Тривиальное решение системы линейных уравнений. Решение систем линейных алгебраических уравнений, методы решения, примеры

Ещё в школе каждый из нас изучал уравнения и, наверняка, системы уравнений. Но не многие знают, что существует несколько способов их решения. Сегодня мы подробно разберём все методы решения системы линейных алгебраических уравнений, которые состоят более чем из двух равенств.

История

На сегодняшний день известно, что искусство решать уравнения и их системы зародилось ещё в Древнем Вавилоне и Египте. Однако равенства в их привычном для нас виде появились после возникновения знака равенства "=", который был введён в 1556 году английским математиком Рекордом. Кстати, этот знак был выбран не просто так: он означает два параллельных равных отрезка. И правда, лучшего примера равенства не придумать.

Основоположником современных буквенных обозначений неизвестных и знаков степеней является французский математик Однако его обозначения значительно отличались от сегодняшних. Например, квадрат неизвестного числа он обозначал буквой Q (лат."quadratus"), а куб - буквой C (лат. "cubus"). Эти обозначения сейчас кажутся неудобными, но тогда это был наиболее понятный способ записать системы линейных алгебраических уравнений.

Однако недостатком в тогдашних методах решения было то, что математики рассматривали только положительные корни. Возможно, это связано с тем, что отрицательные значения не имели никакого практического применения. Так или иначе, но первыми считать отрицательные корни начали именно итальянские математики Никколо Тарталья, Джероламо Кардано и Рафаэль Бомбелли в 16 веке. А современный вид, основной метод решения (через дискриминант) был создан только в 17 веке благодаря работам Декарта и Ньютона.

В середине 18 века швейцарский математик Габриэль Крамер нашёл новый способ для того, чтобы сделать решение систем линейных уравнений проще. Этот способ был впоследствии назван его именем и по сей день мы пользуемся им. Но о методе Крамера поговорим чуть позднее, а пока обсудим линейные уравнения и методы их решения отдельно от системы.

Линейные уравнения

Линейные уравнения - самые простые равенства с переменной (переменными). Их относят к алгебраическим. записывают в общем виде так: а 1 *x 1 +а 2* x 2 +...а n *x n =b. Представление их в этом виде нам понадобится при составлении систем и матриц далее.

Системы линейных алгебраических уравнений

Определение этого термина такое: это совокупность уравнений, которые имеют общие неизвестные величины и общее решение. Как правило, в школе все решали системы с двумя или даже тремя уравнениями. Но бывают системы с четырьмя и более составляющими. Давайте разберёмся сначала, как следует их записать так, чтобы в дальнейшем было удобно решать. Во-первых, системы линейных алгебраических уравнений будут выглядеть лучше, если все переменные будут записаны как x с соответствующим индексом: 1,2,3 и так далее. Во-вторых, следует привести все уравнения к каноническому виду: а 1 *x 1 +а 2* x 2 +...а n *x n =b.

После всех этих действий мы можем начать рассказывать, как находить решение систем линейных уравнений. Очень сильно для этого нам пригодятся матрицы.

Матрицы

Матрица - это таблица, которая состоит из строк и столбцов, а на их пересечении находятся её элементы. Это могут быть либо конкретные значения, либо переменные. Чаще всего, чтобы обозначить элементы, под ними расставляют нижние индексы (например, а 11 или а 23). Первый индекс означает номер строки, а второй - столбца. Над матрицами, как и над любым другим математическим элементом можно совершать различные операции. Таким образом, можно:

2) Умножать матрицу на какое-либо число или вектор.

3) Транспонировать: превращать строчки матрицы в столбцы, а столбцы - в строчки.

4) Умножать матрицы, если число строк одной их них равно количеству столбцов другой.

Подробнее обсудим все эти приёмы, так как они пригодятся нам в дальнейшем. Вычитание и сложение матриц происходит очень просто. Так как мы берём матрицы одинакового размера, то каждый элемент одной таблицы соотносится с каждым элементом другой. Таким образом складываем (вычитаем) два этих элемента (важно, чтобы они стояли на одинаковых местах в своих матрицах). При умножении матрицы на число или вектор необходимо просто умножить каждый элемент матрицы на это число (или вектор). Транспонирование - очень интересный процесс. Очень интересно иногда видеть его в реальной жизни, например, при смене ориентации планшета или телефона. Значки на рабочем столе представляют собой матрицу, а при перемене положения она транспонируется и становится шире, но уменьшается в высоте.

Разберём ещё такой процесс, как Хоть он нам и не пригодится, но знать его будет всё равно полезно. Умножить две матрицы можно только при условии, что число столбцов одной таблицы равно числу строк другой. Теперь возьмём элементы строчки одной матрицы и элементы соответствующего столбца другой. Перемножим их друг на друга и затем сложим (то есть, например, произведение элементов a 11 и а 12 на b 12 и b 22 будет равно: а 11 *b 12 + а 12 *b 22). Таким образом, получается один элемент таблицы, и аналогичным методом она заполняется далее.

Теперь можем приступить к рассмотрению того, как решается система линейных уравнений.

Метод Гаусса

Этой тему начинают проходить еще в школе. Мы хорошо знаем понятие "система двух линейных уравнений" и умеем их решать. Но что делать, если число уравнений больше двух? В этом нам поможет

Конечно, этим методом удобно пользоваться, если сделать из системы матрицу. Но можно и не преобразовывать её и решать в чистом виде.

Итак, как решается этим методом система линейных уравнений Гаусса? Кстати, хоть этот способ и назван его именем, но открыли его ещё в древности. Гаусс предлагает следующее: проводить операции с уравнениями, чтобы в конце концов привести всю совокупность к ступенчатому виду. То есть, нужно, чтобы сверху вниз (если правильно расставить) от первого уравнения к последнему убывало по одному неизвестному. Иными словами, нужно сделать так, чтобы у нас получилось, скажем, три уравнения: в первом - три неизвестных, во втором - два, в третьем - одно. Тогда из последнего уравнения мы находим первое неизвестное, подставляем его значение во второе или первое уравнение, и далее находим оставшиеся две переменные.

Метод Крамера

Для освоения этого метода жизненно необходимо владеть навыками сложения, вычитания матриц, а также нужно уметь находить определители. Поэтому, если вы плохо всё это делаете или совсем не умеете, придется поучиться и потренироваться.

В чём суть этого метода, и как сделать так, чтобы получилась система линейных уравнений Крамера? Всё очень просто. Мы должны построить матрицу из численных (практически всегда) коэффициентов системы линейных алгебраических уравнений. Для этого просто берём числа перед неизвестными и расставляем в таблицу в том порядке, как они записаны в системе. Если перед числом стоит знак "-", то записываем отрицательный коэффициент. Итак, мы составили первую матрицу из коэффициентов при неизвестных, не включая числа после знаков равенства (естественно, что уравнение должно быть приведено к каноническому виду, когда справа находится только число, а слева - все неизвестные с коэффициентами). Затем нужно составить ещё несколько матриц - по одной для каждой переменной. Для этого заменяем в первой матрице по очереди каждый столбец с коэффициентами столбцом чисел после знака равенства. Таким образом получаем несколько матриц и далее находим их определители.

После того как мы нашли определители, дело за малым. У нас есть начальная матрица, и есть несколько полученных матриц, которые соответствуют разным переменным. Чтобы получить решения системы, мы делим определитель полученной таблицы на определитель начальной таблицы. Полученное число и есть значение одной из переменных. Аналогично находим все неизвестные.

Другие методы

Существует ещё несколько методов для того, чтобы получить решение систем линейных уравнений. Например, так называемый метод Гаусса-Жордана, который применяется для нахождения решений системы квадратных уравнений и тоже связан с применением матриц. Существует также метод Якоби для решения системы линейных алгебраических уравнений. Он легче всех адаптируется для компьютера и применяется в вычислительной технике.

Сложные случаи

Сложность обычно возникает, если число уравнений меньше числа переменных. Тогда можно наверняка сказать, что, либо система несовместна (то есть не имеет корней), или количество её решений стремится к бесконечности. Если у нас второй случай - то нужно записать общее решение системы линейных уравнений. Оно будет содержать как минимум одну переменную.

Заключение

Вот мы и подошли к концу. Подведём итоги: мы разобрали, что такое система и матрица, научились находить общее решение системы линейных уравнений. Помимо этого рассмотрели другие варианты. Выяснили, как решается система линейных уравнений: метод Гаусса и Поговорили о сложных случаях и других способах нахождения решений.

На самом деле эта тема гораздо более обширна, и если вы хотите лучше в ней разобраться, то советуем почитать больше специализированной литературы.

Метод Гаусса имеет ряд недостатков: нельзя узнать, совместна система или нет, пока не будут проведены все преобразования, необходимые в методе Гаусса; метод Гаусса не пригоден для систем с буквенными коэффициентами.

Рассмотрим другие методы решения систем линейных уравнений. Эти методы используют понятие ранга матрицы и сводят решение любой совместной системы к решению системы, к которой применимо правило Крамера.

Пример 1. Найти общее решение следующей системы линейных уравнений с помощью фундаментальной системы решений приведенной однородной системы и частного решения неоднородной системы.

1. Составляем матрицу A и расширенную матрицу системы (1)

2. Исследуем систему (1) на совместность. Для этого находим ранги матриц A и https://pandia.ru/text/78/176/images/image006_90.gif" width="17" height="26 src=">). Если окажется, что , то система (1) несовместна. Если же получим, что , то эта система совместна и мы ее будем решать. (Исследование на совместность основано на теореме Кронекера-Капелли).

a. Находим rA .

Чтобы найти rA , будем рассматривать последовательно отличные от нуля миноры первого, второго и т. д. порядков матрицы A и окаймляющие их миноры.

М1 =1≠0 (1 берем из левого верхнего угла матрицы А ).

Окаймляем М1 второй строкой и вторым столбцом этой матрицы. . Продолжаем окаймлять М1 второй строкой и третьим столбцом..gif" width="37" height="20 src=">. Теперь окаймляем отличный от нуля минор М2′ второго порядка.

Имеем: (т. к. два первых столбца одинаковые)

(т. к. вторая и третья строки пропорциональны).

Мы видим, что rA=2 , а - базисный минор матрицы A .

b. Находим .

Достаточно базисный минор М2′ матрицы A окаймить столбцом свободных членов и всеми строками (у нас только последней строкой).

. Отсюда следует, что и М3′′ остается базисным минором матрицы https://pandia.ru/text/78/176/images/image019_33.gif" width="168 height=75" height="75">(2)

Так как М2′ - базисный минор матрицы A системы (2) , то эта система эквивалентна системе (3) , состоящей из первых двух уравнений системы (2) (ибо М2′ находится в первых двух строках матрицы A).

(3)

Так как базисный минор https://pandia.ru/text/78/176/images/image021_29.gif" width="153" height="51">(4)

В этой системе два свободных неизвестных (x2 и x4 ). Поэтому ФСР системы (4) состоит из двух решений. Чтобы их найти, придадим свободным неизвестным в (4) сначала значения x2=1 , x4=0 , а затем – x2=0 , x4=1 .

При x2=1 , x4=0 получим:

.

Эта система уже имеет единственное решение (его можно найти по правилу Крамера или любым другим способом). Вычитая из второго уравнения первое, получим:

Ее решением будет x1= -1 , x3=0 . Учитывая значения x2 и x4 , которые мы придали, получаем первое фундаментальное решение системы (2) : .

Теперь полагаем в (4) x2=0 , x4=1 . Получим:

.

Решаем эту систему по теореме Крамера:

.

Получаем второе фундаментальное решение системы (2) : .

Решения β1 , β2 и составляют ФСР системы (2) . Тогда ее общим решением будет

γ= С1β1+С2β2=С1(‑1, 1, 0, 0)+С2(5, 0, 4, 1)=(‑С1+5С2, С1, 4С2, С2)

Здесь С1 , С2 – произвольные постоянные.

4. Найдем одно частное решение неоднородной системы (1) . Как и в пункте 3 , вместо системы (1) рассмотрим эквивалентную ей систему (5) , состоящую из первых двух уравнений системы (1) .

(5)

Перенесем в правые части свободные неизвестные x2 и x4 .

(6)

Придадим свободным неизвестным x2 и x4 произвольные значения, например, x2=2 , x4=1 и подставим их в (6) . Получим систему

Эта система имеет единственное решение (т. к. ее определитель М2′0 ). Решая ее (по теореме Крамера или методом Гаусса), получим x1=3 , x3=3 . Учитывая значения свободных неизвестных x2 и x4 , получим частное решение неоднородной системы (1) α1=(3,2,3,1).

5. Теперь осталось записать общее решение α неоднородной системы (1) : оно равно сумме частного решения этой системы и общего решения ее приведенной однородной системы (2) :

α=α1+γ=(3, 2, 3, 1)+(‑С1+5С2, С1, 4С2, С2).

Это значит: (7)

6. Проверка. Чтобы проверить, правильно ли вы решили систему (1) , надо общее решение (7) подставить в (1) . Если каждое уравнение обратится в тождество (С1 и С2 должны уничтожиться), то решение найдено верно.

Мы подставим (7) для примера только в последнее уравнение системы (1) (x 1 + x 2 + x 3 ‑9 x 4 =‑1) .

Получим: (3–С1+5С2)+(2+С1)+(3+4С2)–9(1+С2)=–1

(С1–С1)+(5С2+4С2–9С2)+(3+2+3–9)=–1

Откуда –1=–1. Получили тождество. Так поступаем со всеми остальными уравнениями системы (1) .

Замечание. Проверка обычно довольно громоздкая. Можно рекомендовать следующую «частичную проверку»: в общем решении системы (1) произвольным постоянным придать некоторые значения и подставить полученное частное решение только в отброшенные уравнения (т. е. в те уравнения из (1) , которые не вошли в (5) ). Если получите тождества, то, скорее всего , решение системы (1) найдено правильно (но полной гарантии правильности такая проверка не дает!). Например, если в (7) положить С2= - 1 , С1=1 , то получим: x1=-3, x2=3, x3=-1, x4=0. Подставляя в последнее уравнение системы (1), имеем: - 3+3 - 1 - 9∙0= - 1 , т. е. –1=–1. Получили тождество.

Пример 2. Найти общее решение системы линейных уравнений (1) , выразив основные неизвестные через свободные.

Решение. Как и в примере 1 , составляем матрицы A и https://pandia.ru/text/78/176/images/image010_57.gif" width="156" height="50"> этих матриц. Оставляем теперь только те уравнения системы (1) , коэффициенты из которых входят в этот базисный минор (т. е. у нас – первые два уравнения) и рассматриваем состоящую из них систему, эквивалентную системе (1).

Перенесем в правые части этих уравнений свободные неизвестные.

Систему (9) решаем методом Гаусса, считая правые части свободными членами.

https://pandia.ru/text/78/176/images/image035_21.gif" width="202 height=106" height="106">

Вариант 2.

https://pandia.ru/text/78/176/images/image039_16.gif" width="192" height="106 src=">

Вариант 4.

https://pandia.ru/text/78/176/images/image042_14.gif" width="172" height="80">

Вариант 5.

https://pandia.ru/text/78/176/images/image044_12.gif" width="179 height=106" height="106">

Вариант 6.

https://pandia.ru/text/78/176/images/image046_11.gif" width="195" height="106">

Даны матрицы

Найти: 1) aA - bB,

Решение : 1) Находим последовательно, используя правила умножения матрицы на число и сложения матриц..

2. Найдите А*В, если

Решение : Используем правило умножения матриц

Ответ:

3. Для заданной матрицы найдите минор М 31 и вычислите определитель.

Решение : Минор М 31 – это определитель матрицы, которая получается из А

после вычеркивания строки 3 и столбца 1. Находим

1*10*3+4*4*4+1*1*2-2*4*10-1*1*4-1*4*3 = 0.

Преобразуем матрицу А, не изменяя её определителя (сделаем нули в строке 1)

-3*, -, -4*
-10			-15
-20			-25
-4			-5

Теперь вычисляем определитель матрицы А разложением по строке 1

Ответ: М 31 = 0, detA = 0

Pешить методом Гаусса и методом Крамера.

2х 1 + х 2 + x 3 = 2

x 1 + х 2 + 3x 3 = 6

2x 1 + x 2 + 2x 3 = 5

Решение : Проверим

Можно применить метод Крамера

Решение системы: х 1 = D 1 /D = 2, х 2 = D 2 /D = -5, х 3 = D 3 /D = 3

Применим метод Гаусса.

Расширенную матрицу системы приведём к треугольному виду.

Для удобства вычислений поменяем строки местами:

Умножим 2-ю строку на (k = -1 / 2 = -1 / 2 ) и добавим к 3-й:

	1 / 2		7 / 2

Умножим 1-ю строку на (k = -2 / 2 = -1 ) и добавим к 2-й:

Теперь исходную систему можно записать как:

x 1 = 1 - (1 / 2 x 2 + 1 / 2 x 3)

x 2 = 13 - (6x 3)

Из 2-ой строки выражаем

Из 1-ой строки выражаем

Решение то же.

Ответ: (2 ; -5 ; 3)

Найти общее решение системы и ФСР

13х 1 – 4х 2 – х 3 - 4х 4 - 6х 5 = 0

11х 1 – 2х 2 + х 3 - 2х 4 - 3х 5 = 0

5х 1 + 4х 2 + 7х 3 + 4х 4 + 6х 5 = 0

7х 1 + 2х 2 + 5х 3 + 2х 4 + 3х 5 = 0

Решение : Применим метод Гаусса. Расширенную матрицу системы приведём к треугольному виду.

	-4	-1	-4	-6
	-2		-2	-3
x 1	x 2	x 3	x 4	x 5

Умножим 1-ю строку на (-11). Умножим 2-ю строку на (13). Добавим 2-ю строку к 1-й:

	-2		-2	-3

Умножим 2-ю строку на (-5). Умножим 3-ю строку на (11). Добавим 3-ю строку к 2-й:

Умножим 3-ю строку на (-7). Умножим 4-ю строку на (5). Добавим 4-ю строку к 3-й:

Второе уравнение есть линейная комбинация остальных

Найдем ранг матрицы.

	-18	-24	-18	-27
x 1	x 2	x 3	x 4	x 5

Выделенный минор имеет наивысший порядок (из возможных миноров) и отличен от нуля (он равен произведению элементов, стоящих на обратной диагонали), следовательно rang(A) = 2.

Этот минор является базисным. В него вошли коэффициенты при неизвестных x 1 ,x 2 , значит, неизвестные x 1 ,x 2 – зависимые (базисные), а x 3 ,x 4 ,x 5 – свободные.

Система с коэффициентами этой матрицы эквивалентна исходной системе и имеет вид:

18x 2 = 24x 3 + 18x 4 + 27x 5

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

Методом исключения неизвестных находим общее решение :

x 2 = - 4 / 3 x 3 - x 4 - 3 / 2 x 5

x 1 = - 1 / 3 x 3

Находим фундаментальную систему решений (ФСР), которая состоит из (n-r) решений. В нашем случае n=5, r=2, следовательно, фундаментальная система решений состоит из 3-х решений, причем эти решения должны быть линейно независимыми.

Чтобы строки были линейно независимыми, необходимо и достаточно, чтобы ранг матрицы, составленной из элементов строк, был равен количеству строк, то есть 3.

Достаточно придать свободным неизвестным x 3 ,x 4 ,x 5 значения из строк определителя 3-го порядка, отличного от нуля, и подсчитать x 1 ,x 2 .

Простейшим определителем, отличным от нуля, является единичная матрица.

Но здесь удобнее взять

Находим, используя общее решение:

а) х 3 = 6, х 4 = 0, х 5 = 0 Þ х 1 = - 1 / 3 x 3 = -2, х 2 = - 4 / 3 x 3 - x 4 - 3 / 2 x 5 = -4 Þ

I решение ФСР: (-2; -4; 6; 0;0)

б) х 3 = 0, х 4 = 6, х 5 = 0 Þ х 1 = - 1 / 3 x 3 = 0, х 2 = - 4 / 3 x 3 - x 4 - 3 / 2 x 5 = - 6 Þ

II решение ФСР: (0; -6; 0; 6;0)

в) х 3 = 0, х 4 = 0, х 5 = 6 Þ х 1 = - 1 / 3 x 3 = 0, х 2 = - 4 / 3 x 3 - x 4 - 3 / 2 x 5 = -9 Þ

III решение ФСР: (0; - 9; 0; 0;6)

Þ ФСР: (-2; -4; 6; 0;0), (0; -6; 0; 6;0), (0; - 9; 0; 0;6)

6. Дано: z 1 = -4 + 5i, z 2 = 2 – 4i. Найти: a) z 1 – 2z 2 б) z 1 z 2 в) z 1 /z 2

Решение : a) z 1 – 2z 2 = -4+5i+2(2-4i) = -4+5i+4-8i = -3i

б) z 1 z 2 = (-4+5i)(2-4i) = -8+10i+16i-20i 2 = {i 2 = -1} = 12 + 26i

Ответ: а) -3i б) 12+26i в) -1.4 – 0.3i

Системы линейных уравнений, у которой все свободные члены равны нулю, называются однородными :

Любая однородная система всегда совместна, поскольку всегда обладает нулевым (тривиальным ) решением. Возникает вопрос, при каких условиях однородная система будет иметь нетривиальное решение.

Теорема 5.2. Однородная система имеет нетривиальное решение тогда и только тогда, когда ранг основной матрицы меньше числа ее неизвестных.

Следствие . Квадратная однородная система имеет нетривиальное решение тогда и только тогда, когда определитель основной матрицы системы не равен нулю.

Пример 5.6. Определить значения параметра l, при которых система имеет нетривиальные решения, и найти эти решения:

Решение . Эта система будет иметь нетривиальное решение тогда, когда определитель основной матрицы равен нулю:

Таким образом, система нетривиальна, когда l=3 или l=2. При l=3 ранг основной матрицы системы равен 1. Тогда оставляя только одно уравнение и полагая, что y =a и z =b , получим x=b-a , т.е.

При l=2 ранг основной матрицы системы равен 2. Тогда, выбирая в качестве базисного минор:

получим упрощенную систему

Отсюда находим, что x=z /4, y=z /2. Полагая z =4a , получим

Множество всех решений однородной системы обладает весьма важным линейным свойством : если столбцы X 1 и X 2 - решения однородной системы AX = 0 , то всякая их линейная комбинация aX 1 + bX 2 также будет решением этой системы . Действительно, поскольку AX 1 = 0 и AX 2 = 0 , то A (aX 1 + bX 2) = aAX 1 + bAX 2 = a · 0 + b · 0 = 0. Именно вследствие этого свойства, если линейная система имеет более одного решения, то этих решений будет бесконечно много.

Линейно независимые столбцы E 1 , E 2 , E k , являющиеся решениями однородной системы, называется фундаментальной системой решений однородной системы линейных уравнений, если общее решение этой системы можно записать в виде линейной комбинации этих столбцов:

Если однородная система имеет n переменных, а ранг основной матрицы системы равен r , то k = n-r .

Пример 5.7. Найти фундаментальную систему решений следующей системы линейных уравнений:

Решение . Найдем ранг основной матрицы системы:

Таким образом, множество решений данной системы уравнений образует линейное подпространство размерности n - r = 5 - 2 = 3. Выберем в качестве базисного минор

.

Тогда оставляя только базисные уравнения (остальные будут линейной комбинацией этих уравнений) и базисные переменные (осталь-ные, так называемые свободные, переменные переносим вправо), по-лучим упрощенную систему уравнений:

Полагая, x 3 = a , x 4 = b , x 5 = c , находим

, .

Полагая a = 1, b = c = 0, получим первое базисное решение; полагая b = 1, a = c = 0, получим второе базисное решение; полагая c = 1, a = b = 0, получим третье базисное решение. В результате, нормальная фундаментальная система решений примет вид

С использованием фундаментальной системы общее решение однородной системы можно записать в виде

X = aE 1 + bE 2 + cE 3 . à

Отметим некоторые свойства решений неоднородной системы линейных уравнений AX=B и их взаимосвязь соответствующей однородной системой уравнений AX = 0.

Общее решение неоднородной системы равно сумме общего решения соответствующей однородной системы AX = 0 и произвольного частного решения неоднородной системы . Действительно, пусть Y 0 произвольное частное решение неоднородной системы, т.е. AY 0 = B , и Y - общее решение неоднородной системы, т.е. AY = B . Вычитая одно равенство из другого, получим
A (Y-Y 0) = 0, т.е. Y - Y 0 есть общее решение соответствующей однородной системы AX =0. Следовательно, Y - Y 0 = X , или Y = Y 0 + X . Что и требовалось доказать.

Пусть неоднородная система имеет вид AX = B 1 + B 2 . Тогда общее решение такой системы можно записать в виде X = X 1 + X 2 , где AX 1 = B 1 и AX 2 = B 2 . Это свойство выражает универсальное свойство вообще любых линейных систем (алгебраических, дифференциальных, функциональных и т.д.). В физике это свойство называется принципом суперпозиции , в электро- и радиотехнике - принципом наложения . Например, в теории линейных электрических цепей ток в любом контуре может быть получен как алгебраическая сумма токов, вызываемых каждым источником энергии в отдельности.

Линейное уравнение называется однородным , если его свободный член равен нулю, и неоднородным в противном случае. Система, состоящая из однородных уравнений, называется однородной и имеет общий вид:

Очевидно, что всякая однородная система совместна и имеет нулевое (тривиальное) решение. Поэтому применительно к однородным системам линейных уравнений часто приходится искать ответ на вопрос о существовании ненулевых решений. Ответ на этот вопрос можно сформулировать в виде следующей теоремы.

Теорема . Однородная система линейных уравнений имеет ненулевое решение тогда и только тогда, когда ее ранг меньше числа неизвестных .

Доказательство : Допустим, система, ранг которой равен, имеет ненулевое решение. Очевидно, что не превосходит . В случае система имеет единственное решение. Поскольку система однородных линейных уравнений всегда имеет нулевое решение, то именно нулевое решение и будет этим единственным решением. Таким образом, ненулевые решения возможны только при .

Следствие 1 : Однородная система уравнений, в которой число уравнений меньше числа неизвестных, всегда имеет ненулевое решение.

Доказательство : Если у системы уравнений , то ранг системы не превышает числа уравнений , т.е. . Таким образом, выполняется условие и, значит, система имеет ненулевое решение.

Следствие 2 : Однородная система уравнений с неизвестными имеет ненулевое решение тогда и только тогда, когда ее определитель равен нулю.

Доказательство : Допустим, система линейных однородных уравнений, матрица которой с определителем , имеет ненулевое решение. Тогда по доказанной теореме , а это значит, что матрица вырожденная, т.е. .

Теорема Кронекера-Капелли: СЛУ совместна тогда и только тогда, когда ранг матрицы системы равен рангу расширенной матрицы этой системы. Система ур-ий называется совместной, если она имеет хотя бы одно решение.

Однородная система линейных алгебраических уравнений .

Система m линейных ур-ий с n переменными называется системой линейных однородных уравнений, если все свободные члены равны 0. Система линейных однородных ур-ий всегда совместна, т.к. она всегда имеет, по крайней мере, нулевое решение. Система линейных однородных ур-ий имеет ненулевое решение тогда и только тогда, когда ранг её матрицы коэффициентов при переменных меньше числа переменных, т.е. при rang A (n. Всякая лин. комбинация

решений системы лин. однородн. ур-ий также является решением этой системы.

Система лин.независимых решений е1, е2,…,еk называется фундаментальной, если каждое решение системы является линейной комбинацией решений. Теорема: если ранг r матрицы коэффициентов при переменных системы линейных однородных уравнений меньше числа переменных n, то всякая фундаментальная система решений системы состоит из n-r решений. Поэтому общее решение системы лин. однордн. ур-ий имеет вид: с1е1+с2е2+…+сkеk, где е1, е2,…, еk – любая фундаментальная система решений, с1, с2,…,сk – произвольные числа и k=n-r. Общее решение системы m линейных ур-ий с n переменными равно сумме

общего решения соответствующей ей системы однородн. линейных ур-ий и произвольного частного решения этой системы.

7.Линейные пространства. Подпространства. Базис, размерность. Линейная оболочка. Линейное пространство называется n-мерным , если в нем существует система из линейно независимых векторов, а любая система из большего количества векторов линейно зависима. Число называется размерностью (числом измерений) линейного пространства и обозначается . Другими словами, размерность пространства - это максимальное число линейно независимых векторов этого пространства. Если такое число существует, то пространство называется конечномерным. Если же для любого натурального числа п в пространстве найдется система, состоящая из линейно независимых векторов, то такое пространство называют бесконечномерным (записывают: ). Далее, если не оговорено противное, будут рассматриваться конечномерные пространства.

Базисом n-мерного линейного пространства называется упорядоченная совокупность линейно независимых векторов (базисных векторов ).

Теорема 8.1 о разложении вектора по базису. Если - базис n-мерного линейного пространства , то любой вектор может быть представлен в виде линейной комбинации базисных векторов:

V=v1*e1+v2*e2+…+vn+en
и притом единственным образом, т.е. коэффициенты определяются однозначно. Другими словами, любой вектор пространства может быть разложен по базису и притом единственным образом.

Действительно, размерность пространства равна . Система векторов линейно независима (это базис). После присоединения к базису любого вектора , получаем линейно зависимую систему (так как это система состоит из векторов n-мерного пространства). По свойству 7 линейно зависимых и линейно независимых векторов получаем заключение теоремы.