Как найти фундаментальную систему решений системы уравнений. Фундаментальная система решений

Пусть М 0 – множество решений однородной системы (4) линейных уравнений.

Определение 6.12. Векторы с 1 , с 2 , …, с p , являющиеся решениями однородной системы линейных уравнений называются фундаментальным набором решений (сокращенно ФНР), если

1) векторы с 1 , с 2 , …, с p линейно независимы (т. е. ни один из них нельзя выразить через другие);

2) любое другое решение однородной системы линейных уравнений можно выразить через решения с 1 , с 2 , …, с p .

Заметим, что если с 1 , с 2 , …, с p – какой-либо ф.н.р., то выражением k 1 ×с 1 + k 2 ×с 2 + … + k p ×с p можно описать все множество М 0 решений системы (4), поэтому его называют общим видом решения системы (4).

Теорема 6.6. Любая неопределенная однородная система линейных уравнений обладает фундаментальным набором решений.

Способ нахождения фундаментального набора решений состоит в следующем:

Найти общее решение однородной системы линейных уравнений;

Построить (n – r ) частных решений этой системы, при этом значения свободных неизвестных должны образовывать единичную матрицу;

Выписать общий вид решения, входящего в М 0 .

Пример 6.5. Найти фундаментальный набор решений следующей системы:

Решение . Найдем общее решение этой системы.

~ ~ ~ ~ Þ Þ Þ В этой системе пять неизвестных (n = 5), из них главных неизвестных два (r = 2), свободных неизвестных три (n – r ), то есть в фундаментальном наборе решений содержится три вектора решения. Построим их. Имеем x 1 и x 3 – главные неизвестные, x 2 , x 4 , x 5 – свободные неизвестные

Значения свободных неизвестных x 2 , x 4 , x 5 образуют единичную матрицу E третьего порядка. Получили, что векторы с 1 , с 2 , с 3 образуют ф.н.р. данной системы. Тогда множество решений данной однородной системы будет М 0 = {k 1 ×с 1 + k 2 ×с 2 + k 3 ×с 3 , k 1 , k 2 , k 3 Î R}.

Выясним теперь условия существования ненулевых решений однородной системы линейных уравнений, другими словами условия существования фундаментального набора решений.

Однородная система линейных уравнений имеет ненулевые решения, то есть является неопределенной, если

1) ранг основной матрицы системы меньше числа неизвестных;

2) в однородной системе линейных уравнений число уравнений меньше числа неизвестных;

3) если в однородной системе линейных уравнений число уравнений равно числу неизвестных, и определитель основной матрицы равен нулю (т. е. |A | = 0).

Пример 6.6 . При каком значении параметра a однородная система линейных уравнений имеет ненулевые решения?

Решение . Составим основную матрицу этой системы и найдем ее определитель: = = 1×(–1) 1+1 × = –а – 4. Определитель этой матрицы равен нулю при a = –4.

Ответ : –4.

7. Арифметическое n -мерное векторное пространство

Основные понятия

В предыдущих разделах уже встречалось понятие о наборе из действительных чисел, расположенных в определенном порядке. Это матрица-строка (или матрица-столбец) и решение системы линейных уравнений с n неизвестными. Эти сведения можно обобщить.

Определение 7.1. n -мерным арифметическим вектором называется упорядоченный набор из n действительных чисел.

Значит а = (a 1 , a 2 , …, a n ), где a i Î R, i = 1, 2, …, n – общий вид вектора. Число n называется размерностью вектора, а числа a i называются его координатами .

Например: а = (1, –8, 7, 4, ) – пятимерный вектор.

Все множество n -мерных векторов принято обозначать как R n .

Определение 7.2. Два вектора а = (a 1 , a 2 , …, a n ) и b = (b 1 , b 2 , …, b n ) одинаковой размерности равны тогда и только тогда, когда равны их соответствующие координаты, т. е. a 1 = b 1 , a 2 = b 2 , …, a n = b n .

Определение 7.3. Суммой двух n -мерных векторов а = (a 1 , a 2 , …, a n ) и b = (b 1 , b 2 , …, b n ) называется вектор a + b = (a 1 + b 1 , a 2 + b 2 , …, a n + b n ).

Определение 7.4. Произведением действительного числа k на вектор а = (a 1 , a 2 , …, a n ) называется вектор k ×а = (k ×a 1 , k ×a 2 , …, k ×a n )

Определение 7.5. Вектор о = (0, 0, …, 0) называется нулевым (или нуль–вектором ).

Легко проверить, что действия (операции) сложения векторов и умножения их на действительное число обладают следующими свойствами: " a , b , c Î R n , " k , l Î R:

1) a + b = b + a ;

2) a + (b + c ) = (a + b ) + c ;

3) a + о = a ;

4) a + (–a ) = о ;

5) 1×a = a , 1 Î R;

6) k ×(l ×a ) = l ×(k ×a ) = (l ×k )×a ;

7) (k + l )×a = k ×a + l ×a ;

8) k ×(a + b ) = k ×a + k ×b .

Определение 7.6. Множество R n с заданными на нем операциями сложения векторов и умножения их на действительное число называется арифметическим n-мерным векторным пространством .

Однородные системы линейных алгебраических уравнений

В рамках уроков метод Гаусса и Несовместные системы/системы с общим решением мы рассматривали неоднородные системы линейных уравнений , где свободный член (который обычно находится справа) хотя бы одного из уравнений был отличен от нуля.
И сейчас, после хорошей разминки с рангом матрицы , мы продолжим шлифовать техникуэлементарных преобразований на однородной системе линейных уравнений .
По первым абзацам материал может показаться скучным и заурядным, однако данное впечатление обманчиво. Помимо дальнейшей отработки технических приёмов будет много новой информации, поэтому, пожалуйста, постарайтесь не пренебрегать примерами данной статьи.

Что такое однородная система линейных уравнений?

Ответ напрашивается сам собой. Система линейных уравнений является однородной, если свободный член каждого уравнения системы равен нулю. Например:

Совершенно ясно, что однородная система всегда совместна , то есть всегда имеет решение. И, прежде всего, в глаза бросается так называемое тривиальное решение . Тривиальное, для тех, кто совсем не понял смысл прилагательного, значит, беспонтовое. Не академично, конечно, но зато доходчиво =) …Чего ходить вокруг да около, давайте выясним, нет ли у данной системы каких-нибудь других решений:

Пример 1

Решение : чтобы решить однородную систему необходимо записать матрицу системы и с помощью элементарных преобразований привести её к ступенчатому виду. Обратите внимание, что здесь отпадает необходимость записывать вертикальную черту и нулевой столбец свободных членов – ведь что ни делай с нулями, они так и останутся нулями:

(1) Ко второй строке прибавили первую строку, умноженную на –2. К третьей строке прибавили первую строку, умноженную на –3.

(2) К третьей строке прибавили вторую строку, умноженную на –1.

Делить третью строку на 3 не имеет особого смысла.

В результате элементарных преобразований получена эквивалентная однородная система , и, применяя обратный ход метода Гаусса, легко убедиться, что решение единственно.

Ответ :

Сформулируем очевидный критерий : однородная система линейных уравнений имееттолько тривиальное решение , если ранг матрицы системы (в данном случае 3) равен количеству переменных (в данном случае – 3 шт.).

Разогреваемся и настраиваем свой радиоприёмник на волну элементарных преобразований:

Пример 2

Решить однородную систему линейных уравнений

Из статьи Как найти ранг матрицы? вспоминаем рациональный приём попутного уменьшения чисел матрицы. В противном случае вам придётся разделывать крупную, а частенько и кусачую рыбу. Примерный образец оформления задания в конце урока.

Нули – это хорошо и удобно, однако на практике гораздо более распространен случай, когда строки матрицы системы линейно зависимы . И тогда неизбежно появление общего решения:

Пример 3

Решить однородную систему линейных уравнений

Решение : запишем матрицу системы и с помощью элементарных преобразований приведём её к ступенчатому виду. Первое действие направлено не только на получение единичного значения, но и на уменьшение чисел в первом столбце:

(1) К первой строке прибавили третью строку, умноженную на –1. Ко второй строке прибавили третью строку, умноженную на –2. Слева вверху я получил единицу с «минусом», что зачастую намного удобнее для дальнейших преобразований.

(2) Первые две строки одинаковы, одну из них удалили. Честное слово, не подгонял решение – так получилось. Если выполнять преобразования шаблонно, то линейная зависимость строк обнаружилась бы чуть позже.

(3) К третьей строке прибавили вторую строку, умноженную на 3.

(4) У первой строки сменили знак.

В результате элементарных преобразований получена эквивалентная система:

Алгоритм работает точно так же, как и для неоднородных систем . Переменные , «сидящие на ступеньках» – главные, переменная , которой не досталось «ступеньки» – свободная.

Выразим базисные переменные через свободную переменную:

Ответ : общее решение:

Тривиальное решение входит в общую формулу, и записывать его отдельно излишне.

Проверка выполняется тоже по обычной схеме: полученное общее решение необходимо подставить в левую часть каждого уравнения системы и получить законный ноль при всех подстановках.

На этом можно было бы тихо-мирно закончить, но решение однородной системы уравнений часто требуется представить в векторной форме с помощьюфундаментальной системы решений . Пожалуйста, временно забудьте обаналитической геометрии , поскольку сейчас речь пойдёт о векторах в общем алгебраическом смысле, который я немного приоткрыл в статье про ранг матрицы . Терминологии тушеваться не нужно, всё довольно просто.

Назначение сервиса . Онлайн-калькулятор предназначен для нахождения нетривиального и фундаментального решения СЛАУ. Полученное решение сохраняется в файле Word (см. пример решения).

Инструкция . Выберите размерность матрицы:

Свойства систем линейных однородных уравнений

Теорема . Система в случае m=n имеет нетривиальное решение тогда и только тогда, когда определитель этой системы равен нулю.

Теорема . Любая линейная комбинация решений системы также является решением этой системы.
Определение . Совокупность решений системы линейных однородных уравнений называется фундаментальной системой решений , если эта совокупность состоит из линейно независимых решений и любое решение системы является линейной комбинацией этих решений.

Теорема. Если ранг r матрицы системы меньше числа n неизвестных, то существует фундаментальная система решений, состоящая из (n-r) решений.

Алгоритм решения систем линейных однородных уравнений

1. Находим ранг матрицы.
2. Выделяем базисный минор. Выделяем зависимые (базисные) и свободные неизвестные.
3. Вычеркиваем те уравнения системы, коэффициенты которых не вошли в состав базисного минора, так как они являются следствиями остальных (по теореме о базисном миноре).
4. Члены уравнений, содержащие свободные неизвестные, перенесем в правую часть. В результате получим систему из r уравнений с r неизвестными, эквивалентную данной, определитель которой отличен от нуля.
5. Решаем полученную систему методом исключения неизвестных. Находим соотношения, выражающие зависимые переменные через свободные.
6. Если ранг матрицы не равен количеству переменных, то находим фундаментальное решение системы.
7. В случае rang = n имеем тривиальное решение.

Пример . Найти базис системы векторов (а 1 , а 2 ,...,а m), ранг и выразить векторы по базе. Если а 1 =(0,0,1,-1), а 2 =(1,1,2,0), а 3 =(1,1,1,1), а 4 =(3,2,1,4), а 5 =(2,1,0,3).
Выпишем основную матрицу системы:

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)

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:

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.

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

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.

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

Однородная система всегда совместна и имеет тривиальное решение
. Для существования нетривиального решения необходимо, чтобы ранг матрицыбыл меньше числа неизвестных:

.

Фундаментальной системой решений однородной системы
называют систему решений в виде векторов-столбцов
, которые соответствуют каноническому базису, т.е. базису, в котором произвольные постоянные
поочередно полагаются равными единице, тогда как остальные приравниваются нулю.

Тогда общее решение однородной системы имеет вид:

где
- произвольные постоянные. Другими словами, общее решение есть линейная комбинация фундаментальной системы решений.

Таким образом, базисные решения могут быть получены из общего решения, если свободным неизвестным поочередно придавать значение единицы, полагая все остальные равные нулю.

Пример . Найдем решение системы

Примем , тогда получим решение в виде:

Построим теперь фундаментальную систему решений:

.

Общее решение запишется в виде:

Решения системы однородных линейных уравнений имеют свойства:

Другими словами, любая линейная комбинация решений однородной системы есть опять решение.

Решение систем линейных уравнений методом Гаусса

Решение систем линейных уравнений интересует математиков несколько столетий. Первые результаты были получены в XVIII веке. В 1750 г. Г.Крамер (1704 –1752) опубликовал свои труды по детерминантам квадратных матриц и предложил алгоритм нахождения обратной матрицы. В 1809 г. Гаусс изложил новый метод решения, известный как метод исключения.

Метод Гаусса, или метод последовательного исключения неизвестных, заключается в том, что с помощью элементарных преобразований система уравнений приводится к равносильной системе ступенчатого (или треугольного) вида. Такие системы позволяют последовательно находить все неизвестные в определенном порядке.

Предположим, что в системе (1)
(что всегда возможно).

(1)

Умножая поочередно первое уравнение на так называемые подходящие числа

и складывая результат умножения с соответствующими уравнениями системы, мы получим эквивалентную систему, в которой во всех уравнениях, кроме первого, будет отсутствовать неизвестная х 1

(2)

Умножим теперь второе уравнение системы (2) на подходящие числа, полагая, что

,

и складывая его с нижестоящими, исключим переменную из всех уравнений, начиная с третьего.

Продолжая этот процесс, после
шага мы получим:

(3)

Если хотя бы одно из чисел
не равно нулю, то соответствующее равенство противоречиво и система (1) несовместна. Обратно, для любой совместной системы числа
равны нулю. Число- это ни что иное, как ранг матрицы системы (1).

Переход от системы (1) к (3) называется прямым ходом метода Гаусса, а нахождение неизвестных из (3) – обратным ходом .

Замечание : Преобразования удобнее производить не с самими уравнениями, а с расширенной матрицей системы (1).

Пример . Найдем решение системы

.

Запишем расширенную матрицу системы:

.

Прибавим к строкам 2,3,4 первую, умноженную на (-2), (-3), (-2) соответственно:

.

Поменяем строки 2 и 3 местами, затем в получившейся матрице добавим к строке 4 строку 2, умноженную на :

.

Прибавим к строке 4 строку 3, умноженную на
:

.

Очевидно, что
, следовательно, система совместна. Из полученной системы уравнений

находим решение обратной подстановкой:

,
,
,
.

Пример 2. Найти решение системы:

.

Очевидно, что система несовместна, т.к.
, а
.

Достоинства метода Гаусса :

Менее трудоемкий, чем метод Крамера.

Однозначно устанавливает совместность системы и позволяет найти решение.

Дает возможность определить ранг любых матриц.