Системы линейных уравнений

5.1. Критерий совместности

Система линейных уравнений имеет вид:

 

a₁₁ x₁ + a₁₂ x₂ +... + a_1n x_n = b₁,

a₂₁ x₁ + a₂₂ x₂ +... + a_2n x_n = b₂, (5.1)

............

a_m1 x₁ + a_m1 x₂ +... + a_mn x_n = b_m.

 

Здесь а_{i j} и b_i (i = ; j = ) - заданные, а x_j - неизвестные действительные числа. Используя понятие произведения матриц, можно переписать систему (5.1) в виде:

AX = B, (5.2)

где A = (а_{i j}) - матрица, состоящая из коэффициентов при неизвестных системы (5.1), которая называется матрицей системы, X = (x₁, x₂,..., x_n)^T,
B = (b₁, b₂,..., b_m)^T - векторы-столбцы, составленные соответственно из неизвестных x_j и из свободных членов b_i.

Упорядоченная совокупность n вещественных чисел (c₁, c₂,..., c_n) называется решением системы (5.1), если в результате подстановки этих чисел вместо соответствующих переменных x₁, x₂,..., x_n каждое уравнение системы обратится в арифметическое тождество; другими словами, если существует вектор C= (c₁, c₂,..., c_n)^T такой, что AC º B.

Система (5.1) называется совместной, или разрешимой, если она имеет по крайней мере одно решение. Система называется несовместной, или неразрешимой, если она не имеет решений.

Матрица

`A = ,

образованная путем приписывания справа к матрице A столбца свободных членов, называется расширенной матрицей системы.

Вопрос о совместности системы (5.1) решается следующей теоремой.

Теорема Кронекера- Капелли. Система линейных уравнений совместна тогда и только тогда, когда ранги матриц A и`A совпадают, т.е.
r(A) = r(`A) = r.

Для множества М решений системы (5.1) имеются три возможности:

1) M = Æ (в этом случае система несовместна);

2) M состоит из одного элемента, т.е. система имеет единственное решение (в этом случае система называется определенной);

3) M состоит более чем из одного элемента (тогда система называется неопределенной). В третьем случае система (5.1) имеет бесчисленное множество решений.

Система имеет единственное решение только в том случае, когда
r(A) = n. При этом число уравнений - не меньше числа неизвестных (m³n); если m>n, то m-n уравнений являются следствиями остальных. Если 0<r<n, то система является неопределенной.

Для решения произвольной системы линейных уравнений нужно уметь решать системы, в которых число уравнений равно числу неизвестных, - так называемые системы крамеровского типа:

 

a₁₁ x₁ + a₁₂ x₂ +... + a_1n x_n = b₁,

a₂₁ x₁ + a₂₂ x₂ +... + a_2n x_n = b₂, (5.3)

..................

a_n1 x₁ + a_n1 x₂ +... + a_nn x_n = b_n.

 

Системы (5.3) решаются одним из следующих способов: 1) методом Гаусса, или методом исключения неизвестных; 2) по формулам Крамера;
3) матричным методом.

Пример 2.12. Исследовать систему уравнений и решить ее, если она совместна:

 

5x₁ - x₂ + 2x₃ + x₄ = 7,

2x₁ + x₂ + 4x₃ - 2x₄ = 1,

x₁ - 3x₂ - 6x₃ + 5x₄ = 0.

 

Решение. Выписываем расширенную матрицу системы:

`A = .

Вычислим ранг основной матрицы системы. Очевидно, что, например, минор второго порядка в левом верхнем углу = 7 ¹ 0; содержащие его миноры третьего порядка равны нулю:

M¢₃ = = 0, M²₃ = = 0.

Следовательно, ранг основной матрицы системы равен 2, т.е. r(A)=2. Для вычисления ранга расширенной матрицы `A рассмотрим окаймляющий минор

= = -35 ¹ 0,

значит, ранг расширенной матрицы r(`A) = 3. Поскольку r(A) ¹ r(`A), то система несовместна.

5.2. Метод 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 2. 13. Решить систему уравнений методом Гаусса:

 

x + y - 3z = 2,

3x - 2y + z = - 1,

2x + y - 2z = 0.

 

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:

 

x + y - 3z = 2,

-5y + 10z = -7,

- 10z = 13.

 

Из последнего уравнения находим z = -1,3. Подставляя это значение во второе уравнение, имеем y = -1,2. Далее из первого уравнения получим
x = - 0,7.

5.3. Формулы Крамера

Метод Крамера состоит в том, что мы последовательно находим главный определитель системы (5.3), т.е. определитель матрицы А

D = det (a_{i j})

и n вспомогательных определителей D _i (i= ), которые получаются из определителя D заменой i-го столбца столбцом свободных членов.

Формулы Крамера имеют вид:

D × x _i = D _i (i = ). (5.4)

Из (5.4) следует правило Крамера, которое дает исчерпывающий ответ на вопрос о совместности системы (5.3): если главный определитель системы отличен от нуля, то система имеет единственное решение, определяемое по формулам:

x _i = D _i / D.

Если главный определитель системы D и все вспомогательные определители D _i = 0 (i= ), то система имеет бесчисленное множество решений. Если главный определитель системы D = 0, а хотя бы один вспомогательный определитель отличен от нуля, то система несовместна.

Пример 2.14. Решить методом Крамера систему уравнений:

 

x₁ + x₂ + x₃ + x₄ = 5,

x₁ + 2x₂ - x₃ + 4x₄ = -2,

2x₁ - 3x₂ - x₃ - 5x₄ = -2,

3x₁ + x₂ +2x₃ + 11 x₄ = 0.

 

Решение. Главный определитель этой системы

D = = -142 ¹ 0,

значит, система имеет единственное решение. Вычислим вспомогательные определители D _i (i= ), получающиеся из определителя D путем замены в нем столбца, состоящего из коэффициентов при x_i, столбцом из свободных членов:

D ₁ = = - 142, D ₂ = = - 284,

D ₃ = = - 426, D ₄ = = 142.

Отсюда x₁ = D ₁/D = 1, x₂ = D ₂/D = 2, x₃ = D ₃/D = 3, x₄ = D ₄/D = -1, решение системы - вектор С=(1, 2, 3, -1)^T.

5.4. Матричный метод

Если матрица А системы линейных уравнений невырожденная, т.е.
det A ¹ 0, то матрица А имеет обратную, и решение системы (5.3) совпадает с вектором C = A^-1B. Иначе говоря, данная система имеет единственное решение. Отыскание решения системы по формуле X=C, C=A^-1B называют матричным способом решения системы, или решением по методу обратной матрицы.

Пример 2.15. Решить матричным способом систему уравнений

 

x₁ - x₂ + x₃ = 6,

2x₁ + x₂ + x₃ = 3,

x₁ + x₂ +2x₃ = 5.

 

Решение. Обозначим

A = , X = (x₁, x₂, x₃)^T, B = (6, 3, 5) ^T.

Тогда данная система уравнений запишется матричным уравнением AX=B. Поскольку D = det =5 ¹ 0, то матрица A невырождена и поэтому имеет обратную:

А^-1 = 1/D .

Для получения решения X мы должны умножить вектор-столбец B слева на матрицу A: X = A^-1B. В данном случае

A^-1 =

и, следовательно,

= .

Выполняя действия над матрицами, получим:

 

x₁ = 1/5(1×6+3×3-2×5) = 1/5 (6+9-10) = 1,

x₂ = 1/5 (-3×6 +1×3 - 1×5) = 1/5 (- 18 + 3 + 5) = -2,

x₃ = 1/5 (1×6 - 2×3 + 3×5) = 1/5 (6 -6 + 15) = 3.

 

Итак, С = (1, -2, 3)^T.

5.5. Системы линейных уравнений общего вида

Если система (5.1) оказалась совместной, т. е. матрицы A и `A имеют один и тот же ранг, то могут представиться две возможности - a) r = n;
б) r < n:

а) если r = n, то имеем n независимых уравнений с n неизвестными, причем определитель D этой системы отличен от нуля. Такая система имеет единственное решение, получаемое по формулам Крамера;

б) если r < n, то число независимых уравнений меньше числа неизвестных.

Перенесем лишние неизвестные x _r+1, x _r+2,..., x_n, которые принято называть свободными, в правые части; наша система линейных уравнений примет вид:

 

a₁₁ x₁ + a₁₂ x₂ +... + a_1r x_r = b₁ - a₁,_r+1 x_r+1 -... - a_1nx_n,

a₂₁ x₁ + a₂₂ x₂ +... + a_2r x_r = b₂ - a₂,_r+1 x_r+1 -... - a_2nx_n,

..............................

a_r1 x₁ + a_r2 x₂ +... + a_rr x_r = b_r - a_r,_r+1 x_r+1 -... - a_rnx_n.

 

Ее можно решить относительно x₁, x₂,..., x_r, так как определитель этой системы (r-го порядка) отличен от нуля. Придавая свободным неизвестным произвольные числовые значения, получим по формулам Крамера соответствующие числовые значения для x₁, x₂,..., x_r. Таким образом, при r < n имеем бесчисленное множество решений.

Система (5.1) называется однородной, если все b_i = 0, т. е. она имеет вид:

a ₁₁ x₁ + a₁₂ x₂ +... + a_1n x_n = 0,

a₂₁ x₁ + a₂₂ x₂ +... + a_2n x_n = 0, (5.5)

..................

a_m1 x₁ + a_m1 x₂ +... + a_mn x_n = 0.

Из теоремы Кронекера-Капелли следует, что она всегда совместна, так как добавление столбца из нулей не может повысить ранга матрицы. Это, впрочем, видно и непосредственно - система (5.5) заведомо обладает нулевым, или тривиальным, решением x₁ = x₂ =... = x_n = 0. Пусть матрица А системы (5.5) имеет ранг r.

Если r = n, то нулевое решение будет единственным решением системы (5.5); при r < n система обладает решениями, отличными от нулевого, и для их разыскания применяют тот же прием, как и в случае произвольной системы уравнений.

Всякий ненулевой вектор - столбец X= (x₁, x₂,..., x_n)^T называется собственным вектором линейного преобразования (квадратной матрицы A ), если найдется такое число l, что будет выполняться равенство

AX = lX.

Число l называется собственным значением линейного преобразования (матрицы A ), соответствующим вектору X. Матрица A имеет порядок n.

В математической экономике большую роль играют так называемые продуктивные матрицы. Доказано, что матрица A является продуктивной тогда и только тогда, когда все собственные значения матрицы A по модулю меньше единицы.

Для нахождения собственных значений матрицы A перепишем равенство AX = lX в виде (A - lE)X = 0, где E- единичная матрица n-го порядка или в координатной форме:

 

(a₁₁ -l)x₁ + a₁₂x₂ +... + a_1nx_n =0,

a₂₁x₁ + (a₂₂ -l)x₂ +... + a_2nx_n = 0,

........................ (5.6)

a_n1x₁ + a_n2x₂ +... + (a_nn-l)x_n = 0.

 

Получили систему линейных однородных уравнений, которая имеет ненулевые решения тогда и только тогда, когда определитель этой системы равен нулю, т.е.

= .

Получили уравнение n-ой степени относительно неизвестной l, которое называется характеристическим уравнением матрицы A, многочлен называется характеристическим многочленом матрицы A, а его корни - характеристическими числами, или собственными значениями, матрицы A.

Для нахождения собственных векторов матрицы A в векторное уравнение (A - lE)X = 0 или в соответствующую систему однородных уравнений (5.6) нужно подставить найденные значения l и решать обычным образом.

Пример 2.16. Исследовать систему уравнений и решить ее, если она совместна.

 

x₁ + x₂ - 2x₃ - x₄ + x₅ =1,

3x₁ - x₂ + x₃ + 4x₄ + 3x₅ =4,

x₁ + 5x₂ - 9x₃ - 8x₄ + x₅ =0.

 

Решение. Будем находить ранги матриц A и `A методом элементарных преобразований, приводя одновременно систему к ступенчатому виду:

~ ~ .

Очевидно, что r(A) = r(`A) = 2. Исходная система равносильна следующей, приведенной к ступенчатому виду:

 

x₁ + x₂ - 2x₃ - x₄ + x₅ = 1,

- 4x₂ + 7x₃ + 7x₄ = 1.

 

Поскольку определитель при неизвестных x₁ и x₂ отличен от нуля, то их можно принять в качестве главных и переписать систему в виде:

 

x₁ + x₂ = 2x₃ + x₄ - x₅ + 1,

- 4x₂ = - 7x₃ - 7x₄ + 1,

 

откуда x₂ = 7/4 x₃ + 7/4 x₄ -1/4, x₁ = 1/4 x₃ -3/4 x₄ - x₅ + 5/4 - общее решение системы, имеющей бесчисленное множество решений. Придавая свободным неизвестным x₃, x₄, x₅ конкретные числовые значения, будем получать частные решения. Например, при x₃ = x₄ = x₅ = 0 x₁= 5/4, x₂ = - 1/4. Вектор C(5/4, - 1/4, 0, 0, 0) является частным решением данной системы.

Пример 2.17. Исследовать систему уравнений и найти общее решение в зависимости от значения параметра а.

 

2x₁ - x₂ + x₃ + x₄ = 1,

x₁ + 2x₂ - x₃ + 4x₄ = 2,

x₁ + 7x₂ - 4x₃ + 11x₄ = a.

 

Решение. Данной системе соответствует матрица`А= . Имеем `А ~ ~ , следовательно, исходная система равносильна такой:

 

x₁ + 2x₂ - x₃ + 4x₄ = 2,

5x₂ - 3x₃ + 7x₄ = a-2,

0 = a-5.

 

Отсюда видно, что система совместна только при a=5. Общее решение в этом случае имеет вид:

x₂ = 3/5 + 3/5x₃ - 7/5x₄, x₁ = 4/5 - 1/5x₃ - 6/5x_4.

Пример 2.18. Выяснить, будет ли линейно зависимой система векторов:

 

a ₁ = (1, 1, 4, 2),

a ₂ = (1, -1, -2, 4),

a ₃ = (0, 2, 6, -2),

a ₄ = (-3, -1, 3, 4),

a ₅ = (-1, 0, - 4, -7).

 

Решение. Система векторов является линейно зависимой, если найдутся такие числа x₁, x₂, x₃, x₄, x₅, из которых хотя бы одно отлично от нуля
(см. п. 1. разд. I), что выполняется векторное равенство:

x₁ a ₁ + x₂ a ₂ + x₃ a ₃ + x₄ a ₄ + x₅ a ₅ = 0.

В координатной записи оно равносильно системе уравнений:

 

x₁ + x₂ - 3x₄ - x₅ = 0,

x₁ - x₂ + 2x₃ - x₄ = 0,

4x₁ - 2x₂ + 6x₃ +3x₄ - 4x₅ = 0,

2x₁ + 4x₂ - 2x₃ + 4x₄ - 7x₅ = 0.

 

Итак, получили систему линейных однородных уравнений. Решаем ее методом исключения неизвестных:

~ ~ ~

~ ~ ~ .

Система приведена к ступенчатому виду, ранг матрицы равен 3, значит, однородная система уравнений имеет решения, отличные от нулевого (r < n). Определитель при неизвестных x₁, x₂, x₄ отличен от нуля, поэтому их можно выбрать в качестве главных и переписать систему в виде:

 

x₁ + x₂ - 3x₄ = x₅,

-2x₂ + 2x₄ = -2x₃ - x₅,

- 3x₄ = - x₅.

 

Имеем: x₄ = 1/3 x₅, x₂ = 5/6x₅+x₃, x₁ = 7/6 x₅ -x₃.

Система имеет бесчисленное множество решений; если свободные неизвестные x₃ и x₅ не равны нулю одновременно, то и главные неизвестные отличны от нуля. Следовательно, векторное уравнение

x₁ a ₁ + x₂ a ₂ + x₃ a ₃ + x₄ a ₄ + x₅ a ₅ = 0

имеет коэффициенты, не равные нулю одновременно; пусть например, x₅ = 6, x₃ = 1. Тогда x₄=2, x₂ = 6, x₁=6 и мы получим соотношение

6 a ₁ + 6 a ₂ + a ₃ + 2 a ₄ + 6 a ₅ = 0,

т.е. данная система векторов линейно независима.

Пример 2.19. Найти собственные значения и собственные векторы матрицы

A = .

Решение. Вычислим определитель матрицы A - lE:

= det = det

.

Итак, = (l - 2)² × (l+2)². Корни характеристического уравнения =0 - это числа l₁ = 2 и l₂ = -2. Другими словами, мы нашли собственные значения матрицы A. Для нахождения собственных векторов матрицы A подставим найденные значения l в систему (5.6): при l = 2 имеем систему линейных однородных уравнений

 

x₁ - x₂ = 0, x₁ - x₂ = 0,

x₁ - x₂ = 0, Þ 3x₂ -7x₃ - 3x₄ = 0,

3x₁ - 7x₃ - 3x₄ = 0, 5x₃ + x₄ = 0.

4x₁ - x₂ + 3x₃ - x₄ = 0,

 

Следовательно, собственному значению l = 2 отвечают собственные векторы вида a (8, 8, -3, 15), где a - любое отличное от нуля действительное число. При l = -2 имеем:

A - lE = A +2E = ~ ,

и поэтому координаты собственных векторов должны удовлетворять системе уравнений

 

x₁+3x₂ = 0,

x₂ = 0,

x₃+x₄= 0.

 

Поэтому собственному значению l = -2 отвечают собственные векторы вида b (0, 0,-1, 1), где b - любое отличное от нуля действительное число.

⇐ Предыдущая1234567Следующая ⇒

Поделиться:

Воспользуйтесь поиском по сайту: