Перейти к содержимому

Доказать что каждая из двух систем векторов является базисом и найти связь координат

  • автор:

2. Линейная зависимость. Базис и координаты вектора.

Числа называются коэффициентами линейной комбинации.

Определение. Элементы пространства X называются линейно зависимыми, если существуют числа не все равные нулю одновременно такие, что линейная комбинация

Если же равенство (2.1) выполнено только тогда, когда все числа , то векторы называются линейно независимыми.

Необходимым и достаточным условием линейной зависимости векторов является равенство одного из них линейной комбинации других.

Примеры

1. Рассмотрим пространство геометрических векторов V3. В нем два вектора линейно зависимы, когда они коллинеарны; три вектора линейно зависимы, когда они компланарны. Всякие четыре вектора этого пространства всегда линейно зависимы.

2. Рассмотрим арифметическое пространство Rn. Попытаемся построить линейно независимую систему векторов этого пространства. Рассмотрим k векторов

,

Если линейно зависимы, то одновременно такие, что

где – ноль пространства Rn. По определению Rn отсюда следует, что

Получаем в результате относительно ti систему n линейных однородных уравнений с k неизвестными и матрицей размера . Такая система имеет только нулевое решение, если

и имеет ненулевое решение, если

Отсюда следует, что в пространстве Rn не может быть больше, чем n линейно независимых векторов. Линейно независимыми являются всякие векторы, компоненты которых образуют матрицу полного ранга. Например, n векторов

Определение. Совокупность линейно независимых векторов пространства X называется базисом этого пространства, если найдутся такие числа , что справедливо равенство

Соотношение (2.3) называется разложением вектора по базису.

В силу линейной независимости векторов базиса разложение (2.3) определяется единственным образом.

Определение. Коэффициенты разложения вектора по базису называются координа­тами вектора относительно базиса.

Пример. Совокупность векторов (2.2) образует очевидно базис пространства Rn, так как для всякого вектора имеет место разложение

При решении задач полезно помнить, что векторы линейно зави­симы тогда и только тогда, когда линейно зависимы вектор-столбцы из их координат относительно произвольного базиса.

Определение. Если в линейном пространстве X существует n линейно независимых векторов, а всякие век­тор этого пространства линейно зависимы, то число, n называется размерностью линейного пространства

Само линейное пространство X называется при этом n-мерным. Линейное пространство, в котором можно указать сколь угодно большое число линейно независимых векторов называется бесконечно мерным.

Примеры

1. Пространство V3. В этом пространстве вся­кие три некомпланарных вектора линейно независимы, а всякие че­тыре вектора линейно зависимы. Следовательно, .

2. Пространство Rn. В этом пространстве всякие вектор линейно зависимы и существуют системы из n линейно независимых векторов, например, система векторов (2). Следовательно,

Если в линейном пространстве X существует базис из n векторов, то , обратно, если , то вся­кая система из n линейно независимых векторов образует базис пространства X.

Всякие два базиса и пространства X связаны между собой симметричными формулами

где невырожденные матрицы и являются взаимно обратными, i-й столбец матрицы A образуют координаты вектора в базисе из векторов . Формулы (2.4) и (2.5) называются формулами перехода, матрицы A и — матрицами перехода.

Если и – координаты вектора в базисах и , соответственно, то

Пример: Доказать, что каждая из данных двух систем векторов является базисом R3 и найти связь координат одного и того же вектора в этих двух базисах:

Для доказательства того, что данные системы векторов являются базисными, вычислим, как и в предыдущем примере, ранги матриц

Нетрудно убедиться, что , и, следовательно, в R3 данные системы векторов образуют базисы. Для определения связи координат необходимо получить формулы перехода (2.4) и (2.5). Имеем

Векторное пространство: размерность и базис, разложение вектора по базису

В статье о n -мерных векторах мы пришли к понятию линейного пространства, порождаемого множеством n -мерных векторов. Теперь нам предстоит рассмотреть не менее важные понятия, такие как размерность и базис векторного пространства. Они напрямую связаны с понятием линейно независимой системы векторов, так что дополнительно рекомендуется напомнить себе основы и этой темы.

Введем некоторые определения.

Размерность векторного пространства – число, соответствующее максимальному количеству линейно независимых векторов в этом пространстве.

Базис векторного пространства – совокупность линейно независимых векторов, упорядоченная и в своей численности равная размерности пространства.

Рассмотрим некое пространство n -векторов. Размерность его соответственно равна n . Возьмем систему из n -единичных векторов:

e ( 1 ) = ( 1 , 0 , . . . , 0 ) e ( 2 ) = ( 0 , 1 , . . . , 0 ) e ( n ) = ( 0 , 0 , . . . , 1 )

Используем эти векторы в качестве составляющих матрицы A : она будет являться единичной с размерностью n на n . Ранг этой матрицы равен n . Следовательно, векторная система e ( 1 ) , e ( 2 ) , . . . , e ( n ) является линейно независимой. При этом к системе невозможно добавить ни одного вектора, не нарушив ее линейной независимости.

Так как число векторов в системе равно n , то размерность пространства n -мерных векторов равна n , а единичные векторы e ( 1 ) , e ( 2 ) , . . . , e ( n ) являются базисом указанного пространства.

Из полученного определения сделаем вывод: любая система n -мерных векторов, в которой число векторов меньше n , не является базисом пространства.

Если мы поменяем местами первый и второй вектор, получим систему векторов e ( 2 ) , e ( 1 ) , . . . , e ( n ) . Она также будет являться базисом n -мерного векторного пространства. Составим матрицу, взяв за ее строки векторы полученной системы. Матрица может быть получена из единичной матрицы перестановкой местами первых двух строк, ранг ее будет равен n . Система e ( 2 ) , e ( 1 ) , . . . , e ( n ) линейно независима и является базисом n -мерного векторного пространства.

Переставив местами в исходной системе другие векторы, получим еще один базис.

Мы можем взять линейно независимую систему неединичных векторов, и она также будет представлять собой базис n -мерного векторного пространства.

Векторное пространство с размерностью n имеет столько базисов, сколько существует линейно независимых систем из n -мерных векторов числом n.

Плоскость является двумерным пространством – ее базисом будут два любых неколлинеарных вектора. Базисом трехмерного пространства послужат три любых некомпланарных вектора.

Рассмотрим применение данной теории на конкретных примерах.

Исходные данные: векторы

a = ( 3 , — 2 , 1 ) b = ( 2 , 1 , 2 ) c = ( 3 , — 1 , — 2 )

Необходимо определить, являются ли указанные векторы базисом трехмерного векторного пространства.

Решение

Для решения поставленной задачи исследуем заданную систему векторов на линейную зависимость. Составим матрицу, где строки – координаты векторов. Определим ранг матрицы.

A = 3 2 3 — 2 1 — 1 1 2 — 2 A = 3 — 2 1 2 1 2 3 — 1 — 2 = 3 · 1 · ( — 2 ) + ( — 2 ) · 2 · 3 + 1 · 2 · ( — 1 ) — 1 · 1 · 3 — ( — 2 ) · 2 · ( — 2 ) — 3 · 2 · ( — 1 ) = = — 25 ≠ 0 ⇒ R a n k ( A ) = 3

Следовательно, заданные условием задачи векторы линейно независимы, и их численность равна размерности векторного пространства – они являются базисом векторного пространства.

Ответ: указанные векторы являются базисом векторного пространства.

Исходные данные: векторы

a = ( 3 , — 2 , 1 ) b = ( 2 , 1 , 2 ) c = ( 3 , — 1 , — 2 ) d = ( 0 , 1 , 2 )

Необходимо определить, может ли указанная система векторов являться базисом трехмерного пространства.

Решение

Указанная в условии задачи система векторов является линейно зависимой, т.к. максимальное число линейно независимых векторов равно 3. Таким образом, указанная система векторов не может служить базисом трехмерного векторного пространства. Но стоит отметить, что подсистема исходной системы a = ( 3 , — 2 , 1 ) , b = ( 2 , 1 , 2 ) , c = ( 3 , — 1 , — 2 ) является базисом.

Ответ: указанная система векторов не является базисом.

Исходные данные: векторы

a = ( 1 , 2 , 3 , 3 ) b = ( 2 , 5 , 6 , 8 ) c = ( 1 , 3 , 2 , 4 ) d = ( 2 , 5 , 4 , 7 )

Могут ли они являться базисом четырехмерного пространства?

Решение

Cоставим матрицу, используя в качестве строк координаты заданных векторов

A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7

По методу Гаусса определим ранг матрицы:

A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7

1 2 3 3 0 1 0 2 0 1 — 1 1 0 1 — 2 1

1 2 3 3 0 1 0 2 0 0 — 1 — 1 0 0 — 2 — 1

1 2 3 3 0 1 0 2 0 0 — 1 — 1 0 0 0 1 ⇒ ⇒ R a n k ( A ) = 4

Следовательно, система заданных векторов линейно независима и их численность равна размерности векторного пространства – они являются базисом четырехмерного векторного пространства.

Ответ: заданные векторы являются базисом четырехмерного пространства.

Исходные данные: векторы

a ( 1 ) = ( 1 , 2 , — 1 , — 2 ) a ( 2 ) = ( 0 , 2 , 1 , — 3 ) a ( 3 ) = ( 1 , 0 , 0 , 5 )

Составляют ли они базис пространства размерностью 4?

Решение

Исходная система векторов линейно независима, но численность векторов в ней недостаточна, чтобы стать базисом четырехмерного пространства.

Ответ: нет, не составляют.

Разложение вектора по базису

Примем, что произвольные векторы e ( 1 ) , e ( 2 ) , . . . , e ( n ) являются базисом векторного n-мерного пространства. Добавим к ним некий n -мерный вектор x → : полученная система векторов станет линейно зависимой. Свойства линейной зависимости гласят, что хотя бы один из векторов такой системы может линейно выражаться через остальные. Переформулируя это утверждение, можно говорить о том, что хотя бы один из векторов линейно зависимой системы может раскладываться по остальным векторам.

Таким образом, мы пришли к формулировке важнейшей теоремы:

Любой вектор n -мерного векторного пространства единственным образом раскладывается по базису.

Докажем эту теорему:

зададим базис n -мерного векторного пространства — e ( 1 ) , e ( 2 ) , . . . , e ( n ) . Сделаем систему линейно зависимой, добавив к ней n -мерный вектор x → . Этот вектор может быть линейно выражен через исходные векторы e :

x = x 1 · e ( 1 ) + x 2 · e ( 2 ) + . . . + x n · e ( n ) , где x 1 , x 2 , . . . , x n — некоторые числа.

Теперь докажем, что такое разложение является единственным. Предположим, что это не так и существует еще одно подобное разложение:

Отнимем от левой и правой частей этого равенства соответственно левую и правую части равенства x = x 1 · e ( 1 ) + x 2 · e ( 2 ) + . . . + x n · e ( n ) . Получим:

1 — x 1 ) · e ( 1 ) + ( x

2 — x 2 ) · e ( 2 ) + . . . ( x

Система базисных векторов e ( 1 ) , e ( 2 ) , . . . , e ( n ) линейно независима; по определению линейной независимости системы векторов равенство выше возможно только тогда, когда все коэффициенты ( x

2 — x 2 ) , . . . , ( x

n — x n ) будут равны нулю. Из чего справедливым будет: x 1 = x

n . И это доказывает единственный вариант разложения вектора по базису.

При этом коэффициенты x 1 , x 2 , . . . , x n называются координатами вектора x → в базисе e ( 1 ) , e ( 2 ) , . . . , e ( n ) .

Доказанная теория делает понятным выражение «задан n -мерный вектор x = ( x 1 , x 2 , . . . , x n ) »: рассматривается вектор x → n -мерного векторного пространства, и его координаты заданы в некотором базисе. При этом также понятно, что этот же вектор в другом базисе n -мерного пространства будет иметь другие координаты.

Рассмотрим следующий пример: допустим, что в некотором базисе n -мерного векторного пространства задана система из n линейно независимых векторов

e ( 1 ) = ( e 1 ( 1 ) , e 2 ( 1 ) , . . . , e n ( 1 ) ) e ( 2 ) = ( e 1 ( 2 ) , e 2 ( 2 ) , . . . , e n ( 2 ) ) ⋮ e ( n ) = ( e 1 ( n ) , e 2 ( n ) , . . . , e n ( n ) )

а также задан вектор x = ( x 1 , x 2 , . . . , x n ) .

Векторы e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) в этом случае также являются базисом этого векторного пространства.

Предположим, что необходимо определить координаты вектора x → в базисе e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) , обозначаемые как x

Вектор x → будет представлен следующим образом:

2 · e ( 2 ) + . . . + x

Запишем это выражение в координатной форме:

( x 1 , x 2 , . . . , x n ) = x

1 · ( e ( 1 ) 1 , e ( 1 ) 2 , . . . , e ( 1 ) n ) + x

2 · ( e ( 2 ) 1 , e ( 2 ) 2 , . . . , e ( 2 ) n ) + . . . + + x

n · ( e ( n ) 1 , e ( n ) 2 , . . . , e ( n ) n ) = = ( x

2 e 1 ( 2 ) + . . . + x

2 e 2 ( 2 ) + + . . . + x

n e 2 ( n ) , . . . , x

2 e n ( 2 ) + . . . + x

Полученное равенство равносильно системе из n линейных алгебраических выражений с n неизвестными линейными переменными x

n e 2 n ⋮ x n = x

Матрица этой системы будет иметь следующий вид:

e 1 ( 1 ) e 1 ( 2 ) ⋯ e 1 ( n ) e 2 ( 1 ) e 2 ( 2 ) ⋯ e 2 ( n ) ⋮ ⋮ ⋮ ⋮ e n ( 1 ) e n ( 2 ) ⋯ e n ( n )

Пусть это будет матрица A , и ее столбцы – векторы линейно независимой системы векторов e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) . Ранг матрицы – n , и ее определитель отличен от нуля. Это свидетельствует о том, что система уравнений имеет единственное решение, определяемое любым удобным способом: к примеру, методом Крамера или матричным методом. Таким образом мы сможем определить координаты x

n вектора x → в базисе e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) .

Применим рассмотренную теорию на конкретном примере.

Исходные данные: в базисе трехмерного пространства заданы векторы

e ( 1 ) = ( 1 , — 1 , 1 ) e ( 2 ) = ( 3 , 2 , — 5 ) e ( 3 ) = ( 2 , 1 , — 3 ) x = ( 6 , 2 , — 7 )

Необходимо подтвердить факт, что система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) также служит базисом заданного пространства, а также определить координаты вектора х в заданном базисе.

Решение

Система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) будет являться базисом трехмерного пространства, если она линейно независима. Выясним эту возможность, определив ранг матрицы A , строки которой – заданные векторы e ( 1 ) , e ( 2 ) , e ( 3 ) .

Используем метод Гаусса:

A = 1 — 1 1 3 2 — 5 2 1 — 3

1 — 1 1 0 5 — 8 0 3 — 5

1 — 1 1 0 5 — 8 0 0 — 1 5

R a n k ( A ) = 3 . Таким образом, система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) линейно независима и является базисом.

Пусть в базисе вектор x → имеет координаты x

3 . Связь этих координат определяется уравнением:

3 e 1 ( 3 ) x 2 = x

3 e 2 ( 3 ) x 3 = x

Применим значения согласно условиям задачи:

Решим систему уравнений методом Крамера:

∆ = 1 3 2 — 1 2 1 1 — 5 — 3 = — 1 ∆ x

1 = 6 3 2 2 2 1 — 7 — 5 — 3 = — 1 , x

1 ∆ = — 1 — 1 = 1 ∆ x

2 = 1 6 2 — 1 2 1 1 — 7 — 3 = — 1 , x

2 ∆ = — 1 — 1 = 1 ∆ x

3 = 1 3 6 — 1 2 2 1 — 5 — 7 = — 1 , x

Так, вектор x → в базисе e ( 1 ) , e ( 2 ) , e ( 3 ) имеет координаты x

Ответ: x = ( 1 , 1 , 1 )

Связь между базисами

Предположим, что в некотором базисе n-мерного векторного пространства даны две линейно независимые системы векторов:

c ( 1 ) = ( c 1 ( 1 ) , c 2 ( 1 ) , . . . , c n ( 1 ) ) c ( 2 ) = ( c 1 ( 2 ) , c 2 ( 2 ) , . . . , c n ( 2 ) ) ⋮ c ( n ) = ( c 1 ( n ) , e 2 ( n ) , . . . , c n ( n ) )

e ( 1 ) = ( e 1 ( 1 ) , e 2 ( 1 ) , . . . , e n ( 1 ) ) e ( 2 ) = ( e 1 ( 2 ) , e 2 ( 2 ) , . . . , e n ( 2 ) ) ⋮ e ( n ) = ( e 1 ( n ) , e 2 ( n ) , . . . , e n ( n ) )

Указанные системы являются также базисами заданного пространства.

n ( 1 ) — координаты вектора c ( 1 ) в базисе e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) , тогда связь координат будет задаваться системой линейных уравнений:

1 ( 1 ) e 1 ( 1 ) + c

2 ( 1 ) e 1 ( 2 ) + . . . + c

n ( 1 ) e 1 ( n ) с 2 ( 1 ) = c

1 ( 1 ) e 2 ( 1 ) + c

2 ( 1 ) e 2 ( 2 ) + . . . + c

n ( 1 ) e 2 ( n ) ⋮ с n ( 1 ) = c

1 ( 1 ) e n ( 1 ) + c

2 ( 1 ) e n ( 2 ) + . . . + c

В виде матрицы систему можно отобразить так:

( c 1 ( 1 ) , c 2 ( 1 ) , . . . , c n ( 1 ) ) = ( c

n ( 1 ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )

Сделаем по аналогии такую же запись для вектора c ( 2 ) :

( c 1 ( 2 ) , c 2 ( 2 ) , . . . , c n ( 2 ) ) = ( c

n ( 2 ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )

И, далее действуя по тому же принципу, получаем:

( c 1 ( n ) , c 2 ( n ) , . . . , c n ( n ) ) = ( c

n ( n ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )

Матричные равенства объединим в одно выражение:

c 1 ( 1 ) c 2 ( 1 ) ⋯ c n ( 1 ) c 1 ( 2 ) c 2 ( 2 ) ⋯ c n ( 2 ) ⋮ ⋮ ⋮ ⋮ c 1 ( n ) c 2 ( n ) ⋯ c n ( n ) = c

n ( n ) · e 1 ( 1 ) e 2 ( 1 ) ⋯ e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) ⋯ e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) ⋯ e n ( n )

Оно и будет определять связь векторов двух различных базисов.

Используя тот же принцип, возможно выразить все векторы базиса e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) через базис c ( 1 ) , c ( 2 ) , . . . , c ( n ) :

e 1 ( 1 ) e 2 ( 1 ) ⋯ e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) ⋯ e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) ⋯ e n ( n ) = e

n ( n ) · c 1 ( 1 ) c 2 ( 1 ) ⋯ c n ( 1 ) c 1 ( 2 ) c 2 ( 2 ) ⋯ c n ( 2 ) ⋮ ⋮ ⋮ ⋮ c 1 ( n ) c 2 ( n ) ⋯ c n ( n )

Дадим следующие определения:

n ( n ) является матрицей перехода от базиса e ( 1 ) , e ( 2 ) , . . . , e ( 3 )

к базису c ( 1 ) , c ( 2 ) , . . . , c ( n ) .

n ( n ) является матрицей перехода от базиса c ( 1 ) , c ( 2 ) , . . . , c ( n )

линейная-алгебра — Базис системы векторов

Доказать что каждая из двух систем является базисом и найти связь координат одного и того же вектора в этих двух базисах: $%e_1=(1,2,1), e_2=(2,3,3), e_3=(3,7,1), e’_1=(3,1,4), e’_2=(5,2,1), e’_3=(1,1,-6)$%

задан 8 Апр ’15 21:16

Если записать в столбцы матрицы системы, то получится матрица перехода от стандартного (единичного) базиса к данной системе. У нас здесь получатся две матрицы — скажем, T и S. Тогда матрица перехода от первого базиса ко второму равна $%T^<-1>S$%. Это один способ. Можно сделать по-другому: выразить каждый вектор второй системы с неопределёнными коэффициентами через первую систему, а потом найти эти коэффициенты. Но это намного дольше.

1 ответ

Запишите векторы как строки матрицы. если определитель не равен нулю, то векторы образуют базис. А затем воспользуйтесь стандартными формулами перехода от одного базиса к другому .

Метка: Метод Гаусса

Определение. Метод Гаусса — метод решения системы линейных алгебраических уравнений (СЛАУ). Он заключается в решении системы уравнений, приведением её к ступенчатому виду, путем исключения неизвестных. В отличии от метода Крамера и матричного метода, метод немецкого математика подходит для системы уравнений с бесконечным количеством решений.

Метод Гаусса построен на элементарных преобразованиях СЛАУ.

Определение. Элементарные преобразования системы линейных уравнений это операции, с помощью которых получаем линейно эквивалентную исходной систему уравнений. Такие как: умножение уравнений на отличное от нуля число, перестановку уравнений местами и прибавление к одному уравнению другое.

Определение. Две системы называются эквивалентными, если уравнения одной системы являются линейной комбинацией уравнений другой. Также они имеют одинаковые решения или обе решений не имеют.

Алгоритм решения методом Гаусса заключается в следующих действиях:

  1. Прямой ход. Допустим, нам дана СЛАУ из $k$ уравнений с $n$ неизвестными $$\begin\left\<\begin
    a_<11>x_1+a_<12>x_2+a_<13>x_3+\ldots+a_<1n>x_=b_1,\\
    a_<21>x_1+a_<22>x_2+a_<23>x_3+\ldots+a_<2n>x_=b_2,\\
    a_<31>x_1+a_<32>x_2+a_<33>x_3+\ldots+a_<3n>x_=b_3,\\
    \cdots\qquad\cdots\qquad\cdots\qquad\cdots\qquad\cdots\qquad\\
    a_x_1+a_x_2+a_x_3+\ldots+a_x_n=b_k.\\
    \end\right.
    \end$$ Сначала исключим неизвестное $x_1$ из уравнений ниже первого. Предположим $a_ <11>\ne 0$ (в обратном случае — можно записать первым уравнение с коэффициентом при $x_1$, отличным от нуля). Теперь умножим обе части первого уравнения системы на $\frac>>$ и вычтем его из второго уравнения, затем обе части первого уравнения умножим на $\frac>>$ и вычтем из третьего и так пока не исключим во всех уравнениях ниже первого переменную $x_1$ (то есть пока коэффициенты при $x_1$ не будут равны нулю). Получаем эквивалентную системе (1) систему: $$\begin\left\<\begin
    a_<11>x_1+a_<12>x_2+a_<13>x_3+\ldots+a_<1n>x_=b_1,\\
    \bar a_<22>x_2+\bar a_<23>x_3+\ldots+\bar a_<2n>x_=\bar b_2,\\
    \bar a_<32>x_2+\bar a_<33>x_3+\ldots+\bar a_<3n>x_=\bar b_3,\\
    \cdots\qquad\cdots\qquad\cdots\qquad\cdots\qquad\\
    \bar a_x_2+\bar a_x_3+\ldots+\bar a_x_n=\bar b_k.\\
    \end\right.
    \end$$ Далее делаем аналогичные действия со СЛАУ (2) (исключаем неизвестное $x_2$), но с уравнениями ниже второго при $a_ <22>\ne 0$. Получим следующую эквивалентную системе (2) (значит и системе (1)) систему: $$\begin\left\<\begin
    a_<11>x_1+a_<12>x_2+a_<13>x_3+\ldots+a_<1n>x_=b_1,\\
    \bar a_<22>x_2+\bar a_<23>x_3+\ldots+\bar a_<2n>x_=\bar b_2,\\
    \tilde a_<33>x_3+\ldots+\tilde a_<3n>x_=\tilde b_3,\\
    \cdots\qquad\cdots\qquad\cdots\qquad\\
    \tilde a_x_3+\ldots+\tilde a_x_n=\tilde b_k.\\
    \end\right.
    \end$$ Все эти действия нужно сделать, пока не получим систему ступенчатого вида.
  2. Обратный ход. Второй этап решения системы уравнений заключается в решении полученной нами системы ступенчатого вида. Количество уравнений в преобразованной системе может быть меньше, чем в изначальной. Получаем систему с $t (t\leqslant k)$ уравнениями и $n$ переменными. Выражаем через последнее уравнение неизвестную переменную $x_t$. И через неё выражаем остальные переменные. Получим решение, которое содержит зависимые (слева) и свободные (справа) переменные: $$\begin\left\<\begin
    x_t=c_x_+a_x_+\ldots+c_x_\\
    \cdots\qquad\cdots\qquad\cdots\qquad\cdots\qquad\cdots\qquad\\
    x_3=c_<3t+1>x_+a_<3t+2>x_+\ldots+c_<3n>x_,\\
    x_2=c_<2t+1>x_+a_<2t+2>x_+\ldots+c_<2n>x_,\\
    x_1=c_<1t+1>x_+a_<1t+2>x_+\ldots+c_<1n>x_.\\
    \end\right.
    \end$$ Для получения решения, в свободные переменные $x_ \ldots x_n$ мы подставляем произвольные значения в систему уравнений. Из чего находим зависимые переменные $x_1 \ldots x_t$.
  • Если система уравнений получается треугольной (или же количество уравнений равно количеству переменных), то решение у этой системы одно (система называется определенной). Если система имеет несколько ответов, то система называется неопределенной.
  • Система есть несовместная, если она не имеет решений. Это можно понять по тому, если преобразованная нами система имеет уравнений больше, чем переменных (или мы можем получить уравнение, в котором все коэффициенты равны нулю, но свободный член отличен от нуля). В обратном случае — эта система совместная.
  • Обычно выполняют преобразования не с самой системой, а с матрицей системы: выписывают матрицу из коэффициентов системы с присоединенным к ней столбцом из свободных членов. Тогда стоит заметить, что такие элементарные преобразования можно выполнять только с матрицами системы. С обычными матрицами, которые просто даны в условии, так делать запрещается.
  • При вычитании одной строки из другой меняется только та строка, от которой отнимают. Аналогично и со сложением: меняется та строка, к которой прибавляют.
  • Если в ходе преобразований мы получаем нулевую строку (все коэффициенты и свободный член будут равны 0), то такую строку можно убрать.

Примеры решений

Пример 1. Решить систему уравнений методом Гаусса:$$\begin\left\<\begin
3x_1-2x_2-5x_3+x_4=3,\\
2x_1-3x_2+x_3+5x_4=-3,\\
x_1+2x_2-4x_4=-3,\\
x_1-x_2-4x_3+9x_4=22.\end\right.
\end$$

Запишем матрицу из коэффициентов системы уравнений и преобразуем (если переменной нет в уравнении, то коэффициент равен нулю) $$\left(\left.\begin3 & -2 & -5 & 1 \\
2 & -3 & 1 & 5 \\
1 & 2 & 0 & -4 \\
1 & -1 & -4 & 9\end\right|\begin3 \\ -3 \\ -3 \\ 22 \end\right).$$ Поменяем местами первое уравнение с последним для удобства вычислений: $$\left(\left.\begin1 & -1 & -4 & 9\\
2 & -3 & 1 & 5 \\
1 & 2 & 0 & -4\\
3 & -2 & -5 & 1 \end\right|\begin22 \\ -3 \\ -3 \\ 3 \end\right).$$ Умножим теперь первое уравнение на 2 и вычтем из второго уравнения. Затем, умножив на 1, вычтем из третьего. И умножив на 3, вычтем из четвертого. Получаем: $$\left(\left.\begin1 & -1 & -4 & 9 \\
0 & -1 & 9 & -13 \\
0 & 3 & 4 & -13 \\
0 & 1 & 7 & -26\end\right|\begin22 \\ -47 \\ -25 \\ -63 \end\right).$$ Далее умножаем второе уравнение на -3, затем вычтем из третьего. Теперь второе уравнение умножаем на -1 из четвертого: $$\left(\left.\begin1 & -1 & -4 & 9 \\
0 & -1 & 9 & -13 \\
0 & 0 & 31 & -52 \\
0 & 0 & 16 & -39\end\right|\begin22 \\ -47 \\ -166 \\ -110 \end\right).$$ Итак, последние действия прямого хода. Умножаем третье уравнение на $-\frac<16><31>$ и вычитаем из четвертого. Получаем:$$\left(\left.\begin1 & -1 & -4 & 9 \\
0 & -1 & 9 & -13 \\
0 & 0 & 31 & -52 \\
0 & 0 & 0 & -\frac<377><31>\end\right|\begin22 \\ -47 \\ -166 \\ -\frac<754> <31>\end\right).$$ Получаем систему уравнений с новыми коэффициентами, которую будем решать обратным ходом: $$\begin\left\ <
\begin
x_1-x_2-4x_3+9x_4=22,\\
-x_2+9x_3-13x_4=-47,\\
31x_3-52x_4=-166,\\
-\frac<377><31>x_4=-\frac<754><31>.
\end\right.
\end$$ Решение получается одно. Находим его: $$x_4=2,\\
x_3=\frac<-166+104><31>=-2,\\
x_2=-(-47+18+26)=3,\\
x_1=22+3-8-18=-1.$$

Пример 2. Решить систему уравнений методом Гаусса:$$\begin\left\ <
\begin
4x_1-3x_2+x_3+5x_4-7=0,\\
x_1-2x_2-2x_3-3x_4-3=0,\\
3x_1-x_2+2x_3+1=0,\\
2x_1+3x_2+2x_3-8x_4+7=0.
\end\right.
\end$$

Сначала перенесем все свободные члены вправо и выпишем расширенную матрицу. Преобразуем её: $$\left(\left.\begin4 & -3 & 1 & 5\\
1 & -2 &-2 & -3\\
3 & -1 & 2 & 0\\
2 & 3 & 2 & -8\end\right|\begin7\\3\\-1\\-7\end\right).$$ Поменяем местами первую строку со второй: $$\left(\left.\begin1 & -2 &-2 & -3\\
4 & -3 & 1 & 5\\
3 & -1 & 2 & 0\\
2 & 3 & 2 & -8\end\right|\begin3\\7\\-1\\-7\end\right)\sim

Пример 3. Решить систему уравнений методом Гаусса: $$\begin\left\ <
\begin
3x_1-7x_2+4x_3+5x_4=-11,\\
2x_1+5x_2+x_3-2x_4=5,\\
x_1+2x_2-3x_3+4x_4=7,\\
7x_1+2x_2-x_3+11x_4=6.
\end\right.
\end$$

Записываем матрицу системы и преобразуем её: $$\left(\left
.\begin3 & -7 & 4 & 5\\
2 & 5 & 1 & -2\\
1 & 2 & -3 & 4\\
7 & 2 & -1 & 11\end\right|\begin-11\\5\\7\\6\end\right)\sim

\left(\left.\begin1 & 2 & -3 & 4\\
0 & 1 & 7 & -10\\
0 & 0 & 104 & -137\\
0 & 0 & 0 & 0\end\right|\begin7\\-9\\-149\\-2\end\right).$$ Видим, что у нас получилось уравнение с нулевыми коэффициентами при ненулевом свободном члене, значит тут мы можем уже остановиться — система несовместна, то есть решений не имеет.

Пример 4. Решите систему уравнений методом Гаусса: $$\begin\left\<\begin7x_1+3x_2-2x_3+4x_4=0,\\
-6x_1-x_2-x_3+x_4=1,\\
9x_1+7x_2-8x_3+14x_4=2,\\
x_1+2x_2-3x_3+5x_4=1.\end\right.\end$$

Записываем матрицу системы уравнений и преобразуем: $$\left(\left.\begin7 & 3 & -2 & 4\\
-6 & -1 & -1 &1 \\
9 & 7 & 8 & 14 \\
1 & 2 & -3 & 5\end\right|\begin0\\1\\2\\1\end\right)\sim

\left(\left.\begin1 & 2 & -3 & 5\\
0 & 11 & -19 & 31\\
0 & 0 & 16 & 0\\
0 & 0 & 0 & 0\end\right|\begin1\\7\\0\\0\end\right)$$ Видим, что у нас появилась нулевая строка. Это значит, что это уравнение можно убрать. Так как мы получили систему, в которой количество уравнений меньше, чем количество переменных, значит система неопределённая, то есть имеет бесконечное множество решений. Количество зависимых переменных определяем по рангу матрицы. У нас получается 3 зависимых переменных. Возьмем $x_4$ за свободную переменную. Выражаем остальные 3 переменные через свободную и получаем общее решение: $$x_3=0$$ $$x_2=\frac<7-31x_4><11>$$ $$x_1=1-2\times\frac<7-31x_4><11>-5x_4.$$ Теперь можем подставить любое значение в переменную $x_4$ и получить один из бесконечного множества ответов, например: $$x_4=0,$$ $$x_3=0,$$ $$x_2=\frac<7><11>,$$ $$x_1=-\frac<3><11>.$$

Пример 5. Решить систему уравнений методом Гаусса: $$\begin\left\ <
\begin
2x_1-x_2+2x_4=0,\\
x_1+2x_2-x_3=0,\\
5x_1+x_2-x_3+2x_4=0,\\
x_1+x_2+x_3+x_4=1.
\end\right.
\end$$

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *