Определение. Матрицы, полученные в результате элементарного преобразования, называются эквивалентными.

Надо отметить, что равные матрицы и эвивалентные матрицы - понятия совершенно различные.

Теорема. Наибольшее число линейно независимых столбцов в матрице равно числу линейно независимых строк.

Т.к. элементарные преобразования не изменяют ранг матрицы, то можно существенно упростить процесс нахождения ранга матрицы.

Пример. Определить ранг матрицы.

~ ~ , RgA = 2.

Пример: Определить ранг матрицы.

~ ~ ~ , Rg = 2.

Пример. Определить ранг матрицы.

~ , Þ Rg = 2.

Если с помощью элементарных преобразований не удается найти матрицу, эквивалентную исходной, но меньшего размера, то нахождение ранга матрицы следует начинать с вычисления миноров наивысшего возможного порядка. В вышеприведенном примере – это миноры порядка 3. Если хотя бы один из них не равен нулю, то ранг матрицы равен порядку этого минора.

Теорема о базисном миноре.

Теорема. В произвольной матрице А каждый столбец (строка) является линейной комбинацией столбцов (строк), в которых расположен базисный минор.

Таким образом, ранг произвольной матрицы А равен максимальному числу линейно независимых строк (столбцов) в матрице.

Если А- квадратная матрица и detA = 0, то по крайней мере один из столбцов – линейная комбинация остальных столбцов. То же самое справедливо и для строк. Данное утверждение следует из свойства линейной зависимости при определителе равном нулю.

Матричный метод решения систем линейных уравнений.

Матричный метод применим к решению систем уравнений, где число уравнений равно числу неизвестных.

Метод удобен для решения систем невысокого порядка.

Метод основан на применении свойств умножения матриц.

Пусть дана система уравнений:

Составим матрицы: A = ; B = ; X = .

Систему уравнений можно записать:

A×X = B.

Сделаем следующее преобразование: A^-1×A×X = A^-1×B,

т.к. А^-1×А = Е, то Е×Х = А^-1×В

Х = А^-1×В

Для применения данного метода необходимо находить обратную матрицу, что может быть связано с вычислительными трудностями при решении систем высокого порядка.

Пример. Решить систему уравнений:

Х = , B = , A =

Найдем обратную матрицу А^-1.

D = det A = 5(4-9) + 1(2 – 12) – 1(3 – 8) = -25 – 10 +5 = -30.

M₁₁ = = -5; M₂₁ = = 1; M₃₁ = = -1;

M₁₂ = M₂₂ = M₃₂ =

M₁₃ = M₂₃ = M₃₃ =

A^-1 = ;

Cделаем проверку:

A×A^-1 = =E.

Находим матрицу Х.

Х = = А^-1В = × = .

Итого решения системы: x =1; y = 2; z = 3.

Несмотря на ограничения возможности применения данного метода и сложность вычислений при больших значениях коэффициентов, а также систем высокого порядка, метод может быть легко реализован на ЭВМ.

Метод Крамера.

(Габриель Крамер (1704-1752) швейцарский математик)

Данный метод также применим только в случае систем линейных уравнений, где число переменных совпадает с числом уравнений. Кроме того, необходимо ввести ограничения на коэффициенты системы. Необходимо, чтобы все уравнения были линейно независимы, т.е. ни одно уравнение не являлось бы линейной комбинацией остальных.

Для этого необходимо, чтобы определитель матрицы системы не равнялся 0.

det A ¹ 0;

Действительно, если какое- либо уравнение системы есть линейная комбинация остальных, то если к элементам какой- либо строки прибавить элементы другой, умноженные на какое- либо число, с помощью линейных преобразований можно получить нулевую строку. Определитель в этом случае будет равен нулю.

Теорема. (Правило Крамера):

Теорема. Система из n уравнений с n неизвестными

в случае, если определитель матрицы системы не равен нулю, имеет единственное решение и это решение находится по формулам:

x_i = D_i/D, где

D = det A, а D_i – определитель матрицы, получаемой из матрицы системы заменой столбца i столбцом свободных членов b_i.

D_i =

Пример.

A = ; D₁= ; D₂= ; D₃= ;

x₁ = D₁/detA; x₂ = D₂/detA; x₃ = D₃/detA;

Пример. Найти решение системы уравнений:

D = = 5(4 – 9) + (2 – 12) – (3 – 8) = -25 – 10 + 5 = -30;

D₁ = = (28 – 48) – (42 – 32) = -20 – 10 = -30.

x₁ = D₁/D = 1;

D₂ = = 5(28 – 48) – (16 – 56) = -100 + 40 = -60.

x₂ = D₂/D = 2;

D₃ = = 5(32 – 42) + (16 – 56) = -50 – 40 = -90.

x₃ = D₃/D = 3.

Как видно, результат совпадает с результатом, полученным выше матричным методом.

Если система однородна, т.е. b_i = 0, то при D¹0 система имеет единственное нулевое решение x₁ = x₂ = … = x_n = 0.

При D = 0 система имеет бесконечное множество решений.

Для самостоятельного решения:

; Ответ: x = 0; y = 0; z = -2.

Решение произвольных систем линейных уравнений.

Как было сказано выше, матричный метод и метод Крамера применимы только к тем системам линейных уравнений, в которых число неизвестных равняется числу уравнений. Далее рассмотрим произвольные системы линейных уравнений.

Определение. Система m уравнений с n неизвестными в общем виде записывается следующим образом:

,

где a_ij – коэффициенты, а b_i – постоянные. Решениями системы являются n чисел, которые при подстановке в систему превращают каждое ее уравнение в тождество.

Определение. Если система имеет хотя бы одно решение, то она называется совместной. Если система не имеет ни одного решения, то она называется несовместной.

Определение. Система называется определенной, если она имеет только одно решение и неопределенной, если более одного.

Определение. Для системы линейных уравнений матрица

А = называется матрицей системы, а матрица

А^*= называется расширенной матрицей системы

Определение. Если b₁, b₂, …,b_m = 0, то система называется однородной. однородная система всегда совместна, т.к. всегда имеет нулевое решение.

Элементарные преобразования систем.

К элементарным преобразованиям относятся:

1)Прибавление к обеим частям одного уравнения соответствующих частей другого, умноженных на одно и то же число, не равное нулю.

2)Перестановка уравнений местами.

3)Удаление из системы уравнений, являющихся тождествами для всех х.

Теорема Кронекера – Капелли.

(условие совместности системы)

(Леопольд Кронекер (1823-1891) немецкий математик)

Теорема: Система совместна (имеет хотя бы одно решение) тогда и только тогда, когда ранг матрицы системы равен рангу расширенной матрицы.

RgA = RgA^*.

Очевидно, что система (1) может быть записана в виде:

x₁ + x₂ + … + x_n

Доказательство.

1) Если решение существует, то столбец свободных членов есть линейная комбинация столбцов матрицы А, а значит добавление этого столбца в матрицу, т.е. переход А®А^* не изменяют ранга.

2) Если RgA = RgA^*, то это означает, что они имеют один и тот же базисный минор. Столбец свободных членов – линейная комбинация столбцов базисного минора, те верна запись, приведенная выше.

Пример. Определить совместность системы линейных уравнений:

A =

~ . RgA = 2.

A* = RgA* = 3.

Система несовместна.

Пример. Определить совместность системы линейных уравнений.

А = ; = 2 + 12 = 14 ¹ 0; RgA = 2;

A* =

RgA* = 2.

Система совместна. Решения: x₁ = 1; x₂ =1/2.

Метод Гаусса.

(Карл Фридрих Гаусс (1777-1855) немецкий математик)

В отличие от матричного метода и метода Крамера, метод Гаусса может быть применен к системам линейных уравнений с произвольным числом уравнений и неизвестных. Суть метода заключается в последовательном исключении неизвестных.

Рассмотрим систему линейных уравнений:

Разделим обе части 1–го уравнения на a₁₁ ¹ 0, затем:

1) умножим на а₂₁ и вычтем из второго уравнения

2) умножим на а₃₁ и вычтем из третьего уравнения

и т.д.

Получим:

, где d_1j = a_1j/a₁₁, j = 2, 3, …, n+1.

d_ij = a_ij – a_i1d_1j i = 2, 3, …, n; j = 2, 3, …, n+1.

Далее повторяем эти же действия для второго уравнения системы, потом – для третьего и т.д.

Пример. Решить систему линейных уравнений методом Гаусса.

Составим расширенную матрицу системы.

А* =

Таким образом, исходная система может быть представлена в виде:

, откуда получаем: x₃ = 2; x₂ = 5; x₁ = 1.

Пример. Решить систему методом Гаусса.

Составим расширенную матрицу системы.

Таким образом, исходная система может быть представлена в виде:

, откуда получаем: z = 3; y = 2; x = 1.

Полученный ответ совпадает с ответом, полученным для данной системы методом Крамера и матричным методом.

Для самостоятельного решения:

Ответ: {1, 2, 3, 4}.

Не нашли, что искали? Воспользуйтесь поиском: