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.

6.4. Некоторые приложения скалярного произведения

11. Выражение скалярного произведения вектора через координаты сомножителей. Теорема.

12. Длина вектора, длина отрезка, угол между векторами, условие перпендикулярности векторов.

13. Векторное произведение векторов, его свойства. Площадь параллелограмма.

14. Смешанное произведение векторов, его свойства. Условие компланарности вектора. Объем параллелепипеда. Объём пирамиды.

15. Способы задания прямой на плоскости.

16. Нормальное уравнение прямой на плоскости (вывод). Геометрический смысл коэффициентов.

17. Уравнение прямой на плоскости в отрезках (вывод).

Приведение общего уравнения плоскости к уравнению плоскости в отрезках.

18. Уравнение прямой на плоскости с угловым коэффициентом (вывод).

19. Уравнение прямой на плоскости, проходящей через две точки (вывод).

20. Угол между прямыми на плоскости (вывод).

21. Расстояние от точки до прямой на плоскости (вывод).

22. Условия параллельности и перпендикулярности прямых на плоскости (вывод).

23. Уравнение плоскости. Нормальное уравнение плоскости (вывод). Геометрический смысл коэффициентов.

24. Уравнение плоскости в отрезках (вывод).

25. Уравнение плоскости, проходящей через три точки (вывод).

26. Угол между плоскостями (вывод).

27. Расстояние от точки до плоскости (вывод).

28. Условия параллельности и перпендикулярности плоскостей (вывод).

29. Уравнения прямой в r3. Уравнения прямой, проходящей через две фиксированные точки (вывод).

30. Канонические уравнения прямой в пространстве (вывод).

Составление канонических уравнений прямой в пространстве.

Частные случаи канонических уравнений прямой в пространстве.

Канонические уравнения прямой проходящей через две заданные точки пространства.

Переход от канонических уравнений прямой в пространстве к другим видам уравнений прямой.

31. Угол между прямыми (вывод).

32. Расстояние от точки до прямой на плоскости (вывод).

Расстояние от точки до прямой на плоскости – теория, примеры, решения.

Первый способ нахождения расстояния от заданной точки до заданной прямой на плоскости.

Второй способ, позволяющий найти расстояние от заданной точки до заданной прямой на плоскости.

Решение задач на нахождение расстояния от заданной точки до заданной прямой на плоскости.

Расстояние от точки до прямой в пространстве – теория, примеры, решения.

Первый способ нахождения расстояния от точки до прямойaв пространстве.

Второй способ, позволяющий находить расстояние от точки до прямойaв пространстве.

33. Условия параллельности и перпендикулярности прямых в пространстве.

34. Взаимное расположение прямых в пространстве и прямой с плоскостью.

35. Классическое уравнение эллипса (вывод) и его построение. Каноническое уравнение эллипса имеет вид, где– положительные действительные числа, причём.Как построить эллипс?

36. Классическое уравнение гиперболы (вывод) и его построение. Асимптоты.

37. Каноническое уравнение параболы (вывод) и построение.

38. Функция. Основные определения. Графики основных элементарных функций.

39. Числовые последовательности. Предел числовой последовательности.

40. Бесконечно малые и бесконечно большие величины. Теорема о связи между ними, свойства.

41. Теоремы о действиях над переменными величинами, имеющими конечные пределы.

42. Число e.

Содержание

Способы определения

Свойства

История

Приближения

43. Определение предела функции. Раскрытие неопределённостей.

44. Замечательные пределы, их вывод. Эквивалентные бесконечно малые величины.

Содержание

Первый замечательный предел

Второй замечательный предел

45. Односторонние пределы. Непрерывность и разрывы функции. Односторонние пределы

Левый и правый пределы функции

Точка разрыва первого рода

Точка разрыва второго рода

Точка устранимого разрыва

46. Определение производной. Геометрический смысл, механический смысл производной. Уравнения касательной и нормали к кривой и точке.

47. Теоремы о производной обратной, сложной функций.

48. Производные простейших элементарных функций.

49. Дифференцирование параметрических, неявных и степенно-показательных функций.

21. Дифференцирование неявных и параметрически заданных функций

21.1. Неявно заданная функция

21.2. Функция, заданная параметрически

50. Производные высших порядков. Формула Тейлора.

51. Дифференциал. Применение дифференциала к приближенным вычислениям.

52. Теоремы Ролля, Лагранжа, Коши. Правило Лопиталя.

53. Теорема о необходимом и достаточном условиях монотонности функции.

54. Определение максимума, минимума функции. Теоремы о необходимом и достаточном условиях существования экстремума функции.

Теорема (необходимое условие экстремума)

55. Выпуклость и вогнутость кривых. Точки перегиба. Теоремы о необходимом и достаточном условиях существования точек перегиба.

Доказательство

57. Определители n-ого порядка, их свойства.

58. Матрицы и действия над ними. Ранг матрицы.

Определение

Связанные определения

Свойства

Линейное преобразование и ранг матрицы

59. Обратная матрица. Теорема о существовании обратной матрицы.

60. Системы линейных уравнений. Матричное решение систем линейных уравнений. Правило Крамера. Метод Гаусса. Теорема Кронекера-Капелли.

Решение систем линейных алгебраических уравнений, методы решения, примеры.

Определения, понятия, обозначения.

Решение элементарных систем линейных алгебраических уравнений.

Решение систем линейных уравнений методом Крамера.

Решение систем линейных алгебраических уравнений матричным методом (с помощью обратной матрицы).

Решение систем линейных уравнений методом Гаусса.

Решение систем линейных алгебраических уравнений общего вида.

Теорема Кронекера – Капелли.

Метод Гаусса для решения систем линейных алгебраических уравнений общего вида.

Запись общего решения однородных и неоднородных систем линейных алгебраических с помощью векторов фундаментальной системы решений.

Решение систем уравнений, сводящихся к слау.

Примеры задач, сводящихся к решению систем линейных алгебраических уравнений.

Решение систем линейных алгебраических уравнений матричным методом (с помощью обратной матрицы).

Пусть система линейных алгебраических уравнений задана в матричной форме , где матрицаA имеет размерностьn наn и ее определитель отличен от нуля.

Так как , то матрицаА – обратима, то есть, существует обратная матрица. Если умножить обе части равенстванаслева, то получим формулу для нахождения матрицы-столбца неизвестных переменных. Так мы получили решение системы линейных алгебраических уравнений матричным методом.

матричным методом.

Перепишем систему уравнений в матричной форме:

Так как то СЛАУ можно решать матричным методом. С помощью обратной матрицы решение этой системы может быть найдено как.

Построим обратную матрицу с помощью матрицы из алгебраических дополнений элементов матрицыА (при необходимости смотрите статьюметоды нахождения обратной матрицы):

Осталось вычислить - матрицу неизвестных переменных, умножив обратную матрицуна матрицу-столбец свободных членов(при необходимости смотрите статьюоперации над матрицами):

или в другой записи x 1 = 4, x 2 = 0, x 3 = -1 .

Основная проблема при нахождении решения систем линейных алгебраических уравнений матричным методом заключается в трудоемкости нахождения обратной матрицы, особенно для квадратных матриц порядка выше третьего.

Более подробное описание теории и дополнительные примеры смотрите в статье матричный метод решения систем линейных уравнений.

К началу страницы

Решение систем линейных уравнений методом Гаусса.

Пусть нам требуется найти решение системы из n линейных уравнений сn неизвестными переменнымиопределитель основной матрицы которой отличен от нуля.

Суть метода Гаусса состоит в последовательном исключении неизвестных переменных: сначала исключаетсяx 1 из всех уравнений системы, начиная со второго, далее исключаетсяx 2 из всех уравнений, начиная с третьего, и так далее, пока в последнем уравнении останется только неизвестная переменнаяx n . Такой процесс преобразования уравнений системы для последовательного исключения неизвестных переменных называетсяпрямым ходом метода Гаусса . После завершения прямого хода метода Гаусса из последнего уравнения находитсяx n , с помощью этого значения из предпоследнего уравнения вычисляетсяx n-1 , и так далее, из первого уравнения находитсяx 1 . Процесс вычисления неизвестных переменных при движении от последнего уравнения системы к первому называетсяобратным ходом метода Гаусса .

Кратко опишем алгоритм исключения неизвестных переменных.

Будем считать, что , так как мы всегда можем этого добиться перестановкой местами уравнений системы. Исключим неизвестную переменнуюx 1 из всех уравнений системы, начиная со второго. Для этого ко второму уравнению системы прибавим первое, умноженное на, к третьему уравнению прибавим первое, умноженное на, и так далее, кn-ому уравнению прибавим первое, умноженное на. Система уравнений после таких преобразований примет видгде, а.

К такому же результату мы бы пришли, если бы выразили x 1 через другие неизвестные переменные в первом уравнении системы и полученное выражение подставили во все остальные уравнения. Таким образом, переменнаяx 1 исключена из всех уравнений, начиная со второго.

Далее действуем аналогично, но лишь с частью полученной системы, которая отмечена на рисунке

Для этого к третьему уравнению системы прибавим второе, умноженное на , к четвертому уравнению прибавим второе, умноженное на, и так далее, кn-ому уравнению прибавим второе, умноженное на. Система уравнений после таких преобразований примет видгде, а. Таким образом, переменнаяx 2 исключена из всех уравнений, начиная с третьего.

Далее приступаем к исключению неизвестной x 3 , при этом действуем аналогично с отмеченной на рисунке частью системы

Так продолжаем прямой ход метода Гаусса пока система не примет вид

С этого момента начинаем обратный ход метода Гаусса: вычисляем x n из последнего уравнения как, с помощью полученного значенияx n находимx n-1 из предпоследнего уравнения, и так далее, находимx 1 из первого уравнения.

Решите систему линейных уравнений методом Гаусса.

Исключим неизвестную переменную x 1 из второго и третьего уравнения системы. Для этого к обеим частям второго и третьего уравнений прибавим соответствующие части первого уравнения, умноженные наи насоответственно:

Теперь из третьего уравнения исключим x 2 , прибавив к его левой и правой частям левую и правую части второго уравнения, умноженные на:

На этом прямой ход метода Гаусса закончен, начинаем обратный ход.

Из последнего уравнения полученной системы уравнений находим x 3 :

Из второго уравнения получаем .

Из первого уравнения находим оставшуюся неизвестную переменную и этим завершаем обратный ход метода Гаусса .

x 1 = 4, x 2 = 0, x 3 = -1 .

Более детальную информацию и дополнительные примеры смотрите в разделе решение элементарных систем линейных алгебраических уравнений методом Гаусса.

К началу страницы

В данной статье мы расскажем о матричном методе решения системы линейных алгебраических уравнений, найдем его определение и приведем примеры решения.

Определение 1

Метод обратной матрицы - это метод, использующийся при решении СЛАУ в том случае, если число неизвестных равняется числу уравнений.

Пример 1

Найти решение системы n линейных уравнений с n неизвестными:

a 11 x 1 + a 12 x 2 + . . . + a 1 n x n = b 1 a n 1 x 1 + a n 2 x 2 + . . . + a n n x n = b n

Матричный вид записи : А × X = B

где А = а 11 а 12 ⋯ а 1 n а 21 а 22 ⋯ а 2 n ⋯ ⋯ ⋯ ⋯ а n 1 а n 2 ⋯ а n n - матрица системы.

X = x 1 x 2 ⋮ x n - столбец неизвестных,

B = b 1 b 2 ⋮ b n - столбец свободных коэффициентов.

Из уравнения, которое мы получили, необходимо выразить X . Для этого нужно умножить обе части матричного уравнения слева на A - 1:

A - 1 × A × X = A - 1 × B .

Так как А - 1 × А = Е, то Е × X = А - 1 × В или X = А - 1 × В.

Замечание

Обратная матрица к матрице А имеет право на существование только, если выполняется условие d e t A н е р а в е н н у л ю. Поэтому при решении СЛАУ методом обратной матрицы, в первую очередь находится d e t А.

В том случае, если d e t A н е р а в е н н у л ю, у системы имеется только один вариант решения: при помощи метода обратной матрицы. Если d e t А = 0 , то систему нельзя решить данным методом.

Пример решения системы линейных уравнений с помощью метода обратной матрицы

Пример 2

Решаем СЛАУ методом обратной матрицы:

2 x 1 - 4 x 2 + 3 x 3 = 1 x 1 - 2 x 2 + 4 x 3 = 3 3 x 1 - x 2 + 5 x 3 = 2

Как решить?

• Записываем систему в виде матричного уравнения А X = B , где

А = 2 - 4 3 1 - 2 4 3 - 1 5 , X = x 1 x 2 x 3 , B = 1 3 2 .

