Метод аппроксимации при котором для нахождения переменных применяется метод крамера

Обновлено: 10.01.2025

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). Решение системы уравнений методом Крамера проходит за три шага простого алгоритма:

Составить определитель матрицы системы (его называют также определителем системы), и убедиться, что он не равен нулю, т.е. $\Delta\neq 0$.
Для каждой переменной $x_i$($i=\overline$) необходимо составить определитель $\Delta_$, полученный из определителя $\Delta$ заменой i-го столбца столбцом свободных членов заданной СЛАУ.
Найти значения неизвестных по формуле $x_i=\frac>>$ ($i=\overline$).

Перед переходом к чтению примеров рекомендую ознакомиться с правилами вычисления определителей второго и третьего порядка, изложенными здесь.

Решить СЛАУ $\left\ & 3x_1+2x_2=-11;\\ & -x_1+5x_2=15. \end\right.$ методом Крамера.

Матрица системы такова: $ A=\left( \begin 3 & 2\\ -1 & 5 \end \right)$. Определитель этой матрицы:

$$\Delta=\left| \begin 3 & 2\\ -1 & 5 \end\right|=3\cdot 5-2\cdot(-1)=17.$$

Как вычисляется определитель второго порядка можете глянуть здесь.

Так как определитель системы не равен нулю, то продолжаем решение методом Крамера. Вычислим значения двух определителей: $\Delta_$ и $\Delta_$. Определитель $\Delta_$ получаем из определителя $\Delta=\left| \begin 3 & 2\\ -1 & 5 \end\right|$ заменой первого столбца (именно этот столбец содержит коэффициенты при $x_1$) столбцом свободных членов $\left(\begin -11\\ 15\end\right)$:

Аналогично, заменяя второй столбец в $\Delta=\left|\begin3&2\\-1&5\end\right|$ столбцом свободных членов, получим:

Теперь можно найти значения неизвестных $x_1$ и $x_2$.

В принципе, можно ещё проверить, правильно ли решена система методом Крамера. Подставим в заданную СЛАУ $x_1=-5$, $x_2=2$:

Проверка пройдена, решение системы уравнений методом Крамера найдено верно. Осталось лишь записать ответ.

Ответ: $x_1=-5$, $x_2=2$.

Решить СЛАУ $ \left\ & 2x_1+x_2-x_3=3;\\ & 3x_1+2x_2+2x_3=-7;\\ & x_1+x_3=-2. \end \right.$, используя метод Крамера.

Как вычисляется определитель третьего порядка можете глянуть здесь.

Заменяя первый столбец в $\Delta$ столбцом свободных членов, получим $\Delta_$:

Заменяя второй столбец в $\Delta$ столбцом свободных членов, получим $\Delta_$:

Заменяя третий столбец в $\Delta$ столбцом свободных членов, получим $\Delta_$:

Учитывая все вышеизложенное, имеем:

Метод Крамера завершён. Можно проверить, верно ли решена система уравнений методом Крамера, подставив значения $x_1=1$, $x_2=-2$ и $x_3=-3$ в заданную СЛАУ:

Проверка пройдена, решение системы уравнений методом Крамера найдено верно.

Ответ: $x_1=1$, $x_2=-2$, $x_3=-3$.

Решить СЛАУ $\left\ & 2x_1+3x_2-x_3=15;\\ & -9x_1-2x_2+5x_3=-7. \end\right.$ используя метод Крамера.

Матрица системы $ \left( \begin 2 & 3 & -1\\ -9 & -2 & 5 \end \right) $ не является квадратной. Однако это вовсе не означает, что решение системы уравнений методом Крамера невозможно. Преобразуем заданную СЛАУ, перенеся переменную $x_3$ в правые части уравнений:

Теперь матрица системы $ \left( \begin 2 & 3 \\ -9 & -2 \end \right) $ стала квадратной, и определитель её $\Delta=\left| \begin 2 & 3\\ -9 & -2 \end\right|=-4+27=23$ не равен нулю. Применим метод Крамера аналогично предыдущим примерам:

Ответ можно записать в таком виде: $\left\ & x_1=\frac;\\ & x_2=\frac;\\ & x_3\in R. \end\right.$ Переменные $x_1$, $x_2$ – базисные (в иной терминологии – основные), а переменная $x_3$ – свободная (в иной терминологии – неосновная). Проверка, при необходимости, проводится так же, как и в предыдущих примерах.

В подобных примерах возможна ситуация, когда после переноса переменной (или переменных) в правые части уравнений, определитель системы равняется нулю. В этом случае можно перенести в правую часть иную переменную (или переменные). Например, рассмотрим СЛАУ $\left\ & 2x_1-5x_2+10x_3=14;\\ & -4x_1+10x_2-7x_3=5. \end\right.$. Если перенести в правые части уравнений $x_3$, получим: $ \left\ &2x_1-5x_2=-10x_3+14;\\ &-4x_1+10x_2=7x_3+5. \end\right.$. Определитель данной системы $\Delta=\left| \begin 2 & -5\\ -4 & 10 \end\right|=20-20=0$. Однако если перенести в правые части уравнений переменную $x_2$, то получим систему $ \left\ &2x_1+10x_3=5x_2+14;\\ &-4x_1-7x_3=-10x_2+5. \end\right.$, определитель которой $\Delta=\left| \begin 2 & 10\\ -4 & -7 \end\right|=-14+40=26$ не равен нулю. Дальнейшее решение аналогично рассмотренному в примере №3.

