Мы продолжим шлифовать технику элементарных 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 имеет только 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

Чтобы окончательно закрепить алгоритм, разберём финальное задание:

Пример 7

Решить однородную систему, ответ записать в векторной форме.

Решение : запишем матрицу системы и с помощью элементарных преобразований приведём её к ступенчатому виду:

(1) У первой строки сменили знак. Ещё раз заостряю внимание на неоднократно встречавшемся приёме, который позволяет существенно упростить следующее действие.

(1) Ко 2-й и 3-й строкам прибавили первую строку. К 4-й строке прибавили первую строку, умноженную на 2.

(3) Последние три строки пропорциональны, две из них удалили.

В результате получена стандартная ступенчатая матрица, и решение продолжается по накатанной колее:

– базисные переменные;
– свободные переменные.

Выразим базисные переменные через свободные переменные. Из 2-го уравнения:

– подставим в 1-е уравнение:

Таким образом, общее решение:

Поскольку в рассматриваемом примере три свободные переменные, то фундаментальная система содержит три вектора.

Подставим тройку значений в общее решение и получим вектор , координаты которого удовлетворяют каждому уравнению однородной системы. И снова повторюсь, что крайне желательно проверять каждый полученный вектор – времени займет не так много, а от ошибок убережёт стопроцентно.

Для тройки значений находим вектор

И, наконец, для тройки получаем третий вектор:

Ответ : , где

Желающие избежать дробных значений могут рассмотреть тройки и получить ответ в эквивалентном виде:

К слову о дробях. Посмотрим на полученную в задаче матрицу и зададимся вопросом – нельзя ли упростить дальнейшее решение? Ведь здесь мы сначала выразили через дроби базисную переменную , потом через дроби базисную переменную , и, надо сказать, процесс это был не самый простой и не самый приятный.

Второй вариант решения :

Идея состоит в том, чтобы попытаться выбрать другие базисные переменные . Посмотрим на матрицу и заметим две единицы в третьем столбце. Так почему бы не получить ноль вверху? Проведём ещё одно элементарное преобразование:

Решения однородной системы обладают следующими свой­ствами. Если вектор = (α 1 , α 2 ,... ,α n ) является решением системы (15.14), то и для любого числа k вектор k = (kα 1 , kα 2 ,..., kα n) будет решением этой системы. Если решением сис­темы (15.14) является вектор = (γ 1 , γ 2 , ... ,γ n ), то сумма + также будет решением этой системы. Отсюда следует, что любая линейная комбинация решений однородной системы также является решением этой системы.

Как мы знаем из п. 12.2, всякая система n -мерных век­торов, состоящая более чем из п векторов, является линей­но зависимой. Таким образом, из множества векторов-решений однородной системы (15.14) можно выбрать базис, т.е. любой вектор-решение данной системы будет линейной комбинацией векторов этого базиса. Любой такой базис называется фунда­ментальной системой решений однородной системы линейных уравнений. Справедлива следующая теорема, которую мы при­водим без доказательства.

ТЕОРЕМА 4. Если ранг r системы однородных уравнений (15.14) меньше числа неизвестных п, то всякая фундамен­тальная система решений системы (15.14) состоит из п - r решений.

Укажем теперь способ нахождения фундаментальной сис­темы решений (ФСР). Пусть система однородных уравнений (15.14) имеет ранг r < п. Тогда, как следует из правил Краме­ра, базисные неизвестные этой системы x 1 , x 2 , … x r линейно выражаются через свободные переменные x r + 1 , x r + 2 , ..., x п:

Выделим частные решения однородной системы (15.14) по сле­дующему принципу. Для нахождения первого вектора-решения 1 положим x r + 1 = 1, x r + 2 = x r +3 = ... = x n = 0. Затем на­ходим второе решение 2: принимаем x r +2 = 1, а остальные r - 1 свободных переменных положим нулями. Иными словами, мы последовательно присваиваем каждой свободной перемен­ной единичное значение, положив остальные нулями. Таким образом, фундаментальная система решений в векторной фор­ме с учетом первых r базисных переменных (15.15) имеет вид

ФСР (15.16) является одним из фундаментальных наборов решений однородной системы (15.14).

Пример 1. Найти решение и ФСР системы однородных урав­нений

Решение. Будем решать эту систему методом Гаусса. По­скольку число уравнений системы меньше числа неизвестных, считаем х 1 , x 2 , х 3 базисными неизвестными, а x 4 , х 5 , x 6 - сво­бодными переменными. Составим расширенную матрицу сис­темы и выполним действия, составляющие прямой ход метода.

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">

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:

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 .