• Выражаем из этого уравнения X:

• Находим определитель матрицы А:

d e t A = 2 - 4 3 1 - 2 4 3 - 1 5 = 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

d e t 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 А i j к соответствующим элементам матрицы А:

А 11 = (- 1) (1 + 1) - 2 4 - 1 5 = - 10 + 4 = - 6 ,

А 12 = (- 1) 1 + 2 1 4 3 5 = - (5 - 12) = 7 ,

А 13 = (- 1) 1 + 3 1 - 2 3 - 1 = - 1 + 6 = 5 ,

А 21 = (- 1) 2 + 1 - 4 3 - 1 5 = - (- 20 + 3) = 17 ,

А 22 = (- 1) 2 + 2 2 3 3 5 - 10 - 9 = 1 ,

А 23 = (- 1) 2 + 3 2 - 4 3 - 1 = - (- 2 + 12) = - 10 ,

А 31 = (- 1) 3 + 1 - 4 3 - 2 4 = - 16 + 6 = - 10 ,

А 32 = (- 1) 3 + 2 2 3 1 4 = - (8 - 3) = - 5 ,

А 33 = (- 1) 3 + 3 2 - 4 1 - 2 = - 4 + 4 = 0 .

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

А * = - 6 7 5 17 1 - 10 - 10 - 5 0

• Записываем обратную матрицу согласно формуле:

A - 1 = 1 d e t A (A *) T: А - 1 = - 1 25 - 6 17 - 10 7 1 - 5 5 - 10 0 ,

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

X = A - 1 × B = - 1 25 - 6 17 - 10 7 1 - 5 5 - 10 0 1 3 2 = - 1 25 - 6 + 51 - 20 7 + 3 - 10 5 - 30 + 0 = - 1 0 1

Ответ : x 1 = - 1 ; x 2 = 0 ; x 3 = 1

Если вы заметили ошибку в тексте, пожалуйста, выделите её и нажмите Ctrl+Enter

Пусть имеется квадратная матрица n-го порядка

Матрица А -1 называется обратной матрицей по отношению к матрице А, если А*А -1 = Е, где Е — единичная матрица n-го порядка.

Единичная матрица — такая квадратная матрица, у которой все элементы по главной диагонали, проходящей от левого верхнего угла к правому нижнему углу, — единицы, а остальные — нули, например:

Обратная матрица может существовать только для квадратных матриц т.е. для тех матриц, у которых число строк и столбцов совпадают.

Теорема условия существования обратной матрицы

Для того чтобы матрица имела обратную матрицу необходимо и достаточно, чтобы она была невырожденной.

Матрица А = (А1, А2,...А n) называется невырожденной , если векторы-столбцы являются линейно независимыми. Число линейно независимых векторов-столбцов матрицы называется рангом матрицы . Поэтому можно сказать, что для того, чтобы существовала обратная матрица, необходимо и достаточно, чтобы ранг матрицы равнялся ее размерности, т.е. r = n.

Алгоритм нахождения обратной матрицы

1. Записать в таблицу для решения систем уравнений методом Гаусса матрицу А и справа (на место правых частей уравнений) приписать к ней матрицу Е.
2. Используя преобразования Жордана, привести матрицу А к матрице, состоящей из единичных столбцов; при этом необходимо одновременно преобразовать матрицу Е.
3. Если необходимо, то переставить строки (уравнения) последней таблицы так, чтобы под матрицей А исходной таблицы получилась единичная матрица Е.
4. Записать обратную матрицу А -1 , которая находится в последней таблице под матрицей Е исходной таблицы.

Пример 1

Для матрицы А найти обратную матрицу А -1

Решение: Записываем матрицу А и справа приписываем единичную матрицу Е. Используя преобразования Жордана, приводим матрицу А к единичной матрице Е. Вычисления приведены в таблице 31.1.

Проверим правильность вычислений умножением исходной матрицы А и обратной матрицы А -1 .

В результате умножения матриц получилась единичная матрица. Следовательно, вычисления произведены правильно.

Ответ:

Решение матричных уравнений

Матричные уравнения могут иметь вид:

АХ = В, ХА = В, АХВ = С,

где А,В,С — задаваемые матрицы, Х- искомая матрица.

Матричные уравнения решаются с помощью умножения уравнения на обратные матрицы.

Например, чтобы найти матрицу из уравнения , необходимо умножить это уравнение на слева.

Следовательно, чтобы найти решение уравнения , нужно найти обратную матрицу и умножить ее на матрицу , стоящие в правой части уравнения.

Аналогично решаются другие уравнения.

Пример 2

Решить уравнение АХ = В, если

Решение : Так как обратная матрица равняется (см. пример 1)

Матричный метод в экономическом анализе

Наряду с другими в находят применение также матричные методы . Эти методы базируются на линейной и векторно-матричной алгебре. Такие методы применяются для целей анализа сложных и многомерных экономических явлений. Чаще всего эти методы используются при необходимости сравнительной оценки функционирования организаций и их структурных подразделений.

В процессе применения матричных методов анализа можно выделить несколько этапов.

На первом этапе осуществляется формирование системы экономических показателей и на ее основе составляется матрица исходных данных , которая представляет собой таблицу, в которой по ее отдельным строкам показываются номера систем (i = 1,2,....,n) , а по вертикальным графам — номера показателей (j = 1,2,....,m) .

На втором этапе по каждой вертикальной графе выявляется наибольшее из имеющихся значений показателей, которое и принимается за единицу.

После этого все суммы, отраженные в данной графе делят на наибольшее значение и формируется матрица стандартизированных коэффициентов .

На третьем этапе все составные части матрицы возводят в квадрат. Если они имеют различную значимость, то каждому показателю матрицы присваивается определенный весовой коэффициент k . Величина последнего определяется экспертным путем.

На последнем, четвертом этапе найденные величины рейтинговых оценок R j группируются в порядке их увеличения или уменьшения.

Изложенные матричные методы следует использовать, например, при сравнительном анализе различных инвестиционных проектов, а также при оценке других экономических показателей деятельности организаций.

Рассмотрим систему линейных алгебраических уравнений (СЛАУ) относительно n неизвестных x 1 , x 2 , ..., x n :

Эта система в "свернутом" виде может быть записана так:

S n i=1 a ij x j = b i , i=1,2, ..., n .

В соответствии с правилом умножения матрицрассмотренная система линейных уравнений может быть записана вматричной форме Ax=b , где

Матрица A , столбцами которой являются коэффициенты при соответствующих неизвестных, а строками - коэффициенты при неизвестных в соответствующем уравнении называется матрицей системы . Матрица-столбец b , элементами которой являются правые части уравнений системы, называется матрицей правой части или просто правой частью системы . Матрица-столбец x , элементы которой - искомые неизвестные, называется решением системы .

Система линейных алгебраических уравнений, записанная в виде Ax=b , является матричным уравнением .

Если матрица системы невырождена , то у нее существует обратная матрица и тогда решение системы Ax=b дается формулой:

x=A -1 b .

Пример Решить систему матричным методом.

Решение найдем обратную матрицу для матрицы коэффициентов системы

Вычислим определитель, раскладывая по первой строке:

Поскольку Δ ≠ 0 , то A -1 существует.

Обратная матрица найдена верно.

Найдем решение системы

Следовательно, x 1 = 1, x 2 = 2, x 3 = 3 .

Проверка:

7. Теорема Кронекера-Капелли о совместности системы линейных алгебраических уравнений.

Система линейных уравнений имеет вид:

a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2 , (5.1)

a m1 x 1 + a m1 x 2 +... + 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:

где A = (а i j) - матрица, состоящая из коэффициентов при неизвестных системы (5.1), которая называется матрицей системы , X = (x 1 , x 2 ,..., x n) T , B = (b 1 , b 2 ,..., b m) T - векторы-столбцы, составленные соответственно из неизвестных x j и из свободных членов b i .

Упорядоченная совокупность n вещественных чисел (c 1 , c 2 ,..., c n) называется решением системы (5.1), если в результате подстановки этих чисел вместо соответствующих переменных x 1 , x 2 ,..., x n каждое уравнение системы обратится в арифметическое тождество; другими словами, если существует вектор C= (c 1 , c 2 ,..., c n) T такой, что AC  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.

,

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 =  (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 (mn); если m>n, то m-n уравнений являются следствиями остальных. Если 0

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

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 , (5.3)

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

a n1 x 1 + a n1 x 2 +... + 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:

5x 1 - x 2 + 2x 3 + x 4 = 7,

2x 1 + x 2 + 4x 3 - 2x 4 = 1,

x 1 - 3x 2 - 6x 3 + 5x 4 = 0.

Решение. Выписываем расширенную матрицу системы:

 .

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

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

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