Однако на практике широко распространены еще два случая:
– Система несовместна (не имеет решений);
– Система совместна и имеет бесконечно много решений.
Примечание : термин «совместность» подразумевает, что у системы существует хоть какое-то решение. В ряде задач требуется предварительно исследовать систему на совместность, как это сделать – см. статью о ранге матриц .
Для этих систем применяют наиболее универсальный из всех способов решения – метод Гаусса . На самом деле, к ответу приведет и «школьный» способ, но в высшей математике принято использовать гауссовский метод последовательного исключения неизвестных. Те, кто не знаком с алгоритмом метода Гаусса, пожалуйста, сначала изучите урок метод Гаусса для чайников .
Сами элементарные преобразования матрицы – точно такие же , разница будет в концовке решения. Сначала рассмотрим пару примеров, когда система не имеет решений (несовместна).
Пример 1
Что сразу бросается в глаза в этой системе? Количество уравнений – меньше, чем количество переменных. Если количество уравнений меньше, чем количество переменных , то сразу можно сказать, что система либо несовместна, либо имеет бесконечно много решений. И это осталось только выяснить.
Начало решения совершенно обычное – запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду:
(1) На левой верхней ступеньке нам нужно получить +1 или –1. Таких чисел в первом столбце нет, поэтому перестановка строк ничего не даст. Единицу придется организовать самостоятельно, и сделать это можно несколькими способами. Я поступил так: К первой строке прибавляем третью строку, умноженную на –1.
(2) Теперь получаем два нуля в первом столбце. Ко второй строке прибавляем первую строку, умноженную на 3. К третьей строке прибавляем первую строку, умноженную на 5.
(3) После выполненного преобразования всегда целесообразно посмотреть, а нельзя ли упростить полученные строки? Можно. Вторую строку делим на 2, заодно получая нужную –1 на второй ступеньке. Третью строку делим на –3.
(4) К третьей строке прибавляем вторую строку.
Наверное, все обратили внимание на нехорошую строку, которая получилась в результате элементарных преобразований: 
. Ясно, что так быть не может. Действительно, перепишем полученную матрицу 
обратно в систему линейных уравнений: 
Если в результате элементарных преобразований получена строка вида , где – число, отличное от нуля, то система несовместна (не имеет решений) .
Как записать концовку задания? Нарисуем белым мелом: «в результате элементарных преобразований получена строка вида , где » и дадим ответ: система не имеет решений (несовместна).
Если же по условию требуется ИССЛЕДОВАТЬ систему на совместность, тогда необходимо оформить решение в более солидном стиле с привлечением понятия ранга матрицы и теоремы Кронекера-Капелли .
Обратите внимание, что здесь нет никакого обратного хода алгоритма Гаусса – решений нет и находить попросту нечего.
Пример 2
Решить систему линейных уравнений
Это пример для самостоятельного решения. Полное решение и ответ в конце урока. Снова напоминаю, что ваш ход решения может отличаться от моего хода решения, у алгоритма Гаусса нет сильной «жёсткости».
Еще одна техническая особенность решения: элементарные преобразования можно прекращать сразу же
, как только появилась строка вида , где . Рассмотрим условный пример: предположим, что после первого же преобразования получилась матрица 
. Матрица еще не приведена к ступенчатому виду, но в дальнейших элементарных преобразованиях нет никакой необходимости, так как появилась строка вида , где . Следует сразу дать ответ, что система несовместна.
Когда система линейных уравнений не имеет решений – это почти подарок, ввиду того, что получается короткое решение, иногда буквально в 2-3 действия.
Но всё в этом мире уравновешено, и задача, в которой система имеет бесконечно много решений – как раз длиннее.
Пример 3
Решить систему линейных уравнений
Тут 4 уравнений и 4 неизвестных, таким образом, система может иметь либо единственное решение, либо не иметь решений, либо иметь бесконечно много решений. Как бы там ни было, но метод Гаусса в любом случае приведет нас к ответу. В этом его и универсальность.
Начало опять стандартное. Запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду:
Вот и всё, а вы боялись.
(1) Обратите внимание, что все числа в первом столбце делятся на 2, поэтому на левой верхней ступеньке нас устраивает и двойка. Ко второй строке прибавляем первую строку, умноженную на –4. К третьей строке прибавляем первую строку, умноженную на –2. К четвертой строке прибавляем первую строку, умноженную на –1.
Внимание! У многих может возникнуть соблазн из четвертой строки вычесть первую строку. Так делать можно, но не нужно, опыт показывает, что вероятность ошибки в вычислениях увеличивается в несколько раз. Только складываем: К четвертой строке прибавляем первую строку, умноженную на –1 – именно так!
(2) Последние три строки пропорциональны, две из них можно удалить.
Здесь опять нужно проявить повышенное внимание , а действительно ли строки пропорциональны? Для перестраховки (особенно, чайнику) не лишним будет вторую строку умножить на –1, а четвертую строку разделить на 2, получив в результате три одинаковые строки. И только после этого удалить две из них.
В результате элементарных преобразований расширенная матрица системы приведена к ступенчатому виду:
При оформлении задачи в тетради желательно для наглядности делать такие же пометки карандашом.
Перепишем соответствующую систему уравнений:
«Обычным» единственным решением системы здесь и не пахнет. Нехорошей строки тоже нет. Значит, это третий оставшийся случай – система имеет бесконечно много решений. Иногда по условию нужно исследовать совместность системы (т.е. доказать, что решение вообще существует), об этом можно прочитать в последнем параграфе статьи Как найти ранг матрицы? Но пока разбираем азы:
Бесконечное множество решений системы коротко записывают в виде так называемого общего решения системы .
Общее решение системы найдем с помощью обратного хода метода Гаусса.
Сначала нужно определить, какие переменные у нас являются базисными , а какие переменные свободными . Не обязательно заморачиваться терминами линейной алгебры, достаточно запомнить, что вот существуют такие базисные переменные и свободные переменные .
Базисные переменные всегда «сидят» строго на ступеньках матрицы
.
В данном примере базисными переменными являются и
Свободные переменные – это все оставшиеся переменные, которым не досталось ступеньки. В нашем случае их две: – свободные переменные.
Теперь нужно все базисные переменные выразить только через свободные переменные .
Обратный ход алгоритма Гаусса традиционно работает снизу вверх.
Из второго уравнения системы выражаем базисную переменную :
Теперь смотрим на первое уравнение: 
. Сначала в него подставляем найденное выражение :
Осталось выразить базисную переменную через свободные переменные :
В итоге получилось то, что нужно – все
базисные переменные ( и ) выражены только через
свободные переменные :
Собственно, общее решение готово:
Как правильно записать общее решение?
Свободные переменные записываются в общее решение «сами по себе» и строго на своих местах. В данном случае свободные переменные следует записать на второй и четвертой позиции:
.
Полученные же выражения для базисных переменных 
и , очевидно, нужно записать на первой и третьей позиции:
Придавая свободным переменным произвольные значения
, можно найти бесконечно много частных решений
. Самыми популярными значениями являются нули, поскольку частное решение получается проще всего. Подставим в общее решение:
– частное решение.
Другой сладкой парочкой являются единицы, подставим в общее решение:
– еще одно частное решение.
Легко заметить, что система уравнений имеет бесконечно много решений (так как свободным переменным мы можем придать любые значения)
Каждое
частное решение должно удовлетворять каждому
уравнению системы. На этом основана «быстрая» проверка правильности решения. Возьмите, например, частное решение и подставьте его в левую часть каждого уравнения исходной системы:
Всё должно сойтись. И с любым полученным вами частным решением – тоже всё должно сойтись.
Но, строго говоря, проверка частного решения иногда обманывает, т.е. какое-нибудь частное решение может удовлетворять каждому уравнению системы, а само общее решение на самом деле найдено неверно.
Поэтому более основательна и надёжна проверка общего решения. Как проверить полученное общее решение 
?
Это несложно, но довольно муторно. Нужно взять выражения базисных
переменных, в данном случае 
и , и подставить их в левую часть каждого уравнения системы.
В левую часть первого уравнения системы:
В левую часть второго уравнения системы:
Получена правая часть исходного уравнения.
Пример 4
Решить систему методом Гаусса. Найти общее решение и два частных. Сделать проверку общего решения. 
Это пример для самостоятельного решения. Здесь, кстати, снова количество уравнений меньше, чем количество неизвестных, а значит, сразу понятно, что система будет либо несовместной, либо с бесконечным множеством решений. Что важно в самом процессе решения? Внимание, и еще раз внимание . Полное решение и ответ в конце урока.
И еще пара примеров для закрепления материала
Пример 5
Решить систему линейных уравнений. Если система имеет бесконечно много решений, найти два частных решения и сделать проверку общего решения
Решение
: Запишем расширенную матрицу системы и с помощью элементарных преобразований приведем ее к ступенчатому виду:
(1) Ко второй строке прибавляем первую строку. К третьей строке прибавляем первую строку, умноженную на 2. К четвертой строке прибавляем первую строку, умноженную на 3.
(2) К третьей строке прибавляем вторую строку, умноженную на –5. К четвертой строке прибавляем вторую строку, умноженную на –7.
(3) Третья и четвертая строки одинаковы, одну из них удаляем.
Вот такая красота:
Базисные переменные сидят на ступеньках, поэтому – базисные переменные.
Свободная переменная, которой не досталось ступеньки здесь всего одна:
Обратный ход:
Выразим базисные переменные через свободную переменную:
Из третьего уравнения:
Рассмотрим второе уравнение и подставим в него найденное выражение :
Рассмотрим первое уравнение и подставим в него найденные выражения и :
Да, всё-таки удобен калькулятор, который считает обыкновенные дроби.
Таким образом, общее решение:
Еще раз, как оно получилось? Свободная переменная одиноко сидит на своём законном четвертом месте. Полученные выражения для базисных переменных , тоже заняли свои порядковые места.
Сразу выполним проверку общего решения. Работа для негров, но она у меня уже выполнена, поэтому ловите =)
Подставляем трех богатырей , , в левую часть каждого уравнения системы:
Получены соответствующие правые части уравнений, таким образом, общее решение найдено верно.
Теперь из найденного общего решения 
получим два частных решения. Шеф-поваром здесь выступает единственная свободная переменная . Ломать голову не нужно.
Пусть , тогда 
– частное решение.
Пусть , тогда 
– еще одно частное решение.
Ответ
: Общее решение: 
, частные решения: 
, .
Зря я тут про негров вспомнил... ...потому что в голову полезли всякие садистские мотивы и вспомнилась известная фотожаба, на которой куклуксклановцы в белых балахонах бегут по полю за чернокожим футболистом. Сижу, тихо улыбаюсь. Знаете, как отвлекает….
Много математики вредно, поэтому похожий заключительный пример для самостоятельного решения.
Пример 6
Найти общее решение системы линейных уравнений. 
Проверка общего решения у меня уже сделана, ответу можно доверять. Ваш ход решения может отличаться от моего хода решения, главное, чтобы совпали общие решения.
Наверное, многие заметили неприятный момент в решениях: очень часто при обратном ходе метода Гаусса нам пришлось возиться с обыкновенными дробями. На практике это действительно так, случаи, когда дробей нет – встречаются значительно реже. Будьте готовы морально, и, самое главное, технически.
Остановлюсь на некоторых особенностях решения, которые не встретились в прорешанных примерах.
В общее решение системы иногда может входить константа (или константы), например: . Здесь одна из базисных переменных равна постоянному числу: . В этом нет ничего экзотического, так бывает. Очевидно, что в данном случае любое частное решение будет содержать пятерку на первой позиции.
Редко, но встречаются системы, в которых количество уравнений больше количества переменных . Метод Гаусса работает в самых суровых условиях, следует невозмутимо привести расширенную матрицу системы к ступенчатому виду по стандартному алгоритму. Такая система может быть несовместной, может иметь бесконечно много решений, и, как ни странно, может иметь единственное решение.
Соблюдение Вашей конфиденциальности важно для нас. По этой причине, мы разработали Политику Конфиденциальности, которая описывает, как мы используем и храним Вашу информацию. Пожалуйста, ознакомьтесь с нашими правилами соблюдения конфиденциальности и сообщите нам, если у вас возникнут какие-либо вопросы.
Сбор и использование персональной информации
Под персональной информацией понимаются данные, которые могут быть использованы для идентификации определенного лица либо связи с ним.
От вас может быть запрошено предоставление вашей персональной информации в любой момент, когда вы связываетесь с нами.
Ниже приведены некоторые примеры типов персональной информации, которую мы можем собирать, и как мы можем использовать такую информацию.
Какую персональную информацию мы собираем:
- Когда вы оставляете заявку на сайте, мы можем собирать различную информацию, включая ваши имя, номер телефона, адрес электронной почты и т.д.
Как мы используем вашу персональную информацию:
- Собираемая нами персональная информация позволяет нам связываться с вами и сообщать об уникальных предложениях, акциях и других мероприятиях и ближайших событиях.
- Время от времени, мы можем использовать вашу персональную информацию для отправки важных уведомлений и сообщений.
- Мы также можем использовать персональную информацию для внутренних целей, таких как проведения аудита, анализа данных и различных исследований в целях улучшения услуг предоставляемых нами и предоставления Вам рекомендаций относительно наших услуг.
- Если вы принимаете участие в розыгрыше призов, конкурсе или сходном стимулирующем мероприятии, мы можем использовать предоставляемую вами информацию для управления такими программами.
Раскрытие информации третьим лицам
Мы не раскрываем полученную от Вас информацию третьим лицам.
Исключения:
- В случае если необходимо - в соответствии с законом, судебным порядком, в судебном разбирательстве, и/или на основании публичных запросов или запросов от государственных органов на территории РФ - раскрыть вашу персональную информацию. Мы также можем раскрывать информацию о вас если мы определим, что такое раскрытие необходимо или уместно в целях безопасности, поддержания правопорядка, или иных общественно важных случаях.
- В случае реорганизации, слияния или продажи мы можем передать собираемую нами персональную информацию соответствующему третьему лицу – правопреемнику.
Защита персональной информации
Мы предпринимаем меры предосторожности - включая административные, технические и физические - для защиты вашей персональной информации от утраты, кражи, и недобросовестного использования, а также от несанкционированного доступа, раскрытия, изменения и уничтожения.
Соблюдение вашей конфиденциальности на уровне компании
Для того чтобы убедиться, что ваша персональная информация находится в безопасности, мы доводим нормы соблюдения конфиденциальности и безопасности до наших сотрудников, и строго следим за исполнением мер соблюдения конфиденциальности.
Тема 2. Решение систем линейных алгебраических уравнений прямыми методами.
Системами линейных алгебраических уравнений (сокращенно - СЛАУ) называются системы уравнений вида
или, в матричном виде,
A × x = B , (2.2)
A - матрица коэффициентов системы размерности n ´ n
x - вектор неизвестных, состоящий из n компонент
B - вектор правых частей системы, состоящий из n компонент.
A
=
x
=
B
=
(2.3)
Решением СЛАУ является такой набор из n чисел, который будучи подставленным вместо значений x 1 , x 2 , … , x n в систему (2.1) обеспечивает равенство левых частей правым во всех уравнениях.
Каждая СЛАУ в зависимости от значений матриц A и B может иметь
Одно решение
Бесконечно много решений
Ни одного решения.
В данном курсе будем рассматривать только те СЛАУ, которые имеют единственное решение. Необходимым и достаточным условием этого является неравенство нулю определителя матрицы A .
Для поиска решений над системами линейных алгебраических уравнений могут проводиться некоторые преобразования, не изменяющие ее решений. Эквивалентными преобразованиями системы линейных уравнений называются такие ее преобразования, которые не изменяют ее решения. К их числу относятся:
Перестановка местами двух любых уравнений системы (следует отиетить, что в некоторых случаях, рассматриваемых ниже, это преробразование использовать нельзя);
Умножение (или деление) какого-либо уравнения системы на число, не равное нулю;
Прибавление к одному уравнению системы другого ее уравнения, умноженного (или разделенного) на некоторое не равное нулю число.
Методы решения СЛАУ делятся на две больших группы, называемые - прямые методы и итерационные методы . Имеется также способ сведения задачи решения СЛАУ к задаче поиска экстремума функции нескольких переменных с последующем решением ее методами поиска экстремума (об этом подробнее - при прохождении соответствующей темы). Прямые методы обеспечивают получение точного решения системы (если оно существует) за один шаг. Итерационные методы (если при этом обеспечена их сходимость) позволяют многократно улучшать некоторое начальное приближение к искомому решению СЛАУ и, вообще говоря, точного решения не дадут никогда. Однако, учитывая то, что прямые методы решения из-за неизбежных ошибок округления на промежуточных этапах расчетов тоже дают не идеально точные решения, итерационные методы могут тоже обеспечить примерно такой же результат.
Прямые методы решения СЛАУ. Наиболее часто используемыми прямыми методами решения СЛАУ являются:
Метод Крамера,
Метод Гаусса (и его модификация - метод Гаусса-Жордана)
Матричный метод (с использованием обращения матрицы A ).
Метод Крамера основан на вычислении определителя основной матрицы A и определителей матриц A 1 , A 2 , …, A n , которые получаются из матрицы A заменой в ней одного (i -го) столбца (i = 1, 2,…, n ) на столбец, содержащий элементы вектора B . После этого решения СЛАУ определяются как частное от деления значений этих определителей. Точнее, расчетные формулы имеют такой вид
(2.4)
Пример 1 . Найдем методом Крамера решение СЛАУ, у которой
A
=
, B
=
.
Имеем
A 1
=
, A 2
=
, A 3
=
,
A 4
=
.
Вычислим значения определителей всех пяти матриц (c использованием функции МОПРЕД среды Excel ). Получим
Так как определитель матрицы A не равен нулю - система имеет единственное решение. Тогда определим его по формуле (2.4). Получим
Метод Гаусса. Решение СЛАУ этим методом предполагает составление расширенной матрицы системы A * . Расширенная матрица системы - это матрица размером в n строк и n +1 столбцов, включающая в себя исходную матрицу A c присоединенным к ней справа столбцом, содержащим вектор B .
A*
= 
(2.4)
Здесь a in+1 =b i (i = 1, 2, …, n ).
Суть метода Гаусса состоит в приведении (посредством эквивалентных преобразований ) расширенной матрицы системы к треугольному виду (так, чтобы ниже ее главной диагонали находились только нулевые элементы).
A
*
= 
Тогда, начиная с последней строки и двигаясь вверх, можно последовательно определить значения всех компонент решения.
Начало преобразований расширенной матрицы системы к необходимому виду заключается в просмотре значений коэффициентов при x 1 и выборе строки, в которой он имеет максимальное по абсолютной величине значение (это необходимо для уменьшения величины вычислительной ошибки при последующих вычислениях). Эту строку расширенной матрицы необходимо поменять местами с первой ее строкой (или же, что лучше, сложить (или вычесть) с первой строкой и результат поместить на место первой строки). После этого все элементы этой новой первой строки (в том числе и в последнем ее столбце) необходимо разделить на этот коэффициент. После этого вновь полученный коэффициент a 11 станет равным единице. Дальше от каждой из оставшихся строк матрицы необходимо вычесть ее первую строку, умноженную на значение коэффициента при x 1 в этой строке (т.е. на величину a i 1 , где i =2, 3, … n ). После этого во всех строках, начиная со второй коэффициенты при x 1 (т.е. все коэффициенты a i 1 (i =2, …, n ) будут равными нулю. Поскольку мы выполняли только эквивалентные преобразования - решение вновь полученной СЛАУ не будет отличаться от исходной системы.
Дальше, оставляя неизменной первую строку матрицы, проделаем все вышеописанные действия с остальными строками матрицы и, в результате, вновь полученный коэффициент a 22 станет равным единице, а все коэффициенты a i 2 (i =3, 4, …, n ) станут равными нулю. Продолжая аналогичные действия, мы в конечном итоге приведем нашу матрицу к виду, в котором все коэффициенты a ii = 1 (i =1, 2, …, n ), а все коэффициенты a ij = 0 (i =2, 3, …, n , j < i ). Если же на каком-то шаге при поиске наибольшего по абсолютной величине коэффициента при x j мы не сможем найти не равного нулю коэффициента - это будет значить, что исходная система не имеет единственного решения. В этом случае процесс решения необходимо прекратить.
Если процесс эквивалентных преобразований закончился успешно, то полученная в результате «треуголиная» расширенная матрица будет соответствовать такой системе линейных уравнений:
Из последнего уравнения этой системы найдем значение x n . Далее, подставляя это значение в предпоследнее уравнение, найдем значение x n -1 . После этого, подставляя оба эти найденных значения в третье снизу уравнение системы, найдем значение x n -2 . Продолжая так далее и продвигаясь по уравнением этой системы снизу вверх, будем последовательно находить значения других корней. И, наконец, подставляя найденные значения x n , x n -1 , x n -2 , x 3 и x 2 в первое уравнение системы найдем значение х 1 . Такая процедура поиска значений корней по найденной треугольной матрице называется обратным ходом. Процесс приведения исходной расширенной матрицы эквивалентными преобразованиями к треугольному виду назавают прямым ходом метода Гаусса..
Достаточно подробный алгоритм решения СЛАУ методом Гаусса приведен на рис. .2.1 и рис. 2.1а.
Пример 2 . Найти методом Гаусса решение той же СЛАУ, которую мы уже решали методом Крамера. Составим сначала ее расширенную матрицу. Получим
A
* =
.
Сначала переставим местами первую и третью строки этой матрицы (так как в ее первом столбце находится наибольший по абсолютной величине элемент), а затем разделим все элементы этой новой первой строки на значение 3. Получим
A
* =
.
A
* =
Дальше переставим местами вторую и третью строки этой матрицы, разделим вторую строку переставленной матрицы на 2.3333 и, аналогично вышеописаному, обнулим коэффициенты во втором столбце третьей и четвертой строк матрицы. Получим
A
* =
.
После выполнения подобных действий над третьей и четвертой строками матрицы получим
A
* =
.
Разделив теперь четвертую строку на -5.3076, закончим проведение расширенной матрицы системы к диагональному виду. Получим
Рис. 2.1. Алгоритм решения систем линейных алгебраических уравнений методом Гаусса
 |
|||
Рис. 2.1а. Макроблок “Расчет значений решения”.
A
* =
.
Из последней строки сразу получим x 4 = 0.7536. Поднимаясь теперь вверх по строкам матрицы и выполняя расчеты, последовательно получим x 3 = 0.7971, x 2 =- 0.1015 и x 1 = 0.3333. Сравнивая полученное этим методом решение с решением, полученным методом Крамера, нетрудно убедиться в их совпадении.
Метод Гаусса-Жордана. Этот метод решения СЛАУ во многом похож на метод Гаусса. Основным отличием является то, что используя эквивалентные преобразования расширенная матрица системы уравнений приводится не к треугольному виду, а к диагональному виду, на главной диагонали которой находятся единицы, а вне нее (кроме последнего n +1 столбца) - нули. После окончания такого преобразования - последний столбец расширенной матрицы будет содержать решение исходной СЛАУ (т,е. . x i = a i n +1 (i = 1, 2, … , n ) в полученной матрице). Обратный ход (как в методе Гаусса) для окончательных расчетов значений компонент решения - не нужен.
Приведение матрицы к диагональному виду проводится, в основном, также как и в методе Гаусса. Если в строке i коэффициент при x i (i = 1, 2, … , n ) по абсолютной величине мал, то производится поиск строки j , в которой коэффициент при x i будет наибольшим по абсолютной величине эта (j -я) строка прибавляется поэлементно к i - й строке. Затем все элементы i - й строки делятся на значение элемента x i Но, в отличие от метода Гаусса, после этого идет вычитание из каждой строки с номером j строки с номером i ,умноженной на a ji , но условие j > i заменено на другоеВ методе Гаусса-Жордана идет вычитание из каждой строки с номером j , причем j # i , строки с номером i ,умноженной на a ji . Т.е. производится обнуление коэффициентов как ниже, так и выше главной диагонали.
Достаточно подробный алгоритм решения СЛАУ методом Гаусса–Жордана приведен на рис. 2.2.
Пример 3 . Найти методом Гаусса-Жордана решение той же СЛАУ, которую мы уже решали методами Крамера и Гаусса.
Полностью аналогично методу Гаусса составим расширенную матрицу системы. Затем переставим местами первую и третью строки этой матрицы (так как в ее первом столбце находится наибольший по абсолютной величине элемент), а затем разделим все элементы этой новой первой строки на значение 3. Дальше проведем вычитание из каждой строки матрицы (кроме первой) элементов первой строки, умноженных на коэффициент в первом столбце этой строки. Получим то же, что и в методе Гаусса
A
* =
.
Дальше переставим местами вторую и третью строки этой матрицы, разделим вторую строку переставленной матрицы на 2.3333 и (уже в отличие от метода Гаусса ) обнулим коэффициенты во втором столбце первой, третьей и четвертой строк матрицы. Получим
Система линейных алгебраических уравнений. Основные термины. Матричная форма записи.
Определение системы линейных алгебраических уравнений. Решение системы. Классификация систем.
Под системой линейных алгебраических уравнений (СЛАУ) подразумевают систему
Параметры aij называют коэффициентами , а bi – свободными членами СЛАУ. Иногда, чтобы подчеркнуть количество уравнений и неизвестных, говорят так «m×n система линейных уравнений», – тем самым указывая, что СЛАУ содержит m уравнений и n неизвестных.
Если все свободные члены bi=0 то СЛАУ называют однородной . Если среди свободных членов есть хотя бы один, отличный от нуля, СЛАУ называют неоднородной .
Решением СЛАУ (1) называют всякую упорядоченную совокупность чисел (α1,α2,…,αn), если элементы этой совокупности, подставленные в заданном порядке вместо неизвестных x1,x2,…,xn, обращают каждое уравнение СЛАУ в тождество.
Любая однородная СЛАУ имеет хотя бы одно решение: нулевое (в иной терминологии – тривиальное), т.е. x1=x2=…=xn=0.
Если СЛАУ (1) имеет хотя бы одно решение, ее называют совместной , если же решений нет – несовместной . Если совместная СЛАУ имеет ровно одно решение, её именуют определённой , если бесконечное множество решений – неопределённой .
Матричная форма записи систем линейных алгебраических уравнений.
С каждой СЛАУ можно связать несколько матриц; более того – саму СЛАУ можно записать в виде матричного уравнения. Для СЛАУ (1) рассмотрим такие матрицы:
Матрица A называется матрицей системы . Элементы данной матрицы представляют собой коэффициенты заданной СЛАУ.
Матрица A˜ называется расширенной матрицей системы . Её получают добавлением к матрице системы столбца, содержащего свободные члены b1,b2,...,bm. Обычно этот столбец отделяют вертикальной чертой, – для наглядности.
Матрица-столбец B называется матрицей свободных членов , а матрица-столбец X – матрицей неизвестных .
Используя введённые выше обозначения, СЛАУ (1) можно записать в форме матричного уравнения: A⋅X=B.
Примечание
Матрицы, связанные с системой, можно записать различными способами: всё зависит от порядка следования переменных и уравнений рассматриваемой СЛАУ. Но в любом случае порядок следования неизвестных в каждом уравнении заданной СЛАУ должен быть одинаков
Теорема Кронекера-Капелли. Исследование систем линейных уравнений на совместность.
Теорема Кронекера-Капелли
Система линейных алгебраических уравнений совместна тогда и только тогда, когда ранг матрицы системы равен рангу расширенной матрицы системы, т.е. rangA=rangA˜.
Система называется совместной, если она имеет хоть одно решение. Теорема Кронекера-Капелли говорит вот о чём: если rangA=rangA˜, то решение есть; если rangA≠rangA˜, то данная СЛАУ не имеет решений (несовместна). Ответ на вопрос о количестве этих решений даёт следствие из теоремы Кронекера-Капелли. В формулировке следствия использована буква n, которая равна количеству переменных заданной СЛАУ.
Следствие из теоремы Кронекера-Капелли
Если rangA≠rangA˜, то СЛАУ несовместна (не имеет решений).
Если rangA=rangA˜ Если rangA=rangA˜=n,
то СЛАУ является определённой (имеет
ровно одно решение).
Заметьте, что сформулированная теорема и следствие из неё не указывают, как найти решение СЛАУ. С их помощью можно лишь выяснить, существуют эти решения нет, а если существуют – то сколько.
Методы решения СЛАУ
Метод Крамера
Метод Крамера предназначен для решения тех систем линейных алгебраических уравнений (СЛАУ), 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 Крамера можно выразить в трёх пунктах:
Составить определитель матрицы системы (его называют также определителем системы), и убедиться, что он не равен нулю, т.е. Δ≠0.
Для каждой переменной xi необходимо составить определитель Δ X i , полученный из определителя Δ заменой i-го столбца столбцом свободных членов заданной СЛАУ.
Найти значения неизвестных по формуле xi= Δ X i /Δ
Решение систем линейных алгебраических уравнений с помощью обратной матрицы.
Решение систем линейных алгебраических уравнений (СЛАУ) с помощью обратной матрицы (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:
Записать три матрицы: матрицу системы A, матрицу неизвестных X, матрицу свободных членов B.
Найти обратную матрицу A -1 .
Используя равенство X=A -1 ⋅B получить решение заданной СЛАУ.
Метод Гаусса. Примеры решения систем линейных алгебраических уравнений методом Гаусса.
Метод Гаусса является одним из самых наглядных и простых способов решения систем линейных алгебраических уравнений (СЛАУ): как однородных, так и неоднородных. Коротко говоря, суть данного метода состоит в последовательном исключении неизвестных.
Преобразования, допустимые в методе Гаусса:
Смена мест двух строк;
Умножение всех элементов строки на некоторое число, не равное нулю.
Прибавление к элементам одной строки соответствующих элементов другой строки, умноженных на любой множитель.
Вычеркивание строки, все элементы которой равны нулю.
Вычеркивание повторяющихся строк.
Насчет последних двух пунктов: повторяющиеся строки можно вычёркивать на любом этапе решения методом Гаусса, – естественно, оставляя при этом одну из них. Например, если строки №2, №5, №6 повторяются, то можно оставить одну из них, – например, строку №5. При этом строки №2 и №6 будут удалены.
Нулевые строки убираются из расширенной матрицы системы по мере их появления.
Решение систем линейных алгебраических уравнений (СЛАУ), несомненно, является важнейшей темой курса линейной алгебры. Огромное количество задач из всех разделов математики сводится к решению систем линейных уравнений. Этими факторами объясняется причина создания данной статьи. Материал статьи подобран и структурирован так, что с его помощью Вы сможете
- подобрать оптимальный метод решения Вашей системы линейных алгебраических уравнений,
- изучить теорию выбранного метода,
- решить Вашу систему линейных уравнений, рассмотрев подробно разобранные решения характерных примеров и задач.
Краткое описание материала статьи.
Сначала дадим все необходимые определения, понятия и введем обозначения.
Далее рассмотрим методы решения систем линейных алгебраических уравнений, в которых число уравнений равно числу неизвестных переменных и которые имеют единственное решение. Во-первых, остановимся на методе Крамера, во-вторых, покажем матричный метод решения таких систем уравнений, в-третьих, разберем метод Гаусса (метод последовательного исключения неизвестных переменных). Для закрепления теории обязательно решим несколько СЛАУ различными способами.
После этого перейдем к решению систем линейных алгебраических уравнений общего вида, в которых число уравнений не совпадает с числом неизвестных переменных или основная матрица системы является вырожденной. Сформулируем теорему Кронекера - Капелли, которая позволяет установить совместность СЛАУ. Разберем решение систем (в случае их совместности) с помощью понятия базисного минора матрицы. Также рассмотрим метод Гаусса и подробно опишем решения примеров.
Обязательно остановимся на структуре общего решения однородных и неоднородных систем линейных алгебраических уравнений. Дадим понятие фундаментальной системы решений и покажем, как записывается общее решение СЛАУ с помощью векторов фундаментальной системы решений. Для лучшего понимания разберем несколько примеров.
В заключении рассмотрим системы уравнений, сводящиеся к линейным, а также различные задачи, при решении которых возникают СЛАУ.
Навигация по странице.
Определения, понятия, обозначения.
Будем рассматривать системы из p
линейных алгебраических уравнений с n
неизвестными переменными (p
может быть равно n
) вида
Неизвестные переменные, - коэффициенты (некоторые действительные или комплексные числа), - свободные члены (также действительные или комплексные числа).
Такую форму записи СЛАУ называют координатной .
В матричной форме
записи эта система уравнений имеет вид ,
где 
- основная матрица системы, - матрица-столбец неизвестных переменных, - матрица-столбец свободных членов.
Если к матрице А
добавить в качестве (n+1)-ого
столбца матрицу-столбец свободных членов, то получим так называемую расширенную матрицу
системы линейных уравнений. Обычно расширенную матрицу обозначают буквой Т
, а столбец свободных членов отделяют вертикальной линией от остальных столбцов, то есть,
Решением системы линейных алгебраических уравнений называют набор значений неизвестных переменных , обращающий все уравнения системы в тождества. Матричное уравнение при данных значениях неизвестных переменных также обращается в тождество .
Если система уравнений имеет хотя бы одно решение, то она называется совместной .
Если система уравнений решений не имеет, то она называется несовместной .
Если СЛАУ имеет единственное решение, то ее называют определенной ; если решений больше одного, то – неопределенной .
Если свободные члены всех уравнений системы равны нулю 
, то система называется однородной
, в противном случае – неоднородной
.
Решение элементарных систем линейных алгебраических уравнений.
Если число уравнений системы равно числу неизвестных переменных и определитель ее основной матрицы не равен нулю, то такие СЛАУ будем называть элементарными . Такие системы уравнений имеют единственное решение, причем в случае однородной системы все неизвестные переменные равны нулю.
Такие СЛАУ мы начинали изучать в средней школе. При их решении мы брали какое-нибудь одно уравнение, выражали одну неизвестную переменную через другие и подставляли ее в оставшиеся уравнения, следом брали следующее уравнение, выражали следующую неизвестную переменную и подставляли в другие уравнения и так далее. Или пользовались методом сложения, то есть, складывали два или более уравнений, чтобы исключить некоторые неизвестные переменные. Не будем подробно останавливаться на этих методах, так как они по сути являются модификациями метода Гаусса.
Основными методами решения элементарных систем линейных уравнений являются метод Крамера, матричный метод и метод Гаусса. Разберем их.
Решение систем линейных уравнений методом Крамера.
Пусть нам требуется решить систему линейных алгебраических уравнений
в которой число уравнений равно числу неизвестных переменных и определитель основной матрицы системы отличен от нуля, то есть, .
Пусть - определитель основной матрицы системы, а 
- определители матриц, которые получаются из А
заменой 1-ого, 2-ого, …, n-ого
столбца соответственно на столбец свободных членов:
При таких обозначениях неизвестные переменные вычисляются по формулам метода Крамера как 
. Так находится решение системы линейных алгебраических уравнений методом Крамера.
Пример.
Методом Крамера 
.
Решение.
Основная матрица системы имеет вид 
. Вычислим ее определитель (при необходимости смотрите статью ):
Так как определитель основной матрицы системы отличен от нуля, то система имеет единственное решение, которое может быть найдено методом Крамера.
Составим и вычислим необходимые определители 
(определитель получаем, заменив в матрице А
первый столбец на столбец свободных членов , определитель - заменив второй столбец на столбец свободных членов, - заменив третий столбец матрицы А
на столбец свободных членов):
Находим неизвестные переменные по формулам 
:
Ответ:
Основным недостатком метода Крамера (если это можно назвать недостатком) является трудоемкость вычисления определителей, когда число уравнений системы больше трех.
Решение систем линейных алгебраических уравнений матричным методом (с помощью обратной матрицы).
Пусть система линейных алгебраических уравнений задана в матричной форме , где матрица A имеет размерность n на n и ее определитель отличен от нуля.
Так как , то матрица А – обратима, то есть, существует обратная матрица . Если умножить обе части равенства на слева, то получим формулу для нахождения матрицы-столбца неизвестных переменных . Так мы получили решение системы линейных алгебраических уравнений матричным методом.
Пример.
Решите систему линейных уравнений матричным методом.
Решение.
Перепишем систему уравнений в матричной форме:
Так как
то СЛАУ можно решать матричным методом. С помощью обратной матрицы решение этой системы может быть найдено как 
.
Построим обратную матрицу с помощью матрицы из алгебраических дополнений элементов матрицы А
(при необходимости смотрите статью ):
Осталось вычислить - матрицу неизвестных переменных, умножив обратную матрицу 
на матрицу-столбец свободных членов (при необходимости смотрите статью ):
Ответ:
или в другой записи x 1 = 4, x 2 = 0, x 3 = -1
.
Основная проблема при нахождении решения систем линейных алгебраических уравнений матричным методом заключается в трудоемкости нахождения обратной матрицы, особенно для квадратных матриц порядка выше третьего.
Решение систем линейных уравнений методом Гаусса.
Пусть нам требуется найти решение системы из n
линейных уравнений с n
неизвестными переменными
определитель основной матрицы которой отличен от нуля.
Суть метода Гаусса состоит в последовательном исключении неизвестных переменных: сначала исключается x 1 из всех уравнений системы, начиная со второго, далее исключается x 2 из всех уравнений, начиная с третьего, и так далее, пока в последнем уравнении останется только неизвестная переменная x n . Такой процесс преобразования уравнений системы для последовательного исключения неизвестных переменных называется прямым ходом метода Гаусса . После завершения прямого хода метода Гаусса из последнего уравнения находится x n , с помощью этого значения из предпоследнего уравнения вычисляется x n-1 , и так далее, из первого уравнения находится x 1 . Процесс вычисления неизвестных переменных при движении от последнего уравнения системы к первому называется обратным ходом метода Гаусса .
Кратко опишем алгоритм исключения неизвестных переменных.
Будем считать, что , так как мы всегда можем этого добиться перестановкой местами уравнений системы. Исключим неизвестную переменную x 1
из всех уравнений системы, начиная со второго. Для этого ко второму уравнению системы прибавим первое, умноженное на , к третьему уравнению прибавим первое, умноженное на , и так далее, к n-ому
уравнению прибавим первое, умноженное на . Система уравнений после таких преобразований примет вид
где , а 
.
К такому же результату мы бы пришли, если бы выразили x 1 через другие неизвестные переменные в первом уравнении системы и полученное выражение подставили во все остальные уравнения. Таким образом, переменная x 1 исключена из всех уравнений, начиная со второго.
Далее действуем аналогично, но лишь с частью полученной системы, которая отмечена на рисунке
Для этого к третьему уравнению системы прибавим второе, умноженное на , к четвертому уравнению прибавим второе, умноженное на , и так далее, к n-ому
уравнению прибавим второе, умноженное на . Система уравнений после таких преобразований примет вид
где , а 
. Таким образом, переменная x 2
исключена из всех уравнений, начиная с третьего.
Далее приступаем к исключению неизвестной x 3
, при этом действуем аналогично с отмеченной на рисунке частью системы
Так продолжаем прямой ход метода Гаусса пока система не примет вид
С этого момента начинаем обратный ход метода Гаусса: вычисляем x n из последнего уравнения как , с помощью полученного значения x n находим x n-1 из предпоследнего уравнения, и так далее, находим x 1 из первого уравнения.
Пример.
Решите систему линейных уравнений методом Гаусса.
Решение.
Исключим неизвестную переменную x 1
из второго и третьего уравнения системы. Для этого к обеим частям второго и третьего уравнений прибавим соответствующие части первого уравнения, умноженные на и на соответственно:
Теперь из третьего уравнения исключим x 2
, прибавив к его левой и правой частям левую и правую части второго уравнения, умноженные на :
На этом прямой ход метода Гаусса закончен, начинаем обратный ход.
Из последнего уравнения полученной системы уравнений находим x 3
:
Из второго уравнения получаем .
Из первого уравнения находим оставшуюся неизвестную переменную и этим завершаем обратный ход метода Гаусса .
Ответ:
X 1 = 4, x 2 = 0, x 3 = -1 .
Решение систем линейных алгебраических уравнений общего вида.
В общем случае число уравнений системы p
не совпадает с числом неизвестных переменных n
:
Такие СЛАУ могут не иметь решений, иметь единственное решение или иметь бесконечно много решений. Это утверждение относится также к системам уравнений, основная матрица которых квадратная и вырожденная.
Теорема Кронекера – Капелли.
Прежде чем находить решение системы линейных уравнений необходимо установить ее совместность. Ответ на вопрос когда СЛАУ совместна, а когда несовместна, дает теорема Кронекера – Капелли
:
для того, чтобы система из p
уравнений с n
неизвестными (p
может быть равно n
) была совместна необходимо и достаточно, чтобы ранг основной матрицы системы был равен рангу расширенной матрицы, то есть, Rank(A)=Rank(T)
.
Рассмотрим на примере применение теоремы Кронекера – Капелли для определения совместности системы линейных уравнений.
Пример.
Выясните, имеет ли система линейных уравнений 
решения.
Решение.
. Воспользуемся методом окаймляющих миноров. Минор второго порядка 
отличен от нуля. Переберем окаймляющие его миноры третьего порядка:
Так как все окаймляющие миноры третьего порядка равны нулю, то ранг основной матрицы равен двум.
В свою очередь ранг расширенной матрицы 
равен трем, так как минор третьего порядка
отличен от нуля.
Таким образом, Rang(A) , следовательно, по теореме Кронекера – Капелли можно сделать вывод, что исходная система линейных уравнений несовместна.
Ответ:
Система решений не имеет.
Итак, мы научились устанавливать несовместность системы с помощью теоремы Кронекера – Капелли.
А как же находить решение СЛАУ, если установлена ее совместность?
Для этого нам потребуется понятие базисного минора матрицы и теорема о ранге матрицы.
Минор наивысшего порядка матрицы А , отличный от нуля, называется базисным .
Из определения базисного минора следует, что его порядок равен рангу матрицы. Для ненулевой матрицы А базисных миноров может быть несколько, один базисный минор есть всегда.
Для примера рассмотрим матрицу 
.
Все миноры третьего порядка этой матрицы равны нулю, так как элементы третьей строки этой матрицы представляют собой сумму соответствующих элементов первой и второй строк.
Базисными являются следующие миноры второго порядка, так как они отличны от нуля
Миноры 
базисными не являются, так как равны нулю.
Теорема о ранге матрицы.
Если ранг матрицы порядка p на n равен r , то все элементы строк (и столбцов) матрицы, не образующие выбранный базисный минор, линейно выражаются через соответствующие элементы строк (и столбцов), образующих базисный минор.
Что нам дает теорема о ранге матрицы?
Если по теореме Кронекера – Капелли мы установили совместность системы, то выбираем любой базисный минор основной матрицы системы (его порядок равен r ), и исключаем из системы все уравнения, которые не образуют выбранный базисный минор. Полученная таким образом СЛАУ будет эквивалентна исходной, так как отброшенные уравнения все равно излишни (они согласно теореме о ранге матрицы являются линейной комбинацией оставшихся уравнений).
В итоге, после отбрасывания излишних уравнений системы, возможны два случая.
Если число уравнений r в полученной системе будет равно числу неизвестных переменных, то она будет определенной и единственное решение можно будет найти методом Крамера, матричным методом или методом Гаусса.
Пример.
.
Решение.
Ранг основной матрицы системы 
равен двум, так как минор второго порядка 
отличен от нуля. Ранг расширенной матрицы 
также равен двум, так как единственный минор третьего порядка равен нулю
а рассмотренный выше минор второго порядка отличен от нуля. На основании теоремы Кронекера – Капелли можно утверждать совместность исходной системы линейных уравнений, так как Rank(A)=Rank(T)=2
.
В качестве базисного минора возьмем . Его образуют коэффициенты первого и второго уравнений:
Третье уравнение системы не участвует в образовании базисного минора, поэтому исключим его из системы на основании теоремы о ранге матрицы:
Так мы получили элементарную систему линейных алгебраических уравнений. Решим ее методом Крамера:
Ответ:
x 1 = 1, x 2 = 2 .
Если число уравнений r в полученной СЛАУ меньше числа неизвестных переменных n , то в левых частях уравнений оставляем слагаемые, образующие базисный минор, остальные слагаемые переносим в правые части уравнений системы с противоположным знаком.
Неизвестные переменные (их r штук), оставшиеся в левых частях уравнений, называются основными .
Неизвестные переменные (их n - r штук), которые оказались в правых частях, называются свободными .
Теперь считаем, что свободные неизвестные переменные могут принимать произвольные значения, при этом r основных неизвестных переменных будут выражаться через свободные неизвестные переменные единственным образом. Их выражение можно найти решая полученную СЛАУ методом Крамера, матричным методом или методом Гаусса.
Разберем на примере.
Пример.
Решите систему линейных алгебраических уравнений 
.
Решение.
Найдем ранг основной матрицы системы 
методом окаймляющих миноров. В качестве ненулевого минора первого порядка возьмем a 1 1 = 1
. Начнем поиск ненулевого минора второго порядка, окаймляющего данный минор:
Так мы нашли ненулевой минор второго порядка. Начнем поиск ненулевого окаймляющего минора третьего порядка:
Таким образом, ранг основной матрицы равен трем. Ранг расширенной матрицы также равен трем, то есть, система совместна.
Найденный ненулевой минор третьего порядка возьмем в качестве базисного.
Для наглядности покажем элементы, образующие базисный минор:
Оставляем в левой части уравнений системы слагаемые, участвующие в базисном миноре, остальные переносим с противоположными знаками в правые части:
Придадим свободным неизвестным переменным x 2
и x 5
произвольные значения, то есть, примем 
, где - произвольные числа. При этом СЛАУ примет вид
Полученную элементарную систему линейных алгебраических уравнений решим методом Крамера:
Следовательно, .
В ответе не забываем указать свободные неизвестные переменные.
Ответ:
Где - произвольные числа.
Подведем итог.
Чтобы решить систему линейных алгебраических уравнений общего вида, сначала выясняем ее совместность, используя теорему Кронекера – Капелли. Если ранг основной матрицы не равен рангу расширенной матрицы, то делаем вывод о несовместности системы.
Если ранг основной матрицы равен рангу расширенной матрицы, то выбираем базисный минор и отбрасываем уравнения системы, которые не участвуют в образовании выбранного базисного минора.
Если порядок базисного минора равен числу неизвестных переменных, то СЛАУ имеет единственное решение, которое находим любым известным нам методом.
Если порядок базисного минора меньше числа неизвестных переменных, то в левой части уравнений системы оставляем слагаемые с основными неизвестными переменными, остальные слагаемые переносим в правые части и придаем свободным неизвестным переменным произвольные значения. Из полученной системы линейных уравнений находим основные неизвестные переменные методом Крамера, матричным методом или методом Гаусса.
Метод Гаусса для решения систем линейных алгебраических уравнений общего вида.
Методом Гаусса можно решать системы линейных алгебраических уравнений любого вида без предварительного их исследования на совместность. Процесс последовательного исключения неизвестных переменных позволяет сделать вывод как о совместности, так и о несовместности СЛАУ, а в случае существования решения дает возможность отыскать его.
С точки зрения вычислительной работы метод Гаусса является предпочтительным.
Смотрите его подробное описание и разобранные примеры в статье метод Гаусса для решения систем линейных алгебраических уравнений общего вида .
Запись общего решения однородных и неоднородных систем линейных алгебраических с помощью векторов фундаментальной системы решений.
В этом разделе речь пойдет о совместных однородных и неоднородных системах линейных алгебраических уравнений, имеющих бесконечное множество решений.
Разберемся сначала с однородными системами.
Фундаментальной системой решений однородной системы из p линейных алгебраических уравнений с n неизвестными переменными называют совокупность (n – r) линейно независимых решений этой системы, где r – порядок базисного минора основной матрицы системы.
Если обозначить линейно независимые решения однородной СЛАУ как X (1) , X (2) , …, X (n-r) (X (1) , X (2) , …, X (n-r) – это матрицы столбцы размерности n на 1 ), то общее решение этой однородной системы представляется в виде линейной комбинации векторов фундаментальной системы решений с произвольными постоянными коэффициентами С 1 , С 2 , …, С (n-r) , то есть, .
Что обозначает термин общее решение однородной системы линейных алгебраических уравнений (орослау)?
Смысл прост: формула задает все возможные решения исходной СЛАУ, другими словами, взяв любой набор значений произвольных постоянных С 1 , С 2 , …, С (n-r) , по формуле мы получим одно из решений исходной однородной СЛАУ.
Таким образом, если мы найдем фундаментальную систему решений, то мы сможем задать все решения этой однородной СЛАУ как .
Покажем процесс построения фундаментальной системы решений однородной СЛАУ.
Выбираем базисный минор исходной системы линейных уравнений, исключаем все остальные уравнения из системы и переносим в правые части уравнений системы с противоположными знаками все слагаемые, содержащие свободные неизвестные переменные. Придадим свободным неизвестным переменным значения 1,0,0,…,0 и вычислим основные неизвестные, решив полученную элементарную систему линейных уравнений любым способом, например, методом Крамера. Так будет получено X (1) - первое решение фундаментальной системы. Если придать свободным неизвестным значения 0,1,0,0,…,0 и вычислить при этом основные неизвестные, то получим X (2) . И так далее. Если свободным неизвестным переменным придадим значения 0,0,…,0,1 и вычислим основные неизвестные, то получим X (n-r) . Так будет построена фундаментальная система решений однородной СЛАУ и может быть записано ее общее решение в виде .
Для неоднородных систем линейных алгебраических уравнений общее решение представляется в виде , где - общее решение соответствующей однородной системы, а - частное решение исходной неоднородной СЛАУ, которое мы получаем, придав свободным неизвестным значения 0,0,…,0 и вычислив значения основных неизвестных.
Разберем на примерах.
Пример.
Найдите фундаментальную систему решений и общее решение однородной системы линейных алгебраических уравнений 
.
Решение.
Ранг основной матрицы однородных систем линейных уравнений всегда равен рангу расширенной матрицы. Найдем ранг основной матрицы методом окаймляющих миноров. В качестве ненулевого минора первого порядка возьмем элемент a 1 1 = 9
основной матрицы системы. Найдем окаймляющий ненулевой минор второго порядка:
Минор второго порядка, отличный от нуля, найден. Переберем окаймляющие его миноры третьего порядка в поисках ненулевого:
Все окаймляющие миноры третьего порядка равны нулю, следовательно, ранг основной и расширенной матрицы равен двум.
Базисным минором возьмем . Отметим для наглядности элементы системы, которые его образуют:
Третье уравнение исходной СЛАУ не участвует в образовании базисного минора, поэтому, может быть исключено:
Оставляем в правых частях уравнений слагаемые, содержащие основные неизвестные, а в правые части переносим слагаемые со свободными неизвестными:
Построим фундаментальную систему решений исходной однородной системы линейных уравнений. Фундаментальная система решений данной СЛАУ состоит из двух решений, так как исходная СЛАУ содержит четыре неизвестных переменных, а порядок ее базисного минора равен двум. Для нахождения X (1)
придадим свободным неизвестным переменным значения x 2 = 1, x 4 = 0
, тогда основные неизвестные найдем из системы уравнений
.