Как найти базис пример решение

Базис векторов и линейные действия над векторами аналитическим путём (теория и решение задач)

Базис – это неопределённое количество векторов в векторном пространстве, и абсолютно любой из этих векторов может создавать  линейную комбинацию.

Помощь в написании работы

Базис векторов

Система линейно независимых векторов пространства, за которыми можно разложить произвольный вектор – это и есть базис векторов или этого пространства.

Так, согласно доказательству (3), произвольные три некомпланарные векторы , , , образуют в трёхмерном пространстве базис, по которому, согласно формуле (2) можно единственным образом разложить произвольный вектор   пространства. Векторы , , , которые образуют базис называются базисными.

Будем считать, что базисные векторы , ,  сведены к точке .

Числ , про которые упоминалось в разделах “линейно зависимая и линейно независимые системы векторов”, называют координатами вектора в заданном базисе, и пишут:

.

Аналогично, на плоскости базис образуют какие-то два неколлинеарные векторы, а любой некомпланарный с ними может быть разложен по этому базису.

Базисным вектором на прямой линии может быть любой ненулевой вектор.Согласно свойствам линейных операций над векторами, следует, что при сложении и вычитании векторов в данном базисе прибавляются и отнимаются их соответствующие координаты, а при умножении вектора на число умножаются не это число координаты вектора, то есть:

1. .
2. .
3. .

Векторы равны, когда у них одинаковые соответствующие координаты.

Линейные действия над векторами аналитическим путём

Если раньше линейные действия над векторами осуществлялись графически, то теперь эти операции можно выполнять аналитически, не пользуясь рисунком. Давайте вспомним и сформулируем линейные действия:

Чтобы прибавлять (отнимать) два вектора, необходимо прибавить (отнять) их соответствующие координаты, то есть:  

Приведём пример:

Найти сумму векторов и , заданных на плоскости .

Решение:

Согласно правилу 1 у нас получается:

= (6, 3).

Построим эти векторы: .

Рис. 3

Мы видим, что четырёхугольник OABC – параллелограмм. Координаты вектора   мы сначала получили путём вычислений (аналитически), без помощи рисунка. Рисунок только подтверждает правило параллелограмма при прибавлении векторов, поэтому дальше рисунками будем пользоваться для наглядности.

Чтобы умножить вектор на число, необходимо каждую из его координат умножить на это число:

Дан вектор   Найти  

Решение:

Согласна правилу 2 у нас получается:

Геометрическое изображение смотрите на рис. 4.

Рис. 4

Два вектора равны, если у них равны соответствующие координаты:

.

Теперь вы понимаете, как получить координаты вектора не только графическим путём, но и аналитическим. В дальнейшем у вас не возникнет сложностей по этому поводу.

Как найти базис вектора, пример

В некотором базисе заданы своими координатами векторы и Разложить вектор по базису, который образовался из векторов и

Решение:

Разложение вектора по базису и имеет такой вид:

где числа и – неизвестные. Чтобы их найти, подставим в последнее равенство координаты векторов и , а тогда воспользуемся свойствами 1 и 2:

Согласно свойству 3 про равенство векторов, получим систему уравнений:

Первое равенство умножаем на 1, а второе на (- 2) и в итоге у на получается:

.

Значит, ответ у нас выходит:

Доказать, что 3 вектора образуют базис трёхмерного пространства и найти координаты 4-го вектора в данном базисе

Даны векторы . Показать, что векторы образуют базис трехмерного пространства и найти координаты вектора в этом базисе.

Решение: Сначала разбираемся с условием. По условию даны четыре вектора, и, как видите, у них уже есть координаты в некотором базисе. Какой это базис – нас не интересует. А интересует следующая вещь: три вектора вполне могут образовывать новый базис. И первый этап полностью совпадает с решением Примера 6, необходимо проверить, действительно ли векторы линейно независимы:

Вычислим определитель, составленный из координат векторов :

, значит, векторы линейно независимы и образуют базис трехмерного пространства.

! Важно: координаты векторов обязательно записываем в столбцыопределителя, а не в строки. Иначе будет путаница в дальнейшем алгоритме решения.

Теперь вспомним теоретическую часть: если векторы образуют базис, то любой вектор можно единственным способом разложить по данному базису: , где – координаты вектора в базисе .

Поскольку наши векторы образуют базис трёхмерного пространства (это уже доказано), то вектор можно единственным образом разложить по данному базису:
, где – координаты вектора в базисе .

По условию и требуется найти координаты .

Для удобства объяснения поменяю части местами: . В целях нахождения следует расписать данное равенство покоординатно:

По какому принципу расставлены коэффициенты? Все коэффициенты левой части в точности перенесены из определителя , в правую часть записаны координаты вектора .

Получилась система трёх линейных уравнений с тремя неизвестными. Обычно её решают поформулам Крамера, часто даже в условии задачи есть такое требование.

Главный определитель системы уже найден:
, значит, система имеет единственное решение.

Дальнейшее – дело техники:

Таким образом:
– разложение вектора по базису .

Ответ:

Как я уже отмечал, задача носит алгебраический характер. Векторы, которые были рассмотрены – это не обязательно те векторы, которые можно нарисовать в пространстве, а, в первую очередь, абстрактные векторы курса линейной алгебры. Для случая двумерных векторов можно сформулировать и решить аналогичную задачу, решение будет намного проще. Однако на практике мне такое задание ни разу не встречалось, именно поэтому я его пропустил в предыдущем разделе.

Такая же задача с трёхмерными векторами для самостоятельного решения:

Даны векторы . Показать, что векторы образуют базис и найти координаты вектора в этом базисе. Систему линейных уравнений решить методом Крамера.

Полное решение и примерный образец чистового оформления в конце урока.

Аналогично можно рассмотреть четырёхмерное, пятимерное и т.д. векторные пространства, где у векторов соответственно 4, 5 и более координат. Для данных векторных пространств тоже существует понятие линейной зависимости, линейной независимости векторов, существует базис, в том числе, ортонормированный, разложение вектора по базису. Да, такие пространства невозможно нарисовать геометрически, но в них работают все правила, свойства и теоремы двух и трех мерных случаев – чистая алгебра. Собственно, о философских вопросах меня уже пробивало поговорить в статье Частные производные функции трёх переменных, которая появилась раньше данного урока.

Любите векторы, и векторы полюбят вас!

Решения и ответы:

Пример 2: Решение: составим пропорцию из соответствующих координат векторов:

Ответ: при

Пример 4: Доказательство: Трапецией называется четырёхугольник, у которого две стороны параллельны, а две другие стороны не параллельны.
1) Проверим параллельность противоположных сторон и .
Найдём векторы:

Вычислим определитель, составленный из координат векторов :
, значит, данные векторы не коллинеарны, и стороны не параллельны.
2) Проверим параллельность противоположных сторон и .
Найдём векторы:

Вычислим определитель, составленный из координат векторов :
, значит, данные векторы коллинеарны, и .
Вывод: Две стороны четырёхугольника параллельны, а две другие стороны не параллельны, значит, он является трапецией по определению. Что и требовалось доказать.

Пример 5: Решение:
б) Проверим, существует ли коэффициент пропорциональности для соответствующих координат векторов:

Система не имеет решения, значит, векторы не коллинеарны.
Более простое оформление:
– вторая и третья координаты не пропорциональны, значит, векторы не коллинеарны.
Ответ: векторы не коллинеарны.
в) Исследуем на коллинеарность векторы . Составим систему:

Соответствующие координаты векторов пропорциональны, значит
Вот здесь как раз не проходит «пижонский» метод оформления.
Ответ:

Пример 6: Решение: б) Вычислим определитель, составленный из координат векторов (определитель раскрыт по первой строке):

, значит, векторы линейно зависимы и не образуют базиса трёхмерного пространства.
Ответ: данные векторы не образуют базиса

Пример 9:Решение:Вычислим определитель, составленный из координат векторов :

Таким образом, векторы линейно независимы и образуют базис.
Представим вектор в виде линейной комбинации базисных векторов:

Покоординатно:

Систему решим по формулам Крамера:
, значит, система имеет единственное решение.

Ответ: Векторы образуют базис,

Автор: Емелин Александр

Высшая математика для заочников и не только >>>

(Переход на главную страницу)

Как можно отблагодарить автора?

Векторное произведение векторов.
Смешанное произведение векторов

На данном уроке мы рассмотрим ещё две операции с векторами: векторное произведение векторов и смешанное произведение векторов. Ничего страшного, так иногда бывает, что для полного счастья, помимо скалярного произведения векторов, требуется ещё и ещё. Такая вот векторная наркомания. Может сложиться впечатление, что мы залезаем в дебри аналитической геометрии. Это не так. В данном разделе высшей математики вообще мало дров, разве что на Буратино хватит. На самом деле материал очень распространенный и простой – вряд ли сложнее, чем то же скалярное произведение, даже типовых задач поменьше будет. Главное в аналитической геометрии, как многие убедятся или уже убедились, НЕ ОШИБАТЬСЯ В ВЫЧИСЛЕНИЯХ. Повторяйте как заклинание, и будет вам счастье =)

Если векторы сверкают где-то далеко, как молнии на горизонте, не беда, начните с урокаВекторы для чайников, чтобы восстановить или вновь приобрести базовые знания о векторах. Более подготовленные читатели могут знакомиться с информацией выборочно, я постарался собрать максимально полную коллекцию примеров, которые часто встречаются в практических работах

Чем вас сразу порадовать? Когда я был маленьким, то умел жонглировать двумя и даже тремя шариками. Ловко получалось. Сейчас жонглировать не придётся вообще, поскольку мы будем рассматривать только пространственные векторы, а плоские векторы с двумя координатами останутся за бортом. Почему? Такими уж родились данные действия – векторное и смешанное произведение векторов определены и работают в трёхмерном пространстве. Уже проще!

Векторное пространство: размерность и базис, разложение вектора по базису

В статье о n -мерных векторах мы пришли к понятию линейного пространства, порождаемого множеством n -мерных векторов. Теперь нам предстоит рассмотреть не менее важные понятия, такие как размерность и базис векторного пространства. Они напрямую связаны с понятием линейно независимой системы векторов, так что дополнительно рекомендуется напомнить себе основы и этой темы.

Введем некоторые определения.

Размерность векторного пространства – число, соответствующее максимальному количеству линейно независимых векторов в этом пространстве.

Базис векторного пространства – совокупность линейно независимых векторов, упорядоченная и в своей численности равная размерности пространства.

Рассмотрим некое пространство n -векторов. Размерность его соответственно равна n . Возьмем систему из n -единичных векторов:

e ( 1 ) = ( 1 , 0 , . . . , 0 ) e ( 2 ) = ( 0 , 1 , . . . , 0 ) e ( n ) = ( 0 , 0 , . . . , 1 )

Используем эти векторы в качестве составляющих матрицы A : она будет являться единичной с размерностью n на n . Ранг этой матрицы равен n . Следовательно, векторная система e ( 1 ) , e ( 2 ) , . . . , e ( n ) является линейно независимой. При этом к системе невозможно добавить ни одного вектора, не нарушив ее линейной независимости.

Так как число векторов в системе равно n , то размерность пространства n -мерных векторов равна n , а единичные векторы e ( 1 ) , e ( 2 ) , . . . , e ( n ) являются базисом указанного пространства.

Из полученного определения сделаем вывод: любая система n -мерных векторов, в которой число векторов меньше n , не является базисом пространства.

Если мы поменяем местами первый и второй вектор, получим систему векторов e ( 2 ) , e ( 1 ) , . . . , e ( n ) . Она также будет являться базисом n -мерного векторного пространства. Составим матрицу, взяв за ее строки векторы полученной системы. Матрица может быть получена из единичной матрицы перестановкой местами первых двух строк, ранг ее будет равен n . Система e ( 2 ) , e ( 1 ) , . . . , e ( n ) линейно независима и является базисом n -мерного векторного пространства.

Переставив местами в исходной системе другие векторы, получим еще один базис.

Мы можем взять линейно независимую систему неединичных векторов, и она также будет представлять собой базис n -мерного векторного пространства.

Векторное пространство с размерностью n имеет столько базисов, сколько существует линейно независимых систем из n -мерных векторов числом n.

Плоскость является двумерным пространством – ее базисом будут два любых неколлинеарных вектора. Базисом трехмерного пространства послужат три любых некомпланарных вектора.

Рассмотрим применение данной теории на конкретных примерах.

Исходные данные: векторы

a = ( 3 , — 2 , 1 ) b = ( 2 , 1 , 2 ) c = ( 3 , — 1 , — 2 )

Необходимо определить, являются ли указанные векторы базисом трехмерного векторного пространства.

Решение

Для решения поставленной задачи исследуем заданную систему векторов на линейную зависимость. Составим матрицу, где строки – координаты векторов. Определим ранг матрицы.

A = 3 2 3 — 2 1 — 1 1 2 — 2 A = 3 — 2 1 2 1 2 3 — 1 — 2 = 3 · 1 · ( — 2 ) + ( — 2 ) · 2 · 3 + 1 · 2 · ( — 1 ) — 1 · 1 · 3 — ( — 2 ) · 2 · ( — 2 ) — 3 · 2 · ( — 1 ) = = — 25 ≠ 0 ⇒ R a n k ( A ) = 3

Следовательно, заданные условием задачи векторы линейно независимы, и их численность равна размерности векторного пространства – они являются базисом векторного пространства.

Ответ: указанные векторы являются базисом векторного пространства.

Исходные данные: векторы

a = ( 3 , — 2 , 1 ) b = ( 2 , 1 , 2 ) c = ( 3 , — 1 , — 2 ) d = ( 0 , 1 , 2 )

Необходимо определить, может ли указанная система векторов являться базисом трехмерного пространства.

Решение

Указанная в условии задачи система векторов является линейно зависимой, т.к. максимальное число линейно независимых векторов равно 3. Таким образом, указанная система векторов не может служить базисом трехмерного векторного пространства. Но стоит отметить, что подсистема исходной системы a = ( 3 , — 2 , 1 ) , b = ( 2 , 1 , 2 ) , c = ( 3 , — 1 , — 2 ) является базисом.

Ответ: указанная система векторов не является базисом.

Исходные данные: векторы

a = ( 1 , 2 , 3 , 3 ) b = ( 2 , 5 , 6 , 8 ) c = ( 1 , 3 , 2 , 4 ) d = ( 2 , 5 , 4 , 7 )

Могут ли они являться базисом четырехмерного пространства?

Решение

Cоставим матрицу, используя в качестве строк координаты заданных векторов

A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7

По методу Гаусса определим ранг матрицы:

A = 1 2 3 3 2 5 6 8 1 3 2 4 2 5 4 7

1 2 3 3 0 1 0 2 0 1 — 1 1 0 1 — 2 1

1 2 3 3 0 1 0 2 0 0 — 1 — 1 0 0 — 2 — 1

1 2 3 3 0 1 0 2 0 0 — 1 — 1 0 0 0 1 ⇒ ⇒ R a n k ( A ) = 4

Следовательно, система заданных векторов линейно независима и их численность равна размерности векторного пространства – они являются базисом четырехмерного векторного пространства.

Ответ: заданные векторы являются базисом четырехмерного пространства.

Исходные данные: векторы

a ( 1 ) = ( 1 , 2 , — 1 , — 2 ) a ( 2 ) = ( 0 , 2 , 1 , — 3 ) a ( 3 ) = ( 1 , 0 , 0 , 5 )

Составляют ли они базис пространства размерностью 4?

Решение

Исходная система векторов линейно независима, но численность векторов в ней недостаточна, чтобы стать базисом четырехмерного пространства.

Ответ: нет, не составляют.

Разложение вектора по базису

Примем, что произвольные векторы e ( 1 ) , e ( 2 ) , . . . , e ( n ) являются базисом векторного n-мерного пространства. Добавим к ним некий n -мерный вектор x → : полученная система векторов станет линейно зависимой. Свойства линейной зависимости гласят, что хотя бы один из векторов такой системы может линейно выражаться через остальные. Переформулируя это утверждение, можно говорить о том, что хотя бы один из векторов линейно зависимой системы может раскладываться по остальным векторам.

Таким образом, мы пришли к формулировке важнейшей теоремы:

Любой вектор n -мерного векторного пространства единственным образом раскладывается по базису.

Докажем эту теорему:

зададим базис n -мерного векторного пространства — e ( 1 ) , e ( 2 ) , . . . , e ( n ) . Сделаем систему линейно зависимой, добавив к ней n -мерный вектор x → . Этот вектор может быть линейно выражен через исходные векторы e :

x = x 1 · e ( 1 ) + x 2 · e ( 2 ) + . . . + x n · e ( n ) , где x 1 , x 2 , . . . , x n — некоторые числа.

Теперь докажем, что такое разложение является единственным. Предположим, что это не так и существует еще одно подобное разложение:

Отнимем от левой и правой частей этого равенства соответственно левую и правую части равенства x = x 1 · e ( 1 ) + x 2 · e ( 2 ) + . . . + x n · e ( n ) . Получим:

1 — x 1 ) · e ( 1 ) + ( x

2 — x 2 ) · e ( 2 ) + . . . ( x

Система базисных векторов e ( 1 ) , e ( 2 ) , . . . , e ( n ) линейно независима; по определению линейной независимости системы векторов равенство выше возможно только тогда, когда все коэффициенты ( x

2 — x 2 ) , . . . , ( x

n — x n ) будут равны нулю. Из чего справедливым будет: x 1 = x

n . И это доказывает единственный вариант разложения вектора по базису.

При этом коэффициенты x 1 , x 2 , . . . , x n называются координатами вектора x → в базисе e ( 1 ) , e ( 2 ) , . . . , e ( n ) .

Доказанная теория делает понятным выражение «задан n -мерный вектор x = ( x 1 , x 2 , . . . , x n ) »: рассматривается вектор x → n -мерного векторного пространства, и его координаты заданы в некотором базисе. При этом также понятно, что этот же вектор в другом базисе n -мерного пространства будет иметь другие координаты.

Рассмотрим следующий пример: допустим, что в некотором базисе n -мерного векторного пространства задана система из n линейно независимых векторов

e ( 1 ) = ( e 1 ( 1 ) , e 2 ( 1 ) , . . . , e n ( 1 ) ) e ( 2 ) = ( e 1 ( 2 ) , e 2 ( 2 ) , . . . , e n ( 2 ) ) ⋮ e ( n ) = ( e 1 ( n ) , e 2 ( n ) , . . . , e n ( n ) )

а также задан вектор x = ( x 1 , x 2 , . . . , x n ) .

Векторы e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) в этом случае также являются базисом этого векторного пространства.

Предположим, что необходимо определить координаты вектора x → в базисе e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) , обозначаемые как x

Вектор x → будет представлен следующим образом:

2 · e ( 2 ) + . . . + x

Запишем это выражение в координатной форме:

( x 1 , x 2 , . . . , x n ) = x

1 · ( e ( 1 ) 1 , e ( 1 ) 2 , . . . , e ( 1 ) n ) + x

2 · ( e ( 2 ) 1 , e ( 2 ) 2 , . . . , e ( 2 ) n ) + . . . + + x

n · ( e ( n ) 1 , e ( n ) 2 , . . . , e ( n ) n ) = = ( x

2 e 1 ( 2 ) + . . . + x

2 e 2 ( 2 ) + + . . . + x

n e 2 ( n ) , . . . , x

2 e n ( 2 ) + . . . + x

Полученное равенство равносильно системе из n линейных алгебраических выражений с n неизвестными линейными переменными x

n e 2 n ⋮ x n = x

Матрица этой системы будет иметь следующий вид:

e 1 ( 1 ) e 1 ( 2 ) ⋯ e 1 ( n ) e 2 ( 1 ) e 2 ( 2 ) ⋯ e 2 ( n ) ⋮ ⋮ ⋮ ⋮ e n ( 1 ) e n ( 2 ) ⋯ e n ( n )

Пусть это будет матрица A , и ее столбцы – векторы линейно независимой системы векторов e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) . Ранг матрицы – n , и ее определитель отличен от нуля. Это свидетельствует о том, что система уравнений имеет единственное решение, определяемое любым удобным способом: к примеру, методом Крамера или матричным методом. Таким образом мы сможем определить координаты x

n вектора x → в базисе e 1 ( 1 ) , e 2 ( 2 ) , . . . , e n ( n ) .

Применим рассмотренную теорию на конкретном примере.

Исходные данные: в базисе трехмерного пространства заданы векторы

e ( 1 ) = ( 1 , — 1 , 1 ) e ( 2 ) = ( 3 , 2 , — 5 ) e ( 3 ) = ( 2 , 1 , — 3 ) x = ( 6 , 2 , — 7 )

Необходимо подтвердить факт, что система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) также служит базисом заданного пространства, а также определить координаты вектора х в заданном базисе.

Решение

Система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) будет являться базисом трехмерного пространства, если она линейно независима. Выясним эту возможность, определив ранг матрицы A , строки которой – заданные векторы e ( 1 ) , e ( 2 ) , e ( 3 ) .

Используем метод Гаусса:

A = 1 — 1 1 3 2 — 5 2 1 — 3

1 — 1 1 0 5 — 8 0 3 — 5

1 — 1 1 0 5 — 8 0 0 — 1 5

R a n k ( A ) = 3 . Таким образом, система векторов e ( 1 ) , e ( 2 ) , e ( 3 ) линейно независима и является базисом.

Пусть в базисе вектор x → имеет координаты x

3 . Связь этих координат определяется уравнением:

3 e 1 ( 3 ) x 2 = x

3 e 2 ( 3 ) x 3 = x

Применим значения согласно условиям задачи:

Решим систему уравнений методом Крамера:

∆ = 1 3 2 — 1 2 1 1 — 5 — 3 = — 1 ∆ x

1 = 6 3 2 2 2 1 — 7 — 5 — 3 = — 1 , x

1 ∆ = — 1 — 1 = 1 ∆ x

2 = 1 6 2 — 1 2 1 1 — 7 — 3 = — 1 , x

2 ∆ = — 1 — 1 = 1 ∆ x

3 = 1 3 6 — 1 2 2 1 — 5 — 7 = — 1 , x

Так, вектор x → в базисе e ( 1 ) , e ( 2 ) , e ( 3 ) имеет координаты x

Ответ: x = ( 1 , 1 , 1 )

Связь между базисами

Предположим, что в некотором базисе n-мерного векторного пространства даны две линейно независимые системы векторов:

c ( 1 ) = ( c 1 ( 1 ) , c 2 ( 1 ) , . . . , c n ( 1 ) ) c ( 2 ) = ( c 1 ( 2 ) , c 2 ( 2 ) , . . . , c n ( 2 ) ) ⋮ c ( n ) = ( c 1 ( n ) , e 2 ( n ) , . . . , c n ( n ) )

e ( 1 ) = ( e 1 ( 1 ) , e 2 ( 1 ) , . . . , e n ( 1 ) ) e ( 2 ) = ( e 1 ( 2 ) , e 2 ( 2 ) , . . . , e n ( 2 ) ) ⋮ e ( n ) = ( e 1 ( n ) , e 2 ( n ) , . . . , e n ( n ) )

Указанные системы являются также базисами заданного пространства.

n ( 1 ) — координаты вектора c ( 1 ) в базисе e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) , тогда связь координат будет задаваться системой линейных уравнений:

1 ( 1 ) e 1 ( 1 ) + c

2 ( 1 ) e 1 ( 2 ) + . . . + c

n ( 1 ) e 1 ( n ) с 2 ( 1 ) = c

1 ( 1 ) e 2 ( 1 ) + c

2 ( 1 ) e 2 ( 2 ) + . . . + c

n ( 1 ) e 2 ( n ) ⋮ с n ( 1 ) = c

1 ( 1 ) e n ( 1 ) + c

2 ( 1 ) e n ( 2 ) + . . . + c

В виде матрицы систему можно отобразить так:

( c 1 ( 1 ) , c 2 ( 1 ) , . . . , c n ( 1 ) ) = ( c

n ( 1 ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )

Сделаем по аналогии такую же запись для вектора c ( 2 ) :

( c 1 ( 2 ) , c 2 ( 2 ) , . . . , c n ( 2 ) ) = ( c

n ( 2 ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )

И, далее действуя по тому же принципу, получаем:

( c 1 ( n ) , c 2 ( n ) , . . . , c n ( n ) ) = ( c

n ( n ) ) · e 1 ( 1 ) e 2 ( 1 ) … e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) … e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) … e n ( n )

Матричные равенства объединим в одно выражение:

c 1 ( 1 ) c 2 ( 1 ) ⋯ c n ( 1 ) c 1 ( 2 ) c 2 ( 2 ) ⋯ c n ( 2 ) ⋮ ⋮ ⋮ ⋮ c 1 ( n ) c 2 ( n ) ⋯ c n ( n ) = c

n ( n ) · e 1 ( 1 ) e 2 ( 1 ) ⋯ e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) ⋯ e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) ⋯ e n ( n )

Оно и будет определять связь векторов двух различных базисов.

Используя тот же принцип, возможно выразить все векторы базиса e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) через базис c ( 1 ) , c ( 2 ) , . . . , c ( n ) :

e 1 ( 1 ) e 2 ( 1 ) ⋯ e n ( 1 ) e 1 ( 2 ) e 2 ( 2 ) ⋯ e n ( 2 ) ⋮ ⋮ ⋮ ⋮ e 1 ( n ) e 2 ( n ) ⋯ e n ( n ) = e

n ( n ) · c 1 ( 1 ) c 2 ( 1 ) ⋯ c n ( 1 ) c 1 ( 2 ) c 2 ( 2 ) ⋯ c n ( 2 ) ⋮ ⋮ ⋮ ⋮ c 1 ( n ) c 2 ( n ) ⋯ c n ( n )

Дадим следующие определения:

n ( n ) является матрицей перехода от базиса e ( 1 ) , e ( 2 ) , . . . , e ( 3 )

к базису c ( 1 ) , c ( 2 ) , . . . , c ( n ) .

n ( n ) является матрицей перехода от базиса c ( 1 ) , c ( 2 ) , . . . , c ( n )

к базису e ( 1 ) , e ( 2 ) , . . . , e ( 3 ) .

Как найти базис трех векторов

Учасники групи мають 10% знижку при замовленні робіт, і ще багато бонусів!

Контакты

Администратор, решение задач
Роман

Tel. +380685083397
[email protected]
skype, facebook:
roman.yukhym

Решение задач
Андрей

facebook:
dniprovets25

15

Практикум. Линейные и евклидовы пространства

В
данном практикуме рассматриваются
следующие основные задачи:

1)
исследование системы векторов на
линейную зависимость и линейную
независимость;

2)
нахождение базиса и размерности линейного
пространства решений однородной системы
линейных алгебраических уравнений;

3)
построение базиса в линейном пространстве;

4)
нахождение формул преобразования
координат при переходе от базиса к
базису, разложение вектора по векторам
базиса;

5)
построение ортогонального и
ортонормированного базисов методом
ортогонализации Грама-Шмидта;

6)
дополнение системы векторов до
ортогонального базиса в евклидовом
пространстве.

Примеры
задач, рассматриваемых в данном
практикуме, соответствуют заданиям 1,
2, 3, 4, 5 типового расчета.

Пример
1.
Исследовать
систему векторов
:

пространства

на линейную
зависимость.

Решение.
Составим
линейную комбинацию

из
векторов системы

с весовыми коэффициентами

и приравняем ее к нулевому вектору

.

Получим

(1)

Пользуясь правилами
умножения числа на вектор-столбец и
сложения двух вектор-столбцов, упростим
левую часть последнего уравнения в (1)

Итак, получили
равенство

Два вектор-столбца
равны, когда равны соответствующие
компоненты.

В результате
приходим к системе однородных линейных
алгебраических уравнений

(2)

Основная матрица

этой системы имеет вид (элементами
матрицы являются коэффициенты при
неизвестных
)

.

Найдем определитель
матрицы

(например, разложением по элементам
первой строки, они выделены в
прямоугольники):

Так как определитель

отличен от нуля, то матрица

является неособенной, а значит, система
(2) имеет единственное тривиальное
решение

Это
означает, что равенство (1) выполняется
только при нулевых значениях чисел
,
то есть система

является линейно независимой.

Эту же задачу можно
решить и другим способом. Известно, что
система вектор-столбцов

пространства

является линейно независимой, если
матрица, составленная из компонент
вектор-столбцов
,
является неособенной матрицей (ее
определитель отличен от нуля). Так как
в этом случае эта матрица совпадает с
матрицей
,
то система

является линейно независимой.

Пример
2.
Исследовать систему векторов
:

пространства

на линейную
зависимость. В
случае линейной зависимости выразить
какой-нибудь вектор через остальные
векторы системы.

Решение.
Составим
линейную комбинацию

из
векторов системы

с весовыми коэффициентами

и приравняем ее к нулевому вектору
.

Получим

.
(3)

Как и при решении
примера 1, пользуясь правилами умножения
числа на вектор-столбец и сложения двух
вектор-столбцов, упрощая равенство (3),
приходим к следующему равенству

.

В результате
получаем систему однородных линейных
алгебраических уравнений

(4)

Основная матрица

этой системы имеет вид (элементами
матрицы являются коэффициенты при
неизвестных
)

.

Найдем определитель
матрицы

(разложением по элементам третьей
строки, они выделены в прямоугольники):

Так как определитель
,
то матрица

является особенной, а значит, однородная
система (4) имеет по крайней мере хотя
бы одно нетривиальное решение. Найдем
это нетривиальное решение.

Для этого используем
метод Гаусса решения системы (используем
элементарные преобразования над строками
основной матрицы

системы (4)):

Последняя матрица
есть ступенчатая матрица. Ранг ее равен
2, система (4) имеет бесконечное множество
решений. В качестве базисных (основных)
переменных выберем переменные

(при этом

является свободной переменной). Переходя
от ступенчатой матрицы к системе
уравнений, получим

Выражая базисные
переменные

через свободную

,
получим

Взяв в качестве

число 1, получим нетривиальное решение
системы (4):

Это
означает, что равенство (3) выполняется
при ненулевых значениях чисел
,
то есть система

является линейно зависимой.

При
найденных значениях

равенство (3) примет вид

Из последнего
равенства удобно выразить вектор

в виде линейной комбинации векторов
:

.

Пример
3. Найти
базис и размерность линейного пространства

решений
однородной системы линейных алгебраических
уравнений

Решение.
Приводим матрицу системы к ступенчатому
виду

(во второй матрице
три одинаковые строки, значит, последние
две из них можно обнулить). Итак,
ступенчатая матрица имеет вид

.

Ранг матрицы
.
Принимая переменные

за базисные, а

за свободные (обозначаем при этом
),
получим общее решение рассматриваемой
ОСЛАУ

Составляем базис

пространства
решений

(фундаментальную систему решений, при
этом
):

.

Пример
4. Дана
система векторов
:

.

1. Доказать, что
она является базисом в пространстве
,
написать матрицу

перехода от стандартного базиса

пространства

к базису
.

2. Написать формулы
преобразования координат при преобразовании
базиса. Пользуясь полученными формулами,
найти координаты вектора

в базисе
,
если он задан в базисе
.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

• #
• #
• #
• #
• #
• #
• #
• #
• #
• #
• #

Базисные (основные) и свободные (неосновные) переменные. Общее и базисное решения системы линейных алгебраических уравнений. Первая часть.

Что означает фраза «ранг матрицы равен $r$»? Она означает, что есть хотя бы один минор $r$-го порядка, который не равен нулю. Напомню, что такой минор называется базисным. Базисных миноров может быть несколько. При этом все миноры, порядок которых выше $r$, равны нулю или не существуют.

Выбрать $r$ базисных переменных в общем случае можно различными способами. В примерах я покажу наиболее часто используемый способ выбора.

Во всех изложенных ниже примерах матрицу системы будем обозначать буквой $A$, а расширенную матрицу системы – буквой $widetilde$.

Решить СЛАУ $ left < begin& 3x_1-6x_2+9x_3+13x_4=9\ & -x_1+2x_2+x_3+x_4=-11;\ & x_1-2x_2+2x_3+3x_4=5. end right.$. Если система является неопределённой, указать базисное решение.

Итак, мы имеем СЛАУ, у которой 3 уравнения и 4 переменных: $x_1$, $x_2$, $x_3$, $x_4$. Так как количество переменных больше количества уравнений, то такая система не может иметь единственное решение (чуть позже мы строго докажем это предложение на основе теоремы Кронекера-Капелли). Найдём решения СЛАУ, используя метод Гаусса:

$$ left( begin 3 & -6 & 9 & 13 & 9 \ -1 & 2 & 1 & 1 & -11 \ 1 & -2 & 2 & 3 & 5 end right) rightarrow left|begin & text<поменяем местами первую и третью>\ & text<строки, чтобы первым элементом>\ & text <первой строки стала единица.>endright| rightarrow \ rightarrowleft( begin 1 & -2 & 2 & 3 & 5\ -1 & 2 & 1 & 1 & -11 \ 3 & -6 & 9 & 13 & 9 end right) begin phantom <0>\ II+I\ III-3cdot Iend rightarrow left( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 \ 0 & 0 & 3 & 4 & -6 endright) begin phantom <0>\ phantom<0>\ III-IIend rightarrow \ rightarrowleft( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 \ 0 & 0 & 0 & 0 & 0 endright) $$

Мы завершили прямой ход метода Гаусса, приведя расширенную матрицу системы к ступенчатому виду. Слева от черты расположены элементы преобразованной матрицы системы, которую мы также привели к ступенчатому виду. Напомню, что если некая матрица приведена к ступенчатому виду, то её ранг равен количеству ненулевых строк.

И матрица системы, и расширенная матрица системы после эквивалентных преобразований приведены к ступенчатому виду; они содержат по две ненулевых строки. Вывод: $rang A=rangwidetilde = 2$.

Итак, заданная СЛАУ содержит 4 переменных (обозначим их количество как $n$, т.е. $n=4$). Кроме того, ранги матрицы системы и расширенной матрицы системы равны между собой и равны числу $r=2$. Так как $r < n$, то согласно следствию из теоремы Кронекера-Капелли СЛАУ является неопределённой (имеет бесконечное количество решений).

Найдём эти решения. Для начала выберем базисные переменные. Их количество должно равняться $r$, т.е. в нашем случае имеем две базисные переменные. Какие именно переменные (ведь у нас их 4 штуки) принять в качестве базисных? Обычно в качестве базисных переменных берут те переменные, которые расположены на первых местах в ненулевых строках преобразованной матрицы системы, т.е. на «ступеньках». Что это за «ступеньки» показано на рисунке:

На «ступеньках» стоят числа из столбцов №1 и №3. Первый столбец соответствует переменной $x_1$, а третий столбец соответствует переменной $x_3$. Именно переменные $x_1$ и $x_3$ примем в качестве базисных.

В принципе, если вас интересует именно методика решения таких систем, то можно пропускать нижеследующее примечание и читать далее. Если вы хотите выяснить, почему можно в качестве базисных взять именно эти переменные, и нельзя ли выбрать иные – прошу раскрыть примечание.

Почему можно принять переменные $x_1$ и $x_3$ в качестве базисных? Для ответа на этот вопрос давайте вспомним, что ранг матрицы системы равен числу $r=2$. Это говорит о том, что все миноры данной матрицы, порядок которых выше 2, либо равны нулю, либо не существуют. Ненулевые миноры есть только среди миноров второго порядка. Выберем какой-либо ненулевой минор второго порядка. Мы можем выбирать его как в исходной матрице системы $A$, т.е. в матрице $left( begin 3 & -6 & 9 & 13 \ -1 & 2 & 1 & 1 \ 1 & -2 & 2 & 3 end right)$, так и в преобразованной матрице системы, т.е. в $left( begin 1 & -2 & 2 & 3 \ 0 & 0 & 3 & 4 \ 0 & 0 & 0 & 0 endright)$. Так как в преобразованной матрице системы побольше нулей, то будем работать именно с нею.

Итак, давайте выберем минор второго порядка, элементы которого находятся на пересечении строк №1 и №2, и столбцов №1 и №2:

$$ M_<2>^<(1)>=left| begin 1 & -2 \ 0 & 0 endright|=1cdot 0-(-2)cdot 0=0. $$

Вывод: выбранный нами минор второго порядка не является базисным, ибо он равен нулю. Так как элементы этого минора взяты из столбца №1 (он соответствует переменной $x_1$) и столбца №2 (он соответствует переменной $x_2$), то пара переменных $x_1$ и $x_2$ не могут быть базисными переменными.

Осуществим вторую попытку, взяв минор второго порядка, элементы которого лежат на пересечении строк №1, №2 и столбцов №3 и №4:

$$ M_<2>^<(2)>=left| begin 2 & 3\ 3 & 4 endright|=2cdot 4-3cdot 3=-1. $$

Вывод: выбранный нами минор второго порядка является базисным, ибо он не равен нулю. Так как элементы этого минора взяты из столбца №3 (он соответствует переменной $x_3$) и столбца №4 (он соответствует переменной $x_4$), то пару переменных $x_3$ и $x_4$ можно принять в качестве базисных.

Сделаем и третью попытку, найдя значение минора, элементы которого расположены на пересечении строк №1, №2 и столбцов №1 и №3:

Вывод: выбранный нами минор второго порядка является базисным, ибо он не равен нулю. Так как элементы этого минора взяты из столбца №1 (он соответствует переменной $x_1$) и столбца №3 (он соответствует переменной $x_3$), то пару переменных $x_1$ и $x_3$ можно принять в качестве базисных.

Как видите, выбор базисных переменных не является однозначным. На самом деле количество вариантов выбора не превышает количество размещений из $n$ элементов по $r$, т.е. не больше чем $C_^$.

В рассматриваемом примере в качестве баисных были приняты переменные $x_1$ и $x_3$ – сугубо из соображений удобства дальнейшего решения. В чём это удобство состоит, будет видно чуток позже.

Базисные переменные выбраны: это $x_1$ и $x_3$. Остальные $n-r=2$ переменных (т.е. $x_2$ и $x_4$) являются свободными. Нам нужно выразить базисные переменные через свободные.

Я предпочитаю работать с системой в матричной форме записи. Для начала очистим полученную матрицу $left( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 \ 0 & 0 & 0 & 0 & 0 endright)$ от нулевой строки:

$$ left( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 endright) $$

Свободным переменным, т.е. $x_2$ и $x_4$, соответствуют столбцы №2 и №4. Перенесём эти столбцы за черту. Знак всех элементов переносимых столбцов изменится на противоположный:

Почему меняются знаки? Что вообще значит это перенесение столбцов? показатьскрыть

Давайте обратимся к расширенной матрице системы, которая после преобразований имеет вид $left( begin 1 & -2 & 2 & 3 & 5\ 0 & 0 & 3 & 4 & -6 endright)$. Перейдём от матрицы к уравнениям. Первая строка соответствует уравнению $x_1-2x_2+2x_3+3x_4=5$, а вторая строка соответствует уравнению $3x_3+4x_4=-6$. Теперь перенесём свободные переменные $x_2$ и $x_4$ в правые части уравнений. Естественно, что когда мы переносим выражение $4x_4$ в правую часть уравнения, то знак его изменится на противоположный, и в правой части появится $-4x_4$.

Если опять записать полученную систему в виде матрицы, то мы и получим матрицу с перенесёнными за черту столбцами.

А теперь продолжим решение обычным методом Гаусса. Наша цель: сделать матрицу до черты единичной. Для начала разделим вторую строку на 3, а потом продолжим преобразования обратного хода метода Гаусса:

$$ left( begin 1 & 2 & 5 & 2 & -3\ 0 & 3 & -6 & 0 & -4 endright) begin phantom <0>\ II:3 end rightarrow left( begin 1 & 2 & 5 & 2 & -3\ 0 & 1 & -2 & 0 & -4/3 endright) begin I-2cdot II \ phantom <0>end rightarrow \ rightarrow left(begin 1 & 0 & 9 & 2 & -1/3\ 0 & 1 & -2 & 0 & -4/3 endright). $$

Матрица до черты стала единичной, метод Гаусса завершён. Общее решение найдено, осталось лишь записать его. Если вспомнить, что четвёртый столбец соответствует переменной $x_2$, а пятый столбец – переменной $x_4$, то получим:

Нами получено общее решение заданной СЛАУ. Чтобы найти базисное решение, нужно все свободные переменные приравнять к нулю. Т.е. полагая $x_2=0$ и $x_4=0$, будем иметь:

Решение $x_1=9$, $x_2=0$, $x_3=-2$, $x_4=0$ и является базисным решением данной СЛАУ. В принципе, задавая свободным переменным иные значения, можно получить иные частные решения данной системы. Таких частных решений бесконечное количество. Например, принимая $x_2=-4$ и $x_4=1$, получим такое частное решение: $left <begin& x_1=frac<2><3>;\ & x_2=-4;\ & x_3=-frac<10><3>;\ & x_4=1. endright.$. Базисное решение, которые мы нашли ранее – лишь одно из бесконечного множества частных решений заданной СЛАУ.

Если есть желание, то полученное решение можно проверить. Например, подставляя $x_1=9+2x_2-frac<1><3>x_4$ и $x_3=-2-frac<4><3>x_4$ в левую часть первого уравнения, получим:

$$ 3x_1-6x_2+9x_3+13x_4=3cdot left(9+2x_2-frac<1><3>x_4right)-6x_2+9cdot left(-2-frac<4><3>x_4right)+13x_4=9. $$

Проверка первого уравнения увенчалась успехом; точно так же можно проверить второе и третье уравнения.

Если система является неопределённой, указать базисное решение.

Похожий пример уже был решен в теме «метод Крамера» (пример №4). Переменные $x_4$ и $x_5$ были перенесены в правые части, а дальше применялись стандартные операции метода Крамера. Однако такой метод решения не гарантирует достижения результата. Например, мы переносим некие переменные в правую часть, а оставшийся определитель оказывается равным нулю, – что тогда? Решать перебором? 🙂 Поэтому гораздо удобнее применять преобразования метода Гаусса, как и в предыдущем примере.

$$ left( begin 1 & -2 & 4 & 0 & 2 & 0\ 4 & -11 & 21 & -2 & 3 & -1\ -3 & 5 & -13 & -4 & 1 & -2 end right) begin phantom <0>\ II-4cdot I\ III+3cdot Iend rightarrow left( begin 1 & -2 & 4 & 0 & 2 & 0\ 0 & -3 & 5 & -2 & -5 & -1\ 0 & -1 & -1 & -4 & 7 & -2 end right) rightarrow \ rightarrow left|begin & text<поменяем местами вторую и третью>\ & text<строки, чтобы диагональным элементом>\ & text <второй строки стало число (-1).>endright|rightarrow left( begin 1 & -2 & 4 & 0 & 2 & 0\ 0 & -1 & -1 & -4 & 7 & -2\ 0 & -3 & 5 & -2 & -5 & -1 end right) begin phantom <0>\ phantom<0>\ III-3cdot Iend rightarrow \ rightarrow left( begin 1 & -2 & 4 & 0 & 2 & 0\ 0 & -1 & -1 & -4 & 7 & -2\ 0 & 0 & 8 & 10 & -26 & 5 end right). $$

Матрица системы и расширенная матрица системы приведены к трапециевидной форме. Ранги этих матриц равны между собой и равны числу 3, т.е. $rang A=rangwidetilde = 3$. Так как ранги равны между собой и меньше, чем количество переменных, то согласно следствию из теоремы Кронекера-Капелли данная система имеет бесконечное количество решений.

Количество неизвестных $n=5$, ранги обеих матриц $r=3$, поэтому нужно выбрать три базисных переменных и $n-r=2$ свободных переменных. Применяя тот же метод «ступенек», что и в предыдущем примере, выберем в качестве базисных переменных $x_1$, $x_2$, $x_3$, а в качестве свободных переменных – $x_4$ и $x_5$.

Столбцы №4 и №5, которые соответствуют свободным переменным, перенесём за черту. После этого разделим третью строку на 8 и продолжим решение методом Гаусса:

$$ left( begin 1 & -2 & 4 & 0 & 0 & -2\ 0 & -1 & -1 & -2 & 4 & -7\ 0 & 0 & 8 & 5 & -10 & 26 end right) begin phantom <0>\ phantom<0>\ III:8end rightarrow left( begin 1 & -2 & 4 & 0 & 0 & -2\ 0 & -1 & -1 & -2 & 4 & -7\ 0 & 0 & 1 & 5/8 & -5/4 & 13/4 end right) begin I-4cdot III \ II+III\ phantom<0>end rightarrow \ left( begin 1 & -2 & 0 & -5/2 & 5 & -15\ 0 & -1 & 0 & -11/8 & 11/4 & -15/4\ 0 & 0 & 1 & 5/8 & -5/4 & 13/4 end right) begin phantom <0>\ IIcdot (-1)\ phantom<0>end rightarrow left( begin 1 & -2 & 0 & -5/2 & 5 & -15\ 0 & 1 & 0 & 11/8 & -11/4 & 15/4\ 0 & 0 & 1 & 5/8 & -5/4 & 13/4 end right) begin I+2cdot II \ phantom<0>\ phantom<0>end rightarrow\ rightarrowleft( begin 1 & 0 & 0 & 1/4 & -1/2 & -15/2\ 0 & 1 & 0 & 11/8 & -11/4 & 15/4\ 0 & 0 & 1 & 5/8 & -5/4 & 13/4 end right) $$

Продолжение этой темы рассмотрим во второй части, где разберём ещё два примера с нахождением общего решения.

Метод Жордана-Гаусса онлайн

Данный онлайн калькулятор находит общее решение системы линейных уравнений методом Жордана-Гаусса. Дается подробное решение. Для вычисления выбирайте количество уравнений и количество переменных. Затем введите данные в ячейки и нажимайте на кнопку «Вычислить.» Теоретическую часть нахождения решения системы линейных уравнений методом Жордана-Гаусса смотрите ниже.

Предупреждение

Инструкция ввода данных. Числа вводятся в виде целых чисел (примеры: 487, 5, -7623 и т.д.), десятичных чисел (напр. 67., 102.54 и т.д.) или дробей. Дробь нужно набирать в виде a/b, где a и b (b>0) целые или десятичные числа. Примеры 45/5, 6.6/76.4, -7/6.7 и т.д.

Метод Жордана-Гаусса

Метод Жордана-Гаусса − это метод для решения систем линейных уравнений а также метод нахождения обратной матрицы. Данный метод является модификацией метода Гаусса.

Первый этап метода Жордана-Гаусса аналогична методу Гаусса (прямой ход Гаусса), который подробно можно посмотреть на странице «Метод Гаусса онлайн». Второй этап (обратный ход) метода Жордана-Гаусса заключается в обнулении всех элементов матрицы коэффициентов системы линейных уравнений, выше ведущих элементов. Отметим, что мы здесь рассматриваем произвольную систему линейных уравнений, где число переменных может быть не равным числу ограничений.

Рассмотрим следующую систему линейных уравнений:

(1)

Запишем систему (1) в матричном виде:

A-называется матрица коэффициентов системы, b − правая часть ограничений, x− вектор переменных, которую нужно найти. Пусть rang(A)=p.

Построим расшренную матрицу системы:

(4)

После прямого хода Гаусса (подробнее о прямом ходе Гаусса посмотрите на странице «Метод Гаусса онлайн») получим следующую расширенную матрицу:

(5)

Если . равны нулю, то система линейных уравнений имеет решение, если же хотя бы один из этих чисел отлично от нуля, то система несовместна. Иными словами, система (2) совместна тогда и только тогда, когда ранг матрицы A навен рангу расширенной матрицы (A|b).

Пусть . Тогда в обратном порядке, начиная с ведущего элемента применяем обратный ход Гаусса. Суть обратного хода заключается в обнулении всех элементов расширенной матрицы, стоящих выше ведущих элементов.

Итак, обнуляем все элементы, стоящие в столбце p, выше элемента . Так как ≠0, то сложим строки 1,2. p−1 со строкой p, умноженной на соответственно.

Расширенная матрица примет следующий вид:

Аналогичным методом обнуляем элементы столбцов p−1, p−2, . 2 выше ведущих элементов .

Расширенная матрица примет следующий вид:

Делим каждую строку на соответствующий ведущий элемент (если ведущий элемент существует):

Тогда решение можно записать так:

где − произвольные вещественные числа.

Отметим, что при m=n и rangA=n система линейных уравнений (2) имеет единственное решение.

Рассмотрим численные примеры.

Примеры решения системы линейных уравнений методом Жордана-Гаусса

Пример 1. Найти решение системы линейных уравнений методом Жордана-Гаусса:

Матричный вид записи: Ax=b, где

.

Для решения системы, построим расширенную матрицу:

.

Обозначим через a_ij элементы i-ой строки и j-ого столбца.

Первый этап. Прямой ход Гаусса

Исключим элементы 1-го столбца матрицы ниже элемента a₁₁. Для этого сложим строки 2,3 со строкой 1, умноженной на 1/2,-3/2 соответственно:

.

Исключим элементы 2-го столбца матрицы ниже элемента a2 2. Для этого сложим строку 3 со строкой 2, умноженной на 1/5:

.

Второй этап. Обратный ход Гаусса

Исключим элементы 3-го столбца матрицы выше элемента a₃₃. Для этого сложим строки 1, 2 со строкой 3, умноженной на -3/2, -5/4 соответственно:

.

Исключим элементы 2-го столбца матрицы выше элемента a₂₂. Для этого сложим строку 1 со строкой 2, умноженной на -2/5:

.

Делим каждую строку матрицы на соответствующий ведущий элемент (если ведущий элемент существует):

.

.

Векторный вариант решения:

.

Пример 2. Найти решение системы линейных уравнений методом Жордана-Гаусса:

Матричный вид записи: Ax=b, где

Для решения системы, построим расширенную матрицу:

Обозначим через a_ij элементы i-ой строки и j-ого столбца.

Первый этап. Прямой ход Гаусса.

Исключим элементы 1-го столбца матрицы ниже элемента a₁₁. Для этого сложим строки 2,3 со строкой 1, умноженной на 4/3, 5/3 соответственно:

Исключим элементы 2-го столбца матрицы ниже элемента a2 2. Для этого сложим строку 3 со строкой 2, умноженной на -2:

Второй этап. Обратный ход Гаусса

Исключим элементы 2-го столбца матрицы выше элемента a₂₂. Для этого сложим строку 1 со строкой 2, умноженной на -3/10:

Делим каждую строку матрицы на соответствующий ведущий элемент (если ведущий элемент существует):

Выразим переменные x₁, x₂ относительно остальных переменных.

x₃− произвольное действительное число.

Векторный вариант решения:

Запишем вышеизложенное решение, представив свободные переменные в виде тождеств:

Тогда векторное решение можно представить так:

,

x₃− произвольное действительное число.

Как найти базис данной системы векторов

Определение базиса.Система векторов образует базис, если:

1) она линейно-независима,

2) любой вектор пространства через нее линейно выражается.

Пример 1.Базис пространства : .

2. В системе векторов базисом являются векторы: , т.к. линейно выражается через векторы .

Замечание.Чтобы найти базис данной системы векторов необходимо:

1) записать координаты векторов в матрицу,

2) с помощью элементарных преобразований привести матрицу к треугольному виду,

3) ненулевые строки матрицы будут являться базисом системы,

4) количество векторов в базисе равно рангу матрицы.

Теорема Кронекера-Капелли

Теорема Кронеккера–Капелли дает исчерпывающий ответ на вопрос о совместности произвольной системы линейных уравнений с неизвестными

Теорема Кронеккера–Капелли. Система линейных алгебраических урав­нений совместна тогда и только тогда, когда ранг расширенной матрицы системы равен рангу основной матрицы, .

Алгоритм отыскания всех решений совместной системы линейных уравнений вытекает из теоремы Кронеккера–Капелли и следующих теорем.

Теорема. Если ранг совместной системы равен числу неизвестных, то система имеет единственное решение.

Теорема. Если ранг совместной системы меньше числа неизвестных, то система имеет бесчисленное множество решений.

Алгоритм решения произвольной системы линейных уравнений:

1. Найдем ранги основной и расширенной матриц системы. Если они не равны ( ), то система несовместна (не имеет решений). Если ранги равны ( , то система совместна.

2. Для совместной системы найдем какой-нибудь минор, порядок которого определяет ранг матрицы (такой минор называют базисным). Составим новую систему из уравнений, в которых коэффициенты при неизвестных, входят в базисный минор (эти неизвестные называют главными неизвестными), остальные уравнения отбросим. Главные неизвестные с коэффициентами оставим слева, а остальные неизвестных (их называют свободными неизвестными) перенесем в правую часть уравнений.

3. Найдем выражения главных неизвестных через свободные. Получаем общее решение системы.

4. Придавая свободным неизвестным произвольные значения, получим соответствующие значения главных неизвестных. Таким образомнаходим частные решения исходной системы уравнений.

Линейное программирование. Основные понятия

Линейное программирование – это направление математического программирования, изучающее методы решения экстремальных задач, которые характеризуются линейной зависимостью между переменными и линейным критерием.

Необходимым условием постановки задачи линейного программирования являются ограничения на наличие ресурсов, величину спроса, производственную мощность предприятия и другие производственные факторы.

Сущность линейного программирования состоит в нахождении точек наибольшего или наименьшего значения некоторой функции при определенном наборе ограничений, налагаемых на аргументы и образующихсистему ограничений, которая имеет, как правило, бесконечное множество решений. Каждая совокупность значений переменных (аргументов функции F), которые удовлетворяют системе ограничений, называетсядопустимым планом задачи линейного программирования. Функция F, максимум или минимум которой определяется, называется целевой функцией задачи. Допустимый план, на котором достигается максимум или минимум функции F, называется оптимальным планом задачи.

Система ограничений, определяющая множество планов, диктуется условиями производства. Задачей линейного программирования (ЗЛП) является выбор из множества допустимых планов наиболее выгодного (оптимального).

В общей постановке задача линейного программирования выглядит следующим образом:

Имеются какие-то переменные х = (х₁ , х₂ , … х_n ) и функция этих переменных f(x) = f (х₁ , х₂ , … х_n ), которая носит название целевой функции. Ставится задача: найти экстремум (максимум или минимум) целевой функции f(x) при условии, что переменные x принадлежат некоторой области G:

В зависимости от вида функции f(x) и области G и различают разделы математического программирования: квадратичное программирование, выпуклое программирование, целочисленное программирование и т.д. Линейное программирование характеризуется тем, что
а) функция f(x) является линейной функцией переменных х₁ , х₂ , … х_n
б) область G определяется системой линейных равенств или неравенств.

Математическая модель любой задачи линейного программирования включает в себя: