Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Lekcii.Vysshaya matematika (1 semestr).pdf
Скачиваний:
252
Добавлен:
20.02.2016
Размер:
2.06 Mб
Скачать

Лекция № 3 Системы линейных алгебраических уравнений проф. Дымков М.П.

39

§ 6. Однородные системы уравнений

Система линейных уравнений (1) называется однородной, если во всех

уравнениях свободные члены равны 0, т.е. вектор

b

=

0

.

 

Тогда однородная система в матричной форме имеет вид

 

Ax = 0

(3)

где матрица A = Am×n составлена из коэффициентов системы (1).

 

Очевидно, что верно равенство r(A) = r(Ab ). Значит, система (3) всегда сов-

местна. Очевидно, х =0 является решением (3) (тривиальное решение). Когда существуют ненулевые решения?

Теорема. Для того, чтобы однородная система m линейных уравнений с n неизвестными, имела ненулевые решения необходимо и достаточно, чтобы r(A) < n.

Доказательство. Необходимость. Так как ранг матрицы не может быть больше размеров матрицы то r n . (Ясно, что r m тоже – но это нам не надо!). Предположим вначале, что r = n . Тогда по тереме Кронекера-Капелли система линейных уравнений имеет единственное решение, а именно нулевое решение. Значит, других, кроме тривиальных решений нет. Итак, если есть нетривиальное решение, то должно выполняться неравенство r < n , что и требовалось доказать.

Достаточность.

Если есть система уравнений размера n×n , и r < n , то это означает, что столбцы матрицы коэффициентов линейно зависимы. Это означает, что в их линейной комбинации

x1 a1 + x2 a2 +....+ xn an = 0

существует ненулевой набор чисел x1,..., xn , что и требовалось доказать. Имеет место следующее утверждение

Теорема. Для того, чтобы однородная система n линейных уравнений с n неизвестными, имела ненулевые решения, необходимо и достаточно, чтобы ее определитель равнялся нулю ∆ = det A = 0 .

Следствие. Однородная система, у которой число уравнений меньше числа неизвестных всегда имеет ненулевое решение.

§ 7. Собственные векторы и собственные числа

Рассмотрим квадратную матрицу А порядка n, элементы которой действительные числа. При умножении такой матрицы на n-мерный вектор x Rn ,

получается некоторый n-мерный вектор b = Ax , b Rn .

Во многих задачах линейной алгебры возникает следующий вопрос: можно ли найти такое число λ , что верно равенство b = λx , т.е.

Ax = λx.

Лекция № 3 Системы линейных алгебраических уравнений проф. Дымков М.П.

40

По-другому, для конкретной матрицы А требуется знать, есть ли такие специ-

фические векторы x , что действие на них матрицы А равносильно просто умножению этого вектора на некоторое число λ .

Определение. Число λ R называется собственным числом квадратной матрицы А, если существует такой ненулевой вектор x Rn , что выполня-

ется равенство

 

Ax = λx.

(1)

При этом вектор x называется собственным вектором матрицы А, соответствующим собственному числу λ .

Уравнение (1) можно переписать в виде

 

(A λE)x = 0 n ,

(2)

где Е – единичная матрица, 0n нулевой вектор. Система уравнений (2) – од-

нородная. Следовательно, она имеет ненулевое решение тогда и только тогда, когда det(A λE) = 0. Этот определитель представляет собой многочлен n-ой

степени (относительно переменной λ ) и он называется характеристическим многочленом, а уравнение det(A λE) = 0 характеристическим уравнением

для матрицы А.

Его действительные корни (если они существуют) называются собственными числами матрицы А.

Замечание. Оказывается, собственные векторы образуют базис пространства, в котором весьма просто представляются многие объекты и позволяют найти решение других задач.

Пример. A =

3 2

 

3

2

λ 0

 

3 λ

2

 

 

(A λE) =

 

=

 

1

 

 

1 4

 

1

4

0 λ

 

 

4 λ

det(A λE) = (3 λ) (4 λ) 2 = λ2 7λ +10 = 0 λ = 2,

λ

= 5.

 

 

 

 

 

 

1

2

 

 

 

для λ1 = 2 cобственный вектор есть решение системы уравнений

 

 

x

+ 2x

= 0

Пусть x2 =α x1 = −2α Общее решение

(A λE)x = 0 1

2

= 0

x2 + 2x2

 

 

 

 

 

 

 

есть (2λ,λ), где α R любое, α 0. Или, вынося общий множитель, имеем

(2λ,λ)=(2λ,λ) = λ(2,1).

Отсюда, учитывая, что умножение на число λ

для вектора (2,1) означает изменение лишь его длины, то в качестве собственного вектор, соответствующего собственному числу λ1 = 2 можно взять вектор (2,1). Аналогично находится второй собственный вектор для λ1 = 5

(Упр).

Лекция № 4

Приложения линейной алгебры в экономике

 

 

проф. Дымков М.П. 41

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Использование алгебры матриц

Использование систем линейных уравнений

§1. Использование алгебры матриц

Использование элементов алгебры матриц упрощает и облегчает решение многих экономических задач. Особенно актуальным становится этот вопрос при компьютерной разработке и использовании различных баз данных, в которых почти вся информация хранится и обрабатывается в матричной форме.

Рассмотрим простейшие производственные задачи, в которых можно использовать понятие матрицы и операций над ними.

Пример. Рассмотрим 4 фирмы, выпускающие 5 видов продукции и потребляющие при этом 3 типа сырья. Данные о дневной производительности этих фирм по каждому виду изделий, нормах потребления каждого типа сырья по каждому виду изделий, продолжительность работы (в днях) каждой фирмы в году, а также цены каждого типа сырья приведены в таблице:

 

Вид изделия

 

Тип сырья

 

 

 

Фирма

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

2

 

3

1

 

2

 

3

4

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

3

 

4

 

2

5

 

6

 

7

0

 

 

2

4

 

3

 

6

0

 

4

 

6

3

 

 

3

5

 

7

 

9

6

 

5

 

0

7

 

 

4

2

 

4

 

4

6

 

7

 

0

4

 

 

5

3

 

5

 

3

3

 

2

 

4

0

 

 

Продолжительность

 

 

 

 

 

200

 

150

100

200

 

 

работы фирмы

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Цена единицы сы-

30

 

20

 

10

 

 

 

 

 

 

 

 

рья

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Матрица дневных затрат сырья

Матрица

ежедневной

производи-

фирмами на единицу изделия

тельности по каждому виду изделий

(изделия одинаковы для всех фирм ,

 

 

 

 

 

 

 

 

что естественно для поставщиков!)

 

 

 

 

 

 

 

 

Требуется определить:

1) годовую производительность каждой фирмы по каждому виду изделий;

Лекция № 4

Приложения линейной алгебры в экономике

проф. Дымков М.П. 42

 

 

 

 

2)годовую потребность каждой фирмы по каждому типу сырья;

3)годовую сумму кредитов для закупки сырья, необходимую для выпуска продукции указанных видов и объемов.

Решение. Составим следующие матрицы:

 

 

5

6

7

0

 

 

 

матрица ежедн.производительность фирм

 

 

 

0

4

6

3

 

 

 

 

 

 

 

 

каждыйстолбец = дневная производит.

 

 

1) Q =

6

5

0

7

 

 

 

,

 

отдельной фирмы по каждому виду

 

 

 

 

 

 

 

 

 

 

 

 

 

 

6

7

0

4

 

 

 

 

 

 

 

 

 

 

 

изделий

 

 

 

 

 

3

2

4

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3

4

523ежедн. затраты сырья на единицу

 

 

 

2) S =

 

4

3

 

 

 

 

 

 

изделия (они одинаковы для всех

 

.

 

 

745

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

6

 

 

 

 

 

 

 

 

 

 

 

 

943фирм

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Так что Sij описывает расход i-го типа сырья на производство j-го вида изделия. 3) Вектор-строку (матрица размера 1×3) p = (30 20 10) -- стоимость едини-

цы сырья 4) диагональную матрицу (так нам удобнее!) времени работы фирмы

 

200

0

 

 

 

150

 

T =

 

.

 

100

 

 

 

 

0

200

 

 

 

Теперь запишем решение задачи, используя введенные матрицы:

1)Годовая производительность j-ой фирмы по каждому виду продукции получается умножением j-го столбца матрицы Q на количество рабочих дней для этой фирмы. Таким образом, годовая производительность каждой фирмы по каждому изделию описывается матрицей

G = QT =

 

1000

900

700

0

 

 

 

 

0

600

600

600

 

 

 

 

 

 

= 1200

750

0

1400

 

,

 

 

 

 

1050

0

400

 

 

 

1200

 

 

 

 

600

300

400

0

 

 

 

 

 

 

Здесь j-ый столбец в полученной матрице G есть годовая производительность j-ой фирмы.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]