13 Układy równań liniowych

Podobne dokumenty
Układy równań liniowych

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

Układy równań i nierówności liniowych

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.

Układy równań liniowych i metody ich rozwiązywania

1 Zbiory i działania na zbiorach.

= Zapiszemy poniższy układ w postaci macierzy. 8+$+ 2&=4 " 5 3$ 7&=0 5$+7&=4

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

Zastosowania wyznaczników

Własności wyznacznika

UKŁADY RÓWNAŃ LINIOWYCH

2. Układy równań liniowych

DB Algebra liniowa semestr zimowy 2018

Macierze. Rozdział Działania na macierzach

Algebra liniowa z geometrią

Wyznaczniki 3.1 Wyznaczniki stopni 2 i 3

, A T = A + B = [a ij + b ij ].

O MACIERZACH I UKŁADACH RÓWNAŃ

Układy równań liniowych

1 Macierz odwrotna metoda operacji elementarnych

Zaawansowane metody numeryczne

Układy równań liniowych

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn a 1j a 2j R i = , C j =

"Bieda przeczy matematyce; gdy się ją podzieli na więcej ludzi, nie staje się mniejsza." Gabriel Laub

9 Układy równań liniowych

3. Macierze i Układy Równań Liniowych

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Baza w jądrze i baza obrazu ( )

Wykład 5. Metoda eliminacji Gaussa

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ

wszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów

3 Przestrzenie liniowe

1 Macierze i wyznaczniki

5. Rozwiązywanie układów równań liniowych

det[a 1,..., A i,..., A j,..., A n ] + det[a 1,..., ka j,..., A j,..., A n ] Dowód Udowodniliśmy, że: det[a 1,..., A i + ka j,..., A j,...

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ.

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

Analiza matematyczna i algebra liniowa Macierze

ALGEBRA LINIOWA Z GEOMETRIĄ, LISTA ZADAŃ NR 8

Kombinacje liniowe wektorów.

1 Elementy logiki i teorii mnogości

1 Rząd macierzy. 2 Liniowa niezależność. Algebra liniowa. V. Rząd macierzy. Baza podprzestrzeni wektorowej

1 Układy równań liniowych

3. Wykład Układy równań liniowych.

DB Algebra liniowa 1 semestr letni 2018

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego

Układy równań liniowych. Krzysztof Patan

Przestrzenie wektorowe

Wykład 14. Elementy algebry macierzy

MACIERZE I WYZNACZNIKI

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

5 Wyznaczniki. 5.1 Definicja i podstawowe własności. MIMUW 5. Wyznaczniki 25

φ(x 1,..., x n ) = a i x 2 i +

Metoda eliminacji Gaussa. Autorzy: Michał Góra

Zadania z algebry liniowej - sem. I Przestrzenie liniowe, bazy, rząd macierzy

2 Rachunek macierzowy, metoda eliminacji Gaussa-Jordana Wprowadzenie teoretyczne Zadania... 9

4 Przekształcenia liniowe

Lista. Algebra z Geometrią Analityczną. Zadanie 1 Przypomnij definicję grupy, które z podanych struktur są grupami:

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

Rozwiązywanie układów równań liniowych

9 Przekształcenia liniowe

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32

Macierze. Układy równań.

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} },

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

Lista nr 1 - Liczby zespolone

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej

Macierze i Wyznaczniki

14. Przestrzenie liniowe

Zaawansowane metody numeryczne

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Analiza funkcjonalna 1.

Zestaw 12- Macierz odwrotna, układy równań liniowych

Analiza numeryczna Kurs INP002009W. Wykłady 6 i 7 Rozwiązywanie układów równań liniowych. Karol Tarnowski A-1 p.

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wykład 7 Macierze i wyznaczniki

Wyk lad 14 Formy kwadratowe I

Wektory i wartości własne

Wykład 12 i 13 Macierz w postaci kanonicznej Jordana , 0 A 2

ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ. 1. Ciała

2 1 3 c c1. e 1, e 2,..., e n A= e 1 e 2...e n [ ] M. Przybycień Matematyczne Metody Fizyki I

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ

Macierz o wymiarach m n. a 21. a 22. A =

RACHUNEK MACIERZOWY. METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6. Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska

Wektory i wartości własne

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Zajmijmy się najpierw pierwszym równaniem. Zapiszmy je w postaci trygonometrycznej, podstawiając z = r(cos ϕ + i sin ϕ).

Formy kwadratowe. Rozdział 10

1 Podobieństwo macierzy

Wykład 5. Ker(f) = {v V ; f(v) = 0}

; B = Wykonaj poniższe obliczenia: Mnożenia, transpozycje etc wykonuję programem i przepisuję wyniki. Mam nadzieję, że umiesz mnożyć macierze...

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska

1.1 Definicja. 1.2 Przykład. 1.3 Definicja. Niech G oznacza dowolny, niepusty zbiór.

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009

Wprowadzenie do metod numerycznych Wykład 3 Metody algebry liniowej I Wektory i macierze

Praca domowa - seria 6

Zadania egzaminacyjne

Transkrypt:

13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci 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 m1 x 1 + a m2 x 2 +... + a mn x n = b m gdzie a ij, b i F dla i = 1,..., m, j = 1,..., n. Macierz A = [a ij ] 1 i m,1 j n nazywamy macierzą układu (lub macierzą współczynników), macierz X = [x 1 x 2... x n ] T macierzą niewiadowmych, macierz B = [b 1 b 2... b m ] T macierzą wyrazów wolnych, zaś macierz A u = [A.B] = macierzą uzupełnioną tego układu. a 11 a 12... a 1n b 1 a 21 a 22... a 2n b 2....... a m1 a m2... a mn b m Uwaga 1 Zgodnie z definicją mnożenia macierzy układ równań liniowych o macierzy A, wyrazach wolnych B i niewiadomych X można zapisać jako AX = B Definicja 13.2 Układ równań liniowych o zerowej macierzy wyrazów wolnych nazywamy jednorodnym układem równań liniowych. Definicja 13.3 Rozwiązaniem układu równań liniowych AX = B, gdzie A M mn (F ) nazywamy każdy układ skalarów S = (s 1,..., s n ) spełniający ten układ, to znaczy taki, że AS = B. Układ równań posiadający co najmniej jedno rozwiązanie nazywamy układem niesprzecznym, a układ nie posiadający żadnego rozwiązania układem sprzecznym. Przykład 13.4 Jednorodny układ równań jest niesprzeczny, bo jego rozwiązaniem jest układ zerowy θ. Definicja 13.5 Dwa układy równań liniowych o tych samych niewiadomych są równoważne, jeżeli oba są sprzeczne lub gdy ich zbiory wszystkich rozwiązań są równe. 1

Stwierdzenie 13.6 Zbiór Fund (A) wszystkich rozwiązań jednorodnego układu równań liniowych AX = θ, gdzie A M mn (F ), jest podprzestrzenią liniową przestrzeni F n. Dowód: 11.9 mamy Jeżeli X 1, X 2 Fund (A) oraz a 1, a 2 F, to ze stwierdzenia A(a 1 X 1 + a 2 X 2 ) = a 1 (AX 1 ) + a 2 (AX 2 ) = a 1 θ + a 1 θ = θ, czyli także a 1 X 1 + a 2 X 2 Fund (A). Stwierdzenie 13.7 Jeżeli układ równań liniowych AX = B jest niesprzeczny, a S jest pewnym jego rozwiązaniem, to zbiorem wszystkich rozwiązań tego układu jest S + Fund (A) = {S + Y ; AY = θ}. Dowód: Z założenia jeżeli Z jest rozwiązaniem układu AX = B, to A(Z S) = AZ AS = B B = θ. Zatem Z S Fund (A) i oczywiście Z = S + (Z S). Na odwrót, jeżeli Y Fund (A), to A(S + Y ) = AS + AY = B + θ = B, czyli S + Y jest rozwiązaniem układu AX = B. Definicja 13.8 W zapisie S + Fund (A) ogółu rozwiązań niesprzecznego układu równań liniowych AX = B rozwiązanie S nazywamy rozwiązaniem szczególnym, a każdą bazę podprzestrzeni Fund (A) układem fundamentalnym (rozwiązań) danego układu równań. Twierdzenie 13.9 (Cramera) Jeżeli macierz kwadratowa A stopnia n jest taka, że det A 0, to układ równań liniowych AX = B posiada dla każdego B M n1 dokładnie jedno rozwiązanie dane wzorem x j = det A j det A, j = 1,..., n gdzie A j oznacza macierz A, w której j tą kolumnę zastąpiono jedyną kolumną macierzy B. Dowód: Jeżeli det A 0, to na mocy stwierdzenia 12.19 macierz A jest nieosobliwa. Mnożąc obie strony równania macierzowego AX = B lewostronnie przez A 1 dostaniemy X = A 1 B. Stosujemy zaczerpnięty z tego samego stwierdzenia wzór na macierz odwrotną, który implikuje dla j = 1,..., n n x j = ( 1) i+j det A ji det A b i = 1 n ( 1) i+j det A ji b i = 1 det A det A det A j i=1 i=1 2

przy zastosowaniu rozwinięcia Laplace a względem j tej kolumny macierzy A j. Przykład 13.10 1. n = 1. Układ ax = b, gdzie a, b F, spełnia warunek det A 0 wtedy i tylko wtedy, gdy a 0 i wówczas ma dokładnie jedno rozwiązanie x = b a. 2. n = 2. Dla układu { ax + by = e cx + dy = f gdzie a, b, c, d, e, f F warunek det A 0 jest równoważny ad bc 0. Wówczas układ ma dokładnie jedno rozwiązanie { x = ed bf ad bc y = af ec ad bc Twierdzenie 13.11 (Kroneckera Capellego) Niech dany będzie układ rónań liniowych AX = B, gdzie A M mn. Wówczas 1. układ jest niesprzeczny wtedy i tylko wtedy, gdy r A u = r A 2. jeżeli układ jest niesprzeczny, to przestrzeń jego wszystkich rozwiązań jest (n r A) wymiarowa w tym sensie, że dim Fund (A) = n r A 3. układ ma dokładnie jedno rozwiązanie wtedy i tylko wtedy, gdy Dowód: r A u = r A = n. 1. Niech C 1,..., C n oznaczają kolumny macierzy A. Układ AX = B można zapisać w postaci x 1 C 1 +... + x n C n = B. Jeżeli więc (s 1,..., s n ) jest rozwiązaniem tego układu, to B lin (C 1,..., C n ), więc na podstawie wniosku 12.24 r A u = dim lin (C 1,..., C n, B) = dim lin (C 1,..., C n ) = r A. Gdyby zaś układ był sprzeczny, to B lin (C 1,..., C n ) i jak wyżej r A u > r A. 3

2. Wystarczy pokazać, że dim Fund (A) = n r A. Rozważmy przekształcenie liniowe ϕ : F n F m dane wzorem ϕ(x) = Ax T dla x F n. oraz ϕ(e 1 ),..., ϕ(e n ) są kolumnami macierzy A, a ponadto generują im ϕ. Stąd i ze stwierdzenia 9.11 mamy dim Fund (A) = dim ker ϕ = n dim im ϕ =n dim lin (ϕ(e 1 ),..., ϕ(e n )) =n dim lin (C 1,..., C n ) = n r A 3. Z (2) i stwierdzenia 13.7 układ ma dokładnie jedno rozwiązanie wtedy i tylko wtedy, gdy r A = n, co na mocy (1) jest równoważne r A u = n. Uwaga 2 Jeżeli układ AX = B jest niesprzeczny, to jego rozwiązanie można otrzymać stosując twierdzenia Cramera i Kroneckera Capellego w następujący sposób: Niech r = r A = r A u i niech i 1,..., i r oraz j 1,..., j r będą numerami wierszy i kolumn macierzy A, które tworzą podmacierz à niezerowego minora najwyższego stopnia. Rozważamy układ à X = B, złożony z równań układu AX = B o numerach i 1,..., i r, w którym niewiadomymi są x j1,..., x jr ; pozostałe niewiadome dołaczamy do wyrazów wolnych tworząc macierz B. Układ à X = B spełnia założenia twierdzenia Cramera, posiada więc dokładnie jedno rozwiązanie zależne od niewiadomych o numerach spoza {x j1,..., x jr } określmy je macierzą ˆX. Rozwiązanie szczególne otrzymujemy przyjmując ˆX = θ, a układ fundamentalny biorąc za ˆX kolejne wektory e 1,..., e n r z bazy kanonicznej przestrzeni F n r. Stwierdzenie 13.12 Operacje elementarne na wierszach macierzy uzupełnionej układu równań liniowych prowadzą do układu mu równoważnego. Dowód: Niech E będzie macierzą operacji elementarnej e na wierszach macierzy A u. Jeżeli S jest rozwiązaniem układu równań o macierzy uzupełnionej A u = [A.B], czyli AS = B, to (EA)S = E(AS) = EB, czyli S spełnia także układ o macierzy uzupełnionej e(a u ). Wystarczy już tylko zauważyć, że operacje elementarne (a także ich macierze) są odwracalne. Definicja 13.13 Mówimy, że macierz D = [d ij ] M pq o wierszach R 1,..., R p i kolumnach C 1,..., C q jest w postaci trójkątnej zredukowanej, jeżeli jednocześnie spełnione są warunki: 4

1. istnieje takie r p, że R i = θ dla i > r oraz R i θ dla i r, czyli wiersze zerowe występują na dole macierzy; 2. dla każdego i r istnieje l i 1 takie, że d ij = 0 dla j < l i oraz d ili = 1, czyli każdy niezerowy wiersz zaczyna się (być może pustym) ciągiem zer, po których następuje jedynka zwana wiodącą jedynką tego wiersza; 3. dla i < i r zachodzi l i < l i, czyli wiodące jedynki przesuwają się coraz bardziej w prawo; 4. dla każdego i r kolumna C li = e i, czyli wiodąca jedynka niezerowego wiersza jest jedynym niezerowym elementem w swojej kolumnie. Wniosek 13.14 Rząd macierzy będącej w postaci trójkątnej zredukowanej jest równy liczbie jej wiodących jedynek. Dowód: Przy oznaczeniach jak w definicji macierz ma dokładnie r wierszy różnych od θ, czyli jest jej rząd nie przekracza r. Z drugiej strony macierz pochodząca uzyskana przez skreślenie wierszy o numerze większym od r i kolumn bez wiodących jedynek jest macierzą jednostkową, więc istnieje minor stopnia r o wyznaczniku 1 0. Stwierdzenie 13.15 Załóżmy, że macierz uzupełniona A u układu równań liniowych AX = B, gdzie A M mn (F ) jest w postaci trójkątnej zredukowanej. Wówczas 1. Jeżeli w pewnym wierszu macierzy A u wiodąca jedynka jest w kolumnie (n + 1) szej, to układ jest sprzeczny. 2. Jeżeli r jest najwyższym numerem niezerowego wiersza, a wiodąca jedynka jest w nim na miejscu l r n, to układ jest niesprzeczny. Ponadto, jeżeli J = {j 1,..., j r } jest zbiorem numerów kolumn zawierających wiodące jedynki, to (a) rozwiązaniem szczególnym układu jest (s 1,..., s n ), gdzie s ili = b i dla i = 1,..., r oraz s j = 0 dla j J; (b) układ fundamentalny składa się z wektorów v j = (v j1,..., v jn ), j {1,..., n} \ J, przy czym v jj = 1, v jk = a kj dla k J oraz v jk = 0 dla k J {j}. Dowód: 1. Układ zawiera równanie sprzeczne 0 = 1, czyli sam jest sprzeczny. 5

2. Zgodnie z przyjętymi oznaczeniami układ AX = B jest równoważny układowi x li = b i + j J ( a ij)x j i = 1,..., r x j F j J Postać rozwiązania szczególnego wynika stąd natychmiast, a podstawiając za ˆX = (x j ) j J wektory bazy kanonicznej przestrzeni F n r otrzymujemy n r wektorów liniowo niezależnych, czyli bazę przestrzeni Fund (A). Twierdzenie 13.16 (metoda Gaussa) Każdy układ równań liniowych jest równoważny układowi, którego macierz uzupełniona jest w postaci trójkątnej zredukowanej. Dowód: Ze stwierdzenia 13.12 wynika, że wystarczy pokazać, możliwość sprowadzenia dowolnej macierzy do postaci trójkątnej zredukowanej przy pomocy operacji elementarnych na wierszach. Niech D = [d ij ] M pq. Jeżeli D = θ, to D jest szukanej postaci. Załóżmy więc, że D θ i niech j 1 = min{j ; C j θ}. Niech dalej i 1 = min{i ; d ij1 0}. Jeżeli i 1 1, dokonajmy zamiany wierszy o numerach 1 oraz i 1 i podzielmy nowy pierwszy wiersz przez d i1 j 1. Ponadto (w obecnej numeracji) dodajmy do wiersza i-tego wiersz pierwszy pomnożony przez d i1 j 1, i = 1,..., p, i 1. Wówczas wiodąca jedynka w wierszu 1 szym ma w kolumnach na lewo od siebie same zera (ewentualnie) w swoim wierszu i wszystkich poniżej oraz w swojej kolumnie jest jedynym wyrazem różnym od zera. Przypuśćmy, że po pewnym operacjach elementarnych na wierszach dla i = 1,..., k wiodąca jedynka w wierszu i tym (znajdująca się w kolumnie j i tej) ma w kolumnach na lewo od siebie same zera w swoim wierszu i wszystkich poniżej oraz w swojej kolumnie jest jedynym wyrazem różnym od zera. Jeżeli pozostałe wiersze są zerowe, to macierz jest już w postaci trójkątnej zredukowanej. W przeciwnym wypadku niech j k+1 = min{j ; d ij 0, i > k}. Z założenia indukcyjnego j k+1 > j k. Niech i k+1 = min{i > k ; d ijk+1 0}. Jeżeli i k+1 k + 1, to zamieńmy wiersze o numerach k + 1 oraz i k+1 i podzielmy nowy wiersz (k + 1) szy przez d ik+1 j k+1. Ponadto (w obecnej numeracji) dodajmy do wiersza i-tego wiersz (k+1) szy pomnożony przez d ik+1 j k+1, i = 1,..., p, i k + 1. Wten oto sposób dla i = 1,..., k + 1 wiodąca jedynka w wierszu i tym (znajdująca się w kolumnie j i tej) ma w kolumnach na lewo od siebie same zera w swoim wierszu i wszystkich poniżej oraz w swojej kolumnie jest jedynym wyrazem różnym od zera. 6

Zasada indukcji matematycznej gwarantuje, że proces ten doprowadzi poprzez operacje elementarne na wierszach do macierzy w postaci trójkątnej zredukowanej. Wniosek 13.17 Dla każdej macierzy istnieje ciąg operacji elementarnych na wierszach, który przeprowadza ją na macierz w postaci trójkątnej zredukowanej. 7