Способы решения матриц. Матричный метод онлайн. Пример решения системы линейных уравнений с помощью метода обратной матрицы

Матричный способ решения систем линейных уравнений

Рассмотрим систему линейных уравнений следующего вида:

$\left\{\begin{array}{c} {a_{11} x_{1} +a_{12} x_{2} +...+a_{1n} x_{n} =b_{1} } \\ {a_{21} x_{1} +a_{22} x_{2} +...+a_{2n} x_{n} =b_{2} } \\ {...} \\ {a_{n1} x_{1} +a_{n2} x_{2} +...+a_{nn} x_{n} =b_{n} } \end{array}\right. .$

Числа $a_{ij} (i=1..n,j=1..n)$ - коэффициенты системы, числа $b_{i} (i=1..n)$ - свободные члены.

Определение 1

В случае, когда все свободные члены равны нулю, система называется однородной, в противном случае - неоднородной.

Каждой СЛАУ можно поставить в соответствие несколько матриц и записать систему в так называемом матричном виде.

Определение 2

Матрица коэффициентов системы называется матрицей системы и обозначается, как правило, буквой $A$.

Столбец свободных членов образует вектор-столбец, который, как правило, обозначается буквой $B$ и называется матрицей свободных членов.

Неизвестные переменные образуют вектор-столбец, который, как правило, обозначается буквой $X$ и называется матрицей неизвестных.

Описанные выше матрицы имеют вид:

$A=\left(\begin{array}{cccc} {a_{11} } & {a_{12} } & {...} & {a_{1n} } \\ {a_{21} } & {a_{22} } & {...} & {a_{2n} } \\ {...} & {...} & {...} & {...} \\ {a_{n1} } & {a_{n2} } & {...} & {a_{nn} } \end{array}\right),B=\left(\begin{array}{c} {b_{1} } \\ {b_{2} } \\ {...} \\ {b_{n} } \end{array}\right),X=\left(\begin{array}{c} {x_{1} } \\ {x_{2} } \\ {...} \\ {x_{n} } \end{array}\right).$

Используя матрицы, СЛАУ можно переписать в виде $A\cdot X=B$. Такую запись часто называют матричным уравнением.

Вообще говоря, в матричном виде записать можно любую СЛАУ.

Примеры решения системы с помощью обратной матрицы

Пример 1

Дана СЛАУ: $\left\{\begin{array}{c} {3x_{1} -2x_{2} +x_{3} -x_{4} =3} \\ {x_{1} -12x_{2} -x_{3} -x_{4} =7} \\ {2x_{1} -3x_{2} +x_{3} -3x_{4} =5} \end{array}\right. $. Записать систему в матричном виде.

Решение:

$A=\left(\begin{array}{cccc} {3} & {-2} & {1} & {-1} \\ {1} & {-12} & {-1} & {-1} \\ {2} & {-3} & {1} & {-3} \end{array}\right),B=\left(\begin{array}{c} {3} \\ {7} \\ {5} \end{array}\right),X=\left(\begin{array}{c} {x_{1} } \\ {x_{2} } \\ {x_{3} } \end{array}\right).$

$\left(\begin{array}{cccc} {3} & {-2} & {1} & {-1} \\ {1} & {-12} & {-1} & {-1} \\ {2} & {-3} & {1} & {-3} \end{array}\right)\cdot \left(\begin{array}{c} {x_{1} } \\ {x_{2} } \\ {x_{3} } \end{array}\right)=\left(\begin{array}{c} {3} \\ {7} \\ {5} \end{array}\right)$

В случае, когда матрица системы является квадратной, СЛАУ можно решить уравнения матричным способом.

Имея матричное уравнение $A\cdot X=B$, можно выразить из него $X$ следующим способом:

$A^{-1} \cdot A\cdot X=A^{-1} \cdot B$

$A^{-1} \cdot A=E$ (свойство произведения матриц)

$E\cdot X=A^{-1} \cdot B$

$E\cdot X=X$ (свойство произведения матриц)

$X=A^{-1} \cdot B$

Алгоритм решения системы алгебраических уравнений с помощью обратной матрицы:

• записать систему в матричном виде;
• вычислить определитель матрицы системы;
• если определитель матрицы системы отличен от нуля, то находим обратную матрицу;
• решение системы вычисляем по формуле $X=A^{-1} \cdot B$.

Если матрица системы имеет определитель, не равный нулю, то данная система имеет единственное решение, которое можно найти матричным способом.

Если матрица системы имеет определитель, равный нулю, то данную систему нельзя решить матричным способом.

Пример 2

Дана СЛАУ: $\left\{\begin{array}{c} {x_{1} +3x_{3} =26} \\ {-x_{1} +2x_{2} +x_{3} =52} \\ {3x_{1} +2x_{2} =52} \end{array}\right. $. Решить СЛАУ методом обратной матрицы, если это возможно.

Решение:

$A=\left(\begin{array}{ccc} {1} & {0} & {3} \\ {-1} & {2} & {1} \\ {3} & {2} & {0} \end{array}\right),B=\left(\begin{array}{c} {26} \\ {52} \\ {52} \end{array}\right),X=\left(\begin{array}{c} {x_{1} } \\ {x_{2} } \\ {x_{3} } \end{array}\right). $

Нахождение определителя матрицы системы:

$\begin{array}{l} {\det A=\left|\begin{array}{ccc} {1} & {0} & {3} \\ {-1} & {2} & {1} \\ {3} & {2} & {0} \end{array}\right|=1\cdot 2\cdot 0+0\cdot 1\cdot 3+2\cdot (-1)\cdot 3-3\cdot 2\cdot 3-2\cdot 1\cdot 1-0\cdot (-1)\cdot 0=0+0-6-18-2-0=-26\ne 0} \end{array}$ Так как определитель не равен нулю, то матрица системы имеет обратную матрицу и, следовательно, система уравнений может быть решена методом обратной матрицы. Полученное решение будет единственным.

Решим систему уравнений с помощью обратной матрицы:

$A_{11} =(-1)^{1+1} \cdot \left|\begin{array}{cc} {2} & {1} \\ {2} & {0} \end{array}\right|=0-2=-2; A_{12} =(-1)^{1+2} \cdot \left|\begin{array}{cc} {-1} & {1} \\ {3} & {0} \end{array}\right|=-(0-3)=3;$

$A_{13} =(-1)^{1+3} \cdot \left|\begin{array}{cc} {-1} & {2} \\ {3} & {2} \end{array}\right|=-2-6=-8; A_{21} =(-1)^{2+1} \cdot \left|\begin{array}{cc} {0} & {3} \\ {2} & {0} \end{array}\right|=-(0-6)=6; $

$A_{22} =(-1)^{2+2} \cdot \left|\begin{array}{cc} {1} & {3} \\ {3} & {0} \end{array}\right|=0-9=-9; A_{23} =(-1)^{2+3} \cdot \left|\begin{array}{cc} {1} & {0} \\ {3} & {2} \end{array}\right|=-(2-0)=-2;$

$A_{31} =(-1)^{3+1} \cdot \left|\begin{array}{cc} {0} & {3} \\ {2} & {1} \end{array}\right|=0-6=-6; A_{32} =(-1)^{3+2} \cdot \left|\begin{array}{cc} {1} & {3} \\ {-1} & {1} \end{array}\right|=-(1+3)=-4;$

$A_{33} =(-1)^{3+3} \cdot \left|\begin{array}{cc} {1} & {0} \\ {-1} & {2} \end{array}\right|=2-0=2$

Искомая обратная матрица:

$A^{-1} =\frac{1}{-26} \cdot \left(\begin{array}{ccc} {-2} & {6} & {-6} \\ {3} & {-9} & {-4} \\ {-8} & {-2} & {2} \end{array}\right)=\frac{1}{26} \cdot \left(\begin{array}{ccc} {2} & {-6} & {6} \\ {-3} & {9} & {4} \\ {8} & {2} & {-2} \end{array}\right)=\left(\begin{array}{ccc} {\frac{2}{26} } & {\frac{-6}{26} } & {\frac{6}{26} } \\ {\frac{-3}{26} } & {\frac{9}{26} } & {\frac{4}{26} } \\ {\frac{8}{26} } & {\frac{2}{26} } & {\frac{-2}{26} } \end{array}\right)=\left(\begin{array}{ccc} {\frac{1}{13} } & {-\frac{3}{13} } & {\frac{3}{13} } \\ {-\frac{3}{26} } & {\frac{9}{26} } & {\frac{2}{13} } \\ {\frac{4}{13} } & {\frac{1}{13} } & {-\frac{1}{13} } \end{array}\right).$

Найдем решение системы:

$X=\left(\begin{array}{ccc} {\frac{1}{13} } & {-\frac{3}{13} } & {\frac{3}{13} } \\ {-\frac{3}{26} } & {\frac{9}{26} } & {\frac{2}{13} } \\ {\frac{4}{13} } & {\frac{1}{13} } & {-\frac{1}{13} } \end{array}\right)\cdot \left(\begin{array}{c} {26} \\ {52} \\ {52} \end{array}\right)=\left(\begin{array}{c} {\frac{1}{13} \cdot 26-\frac{3}{13} \cdot 52+\frac{3}{13} \cdot 52} \\ {-\frac{3}{26} \cdot 26+\frac{9}{26} \cdot 52+\frac{2}{13} \cdot 52} \\ {\frac{4}{13} \cdot 26+\frac{1}{13} \cdot 52-\frac{1}{13} \cdot 52} \end{array}\right)=\left(\begin{array}{c} {2-12+12} \\ {-3+18+8} \\ {8+4-4} \end{array}\right)=\left(\begin{array}{c} {2} \\ {23} \\ {8} \end{array}\right)$

$X=\left(\begin{array}{c} {2} \\ {23} \\ {8} \end{array}\right)$ - искомое решение системы уравнений.

Матричный метод решения СЛАУ применяют к решению систем уравнений, у которых количество уравнений соответствует количеству неизвестных. Метод лучше применять для решения систем низкого порядка. Матричный метод решения систем линейных уравнений основывается на применении свойств умножения матриц.

Этот способ, другими словами метод обратной матрицы, называют так, так как решение сводится к обычному матричному уравнению, для решения которого нужно найти обратную матрицу.

Матричный метод решения СЛАУ с определителем, который больше или меньше нуля состоит в следующем:

Предположим, есть СЛУ (система линейных уравнений) с n неизвестными (над произвольным полем):

Значит, её легко перевести в матричную форму:

AX=B , где A — основная матрица системы, B и X — столбцы свободных членов и решений системы соответственно:

Умножим это матричное уравнение слева на A −1 — обратную матрицу к матрице A: A −1 (AX)=A −1 B.

Т.к. A −1 A=E , значит, X=A −1 B . Правая часть уравнения дает столбец решений начальной системы. Условием применимости матричного метода есть невырожденность матрицы A . Необходимым и достаточным условием этого есть неравенство нулю определителя матрицы A :

detA≠0.

Для однородной системы линейных уравнений , т.е. если вектор B=0 , выполняется обратное правило: у системы AX=0 есть нетривиальное (т.е. не равное нулю) решение лишь когда detA=0 . Эта связь между решениями однородных и неоднородных систем линейных уравнений называется альтернатива Фредгольма.

Т.о., решение СЛАУ матричным методом производится по формуле . Либо, решение СЛАУ находят при помощи обратной матрицы A −1 .

Известно, что у квадратной матрицы А порядка n на n есть обратная матрица A −1 только в том случае, если ее определитель ненулевой. Таким образом, систему n линейных алгебраических уравнений с n неизвестными решаем матричным методом только в случае, если определитель основной матрицы системы не равен нулю.

Не взирая на то, что есть ограничения возможности применения такого метода и существуют сложности вычислений при больших значениях коэффициентов и систем высокого порядка, метод можно легко реализовать на ЭВМ.

Пример решения неоднородной СЛАУ.

Для начала проверим, не равен ли нулю определитель матрицы коэффициентов у неизвестных СЛАУ.

Теперь находим союзную матрицу , транспонируем её и подставляем в формулу для определения обратной матрицы.

Подставляем переменные в формулу:

Теперь находим неизвестные, перемножая обратную матрицу и столбик свободных членов.

Итак, x=2; y=1; z=4.

При переходе от обычного вида СЛАУ к матричной форме будьте внимательными с порядком неизвестных переменных в уравнениях системы. Например :

НЕЛЬЗЯ записать как:

Необходимо, для начала, упорядочить неизвестные переменные в кадом уравнении системы и только после этого переходить к матричной записи:

Кроме того, нужно быть внимательными с обозначением неизвестных переменных, вместо x 1 , x 2 , …, x n могут оказаться другие буквы. К примеру :

в матричной форме записываем так:

Матричным методом лучше решать системы линейных уравнений, в которых количество уравнений совпадает с числом неизвестных переменных и определитель основной матрицы системы не равен нулю. Когда в системе более 3-х уравнений, на нахождение обратной матрицы потребуется больше вычислительных усилий, поэтому, в этом случае целесообразно использовать для решения метод Гаусса.

В данной статье мы расскажем о матричном методе решения системы линейных алгебраических уравнений, найдем его определение и приведем примеры решения.

Определение 1

Метод обратной матрицы - это метод, использующийся при решении СЛАУ в том случае, если число неизвестных равняется числу уравнений.

Пример 1

Найти решение системы n линейных уравнений с n неизвестными:

a 11 x 1 + a 12 x 2 + . . . + a 1 n x n = b 1 a n 1 x 1 + a n 2 x 2 + . . . + a n n x n = b n

Матричный вид записи : А × X = B

где А = а 11 а 12 ⋯ а 1 n а 21 а 22 ⋯ а 2 n ⋯ ⋯ ⋯ ⋯ а n 1 а n 2 ⋯ а n n - матрица системы.

X = x 1 x 2 ⋮ x n - столбец неизвестных,

B = b 1 b 2 ⋮ b n - столбец свободных коэффициентов.

Из уравнения, которое мы получили, необходимо выразить X . Для этого нужно умножить обе части матричного уравнения слева на A - 1:

A - 1 × A × X = A - 1 × B .

Так как А - 1 × А = Е, то Е × X = А - 1 × В или X = А - 1 × В.

Замечание

Обратная матрица к матрице А имеет право на существование только, если выполняется условие d e t A н е р а в е н н у л ю. Поэтому при решении СЛАУ методом обратной матрицы, в первую очередь находится d e t А.

В том случае, если d e t A н е р а в е н н у л ю, у системы имеется только один вариант решения: при помощи метода обратной матрицы. Если d e t А = 0 , то систему нельзя решить данным методом.

Пример решения системы линейных уравнений с помощью метода обратной матрицы

Решаем СЛАУ методом обратной матрицы:

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

Как решить?

• Записываем систему в виде матричного уравнения А X = B , где

А = 2 - 4 3 1 - 2 4 3 - 1 5 , X = x 1 x 2 x 3 , B = 1 3 2 .

• Выражаем из этого уравнения X:

• Находим определитель матрицы А:

d e t A = 2 - 4 3 1 - 2 4 3 - 1 5 = 2 × (- 2) × 5 + 3 × (- 4) × 4 + 3 × (- 1) × 1 - 3 × (- 2) × 3 - - 1 × (- 4) × 5 - 2 × 4 - (- 1) = - 20 - 48 - 3 + 18 + 20 + 8 = - 25

d e t А не равняется 0, следовательно для этой системы подходит метод решения обратной матрицей.

• Находим обратную матрицу А - 1 при помощи союзной матрицы. Вычисляем алгебраические дополнения А i j к соответствующим элементам матрицы А:

А 11 = (- 1) (1 + 1) - 2 4 - 1 5 = - 10 + 4 = - 6 ,

А 12 = (- 1) 1 + 2 1 4 3 5 = - (5 - 12) = 7 ,

А 13 = (- 1) 1 + 3 1 - 2 3 - 1 = - 1 + 6 = 5 ,

А 21 = (- 1) 2 + 1 - 4 3 - 1 5 = - (- 20 + 3) = 17 ,

А 22 = (- 1) 2 + 2 2 3 3 5 - 10 - 9 = 1 ,

А 23 = (- 1) 2 + 3 2 - 4 3 - 1 = - (- 2 + 12) = - 10 ,

А 31 = (- 1) 3 + 1 - 4 3 - 2 4 = - 16 + 6 = - 10 ,

А 32 = (- 1) 3 + 2 2 3 1 4 = - (8 - 3) = - 5 ,

А 33 = (- 1) 3 + 3 2 - 4 1 - 2 = - 4 + 4 = 0 .

• Записываем союзную матрицу А * , которая составлена из алгебраических дополнений матрицы А:

А * = - 6 7 5 17 1 - 10 - 10 - 5 0

• Записываем обратную матрицу согласно формуле:

A - 1 = 1 d e t A (A *) T: А - 1 = - 1 25 - 6 17 - 10 7 1 - 5 5 - 10 0 ,

• Умножаем обратную матрицу А - 1 на столбец свободных членов В и получаем решение системы:

X = A - 1 × B = - 1 25 - 6 17 - 10 7 1 - 5 5 - 10 0 1 3 2 = - 1 25 - 6 + 51 - 20 7 + 3 - 10 5 - 30 + 0 = - 1 0 1

Ответ : x 1 = - 1 ; x 2 = 0 ; x 3 = 1

Если вы заметили ошибку в тексте, пожалуйста, выделите её и нажмите Ctrl+Enter

Метод обратной матрицы не представляет ничего сложного, если знать общие принципы работы с матричными уравнениями и, конечно, уметь производить элементарные алгебраические действия.

Решение системы уравнений методом обратной матрицы. Пример.

Удобнее всего постигать метод обратной матрицы на наглядном примере. Возьмем систему уравнений:

Первый шаг, который необходимо сделать для решения этой системы уравнений - найти определитель. Поэтому преобразим нашу систему уравнений в следующую матрицу:

И найдем нужный определитель:

Формула, использующаяся для решения матричных уравнений, выглядит следующим образом:

Таким образом, для вычисления Х нам необходимо определить значение матрицы А-1 и умножить его на b. В этом нам поможет другая формула:

Ат в данном случае будет транспонированной матрицей - то есть, той же самой, исходной, но записанной не строками, а столбцами.

Не следует забывать о том, что метод обратной матрицы , как и метод Крамера, подходит только для систем, в которых определитель больше или меньше нуля. Если же определитель равен нулю, нужно использовать метод Гаусса.

Следующий шаг - составление матрицы миноров, представляющей собой такую схему:

В итоге мы получили три матрицы - миноров, алгебраических дополнений и транспонированную матрицу алгебраических дополнений. Теперь можно переходить к собственно составлению обратной матрицы. Формулу мы уже знаем. Для нашего примера это будет выглядеть так.

Рассмотрим систему линейных алгебраических уравнений (СЛАУ) относительно n неизвестных x 1 , x 2 , ..., x n :

Эта система в "свернутом" виде может быть записана так:

S n i=1 a ij x j = b i , i=1,2, ..., n .

В соответствии с правилом умножения матрицрассмотренная система линейных уравнений может быть записана вматричной форме Ax=b , где

Матрица A , столбцами которой являются коэффициенты при соответствующих неизвестных, а строками - коэффициенты при неизвестных в соответствующем уравнении называется матрицей системы . Матрица-столбец b , элементами которой являются правые части уравнений системы, называется матрицей правой части или просто правой частью системы . Матрица-столбец x , элементы которой - искомые неизвестные, называется решением системы .

Система линейных алгебраических уравнений, записанная в виде Ax=b , является матричным уравнением .

Если матрица системы невырождена , то у нее существует обратная матрица и тогда решение системы Ax=b дается формулой:

x=A -1 b .

Пример Решить систему матричным методом.

Решение найдем обратную матрицу для матрицы коэффициентов системы

Вычислим определитель, раскладывая по первой строке:

Поскольку Δ ≠ 0 , то A -1 существует.

Обратная матрица найдена верно.

Найдем решение системы

Следовательно, x 1 = 1, x 2 = 2, x 3 = 3 .

Проверка:

7. Теорема Кронекера-Капелли о совместности системы линейных алгебраических уравнений.

Система линейных уравнений имеет вид:

a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2 , (5.1)

a m1 x 1 + a m1 x 2 +... + a mn x n = b m .

Здесь а i j и b i (i = ; j = ) - заданные, а x j - неизвестные действительные числа. Используя понятие произведения матриц, можно переписать систему (5.1) в виде:

где A = (а i j) - матрица, состоящая из коэффициентов при неизвестных системы (5.1), которая называется матрицей системы , X = (x 1 , x 2 ,..., x n) T , B = (b 1 , b 2 ,..., b m) T - векторы-столбцы, составленные соответственно из неизвестных x j и из свободных членов b i .

Упорядоченная совокупность n вещественных чисел (c 1 , c 2 ,..., c n) называется решением системы (5.1), если в результате подстановки этих чисел вместо соответствующих переменных x 1 , x 2 ,..., x n каждое уравнение системы обратится в арифметическое тождество; другими словами, если существует вектор C= (c 1 , c 2 ,..., c n) T такой, что AC  B.

Система (5.1) называется совместной, или разрешимой, если она имеет по крайней мере одно решение. Система называется несовместной, или неразрешимой , если она не имеет решений.

,

образованная путем приписывания справа к матрице A столбца свободных членов, называется расширенной матрицей системы.

Вопрос о совместности системы (5.1) решается следующей теоремой.

Теорема Кронекера-Капелли . Система линейных уравнений совместна тогда и только тогда, когда ранги матриц A иA совпадают, т.е. r(A) = r(A) = r.

Для множества М решений системы (5.1) имеются три возможности:

1) M =  (в этом случае система несовместна);

2) M состоит из одного элемента, т.е. система имеет единственное решение (в этом случае система называется определенной );

3) M состоит более чем из одного элемента (тогда система называется неопределенной ). В третьем случае система (5.1) имеет бесчисленное множество решений.

Система имеет единственное решение только в том случае, когда r(A) = n. При этом число уравнений - не меньше числа неизвестных (mn); если m>n, то m-n уравнений являются следствиями остальных. Если 0

Для решения произвольной системы линейных уравнений нужно уметь решать системы, в которых число уравнений равно числу неизвестных, - так называемые системы крамеровского типа :

a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 ,

a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2 , (5.3)

... ... ... ... ... ...

a n1 x 1 + a n1 x 2 +... + a nn x n = b n .

Системы (5.3) решаются одним из следующих способов: 1) методом Гаусса, или методом исключения неизвестных; 2) по формулам Крамера; 3) матричным методом.

Пример 2.12 . Исследовать систему уравнений и решить ее, если она совместна:

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

2x 1 + x 2 + 4x 3 - 2x 4 = 1,

x 1 - 3x 2 - 6x 3 + 5x 4 = 0.

Решение. Выписываем расширенную матрицу системы:

 .

Вычислим ранг основной матрицы системы. Очевидно, что, например, минор второго порядка в левом верхнем углу = 7  0; содержащие его миноры третьего порядка равны нулю:

Следовательно, ранг основной матрицы системы равен 2, т.е. r(A) = 2. Для вычисления ранга расширенной матрицы A рассмотрим окаймляющий минор

значит, ранг расширенной матрицы r(A) = 3. Поскольку r(A)  r(A), то система несовместна.