Матричный метод линейных. Правило Крамера. Метод обратной матрицы. Матричная запись системы линейных уравнений

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.

(иногда этот способ именуют ещё матричным методом или методом обратной матрицы) требует предварительного ознакомления с таким понятием как матричная форма записи СЛАУ . Метод обратной матрицы предназначен для решения тех систем линейных алгебраических уравнений, у которых определитель матрицы системы отличен от нуля. Естественно, при этом подразумевается, что матрица системы квадратна (понятие определителя существует только для квадратных матриц). Суть метода обратной матрицы можно выразить в трёх пунктах:

1. Записать три матрицы: матрицу системы $A$, матрицу неизвестных $X$, матрицу свободных членов $B$.
2. Найти обратную матрицу $A^{-1}$.
3. Используя равенство $X=A^{-1}\cdot B$ получить решение заданной СЛАУ.

Любую СЛАУ можно записать в матричной форме как $A\cdot X=B$, где $A$ - матрица системы, $B$ - матрица свободных членов, $X$ - матрица неизвестных. Пусть матрица $A^{-1}$ существует. Умножим обе части равенства $A\cdot X=B$ на матрицу $A^{-1}$ слева:

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

Так как $A^{-1}\cdot A=E$ ($E$ - единичная матрица), то записанное выше равенство станет таким:

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

Так как $E\cdot X=X$, то:

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

Пример №1

Решить СЛАУ $ \left \{ \begin{aligned} & -5x_1+7x_2=29;\\ & 9x_1+8x_2=-11. \end{aligned} \right.$ с помощью обратной матрицы.

$$ A=\left(\begin{array} {cc} -5 & 7\\ 9 & 8 \end{array}\right);\; B=\left(\begin{array} {c} 29\\ -11 \end{array}\right);\; X=\left(\begin{array} {c} x_1\\ x_2 \end{array}\right). $$

Найдём обратную матрицу к матрице системы, т.е. вычислим $A^{-1}$. В примере №2

$$ A^{-1}=-\frac{1}{103}\cdot\left(\begin{array}{cc} 8 & -7\\ -9 & -5\end{array}\right). $$

Теперь подставим все три матрицы ($X$, $A^{-1}$, $B$) в равенство $X=A^{-1}\cdot B$. Затем выполним умножение матриц

$$ \left(\begin{array} {c} x_1\\ x_2 \end{array}\right)= -\frac{1}{103}\cdot\left(\begin{array}{cc} 8 & -7\\ -9 & -5\end{array}\right)\cdot \left(\begin{array} {c} 29\\ -11 \end{array}\right)=\\ =-\frac{1}{103}\cdot \left(\begin{array} {c} 8\cdot 29+(-7)\cdot (-11)\\ -9\cdot 29+(-5)\cdot (-11) \end{array}\right)= -\frac{1}{103}\cdot \left(\begin{array} {c} 309\\ -206 \end{array}\right)=\left(\begin{array} {c} -3\\ 2\end{array}\right). $$

Итак, мы получили равенство $\left(\begin{array} {c} x_1\\ x_2 \end{array}\right)=\left(\begin{array} {c} -3\\ 2\end{array}\right)$. Из этого равенства имеем: $x_1=-3$, $x_2=2$.

Ответ : $x_1=-3$, $x_2=2$.

Пример №2

Решить СЛАУ $ \left\{\begin{aligned} & x_1+7x_2+3x_3=-1;\\ & -4x_1+9x_2+4x_3=0;\\ & 3x_2+2x_3=6. \end{aligned}\right.$ методом обратной матрицы.

Запишем матрицу системы $A$, матрицу свободных членов $B$ и матрицу неизвестных $X$.

$$ A=\left(\begin{array} {ccc} 1 & 7 & 3\\ -4 & 9 & 4 \\0 & 3 & 2\end{array}\right);\; B=\left(\begin{array} {c} -1\\0\\6\end{array}\right);\; X=\left(\begin{array} {c} x_1\\ x_2 \\ x_3 \end{array}\right). $$

Теперь настал черёд найти обратную матрицу к матрице системы, т.е. найти $A^{-1}$. В примере №3 на странице, посвящённой нахождению обратных матриц, обратная матрица была уже найдена. Воспользуемся готовым результатом и запишем $A^{-1}$:

$$ A^{-1}=\frac{1}{26}\cdot \left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right). $$

Теперь подставим все три матрицы ($X$, $A^{-1}$, $B$) в равенство $X=A^{-1}\cdot B$, после чего выполним умножение матриц в правой части данного равенства.

$$ \left(\begin{array} {c} x_1\\ x_2 \\ x_3 \end{array}\right)= \frac{1}{26}\cdot \left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right)\cdot \left(\begin{array} {c} -1\\0\\6\end{array}\right)=\\ =\frac{1}{26}\cdot \left(\begin{array} {c} 6\cdot(-1)+(-5)\cdot 0+1\cdot 6 \\ 8\cdot (-1)+2\cdot 0+(-16)\cdot 6 \\ -12\cdot (-1)+(-3)\cdot 0+37\cdot 6 \end{array}\right)=\frac{1}{26}\cdot \left(\begin{array} {c} 0\\-104\\234\end{array}\right)=\left(\begin{array} {c} 0\\-4\\9\end{array}\right) $$

Итак, мы получили равенство $\left(\begin{array} {c} x_1\\ x_2 \\ x_3 \end{array}\right)=\left(\begin{array} {c} 0\\-4\\9\end{array}\right)$. Из этого равенства имеем: $x_1=0$, $x_2=-4$, $x_3=9$.

Пусть имеется квадратная матрица n-го порядка

Матрица А -1 называется обратной матрицей по отношению к матрице А, если А*А -1 = Е, где Е — единичная матрица n-го порядка.

Единичная матрица — такая квадратная матрица, у которой все элементы по главной диагонали, проходящей от левого верхнего угла к правому нижнему углу, — единицы, а остальные — нули, например:

Обратная матрица может существовать только для квадратных матриц т.е. для тех матриц, у которых число строк и столбцов совпадают.

Теорема условия существования обратной матрицы

Для того чтобы матрица имела обратную матрицу необходимо и достаточно, чтобы она была невырожденной.

Матрица А = (А1, А2,...А n) называется невырожденной , если векторы-столбцы являются линейно независимыми. Число линейно независимых векторов-столбцов матрицы называется рангом матрицы . Поэтому можно сказать, что для того, чтобы существовала обратная матрица, необходимо и достаточно, чтобы ранг матрицы равнялся ее размерности, т.е. r = n.

Алгоритм нахождения обратной матрицы

1. Записать в таблицу для решения систем уравнений методом Гаусса матрицу А и справа (на место правых частей уравнений) приписать к ней матрицу Е.
2. Используя преобразования Жордана, привести матрицу А к матрице, состоящей из единичных столбцов; при этом необходимо одновременно преобразовать матрицу Е.
3. Если необходимо, то переставить строки (уравнения) последней таблицы так, чтобы под матрицей А исходной таблицы получилась единичная матрица Е.
4. Записать обратную матрицу А -1 , которая находится в последней таблице под матрицей Е исходной таблицы.

Для матрицы А найти обратную матрицу А -1

Решение: Записываем матрицу А и справа приписываем единичную матрицу Е. Используя преобразования Жордана, приводим матрицу А к единичной матрице Е. Вычисления приведены в таблице 31.1.

Проверим правильность вычислений умножением исходной матрицы А и обратной матрицы А -1 .

В результате умножения матриц получилась единичная матрица. Следовательно, вычисления произведены правильно.

Ответ:

Решение матричных уравнений

Матричные уравнения могут иметь вид:

АХ = В, ХА = В, АХВ = С,

где А,В,С — задаваемые матрицы, Х- искомая матрица.

Матричные уравнения решаются с помощью умножения уравнения на обратные матрицы.

Например, чтобы найти матрицу из уравнения , необходимо умножить это уравнение на слева.

Следовательно, чтобы найти решение уравнения , нужно найти обратную матрицу и умножить ее на матрицу , стоящие в правой части уравнения.

Аналогично решаются другие уравнения.

Решить уравнение АХ = В, если

Решение : Так как обратная матрица равняется (см. пример 1)

Матричный метод в экономическом анализе

Наряду с другими в находят применение также матричные методы . Эти методы базируются на линейной и векторно-матричной алгебре. Такие методы применяются для целей анализа сложных и многомерных экономических явлений. Чаще всего эти методы используются при необходимости сравнительной оценки функционирования организаций и их структурных подразделений.

В процессе применения матричных методов анализа можно выделить несколько этапов.

На первом этапе осуществляется формирование системы экономических показателей и на ее основе составляется матрица исходных данных , которая представляет собой таблицу, в которой по ее отдельным строкам показываются номера систем (i = 1,2,....,n) , а по вертикальным графам — номера показателей (j = 1,2,....,m) .

На втором этапе по каждой вертикальной графе выявляется наибольшее из имеющихся значений показателей, которое и принимается за единицу.

После этого все суммы, отраженные в данной графе делят на наибольшее значение и формируется матрица стандартизированных коэффициентов .

На третьем этапе все составные части матрицы возводят в квадрат. Если они имеют различную значимость, то каждому показателю матрицы присваивается определенный весовой коэффициент k . Величина последнего определяется экспертным путем.

На последнем, четвертом этапе найденные величины рейтинговых оценок R j группируются в порядке их увеличения или уменьшения.

Изложенные матричные методы следует использовать, например, при сравнительном анализе различных инвестиционных проектов, а также при оценке других экономических показателей деятельности организаций.

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

Уравнения вообще, линейные алгебраические уравнения и их системы, а также методы их решения занимают в математике, как теоретической, так и прикладной, особое место.

Это связано с тем обстоятельством, что подавляющее большинство физических, экономических, технических и даже педагогических задач могут быть описаны и решены с помощью разнообразных уравнений и их систем. В последнее время особую популярность среди исследователей, ученых и практиков приобрело математическое моделирование практически во всех предметных областях, что объясняется очевидными его преимуществами перед другими известными и апробированными методами исследования объектов различной природы, в частности, так называемых, сложных систем. Существует великое многообразие различных определений математической модели, данных учеными в разные времена, но на наш взгляд, самое удачное, это следующее утверждение. Математическая модель – это идея, выраженная уравнением. Таким образом, умение составлять и решать уравнения и их системы – неотъемлемая характеристика современного специалиста.

Для решения систем линейных алгебраических уравнений наиболее часто используются методы: Крамера, Жордана-Гаусса и матричный метод.

Матричный метод решения - метод решения с помощью обратной матрицы систем линейных алгебраических уравнений с ненулевым определителем.

Если выписать коэффициенты при неизвестных величинах xi в матрицу A, неизвестные величины собрать в вектор столбец X, а свободные члены в вектор столбец B, то систему линейных алгебраических уравнений можно записать в виде следующего матричного уравнения A · X = B, которое имеет единственное решение только тогда, когда определитель матрицы A не будет равен нулю. При этом решение системы уравнений можно найти следующим способом X = A -1 · B , где A -1 - обратная матрица.

Матричный метод решения состоит в следующем.

Пусть дана система линейных уравнений с n неизвестными:

Её можно переписать в матричной форме: 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 - матрицу, обратную к матрице A : A -1 (AX ) = A -1 B

Так как A -1 A = E , получаем X = A -1 B . Правая часть этого уравнения даст столбец решений исходной системы. Условием применимости данного метода (как и вообще существования решения неоднородной системы линейных уравнений с числом уравнений, равным числу неизвестных) является невырожденность матрицы A . Необходимым и достаточным условием этого является неравенство нулю определителя матрицы A : detA ≠ 0.

Для однородной системы линейных уравнений, то есть когда вектор B = 0 , действительно обратное правило: система AX = 0 имеет нетривиальное (то есть не нулевое) решение только если detA = 0. Такая связь между решениями однородных и неоднородных систем линейных уравнений носит название альтернативы Фредгольма.

Пример решения неоднородной системы линейных алгебраических уравнений .

Убедимся в том, что определитель матрицы, составленный из коэффициентов при неизвестных системы линейных алгебраических уравнений не равен нулю.

Следующим шагом будет вычисление алгебраических дополнений для элементов матрицы, состоящей из коэффициентов при неизвестных. Они понадобятся для нахождения обратной матрицы.