Методы решения системы линейных алгебраических уравнений. Линейные уравнения. Решение систем линейных уравнений матричным методом Система линейных алгебраических уравнений является

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.

Матричная форма

Система линейных уравнений может быть представлена в матричной форме как:

или, согласно правилу перемножения матриц,

Если к матрице А прибавить столбец свободных членов, то А называется расширенной матрицей.

Методы решения

Прямые (или точные) методы, позволяют найти решение за определенное количество шагов. Итерационные методы, основаны на использовании повторяющегося процесса и позволяют получить решение в результате последовательных приближений

Прямые методы

• Метод прогонки (для трёхдиагональных матриц)
• Разложение Холецкого или метод квадратных корней (для положительно-определённых симметричных и эрмитовых матриц)

Итерационные методы

Решение системы линейных алгебраических уравнений на VBA

Option Explicit Sub rewenie() Dim i As Integer Dim j As Integer Dim r() As Double Dim p As Double Dim x() As Double Dim k As Integer Dim n As Integer Dim b() As Double Dim file As Integer Dim y() As Double file = FreeFile Open "C:\data.txt" For Input As file Input #file, n ReDim x(0 To n * n - 1 ) As Double ReDim y(0 To n - 1 ) As Double ReDim r(0 To n - 1 ) As Double For i = 0 To n - 1 For j = 0 To n - 1 Input #file, x(i * n + j) Next j Input #file, y(i) Next i Close #file For i = 0 To n - 1 p = x(i * n + i) For j = 1 To n - 1 x(i * n + j) = x(i * n + j) / p Next j y(i) = y(i) / p For j = i + 1 To n - 1 p = x(j * n + i) For k = i To n - 1 x(j * n + k) = x(j * n + k) - x(i * n + k) * p Next k y(j) = y(j) - y(i) * p Next j Next i " Верхнетреугольная матрица For i = n - 1 To 0 Step -1 p = y(i) For j = i + 1 To n - 1 p = p - x(i * n + j) * r(j) Next j r(i) = p / x(i * n + i) Next i " Обратный ход For i = 0 To n - 1 MsgBox r(i) Next i " End Sub

См. также

Ссылки

Примечания

Wikimedia Foundation . 2010 .

Смотреть что такое "СЛАУ" в других словарях:

СЛАУ - система линейных алгебраических уравнений … Словарь сокращений и аббревиатур

У этого термина существуют и другие значения, см. Слау (значения). Город и унитарная единица Слау англ. Slough Страна … Википедия

- (Slough) город в Великобритании, в составе промышленного пояса, окружающего Большой Лондон, на железной дороге Лондон Бристоль. 101,8 тыс. жителей (1974). Машиностроение, электротехническая, электронная, автомобильная и химическая… … Большая советская энциклопедия

Слау - (Slough)Slough, промышленный и торговый город в графстве Беркшир, юж. Англия, к З. от Лондона; 97400 жителей (1981); легкая промышленность стала развиваться в период между мировыми войнами … Страны мира. Словарь

Слау: Слау (англ. Slough) город в Англии, в графстве Беркшир СЛАУ Система линейных алгебраических уравнений … Википедия

Коммуна Рёслау Röslau Герб … Википедия

Город Бад Фёслау Bad Vöslau Герб … Википедия

Проекционные методы решения СЛАУ класс итерационных методов, в которых решается задача проектирования неизвестного вектора на некоторое пространство оптимально относительно другого некоторого пространства. Содержание 1 Постановка задачи … Википедия

Город Бад Фёслау Bad Vöslau Страна АвстрияАвстрия … Википедия

Фундаментальная система решений (ФСР) представляет собой набор линейно независимых решений однородной системы уравнений. Содержание 1 Однородные системы 1.1 Пример 2 Неоднородные системы … Википедия

Книги

• Прямые и обратные задачи восстановления изображений, спектроскопии и томографии с MatLab (+CD) , Сизиков Валерий Сергеевич. В книге изложено применение аппарата интегральных уравнений (ИУ), систем линейных алгебраических уравнений (СЛАУ) и систем линейно-нелинейных уравнений (СЛНУ), а также программных средств…

Матричный метод решения систем линейных алгебраических уравнений - вывод формулы.

Пусть для матрицы А порядка n на n существует обратная матрица . Умножим обе части матричного уравнения слева на (порядки матриц A ⋅ X и В позволяют произвести такую операцию, смотрите статью операции над матрицами, свойства операций). Имеем . Так как для операции умножения матриц подходящих порядков характерно свойство ассоциативности, то последнее равенство можно переписать как , а по определению обратной матрицы (E – единичная матрица порядка n на n ), поэтому

Таким образом, решение системы линейных алгебраических уравнений матричным методом определяется по формуле . Другими словами, решение СЛАУ находится с помощью обратной матрицы .

Мы знаем, что квадратная матрица А порядка n на n имеет обратную матрицу только тогда, когда ее определитель не равен нулю. Следовательно, СИСТЕМУ n ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ С n НЕИЗВЕСТНЫМИ МОЖНО РЕШАТЬ МАТРИЧНЫМ МЕТОДОМ ТОЛЬКО ТОГДА, КОГДА ОПРЕДЕЛИТЕЛЬ ОСНОВНОЙ МАТРИЦЫ СИСТЕМЫ ОТЛИЧЕН ОТ НУЛЯ.

К началу страницы

Примеры решения систем линейных алгебраических уравнений матричным методом.

Рассмотрим матричный метод на примерах. В некоторых примерах мы не будем подробно описывать процесс вычисления определителей матриц, при необходимости обращайтесь к статье вычисление определителя матрицы.

Пример.

С помощью обратной матрицы найдите решение системы линейных уравнений .

Решение.

В матричной форме исходная система запишется как , где . Вычислим определитель основной матрицы и убедимся, что он отличен от нуля. В противном случае мы не сможем решить систему матричным методом. Имеем , следовательно, для матрицы А может быть найдена обратная матрица . Таким образом, если мы отыщем обратную матрицу, то искомое решение СЛАУ определим как . Итак, задача свелась к построению обратной матрицы . Найдем ее.

Мы знаем, что для матрицы обратная матрица может быть найдена как , где - алгебраические дополнения элементов .

В нашем случае

Тогда

Выполним проверку полученного решения , подставив его в матричную форму исходной системы уравнений . Это равенство должно обратиться в тождество, в противном случае где-то была допущена ошибка.

Следовательно, решение найдено верно.

Ответ:

или в другой записи .

Пример.

Решите СЛАУ матричным методом.

Решение.

Первое уравнение системы не содержит неизвестной переменной x 2 , второе –x 1 , третье – x 3 . То есть, коэффициенты перед этими неизвестными переменными равны нулю. Перепишем систему уравнений как . От такого вида проще перейти к матричной форме записи СЛАУ . Убедимся в том, что эта система уравнений может быть решена с помощью обратной матрицы. Другими словами, покажем что :

Построим обратную матрицу с помощью матрицы из алгебраических дополнений:

тогда,

Осталось найти решение СЛАУ:

Ответ:

.

При переходе от обычного вида системы линейных алгебраических уравнений к ее матричной форме следует быть внимательным с порядком следования неизвестных переменных в уравнениях системы. К примеру, СЛАУ НЕЛЬЗЯ записать как . Нужно сначала упорядочить все неизвестные переменные во всех уравнениях системы, а потом переходить к матричной записи:

или

Также будьте внимательны с обозначением неизвестных переменных, вместоx 1 , x 2 , …, x n могут быть любые другие буквы. Например, СЛАУ в матричной форме запишется как .

Разберем пример.

Пример.

с помощью обратной матрицы.

Решение.

Упорядочив неизвестные переменные в уравнениях системы, запишем ее в матичной форме
. Вычислим определитель основной матрицы:

Он отличен от нуля, поэтому решение системы уравнений может быть найдено с помощью обратной матрицы как . Найдем обратную матрицу по формуле :

Получим искомое решение:

Ответ:

x = 0, y = -2, z = 3 .

Пример.

Найдите решение системы линейных алгебраических уравнений матричным методом.

Решение.

Определитель основной матрицы системы равен нулю

поэтому, мы не можем применить матричный метод.

Нахождение решения подобных систем описано в разделе решение систем линейных алгебраических уравнений.

Пример.

Решите СЛАУ матричным методом, - некоторое действительное число.

Решение.

Система уравнений в матричной форме имеет вид . Вычислим определитель основной матрицы системы и убедимся в том, что он отличен от нуля:

Квадратных трехчлен не обращается в ноль ни при каких действительных значениях , так как его дискриминант отрицателен , поэтому определитель основной матрицы системы не равен нулю ни при каких действительных . По матричному методу имеем . Построим обратную матрицу по формуле :

Тогда

Ответ:

.К началу страницы

Подведем итог.

Матричный метод подходит для решения СЛАУ, в которых количество уравнений совпадает с числом неизвестных переменных и определитель основной матрицы системы отличен от нуля. Если система содержит больше трех уравнений, то нахождение обратной матрицы требует значительных вычислительных усилий, поэтому, в этом случае целесообразно использовать для решения метод Гаусса.

Тема 2. Решение систем линейных алгебраических уравнений прямыми методами.

Системами линейных алгебраических уравнений (сокращенно - СЛАУ) называются системы уравнений вида

или, в матричном виде,

A × x = B , (2.2)

A - матрица коэффициентов системы размерности n ´ n

x - вектор неизвестных, состоящий из n компонент

B - вектор правых частей системы, состоящий из n компонент.

A = x = B = (2.3)

Решением СЛАУ является такой набор из n чисел, который будучи подставленным вместо значений x 1 , x 2 , … , x n в систему (2.1) обеспечивает равенство левых частей правым во всех уравнениях.

Каждая СЛАУ в зависимости от значений матриц A и B может иметь

Одно решение

Бесконечно много решений

Ни одного решения.

В данном курсе будем рассматривать только те СЛАУ, которые имеют единственное решение. Необходимым и достаточным условием этого является неравенство нулю определителя матрицы A .

Для поиска решений над системами линейных алгебраических уравнений могут проводиться некоторые преобразования, не изменяющие ее решений. Эквивалентными преобразованиями системы линейных уравнений называются такие ее преобразования, которые не изменяют ее решения. К их числу относятся:

Перестановка местами двух любых уравнений системы (следует отиетить, что в некоторых случаях, рассматриваемых ниже, это преробразование использовать нельзя);

Умножение (или деление) какого-либо уравнения системы на число, не равное нулю;

Прибавление к одному уравнению системы другого ее уравнения, умноженного (или разделенного) на некоторое не равное нулю число.

Методы решения СЛАУ делятся на две больших группы, называемые - прямые методы и итерационные методы . Имеется также способ сведения задачи решения СЛАУ к задаче поиска экстремума функции нескольких переменных с последующем решением ее методами поиска экстремума (об этом подробнее - при прохождении соответствующей темы). Прямые методы обеспечивают получение точного решения системы (если оно существует) за один шаг. Итерационные методы (если при этом обеспечена их сходимость) позволяют многократно улучшать некоторое начальное приближение к искомому решению СЛАУ и, вообще говоря, точного решения не дадут никогда. Однако, учитывая то, что прямые методы решения из-за неизбежных ошибок округления на промежуточных этапах расчетов тоже дают не идеально точные решения, итерационные методы могут тоже обеспечить примерно такой же результат.

Прямые методы решения СЛАУ. Наиболее часто используемыми прямыми методами решения СЛАУ являются:

Метод Крамера,

Метод Гаусса (и его модификация - метод Гаусса-Жордана)

Матричный метод (с использованием обращения матрицы A ).

Метод Крамера основан на вычислении определителя основной матрицы A и определителей матриц A 1 , A 2 , …, A n , которые получаются из матрицы A заменой в ней одного (i -го) столбца (i = 1, 2,…, n ) на столбец, содержащий элементы вектора B . После этого решения СЛАУ определяются как частное от деления значений этих определителей. Точнее, расчетные формулы имеют такой вид

(2.4)

Пример 1 . Найдем методом Крамера решение СЛАУ, у которой

A = , B = .

Имеем

A 1 = , A 2 = , A 3 = , A 4 = .

Вычислим значения определителей всех пяти матриц (c использованием функции МОПРЕД среды Excel ). Получим

Так как определитель матрицы A не равен нулю - система имеет единственное решение. Тогда определим его по формуле (2.4). Получим

Метод Гаусса. Решение СЛАУ этим методом предполагает составление расширенной матрицы системы A * . Расширенная матрица системы - это матрица размером в n строк и n +1 столбцов, включающая в себя исходную матрицу A c присоединенным к ней справа столбцом, содержащим вектор B .

A* = (2.4)

Здесь a in+1 =b i (i = 1, 2, …, n ).

Суть метода Гаусса состоит в приведении (посредством эквивалентных преобразований ) расширенной матрицы системы к треугольному виду (так, чтобы ниже ее главной диагонали находились только нулевые элементы).

A * =

Тогда, начиная с последней строки и двигаясь вверх, можно последовательно определить значения всех компонент решения.

Начало преобразований расширенной матрицы системы к необходимому виду заключается в просмотре значений коэффициентов при x 1 и выборе строки, в которой он имеет максимальное по абсолютной величине значение (это необходимо для уменьшения величины вычислительной ошибки при последующих вычислениях). Эту строку расширенной матрицы необходимо поменять местами с первой ее строкой (или же, что лучше, сложить (или вычесть) с первой строкой и результат поместить на место первой строки). После этого все элементы этой новой первой строки (в том числе и в последнем ее столбце) необходимо разделить на этот коэффициент. После этого вновь полученный коэффициент a 11 станет равным единице. Дальше от каждой из оставшихся строк матрицы необходимо вычесть ее первую строку, умноженную на значение коэффициента при x 1 в этой строке (т.е. на величину a i 1 , где i =2, 3, … n ). После этого во всех строках, начиная со второй коэффициенты при x 1 (т.е. все коэффициенты a i 1 (i =2, …, n ) будут равными нулю. Поскольку мы выполняли только эквивалентные преобразования - решение вновь полученной СЛАУ не будет отличаться от исходной системы.

Дальше, оставляя неизменной первую строку матрицы, проделаем все вышеописанные действия с остальными строками матрицы и, в результате, вновь полученный коэффициент a 22 станет равным единице, а все коэффициенты a i 2 (i =3, 4, …, n ) станут равными нулю. Продолжая аналогичные действия, мы в конечном итоге приведем нашу матрицу к виду, в котором все коэффициенты a ii = 1 (i =1, 2, …, n ), а все коэффициенты a ij = 0 (i =2, 3, …, n , j < i ). Если же на каком-то шаге при поиске наибольшего по абсолютной величине коэффициента при x j мы не сможем найти не равного нулю коэффициента - это будет значить, что исходная система не имеет единственного решения. В этом случае процесс решения необходимо прекратить.

Если процесс эквивалентных преобразований закончился успешно, то полученная в результате «треуголиная» расширенная матрица будет соответствовать такой системе линейных уравнений:

Из последнего уравнения этой системы найдем значение x n . Далее, подставляя это значение в предпоследнее уравнение, найдем значение x n -1 . После этого, подставляя оба эти найденных значения в третье снизу уравнение системы, найдем значение x n -2 . Продолжая так далее и продвигаясь по уравнением этой системы снизу вверх, будем последовательно находить значения других корней. И, наконец, подставляя найденные значения x n , x n -1 , x n -2 , x 3 и x 2 в первое уравнение системы найдем значение х 1 . Такая процедура поиска значений корней по найденной треугольной матрице называется обратным ходом. Процесс приведения исходной расширенной матрицы эквивалентными преобразованиями к треугольному виду назавают прямым ходом метода Гаусса..

Достаточно подробный алгоритм решения СЛАУ методом Гаусса приведен на рис. .2.1 и рис. 2.1а.

Пример 2 . Найти методом Гаусса решение той же СЛАУ, которую мы уже решали методом Крамера. Составим сначала ее расширенную матрицу. Получим

A * = .

Сначала переставим местами первую и третью строки этой матрицы (так как в ее первом столбце находится наибольший по абсолютной величине элемент), а затем разделим все элементы этой новой первой строки на значение 3. Получим

A * = .

A * =

Дальше переставим местами вторую и третью строки этой матрицы, разделим вторую строку переставленной матрицы на 2.3333 и, аналогично вышеописаному, обнулим коэффициенты во втором столбце третьей и четвертой строк матрицы. Получим

A * = .

После выполнения подобных действий над третьей и четвертой строками матрицы получим

A * = .

Разделив теперь четвертую строку на -5.3076, закончим проведение расширенной матрицы системы к диагональному виду. Получим

Рис. 2.1. Алгоритм решения систем линейных алгебраических уравнений методом Гаусса

Рис. 2.1а. Макроблок “Расчет значений решения”.

A * = .

Из последней строки сразу получим x 4 = 0.7536. Поднимаясь теперь вверх по строкам матрицы и выполняя расчеты, последовательно получим x 3 = 0.7971, x 2 =- 0.1015 и x 1 = 0.3333. Сравнивая полученное этим методом решение с решением, полученным методом Крамера, нетрудно убедиться в их совпадении.

Метод Гаусса-Жордана. Этот метод решения СЛАУ во многом похож на метод Гаусса. Основным отличием является то, что используя эквивалентные преобразования расширенная матрица системы уравнений приводится не к треугольному виду, а к диагональному виду, на главной диагонали которой находятся единицы, а вне нее (кроме последнего n +1 столбца) - нули. После окончания такого преобразования - последний столбец расширенной матрицы будет содержать решение исходной СЛАУ (т,е. . x i = a i n +1 (i = 1, 2, … , n ) в полученной матрице). Обратный ход (как в методе Гаусса) для окончательных расчетов значений компонент решения - не нужен.

Приведение матрицы к диагональному виду проводится, в основном, также как и в методе Гаусса. Если в строке i коэффициент при x i (i = 1, 2, … , n ) по абсолютной величине мал, то производится поиск строки j , в которой коэффициент при x i будет наибольшим по абсолютной величине эта (j -я) строка прибавляется поэлементно к i - й строке. Затем все элементы i - й строки делятся на значение элемента x i Но, в отличие от метода Гаусса, после этого идет вычитание из каждой строки с номером j строки с номером i ,умноженной на a ji , но условие j > i заменено на другоеВ методе Гаусса-Жордана идет вычитание из каждой строки с номером j , причем j # i , строки с номером i ,умноженной на a ji . Т.е. производится обнуление коэффициентов как ниже, так и выше главной диагонали.

Достаточно подробный алгоритм решения СЛАУ методом Гаусса–Жордана приведен на рис. 2.2.

Пример 3 . Найти методом Гаусса-Жордана решение той же СЛАУ, которую мы уже решали методами Крамера и Гаусса.

Полностью аналогично методу Гаусса составим расширенную матрицу системы. Затем переставим местами первую и третью строки этой матрицы (так как в ее первом столбце находится наибольший по абсолютной величине элемент), а затем разделим все элементы этой новой первой строки на значение 3. Дальше проведем вычитание из каждой строки матрицы (кроме первой) элементов первой строки, умноженных на коэффициент в первом столбце этой строки. Получим то же, что и в методе Гаусса

A * = .

Дальше переставим местами вторую и третью строки этой матрицы, разделим вторую строку переставленной матрицы на 2.3333 и (уже в отличие от метода Гаусса ) обнулим коэффициенты во втором столбце первой, третьей и четвертой строк матрицы. Получим

Решение выполняем с помощью калькулятора . Выпишем расширенную и основную матрицы:

Пунктиром отделена основная матрица A. Сверху пишем неизвестные системы, имея в виду возможную перестановку слагаемых в уравнениях системы. Определяя ранг расширенной матрицы, одновременно найдем ранг и основной. В матрице B первый и второй столбцы пропорциональны. Из двух пропорциональных столбцов в базисный минор может попасть только один, поэтому перенесем, например, первый столбец за пунктирную черту с обратным знаком. Для системы это означает перенос членов с x 1 в правую часть уравнений.

Приведем матрицу к треугольному виду. Будем работать только со строками, так как умножение строки матрицы на число, отличное от нуля, и прибавление к другой строке для системы означает умножение уравнения на это же число и сложение с другим уравнением, что не меняет решения системы. Работаем с первой строкой: умножим первую строку матрицы на (-3) и прибавим ко второй и третьей строкам по очереди. Затем первую строку умножим на (-2) и прибавим к четвертой.

Вторая и третья строки пропорциональны, следовательно, одну из них, например вторую, можно вычеркнуть. Это равносильно вычеркиванию второго уравнения системы, так как оно является следствием третьего.

Теперь работаем со второй строкой: умножим ее на (-1) и прибавим к третьей.

Минор, обведенный пунктиром, имеет наивысший порядок (из возможных миноров) и отличен от нуля (он равен произведению элементов, стоящих на главной диагонали), причем этот минор принадлежит как основной матрице, так и расширенной, следовательно rangA = rangB = 3 .
Минор является базисным. В него вошли коэффициенты при неизвестных x 2 , x 3 , x 4 , значит, неизвестные x 2 , x 3 , x 4 – зависимые, а x 1 , x 5 – свободные.
Преобразуем матрицу, оставляя слева только базисный минор (что соответствует пункту 4 приведенного выше алгоритма решения).

Система с коэффициентами этой матрицы эквивалентна исходной системе и имеет вид

Пример 2 . Исследовать совместность, найти общее и одно частное решение системы

Решение . Переставим первое и второе уравнения, чтобы иметь единицу в первом уравнении и запишем матрицу B.

Получим нули в четвертом столбце, оперируя первой строкой:

Теперь получим нули в третьем столбце с помощью второй строки:

Третья и четвертая строки пропорциональны, поэтому одну из них можно вычеркнуть, не меняя ранга:
Третью строку умножим на (–2) и прибавим к четвертой:

Видим, что ранги основной и расширенной матриц равны 4, причем ранг совпадает с числом неизвестных, следовательно, система имеет единственное решение:
-x 1 =-3 → x 1 =3; x 2 =3-x 1 → x 2 =0; x 3 =1-2x 1 → x 3 =5.
x 4 = 10- 3x 1 – 3x 2 – 2x 3 = 11.

Пример 3 . Исследовать систему на совместность и найти решение, если оно существует.

Решение . Составляем расширенную матрицу системы.

Переставляем первые два уравнения, чтобы в левом верхнем углу была 1:
Умножая первую строку на (-1), складываем ее с третьей:

Умножим вторую строку на (-2) и прибавим к третьей:

Система несовместна, так как в основной матрице получили строку, состоящую из нулей, которая вычеркивается при нахождении ранга, а в расширенной матрице последняя строка останется, то есть r B > r A .

Задание . Исследовать данную систему уравнений на совместность и решить ее средствами матричного исчисления .
Решение

Пример . Доказать совместимость системы линейных уравнений и решить ее двумя способами: 1) методом Гаусса ; 2) методом Крамера . (ответ ввести в виде: x1,x2,x3)
Решение :doc :doc :xls
Ответ: 2,-1,3.

Пример . Дана система линейных уравнений. Доказать ее совместность. Найти общее решение системы и одно частное решение.
Решение
Ответ: x 3 = - 1 + x 4 + x 5 ; x 2 = 1 - x 4 ; x 1 = 2 + x 4 - 3x 5

Задание . Найти общее и частное решения каждой системы.
Решение. Исследуем эту систему по теореме Кронекера-Капелли.
Выпишем расширенную и основную матрицы:

Задание . Решить систему уравнений.
Ответ :x 2 = 2 - 1.67x 3 + 0.67x 4
x 1 = 5 - 3.67x 3 + 0.67x 4
Придавая свободным неизвестным любые значения, получим сколько угодно частных решений. Система является неопределенной