, что ваш ход решения может отличаться от моего хода решения, у алгоритма Гаусса нет сильной «жёсткости».

Еще одна техническая особенность решения: элементарные преобразования можно прекращать сразу же , как только появилась строка вида , где . Рассмотрим условный пример: предположим, что после первого же преобразования получилась матрица . Матрица еще не приведена к ступенчатому виду, но в дальнейших элементарных преобразованиях нет никакой необходимости, так как появилась строка вида , где . Следует сразу дать ответ, что система несовместна.

Когда система линейных уравнений не имеет решений – это почти подарок, ввиду того, что получается короткое решение, иногда буквально в 2-3 действия.

Но всё в этом мире уравновешено, и задача, в которой система имеет бесконечно много решений – как раз длиннее.

Пример 3

Решить систему линейных уравнений

Тут 4 уравнений и 4 неизвестных, таким образом, система может иметь либо единственное решение, либо не иметь решений, либо иметь бесконечно много решений. Как бы там ни было, но метод Гаусса в любом случае приведет нас к ответу. В этом его и универсальность.

Начало опять стандартное. Запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду:

Вот и всё, а вы боялись.

(1) Обратите внимание, что все числа в первом столбце делятся на 2, поэтому на левой верхней ступеньке нас устраивает и двойка. Ко второй строке прибавляем первую строку, умноженную на –4. К третьей строке прибавляем первую строку, умноженную на –2. К четвертой строке прибавляем первую строку, умноженную на –1.

Внимание! У многих может возникнуть соблазн из четвертой строки вычесть первую строку. Так делать можно, но не нужно, опыт показывает, что вероятность ошибки в вычислениях увеличивается в несколько раз. Только складываем: К четвертой строке прибавляем первую строку, умноженную на –1 – именно так!

(2) Последние три строки пропорциональны, две из них можно удалить.

Здесь опять нужно проявить повышенное внимание , а действительно ли строки пропорциональны? Для перестраховки (особенно, чайнику) не лишним будет вторую строку умножить на –1, а четвертую строку разделить на 2, получив в результате три одинаковые строки. И только после этого удалить две из них.

В результате элементарных преобразований расширенная матрица системы приведена к ступенчатому виду:

При оформлении задачи в тетради желательно для наглядности делать такие же пометки карандашом.

Перепишем соответствующую систему уравнений:

«Обычным» единственным решением системы здесь и не пахнет. Нехорошей строки тоже нет. Значит, это третий оставшийся случай – система имеет бесконечно много решений. Иногда по условию нужно исследовать совместность системы (т.е. доказать, что решение вообще существует), об этом можно прочитать в последнем параграфе статьи Как найти ранг матрицы? Но пока разбираем азы:

Бесконечное множество решений системы коротко записывают в виде так называемого общего решения системы .

Общее решение системы найдем с помощью обратного хода метода Гаусса.

Сначала нужно определить, какие переменные у нас являются базисными , а какие переменные свободными . Не обязательно заморачиваться терминами линейной алгебры, достаточно запомнить, что вот существуют такие базисные переменные и свободные переменные .

Базисные переменные всегда «сидят» строго на ступеньках матрицы .
В данном примере базисными переменными являются и

Свободные переменные – это все оставшиеся переменные, которым не досталось ступеньки. В нашем случае их две: – свободные переменные.

Теперь нужно все базисные переменные выразить только через свободные переменные .

Обратный ход алгоритма Гаусса традиционно работает снизу вверх.
Из второго уравнения системы выражаем базисную переменную :

Теперь смотрим на первое уравнение: . Сначала в него подставляем найденное выражение :

Осталось выразить базисную переменную через свободные переменные :

В итоге получилось то, что нужно – все базисные переменные ( и ) выражены только через свободные переменные :

Собственно, общее решение готово:

Как правильно записать общее решение?
Свободные переменные записываются в общее решение «сами по себе» и строго на своих местах. В данном случае свободные переменные следует записать на второй и четвертой позиции:
.

Полученные же выражения для базисных переменных и , очевидно, нужно записать на первой и третьей позиции:

Придавая свободным переменным произвольные значения , можно найти бесконечно много частных решений . Самыми популярными значениями являются нули, поскольку частное решение получается проще всего. Подставим в общее решение:

– частное решение.

Другой сладкой парочкой являются единицы, подставим в общее решение:

– еще одно частное решение.

Легко заметить, что система уравнений имеет бесконечно много решений (так как свободным переменным мы можем придать любые значения)

Каждое частное решение должно удовлетворять каждому уравнению системы. На этом основана «быстрая» проверка правильности решения. Возьмите, например, частное решение и подставьте его в левую часть каждого уравнения исходной системы:

Всё должно сойтись. И с любым полученным вами частным решением – тоже всё должно сойтись.

Но, строго говоря, проверка частного решения иногда обманывает, т.е. какое-нибудь частное решение может удовлетворять каждому уравнению системы, а само общее решение на самом деле найдено неверно.

Поэтому более основательна и надёжна проверка общего решения. Как проверить полученное общее решение ?

Это несложно, но довольно муторно. Нужно взять выражения базисных переменных, в данном случае и , и подставить их в левую часть каждого уравнения системы.

В левую часть первого уравнения системы:

В левую часть второго уравнения системы:


Получена правая часть исходного уравнения.

Пример 4

Решить систему методом Гаусса. Найти общее решение и два частных. Сделать проверку общего решения.

Это пример для самостоятельного решения. Здесь, кстати, снова количество уравнений меньше, чем количество неизвестных, а значит, сразу понятно, что система будет либо несовместной, либо с бесконечным множеством решений. Что важно в самом процессе решения? Внимание, и еще раз внимание . Полное решение и ответ в конце урока.

И еще пара примеров для закрепления материала

Пример 5

Решить систему линейных уравнений. Если система имеет бесконечно много решений, найти два частных решения и сделать проверку общего решения

Решение : Запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду:

(1) Ко второй строке прибавляем первую строку. К третьей строке прибавляем первую строку, умноженную на 2. К четвертой строке прибавляем первую строку, умноженную на 3.
(2) К третьей строке прибавляем вторую строку, умноженную на –5. К четвертой строке прибавляем вторую строку, умноженную на –7.
(3) Третья и четвертая строки одинаковы, одну из них удаляем.

Вот такая красота:

Базисные переменные сидят на ступеньках, поэтому – базисные переменные.
Свободная переменная, которой не досталось ступеньки здесь всего одна:

Обратный ход:
Выразим базисные переменные через свободную переменную:
Из третьего уравнения:

Рассмотрим второе уравнение и подставим в него найденное выражение :

Рассмотрим первое уравнение и подставим в него найденные выражения и :

Да, всё-таки удобен калькулятор, который считает обыкновенные дроби.

Таким образом, общее решение:

Еще раз, как оно получилось? Свободная переменная одиноко сидит на своём законном четвертом месте. Полученные выражения для базисных переменных , тоже заняли свои порядковые места.

Сразу выполним проверку общего решения. Работа для негров, но она у меня уже выполнена, поэтому ловите =)

Подставляем трех богатырей , , в левую часть каждого уравнения системы:

Получены соответствующие правые части уравнений, таким образом, общее решение найдено верно.

Теперь из найденного общего решения получим два частных решения. Шеф-поваром здесь выступает единственная свободная переменная . Ломать голову не нужно.

Пусть , тогда – частное решение.
Пусть , тогда – еще одно частное решение.

Ответ : Общее решение: , частные решения: , .

Зря я тут про негров вспомнил... ...потому что в голову полезли всякие садистские мотивы и вспомнилась известная фотожаба, на которой куклуксклановцы в белых балахонах бегут по полю за чернокожим футболистом. Сижу, тихо улыбаюсь. Знаете, как отвлекает….

Много математики вредно, поэтому похожий заключительный пример для самостоятельного решения.

Пример 6

Найти общее решение системы линейных уравнений.

Проверка общего решения у меня уже сделана, ответу можно доверять. Ваш ход решения может отличаться от моего хода решения, главное, чтобы совпали общие решения.

Наверное, многие заметили неприятный момент в решениях: очень часто при обратном ходе метода Гаусса нам пришлось возиться с обыкновенными дробями. На практике это действительно так, случаи, когда дробей нет – встречаются значительно реже. Будьте готовы морально, и, самое главное, технически.

Остановлюсь на некоторых особенностях решения, которые не встретились в прорешанных примерах.

В общее решение системы иногда может входить константа (или константы), например: . Здесь одна из базисных переменных равна постоянному числу: . В этом нет ничего экзотического, так бывает. Очевидно, что в данном случае любое частное решение будет содержать пятерку на первой позиции.

Редко, но встречаются системы, в которых количество уравнений больше количества переменных . Метод Гаусса работает в самых суровых условиях, следует невозмутимо привести расширенную матрицу системы к ступенчатому виду по стандартному алгоритму. Такая система может быть несовместной, может иметь бесконечно много решений, и, как ни странно, может иметь единственное решение.

Инструкция

Метод подстановки или последовательного исключения.Подстановку используют в системе с небольшим количеством неизвестных. Это простейший метод решения для несложных . Сначала из первого уравнения выражаем одно неизвестное через другие, подставляем это выражение во второе уравнение. Выражаем из преображенного второго уравнения второе неизвестное, подставляем полученное в третье уравнение и т.д. до тех пор, пока не вычислим последнее неизвестное. Затем подставляем его значение в предыдущее уравнение и узнаем предпоследнее неизвестное и т.д. Рассмотрим с неизвестными.x + y - 3 = 0
2x - y - 3 = 0
Выразим из первого уравнения x: x = 3 - y. Подставим во второе уравнение: 2(3 - y) - y - 3 = 0
6 - 2y - y - 3 = 0
3 - 3y = 0
y = 1
Подставляем в первое уравнение системы (или в выражение для x, что одно и то же): x + 1 - 3 = 0. Получим, что x = 2.

Метод почленного вычитания (или сложения).Этот метод часто сократить решения системы и упростить вычисления. Состоит он в том, чтобы проанализировав при неизвестных таким образом сложить (или вычесть) уравнения системы , чтобы исключить часть неизвестных из уравнения. Рассмотрим пример, возьмем ту же систему, что и в первом методе.
x + y - 3 = 0
2x - y - 3 = 0
Легко видеть, что при y стоят одинаковые по модулю коэффициенты, но с знаком, поэтому если мы сложим два уравнения почленно, то yдастся исключить y. Выполним сложение: x + 2x + y - y - 3 - 3 = 0 или 3x - 6 = 0. Таким образом, x = 2. Подставив это значение в любое уравнение, найдем y.
Можно, наоборот, исключить x. Коэффициенты при x одинаковы по знаку, поэтому будем вычитать одно уравнение из другого. Но в первом уравнении коэффициент при x - 1, а во втором - 2, поэтому просто не удастся исключить x. Умножим первое уравнение на 2, получим такую систему:
2x + 2y - 6 = 0
2x - y - 3 = 0
Теперь почленно вычтем из первого уравнения второе: 2x - 2x + 2y - (-y) - 6 - (-3) = 0 или, приведя подобные, 3y - 3 = 0. Таким образом y = 1. Подставив в любое уравнение, найдем x.

Видео по теме

Совет 2: Как доказать совместимость системы линейных уравнений

Одно из заданий высшей математики – доказательство совместимости системы линейных уравнений. Доказательство необходимо проводить по теореме Кронкера-Капелли, согласно которой система совместна, если ранг ее основной матрицы равен рангу расширенной матрицы.

Инструкция

Запишите основную матрицу системы. Для этого приведите уравнения в стандартный вид (то есть выставьте все коэффициенты в одном и том же порядке, если какого либо из них нет – запишите, просто с числовым коэффициентом «0»). Выпишите все коэффициенты в виде таблицы, заключите ее в скобки (свободные члены, перенесенные в правую часть, не учитывайте).

Точно также запишите расширенную матрицу системы, только в этом случае поставьте справа вертикальную черту и запишите столбик свободных членов.

Посчитайте ранг основной матрицы, это наибольший ненулевой минор. Минор первого порядка – это любая цифра матрицы, очевидно, что она не равна нулю. Чтобы посчитать минор второго порядка, возьмите любые две строки и любые два столбца (у вас получится из четырех цифр). Посчитайте определитель, умножьте верхнее левое число на нижнее правое, вычтите из полученного числа произведение нижнего левого и верхнего правого. У вас получился минор второго порядка.

Сложнее посчитать минор третьего порядка. Для этого возьмите любые три строки и три столбца, у вас получится таблица из девяти чисел. Посчитайте определитель по формуле: ∆=а11а22а33+а12а23а31+а21а32а13-а31а22а13-а12а21а33-а11а23а32 (первая цифра коэффициента – номер строки, вторая цифра – номер столбца). Вы получили минор третьего порядка.

Точно так же найдите ранг расширенной матрицы. Обратите внимание, если количество уравнений в вашей системе совпадает с рангом (например, три уравнения, и ранг равен 3), рассчитывать ранг расширенной матрицы нет смысла – очевидно, что он также будет равен этому числу. В таком случае можно смело вывод о том, что система линейных уравнений совместна.

Видео по теме

Заданный вопрос полностью покрывает основную цель целого курса «Линейная алгебра». Поэтому ответ можно дать только в сжатом виде, без подробных выкладок и пояснений. В целом же линейные уравнения интересны тем, что решать их возможно чисто алгоритмическими методами.

Инструкция

Система т линейных алгебраических уравнений с n неизвестными имеет вид (см. рис. 1).
В ней аij – коэффициенты системы, хj – неизвестные, bi – свободные члены (i=1, 2, ... , т; j=1, 2, ... , п). Практический смысл такая система имеет в том случае, когда число ее уравнений не превышает число неизвестных, то есть при m≤n. Дело в том, что в противном случае «лишние» уравнения должны являться линейной комбинацией остальных. Это , что они их просто повторяют. Если нет, то и решение не существует (система не совместна).

Компактно такую систему можно записывать в матричной форме АХ=B. Здесь А – коэффициентов системы, Х – матрица- столбец неизвестных, B – матрица-столбец свободных членов (см. рис 2). Если m=n, т.е. есть количество неизвестных и число уравнений одинаково, то матрица А квадратная. Потому для нее определено понятие определителя матрицы ∆=|A|. При |A|≠0 существует обратная матрица A⁻¹. Ее базируется на равенстве АA⁻¹= A⁻¹A=E (E – единичная матрица). Формула для вычисления также присутствует на рисунке 2. Следует лишь добавить, что элементы Aij Ã, называемые алгебраическими дополнениями элементов aij матрицы А вычисляются следующим образом. Возьмите определитель |A|и вычеркните из него строку и столбец, на котором находится элемент aij. Оставшиеся коэффициенты запишите в виде определителя, который умножьте на (-1), если i+j не четно. Соответствующее число равно Aij. Алгебраические дополнения записываются по столбцам присоединенной матрицы.

Найдите решение системы матричным способом. Для этого обе части системы AX=B умножьте на A⁻¹ слева. Получите (A⁻¹A)X=A⁻¹B, EX=A⁻¹B или X=A⁻¹B. Все подробности проиллюстрированы на рис. 3. На этом же рисунке приведена