Матрица системы $\left(\begin 1 & -5 & -1 & -2 & 3 \\ 2 & -6 & 1 & -4 & -2 \\ -1 & 4 & 5 & -3 & 0 \end\right)$ не является квадратной. Преобразуем заданную СЛАУ, перенеся переменные $x_4$, $x_5$ в правые части уравнений, и применим метод Крамера:

$$ \left\ & x_1-5x_2-x_3=2x_4-3x_5;\\ & 2x_1-6x_2+x_3=4x_4+2x_5; \\ & -x_1+4x_2+5x_3=3x_4. \end\right.$$ $$ \begin & \Delta =\left| \begin 1 & -5 & -1\\ 2 & -6 & 1\\-1 & 4 & 5 \end\right| =19;\\ \\ & \Delta_ =\left| \begin 2x_4-3x_5 & -5 & -1\\ 4x_4+2x_5 & -6 & 1\\3x_4 & 4 & 5 \end\right| =-17x_4+144x_5;\\ \\ & \Delta_ =\left| \begin 1 & 2x_4-3x_5 & -1\\ 2 & 4x_4+2x_5 & 1\\-1 & 3x_4 & 5 \end\right| =-15x_4+41x_5;\\ \\ & \Delta_ =\left| \begin 1 & -5 & 2x_4-3x_5\\ 2 & -6 & 4x_4+2x_5\\-1 & 4 & 3x_4 \end\right| =20x_4-4x_5. \end $$

Естественно, что применение метода Крамера в случаях вроде того, что рассмотрен в примере №4, не всегда оправдано с точки зрения временных затрат. Мы ведь не можем гарантировать, что после переноса каких-либо переменных в правые части уравнений, определитель системы не будет равен нулю. А перебирать различные варианты – слишком долгий процесс. Гораздо удобнее в таком случае применить метод Гаусса. Я привёл пример №4 лишь с одной целью – показать, что метод Крамера применим вне зависимости от содержимого правых частей уравнений заданной СЛАУ (числа, переменные, функции – не имеет значения). Главное, чтобы определитель матрицы системы был отличен от нуля.

Решение систем уравнений методом Крамера

Применим метод Крамера для системы из 2 уравнений и двумя искомыми величинами:

$\begin a_1x_1 + a_2x_2 = b_1 \\ a_3x_1 + a_4x_2 = b_2 \\ \end$

Отобразим её в расширенной форме для удобства:

$A = \begin a_1 & a_2 & b_1 \\ a_3 & a_4 & b_1 \\ \end$

Найдём определитель основной матрицы, также называемый главным определителем системы:

$D = \begin <|cc|>a_1 & a_2 \\ a_3 & a_4 \\ \end = a_1 \cdot a_4 – a_3 \cdot a_2$

Если главный определитель не равен нулю, то для решения слау методом Крамера необходимо высчитать ещё парочку определителей от двух матриц с заменёнными столбцами основной матрицы на строчку свободных членов:

$D_1 = \begin <|cc|>b_1 & a_2 \\ b_2 & a_4 \\ \end = b_1 \cdot a_4 – b_2 \cdot a_4$

$D_2 = \begin <|cc|>a_1 & b_1 \\ a_3 & b_2 \\ \end = a_1 \cdot b_2 – a_3 \cdot b_1$

Теперь найдём неизвестные $x_1$ и $x_2$:

Метод Крамера для решения СЛАУ с основной матрицей 3 порядка (3 x 3) и тремя искомыми.

Решите систему уравнений:

$\begin 3x_1 – 2x_2 + 4x_3 = 21 \\ 3x_1 +4x_2 + 2x_3 = 9\\ 2x_1 – x_2 - x_3 = 10 \\ \end$

Сосчитаем главный детерминант матрицы пользуясь вышеизложенным под пунктом номер 1 правилом:

$D = \begin <|ccc|>3 & -2 & 4 \\3 & 4 & -2 \\ 2 & -1 & 1 \\ \end = 3 \cdot 4 \cdot (-1) + 2 \cdot (-2) \cdot 2 + 4 \cdot 3 \cdot (-1) – 4 \cdot 4 \cdot 2 – 3 \cdot (-2) \cdot (-1) - (-1) \cdot 2 \cdot 3 = - 12 – 8 -12 -32 – 6 + 6 = - 64$

А теперь три других детерминанта:

$D_1 = \begin <|ccc|>21 & 2 & 4 \\ 9 & 4 & 2 \\ 10 & 1 & 1 \\ \end = 21 \cdot 4 \cdot 1 + (-2) \cdot 2 \cdot 10 + 9 \cdot (-1) \cdot 4 – 4 \cdot 4 \cdot 10 – 9 \cdot (-2) \cdot (-1) - (-1) \cdot 2 \cdot 21 = - 84 – 40 – 36 – 160 – 18 + 42 = - 296$

$D_2 = \begin <|ccc|>3 & 21 & 4 \\3 & 9 & 2 \\ 2 & 10 & 1 \\ \end = 3 \cdot 9 \cdot (- 1) + 3 \cdot 10 \cdot 4 + 21 \cdot 2 \cdot 2 – 4 \cdot 9 \cdot 2 – 21 \cdot 3 \cdot (-1) – 2 \cdot 10 \cdot 3 = - 27 + 120 + 84 – 72 + 63 – 60 = 108$

$D_3 = \begin <|ccc|>3 & -2 & 21 \\ 3 & 4 & 9 \\ 2 & 1 & 10 \\ \end = 3 \cdot 4 \cdot 10 + 3 \cdot (-1) \cdot 21 + (-2) \cdot 9 \cdot 2 – 21 \cdot 4 \cdot 2 - (-2) \cdot 3 \cdot 10 - (-1) \cdot 9 \cdot 3 = 120 – 63 – 36 – 168 + 60 + 27 = - 60$

Нужна помощь в написании работы?

Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Наша система гарантирует сдачу работы к сроку без плагиата. Правки вносим бесплатно.

Метод Крамера – способ решения системы линейных уравнений с помощью определителя матрицы при условии, что он не равен нулю. Если мы говорим об определителе, то, соответственно, матрица данной системы может быть только квадратной (число переменных в данной системе уравнений должно быть равно числу её строк).

1. Находим общий определитель матрицы

убеждаемся, что он не равен нулю.

2. Для каждой переменной

находим определитель матрицы

Здесь вместо столбца коэффициентов

подставляем столбец свободных членов системы.

3. Находим значения неизвестных по формуле

Как вывести формулы для вычисления коэффициентов

Для того чтобы вывести формулы для вычисления коэффициентов, нужно составить и решить систему уравнений с двумя переменными. Для этого мы вычисляем частные производные выражения F ( a , b ) = ∑ i = 1 n ( y i - ( a x i + b ) ) 2 по a и b и приравниваем их к 0 .

δ F ( a , b ) δ a = 0 δ F ( a , b ) δ b = 0 ⇔ - 2 ∑ i = 1 n ( y i - ( a x i + b ) ) x i = 0 - 2 ∑ i = 1 n ( y i - ( a x i + b ) ) = 0 ⇔ a ∑ i = 1 n x i 2 + b ∑ i = 1 n x i = ∑ i = 1 n x i y i a ∑ i = 1 n x i + ∑ i = 1 n b = ∑ i = 1 n y i ⇔ a ∑ i = 1 n x i 2 + b ∑ i = 1 n x i = ∑ i = 1 n x i y i a ∑ i = 1 n x i + n b = ∑ i = 1 n y i

Для решения системы уравнений можно использовать любые методы, например, подстановку или метод Крамера. В результате у нас должны получиться формулы, с помощью которых вычисляются коэффициенты по методу наименьших квадратов.

n ∑ i = 1 n x i y i - ∑ i = 1 n x i ∑ i = 1 n y i n ∑ i = 1 n - ∑ i = 1 n x i 2 b = ∑ i = 1 n y i - a ∑ i = 1 n x i n

Мы вычислили значения переменных, при который функция
F ( a , b ) = ∑ i = 1 n ( y i - ( a x i + b ) ) 2 примет минимальное значение. В третьем пункте мы докажем, почему оно является именно таким.

Это и есть применение метода наименьших квадратов на практике. Его формула, которая применяется для поиска параметра a , включает в себя ∑ i = 1 n x i , ∑ i = 1 n y i , ∑ i = 1 n x i y i , ∑ i = 1 n x i 2 , а также параметр
n – им обозначено количество экспериментальных данных. Советуем вам вычислять каждую сумму отдельно. Значение коэффициента b вычисляется сразу после a .

Обратимся вновь к исходному примеру.

Здесь у нас n равен пяти. Чтобы было удобнее вычислять нужные суммы, входящие в формулы коэффициентов, заполним таблицу.

i = 1	i = 2	i = 3	i = 4	i = 5	∑ i = 1 5
x i	0	1	2	4	5	12
y i	2 , 1	2 , 4	2 , 6	2 , 8	3	12 , 9
x i y i	0	2 , 4	5 , 2	11 , 2	15	33 , 8
x i 2	0	1	4	16	25	46

Решение

Четвертая строка включает в себя данные, полученные при умножении значений из второй строки на значения третьей для каждого отдельного i . Пятая строка содержит данные из второй, возведенные в квадрат. В последнем столбце приводятся суммы значений отдельных строчек.

Воспользуемся методом наименьших квадратов, чтобы вычислить нужные нам коэффициенты a и b . Для этого подставим нужные значения из последнего столбца и подсчитаем суммы:

n ∑ i = 1 n x i y i - ∑ i = 1 n x i ∑ i = 1 n y i n ∑ i = 1 n - ∑ i = 1 n x i 2 b = ∑ i = 1 n y i - a ∑ i = 1 n x i n ⇒ a = 5 · 33 , 8 - 12 · 12 , 9 5 · 46 - 12 2 b = 12 , 9 - a · 12 5 ⇒ a ≈ 0 , 165 b ≈ 2 , 184

У нас получилось, что нужная аппроксимирующая прямая будет выглядеть как y = 0 , 165 x + 2 , 184 . Теперь нам надо определить, какая линия будет лучше аппроксимировать данные – g ( x ) = x + 1 3 + 1 или 0 , 165 x + 2 , 184 . Произведем оценку с помощью метода наименьших квадратов.

Чтобы вычислить погрешность, нам надо найти суммы квадратов отклонений данных от прямых σ 1 = ∑ i = 1 n ( y i - ( a x i + b i ) ) 2 и σ 2 = ∑ i = 1 n ( y i - g ( x i ) ) 2 , минимальное значение будет соответствовать более подходящей линии.

σ 1 = ∑ i = 1 n ( y i - ( a x i + b i ) ) 2 = = ∑ i = 1 5 ( y i - ( 0 , 165 x i + 2 , 184 ) ) 2 ≈ 0 , 019 σ 2 = ∑ i = 1 n ( y i - g ( x i ) ) 2 = = ∑ i = 1 5 ( y i - ( x i + 1 3 + 1 ) ) 2 ≈ 0 , 096

Ответ: поскольку σ 1 < σ 2 , то прямой, наилучшим образом аппроксимирующей исходные данные, будет
y = 0 , 165 x + 2 , 184 .

Нужна помощь преподавателя? Опиши задание — и наши эксперты тебе помогут! Описать задание

Метод Крамера для решения СЛАУ

В данной статье мы разберем, как найти неизвестные переменные по методу Крамера и опишем решение систем линейных уравнений.

Метод Крамера предназначен для того, чтобы решать системы линейных алгебраических уравнений (СЛАУ), в которых число неизвестных переменных равняется числу уравнений, а определитель основной матрицы не равен нулю.

Алгоритм решения линейных уравнений по методу Крамера

Примеры решений линейных уравнений по методу Крамера

Задание 1

Решить систему уравнений методом Крамера:

Решение

Найдем определитель матрицы :

Теперь заменим первый столбец свободными членами системы:

Заменим второй столбец и то же самое проделаем для

Ответ:

Задание 2

Решить систему уравнений с помощью метода Крамера:

Решение

Находим определитель матрицы

Заменяем первый столбец

свободными членами и находим определитель

Теперь заменим на свободные члены второй столбец матрицы и найдём определитель

Ответ

Задание 3

С помощью метода Крамера решить систему уравнений:

Решение

Как и в предыдущих примерах, сначала находим общий определитель матрицы

Заменяем первый столбец свободными членами:

Найдем определитель матрицы для

заменив на свободные члены второй столбец:

Ответ

Задание 4

Решить систему уравнений методом Крамера:

Решение

Здесь видим матрицу 3х3, следовательно определитель матрицы находим методом треугольников:

Определитель не равен 0, а значит можем продолжать решение.

Замени первый столбец матрицы на свободные члены и найдем её определитель для

Таким образом, определим значение

Таким же способом получим определитель матрицы для

заменив на свободные члены второй столбец:

Также заменим на свободные члены значения третьего столбца и получим определитель матрицы для

Ответ

Задание 5

Решить методом Крамера систему уравнений:

Решение

Аналогично, как в предыдущем примере, найдём определитель матрицы

следовательно, можем продолжать.

Найдем определитель матрицы для

Заменяем коэффициенты первого столбца:

Найдем определитель матрицы для

Проделаем то же самое, но заменив коэффициенты второго столбца.

Найдем определитель матрицы для

заменив на свободные члены третий столбец:

Ответ

Задание 6

Решить систему уравнений методом Крамера:

Решение

Здесь мы видим, что в строках отсутствуют некоторые перемененные. Преобразим вид системы уравнений в квадратный:

Таким образом, наша матрица будет следующего вида:

Найдем определитель матрицы:

Найдем определитель матрицы для

заменив на свободные члены второй столбец:

Заменим третий столбец и найдем определитель матрицы для

Ответ

Задание 7

С помощью метода Крамера решить систему уравнений:

Решение

Найдем определитель матрицы

Это значит, что данную систему нельзя решить методом Крамера, и мы не можем продолжать решение согласно нашему алгоритму.

Ответ

Метод Крамера нельзя применить к данной системе линейных уравнений

Задание 8

Решить систему уравнений методом Крамера:

Решение

Здесь a – это некоторое реальное число.

Найдем общий определитель матрицы

Найдем определитель матрицы

Для этого подставим в первый столбец матрицы свободные члены системы уравнений.

Таким же способом найдем определитель матрицы

Ответ

Задание 9

Решить систему уравнений методом Крамера:

Решение

Найдем определитель матрицы:

Найдем определитель матрицы для

заменив на свободные члены первый столбец:

Найдем определитель матрицы для

:, заменив на свободные члены второй столбец:

Найдем определитель матрицы для

заменив на свободные члены третий столбец:

Ответ

Задание 10

Решить систему уравнений методом Крамера:

Решение

Преобразим вид системы уравнений в квадратный. Для этого перенесём одну из переменных в свободные члены. Так как, количество строк в системе уравнений меньше, чем количество переменных, то значение одной из переменных будет с параметром. Следовательно, система может выглядеть так:

Таким образом, наша матрица будет следующего вида:

Найдем определитель матрицы:

Если значение определителя будет равно 0, то можно попробовать перенести в свободные члены другую переменную.

В чем заключается метод Крамера

Суть метода Крамера в следующем:

Чтобы найти решение системы методом Крамера, первым делом вычисляем главный определитель матрицы $D$. Когда вычисленный детерминант основной матрицы при подсчёте методом Крамера оказался равен нулю, то система не имеет ни одного решения или имеет нескончаемое количество решений. В этом случае для нахождения общего или какого-либо базисного ответа для системы рекомендуется применить метод Гаусса.
Затем нужно заменить крайний столбец главной матрицы на столбец свободных членов и высчитать определитель $D_1$.
Повторить то же самое для всех столбцов, получив определители от $D_1$ до $D_n$, где $n$ - номер крайнего справа столбца.
После того как найдены все детерминанты $D_1$. $D_n$, можно высчитать неизвестные переменные по формуле $x_i = \frac$.

Приёмы для вычисления определителя матрицы

Для вычисления определителя матрицы с размерностью больше чем 2 на 2, можно использовать несколько способов:

Правило треугольников, или правило Саррюса, напоминающее это же правило. Суть метода треугольников в том, что при вычислении определителя произведения всех чисел, соединённых на рисунке красной линией справа, записываются со знаком плюс, а все числа, соединённые аналогичным образом на рисунке слева – со знаком минус. B то, и другое правило подходит для матриц размером 3 х 3. В случае же правила Саррюса сначала переписывается сама матрица, а рядом с ней рядом переписываются ещё раз её первый и второй столбец. Через матрицу и эти дополнительные столбцы проводятся диагонали, члены матрицы, лежащие на главной диагонали или на параллельной ей записываются со знаком плюс, а элементы, лежащие на побочной диагонали или параллельно ей - со знаком минус.

Готовые работы на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту Узнать стоимость

Рисунок 1. Правило треугольников для вычисления определителя для метода Крамера

С помощью метода, известного как метод Гаусса, также иногда этот метод называют понижением порядка определителя. В этом случае матрица преобразуется и приводится к треугольному виду, а затем перемножаются все числа, стоящие на главной диагонали. Следует помнить, что при таком поиске определителя нельзя домножать или делить строчки или столбцы на числа без вынесения их как множителя или делителя. В случае поиска определителя возможно только вычитать и складывать строки и столбы между собой, предварительно помножив вычитаемую строку на ненулевой множитель. Также при каждой перестановке строчек или столбцов матрицы местами следует помнить о необходимости смены конечного знака у матрицы.
При решении методом Крамера СЛАУ с 4 неизвестными, лучше всего будет применять именно метод Гаусса для поиска и нахождения определителей или опредлять детерминант через поиск миноров.

Метод наименьших квадратов

Начнем статью сразу с примера. У нас есть некие экспериментальные данные о значениях двух переменных – x и y . Занесем их в таблицу.

i = 1	i = 2	i = 3	i = 4	i = 5
x i	0	1	2	4	5
y i	2 , 1	2 , 4	2 , 6	2 , 8	3 , 0

После выравнивания получим функцию следующего вида: g ( x ) = x + 1 3 + 1 .

Мы можем аппроксимировать эти данные с помощью линейной зависимости y = a x + b , вычислив соответствующие параметры. Для этого нам нужно будет применить так называемый метод наименьших квадратов. Также потребуется сделать чертеж, чтобы проверить, какая линия будет лучше выравнивать экспериментальные данные.

Метод Зейделя

Определение 2

Метод Зейделя — метод является модификацией метода Якоби.

Суть: при вычислении очередного ( n + 1 ) - г о приближения к неизвестному x i при i > 1 используют уже найденные ( n + 1 ) - е приближения к неизвестным x 1 , x 2 , . . . , x i — 1 , а не n - о е приближение, как в методе Якоби.

Нужна помощь преподавателя? Опиши задание — и наши эксперты тебе помогут! Описать задание

x i ( n + 1 ) = b i 1 x 1 ( n + 1 ) + b i 2 x 2 ( n + 1 ) + . . . + b i , i - 1 x i - 2 ( n + 1 ) + b i , i + 1 x i + 1 ( n ) +

+ . . . + b i m x m ( n ) + d i

За условия сходимости и критерий окончания итераций можно принять такие же значения, как и в методе Якоби.

Решить СЛАУ методом Зейделя. Пусть матрица системы уравнений А — симметричная и положительно определенная. Следовательно, если выбрать начальное приближение, метод Зейделя сойдется. Дополнительных условий на малость нормы некоторой матрицы не накладывается.

Решим 3 системы уравнений:

2 x 1 + x 2 = 3 x 1 - 2 x 2 = 1 , x 1 + 2 x 2 = 3 2 x 1 - x 2 = 1 , 2 x 1 - 0 , 5 x 2 = 3 2 x 1 + 0 , 5 x 2 = 1

Приведем системы к удобному для итерации виду:

x 1 ( n + 1 ) = - 0 , 5 x 2 ( n ) + 1 , 5 x 2 ( n + 1 ) = 0 , 5 x 1 ( n + 1 ) + 0 , 5 , x 1 ( n + 1 ) = - 2 x 2 ( n ) + 3 x 2 ( n + 1 ) = 2 x 1 ( n + 1 ) - 1 , 2 x 1 - 0 , 5 x 2 = 3 2 x 1 + 0 , 5 x 2 = 1 .

Отличительная особенность, условие сходимости выполнено только для первой системы:

Вычисляем 3 первых приближения к каждому решению:

1-ая система: x ( 0 ) = 1 , 5 - 0 , 5 , x ( 1 ) = 1 , 75 0 , 375 , x ( 2 ) = 1 , 3125 0 , 1563 , x ( 3 ) = 1 , 4219 0 , 2109

Решение: x 1 = 1 , 4 , x 2 = 0 , 2 . Итерационный процесс сходится.

2-ая система: x ( 0 ) = 3 - 1 , x ( 1 ) = 5 9 , x ( 2 ) = - 15 - 31 , x ( 3 ) = 65 129

Итерационный процесс разошелся.

Решение: x 1 = 1 , x 2 = 2

3-я система: x ( 0 ) = 1 , 5 2 , x ( 1 ) = 2 - 6 , x ( 2 ) = 0 2 , x ( 3 ) = 0 2

Итерационный процесс зациклился.

Решение: x 1 = 1 , x 1 = 2

Доказательство метода МНК

Чтобы функция приняла минимальное значение при вычисленных a и b , нужно, чтобы в данной точке матрица квадратичной формы дифференциала функции вида F ( a , b ) = ∑ i = 1 n ( y i - ( a x i + b ) ) 2 была положительно определенной. Покажем, как это должно выглядеть.

У нас есть дифференциал второго порядка следующего вида:

d 2 F ( a ; b ) = δ 2 F ( a ; b ) δ a 2 d 2 a + 2 δ 2 F ( a ; b ) δ a δ b d a d b + δ 2 F ( a ; b ) δ b 2 d 2 b

Решение

δ 2 F ( a ; b ) δ a 2 = δ δ F ( a ; b ) δ a δ a = = δ - 2 ∑ i = 1 n ( y i - ( a x i + b ) ) x i δ a = 2 ∑ i = 1 n ( x i ) 2 δ 2 F ( a ; b ) δ a δ b = δ δ F ( a ; b ) δ a δ b = = δ - 2 ∑ i = 1 n ( y i - ( a x i + b ) ) x i δ b = 2 ∑ i = 1 n x i δ 2 F ( a ; b ) δ b 2 = δ δ F ( a ; b ) δ b δ b = δ - 2 ∑ i = 1 n ( y i - ( a x i + b ) ) δ b = 2 ∑ i = 1 n ( 1 ) = 2 n

Иначе говоря, можно записать так: d 2 F ( a ; b ) = 2 ∑ i = 1 n ( x i ) 2 d 2 a + 2 · 2 ∑ x i i = 1 n d a d b + ( 2 n ) d 2 b .

Мы получили матрицу квадратичной формы вида M = 2 ∑ i = 1 n ( x i ) 2 2 ∑ i = 1 n x i 2 ∑ i = 1 n x i 2 n .

В этом случае значения отдельных элементов не будут меняться в зависимости от a и b . Является ли эта матрица положительно определенной? Чтобы ответить на этот вопрос, проверим, являются ли ее угловые миноры положительными.

Вычисляем угловой минор первого порядка: 2 ∑ i = 1 n ( x i ) 2 > 0 . Поскольку точки x i не совпадают, то неравенство является строгим. Будем иметь это в виду при дальнейших расчетах.

Вычисляем угловой минор второго порядка:

d e t ( M ) = 2 ∑ i = 1 n ( x i ) 2 2 ∑ i = 1 n x i 2 ∑ i = 1 n x i 2 n = 4 n ∑ i = 1 n ( x i ) 2 - ∑ i = 1 n x i 2

После этого переходим к доказательству неравенства n ∑ i = 1 n ( x i ) 2 - ∑ i = 1 n x i 2 > 0 с помощью математической индукции.

Проверим, будет ли данное неравенство справедливым при произвольном n . Возьмем 2 и подсчитаем:

2 ∑ i = 1 2 ( x i ) 2 - ∑ i = 1 2 x i 2 = 2 x 1 2 + x 2 2 - x 1 + x 2 2 = = x 1 2 - 2 x 1 x 2 + x 2 2 = x 1 + x 2 2 > 0

У нас получилось верное равенство (если значения x 1 и x 2 не будут совпадать).

Сделаем предположение, что данное неравенство будет верным для n , т.е. n ∑ i = 1 n ( x i ) 2 - ∑ i = 1 n x i 2 > 0 – справедливо.
Теперь докажем справедливость при n + 1 , т.е. что ( n + 1 ) ∑ i = 1 n + 1 ( x i ) 2 - ∑ i = 1 n + 1 x i 2 > 0 , если верно n ∑ i = 1 n ( x i ) 2 - ∑ i = 1 n x i 2 > 0 .

( n + 1 ) ∑ i = 1 n + 1 ( x i ) 2 - ∑ i = 1 n + 1 x i 2 = = ( n + 1 ) ∑ i = 1 n ( x i ) 2 + x n + 1 2 - ∑ i = 1 n x i + x n + 1 2 = = n ∑ i = 1 n ( x i ) 2 + n · x n + 1 2 + ∑ i = 1 n ( x i ) 2 + x n + 1 2 - - ∑ i = 1 n x i 2 + 2 x n + 1 ∑ i = 1 n x i + x n + 1 2 = = ∑ i = 1 n ( x i ) 2 - ∑ i = 1 n x i 2 + n · x n + 1 2 - x n + 1 ∑ i = 1 n x i + ∑ i = 1 n ( x i ) 2 = = ∑ i = 1 n ( x i ) 2 - ∑ i = 1 n x i 2 + x n + 1 2 - 2 x n + 1 x 1 + x 1 2 + + x n + 1 2 - 2 x n + 1 x 2 + x 2 2 + . . . + x n + 1 2 - 2 x n + 1 x 1 + x n 2 = = n ∑ i = 1 n ( x i ) 2 - ∑ i = 1 n x i 2 + + ( x n + 1 - x 1 ) 2 + ( x n + 1 - x 2 ) 2 + . . . + ( x n - 1 - x n ) 2 > 0

Выражение, заключенное в фигурные скобки, будет больше 0 (исходя из того, что мы предполагали в пункте 2 ), и остальные слагаемые будут больше 0 , поскольку все они являются квадратами чисел. Мы доказали неравенство.

Ответ: найденные a и b будут соответствовать наименьшему значению функции F ( a , b ) = ∑ i = 1 n ( y i - ( a x i + b ) ) 2 , значит, они являются искомыми параметрами метода наименьших квадратов (МНК).

Итерационные методы решения системы линейных алгебраических уравнений

В данной статье мы расскажем общие сведения об итерационных методах решения СЛАУ, познакомим с методом Зейделя и Якоби, а также приведем примеры решения систем линейных уравнений при помощи данных методов.

Метод Крамера — вывод формул

Найти решение системы линейных уравнений вида:

a 11 x 1 + a 12 x 2 + . . . + a 1 n x n = b 1 a 21 x 1 + a 22 x 2 + . . . + a 2 n x n = b 2 ⋮ a n 1 x 1 + a n 2 x 2 + . . . + a n n x n = b n

В этой системе x 1 , x 2 , . . . , x n - неизвестные переменные,

a i j , i = 1 , 2 , . . . , n ; j = 1 , 2 , . . . , n - числовые коэффициенты,

b 1 , b 2 , . . . , b n - свободные члены.

Решение такой системы линейных алгебраических уравнений — набор значений x 1 , x 2 , . . . , x n , при которых все уравнения системы становятся тождественными.

Матричный вид записи такой системы линейных уравнений:

A X = B , где A = a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n — основная матрица системы, в которой ее элементы — это коэффициенты при неизвестных переменных;

B = b 1 b 2 ⋮ b n — матрица-столбец свободных членов;

X = x 1 x 2 ⋮ x n — матрица-столбец неизвестных переменных.

После того как мы найдем неизвестные переменные x 1 , x 2 , . . . , x n , матрица X = x 1 x 2 ⋮ x n становится решением системы уравнений, а равенство A X = B обращается в тождество.

Метод Крамера основан на 2-х свойствах определителя матрицы:

Определитель квадратной матрицы A = a i j , i = 1 , 2 , . . . , n ; j = 1 , 2 , . . . , n равняется сумме произведений элементов какой-либо строки (столбца) на их алгебраические дополнения:

a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n = a p 1 × A p 1 + a p 2 × A p 2 + . . . + a p n × A p n = a 1 q × A 1 q + a 2 q × A 2 q + . . . + a n q × A n q

Сумма произведений какой-либо строки (столбца) квадратной матрицы на алгебраические дополнения соответствующие элементы другой матрицы равняется нулю:

a p 1 × A p 1 + a p 2 × A p 2 + . . . + a p n × A p n = 0 a 1 q × A 1 q + a 2 q × A 2 q + . . . + a n q × A n q = 0

p = 1 , 2 , . . . , n , q = 1 , 2 , . . . , n p не равно q

Приступаем к нахождению неизвестной переменной x 1 :

Умножаем обе части первого уравнения системы на А 11 , обе части второго уравнения на А 21 и т.д. Таким образом, мы умножаем уравнения системы на соответствующие алгебраические дополнения 1-го столбца матрицы А :

A 11 a 11 x 1 + A 11 a 12 x 2 + . . . + A 11 a 1 n x n = A 11 b 1 A 21 a 21 x 1 + A 21 a 22 x 2 + . . . + A 21 x 2 n x n = A 21 b 2 ⋯ A n 1 a n 1 x 1 + A n 1 a n 2 x 2 + . . . + A n 1 a n n x n = A n 1 b n

Складываем все левые части уравнения системы, сгруппировав слагаемые при неизвестных переменных , и приравниваем получившуюся сумму к сумме всех правых частей уравнения:

x 1 ( A 11 a 11 + A 21 a 21 + . . . + A n 1 a n 1 ) + + x 2 ( A 11 a 12 + A 21 a 22 + . . . + A n 1 a n 2 ) + + . . . + + x n ( A 11 a 1 n + A 21 a 2 n + . . . + A n 1 a n n ) = = A 11 b 1 + A 21 b 2 + . . . + A n 1 b n

Если воспользоваться свойствами определителя, то получится:

А 11 а 11 + А 21 а 21 + . . . + А n 1 a n 1 = А А 11 а 12 + А 21 а 22 + . . . + А n 1 а n 2 = 0 ⋮ A 11 a 1 n + A 21 a 2 n + . . . + A n 1 a n n = 0

A 11 b 1 + A 21 b 2 + . . . + A n 1 b n = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n

Предыдущее равенство будет иметь следующий вид:

x 1 A = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n .

x 1 = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n A

Таким же образом находим все оставшиеся неизвестные переменные.

∆ = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n , ∆ x 1 = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n ,

∆ x 2 = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n , . ∆ x n = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n .

то получаются формулы для нахождения неизвестных переменных по методу Крамера:

x 1 = ∆ x 1 ∆ , x 2 = ∆ x 2 ∆ , . . . , x n = ∆ x n ∆ .

В чем именно заключается МНК (метод наименьших квадратов)

Главное, что нам нужно сделать, – это найти такие коэффициенты линейной зависимости, при которых значение функции двух переменных F ( a , b ) = ∑ i = 1 n ( y i - ( a x i + b ) ) 2 будет наименьшим. Иначе говоря, при определенных значениях a и b сумма квадратов отклонений представленных данных от получившейся прямой будет иметь минимальное значение. В этом и состоит смысл метода наименьших квадратов. Все, что нам надо сделать для решения примера – это найти экстремум функции двух переменных.

Метод Якоби

Определение 2

Метод Якоби — один из наиболее простых методов приведения системы матрицы к виду, удобному для итерации: из 1-го уравнения матрицы выражаем неизвестное x 1 , из 2-го выражаем неизвестное x 2 и т.д.

Результатом служит матрица В , в которой на главной диагонали находятся нулевые элементы, а все остальные вычисляются по формуле:

b i j = - a i j / a i i , i , j = 1 , 2 . . . , n

Элементы (компоненты) вектора d вычисляются по следующей формуле:

d i = b i / a i i , i = 1 , 2 , . . . , n

Расчетная формула метода простой итерации:

x ( n + 1 ) = B x ( x ) + d

Матричная запись (координатная):

x i ( n + 1 ) = b i 1 x n 1 + b i 2 x ( n ) 2 + . . . + b

Критерий окончания в методе Якоби:

x ( n + 1 ) - x ( n ) < ε 1 , где ε 1 = 1 - B B ε

В случае если B < 1 / 2 , то можно применить более простой критерий окончания итераций:

x ( n + 1 ) - x ( n ) < ε

Решить СЛАУ методом Якоби:

10 x 1 + x 2 - x 3 = 11 x 1 + 10 x 2 - x 3 = 10 - x 1 + x 2 + 10 x 3 = 10

Необходимо решить систему с показателем точности ε = 10 - 3 .

Приводим СЛАУ к удобному виду для итерации:

x 1 = - 0 , 1 x 2 + 0 , 1 x 3 + 1 , 1 x 2 = - 0 , 1 x 1 + 0 , 1 x 3 + 1 x 3 = 0 , 1 x 1 - 0 , 1 x 2 + 1

Выбираем начальное приближение, например: x ( 0 ) = 1 , 1 1 1 — вектор правой части.

В таком случае, первая итерация имеет следующий внешний вид:

x 1 ( 1 ) = - 0 , 1 × 1 + 0 , 1 × 1 + 1 , 1 = 1 , 1 x 2 ( 1 ) = - 0 , 1 × 1 , 1 + 0 , 1 + 1 = 0 , 99 x 3 ( 1 ) = 0 , 1 × 1 , 1 - 0 , 1 × 1 + 1 = 1 , 01

Аналогичным способом вычисляются приближения к решению:

x ( 2 ) = 1 , 102 0 , 991 1 , 011 , x ( 3 ) = 1 , 102 0 , 9909 1 , 0111 , x ( 4 ) = 1 , 10202 0 , 99091 1 , 01111

Находим норму матрицы В , для этого используем норму B ∞ .

Поскольку сумма модулей элементов в каждой строке равна 0,2, то B ∞ = 0 , 2 < 1 / 2 , поэтому можно вычислить критерий окончания итерации:

x ( n + 1 ) - x ( n ) < ε

Далее вычисляем нормы разности векторов:

x ( 3 ) - x ( 2 ) ∞ = 0 , 002 , x ( 4 ) - x ( 3 ) ∞ = 0 , 00002 .

Поскольку x ( 4 ) - x ( 3 ) ∞ < ε , то можно считать, что мы достигли заданной точности на 4-ой итерации.

x 1 = 1 , 102 ; x 2 = 0 , 991 ; x 3 = 1 ,01 1 .

Метод Крамера

Метод Крамера или так называемое правило Крамера – это способ поиска неизвестных величин из систем уравнений. Его можно использовать только если число искомых значений эквивалентно количеству алгебраических уравнений в системе, то есть образуемая из системы основная матрица должна быть квадратной и не содержать нулевых строчек, а также если её детерминант не должен являться нулевым.

Теорема Крамера Если главный определитель $D$ основной матрицы, составленной на основе коэффициентов уравнений, не равен нулю, то система уравнений совместна, причём решение у неё существует единственное. Решение такой системы вычисляется через так называемые формулы Крамера для решения систем линейных уравнений: $x_i = \frac$

Метод простой итерации

Если А — симметричная и положительно определенная, то СЛАУ приводят к эквивалентному виду:

x = x - τ ( A x - b ) , τ - итерационный параметр.

Расчетная формула имеет следующий внешний вид:

x ( n + 1 ) = x ( n ) - τ ( A x n - b ) .

Здесь B = E - τ A и параметр τ > 0 выбирают таким образом, чтобы по возможности сделать максимальной величину B 2 .

Пусть λ m i n и λ m a x - максимальные и минимальные собственные значения матрицы А .

τ = 2 / ( λ m i n + λ m a x ) - оптимальный выбор параметра. В этом случае B 2 принимает минимальное значение, которое равняется ( λ m i n + λ m a x ) / ( λ m i n - λ m a x ) .

Как изобразить МНК на графике функций

Метод наименьших квадратов наглядно показан на графической иллюстрации. С помощью красной линии отмечена прямая g ( x ) = x + 1 3 + 1 , синей – y = 0 , 165 x + 2 , 184 . Исходные данные обозначены розовыми точками.

Поясним, для чего именно нужны приближения подобного вида.

Они могут быть использованы в задачах, требующих сглаживания данных, а также в тех, где данные надо интерполировать или экстраполировать. Например, в задаче, разобранной выше, можно было бы найти значение наблюдаемой величины y при x = 3 или при x = 6 . Таким примерам мы посвятили отдельную статью.

Общие сведения об итерационных методах или методе простой итерации

Определение 1

Метод итерации — это численный и приближенный метод решения СЛАУ.

Суть: нахождение по приближённому значению величины следующего приближения, которое является более точным. Метод позволяет получить значения корней системы с заданной точностью в виде предела последовательности некоторых векторов (итерационный процесс). Характер сходимости и сам факт сходимости метода зависит от выбора начального приближения корня x 0 .

Рассмотрим систему A x = b .

Чтобы применить итерационный метод, необходимо привести систему к эквивалентному виду x = B x + d . Затем выбираем начальное приближение к решению СЛАУ x ( 0 ) = ( x 1 0 , x 2 0 , . . . x m 0 ) и находим последовательность приближений к корню.

Для сходимости итерационного процесса является достаточным заданное условие В < 1 . Окончание итерации зависит от того, какой итерационный метод применили.

Алгоритм решения СЛАУ методом Крамера

Необходимо вычислить определитель матрицы системы и убедиться, что он не равен нулю.
Найти определители

∆ x 1 = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n

∆ x 2 = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n

∆ x n = b 1 a 12 ⋯ a 1 n b 2 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ ⋮ b n a n 2 ⋯ a n n

Эти определители являются определителями матриц, которые получены из матрицы А путем замены k -столбца на столбец свободных членов.

Нужна помощь преподавателя? Опиши задание — и наши эксперты тебе помогут! Описать задание

Вычислить неизвестные переменные при помощи формул:

x 1 = ∆ x 1 ∆ , x 2 = ∆ x 2 ∆ , . . . , x n = ∆ x n ∆ .

Выполнить проверку результатов: если все определители являются тождествами, то решение найдено верно.

Примеры решения линейных уравнений по методу Крамера с ответами

Простое объяснение принципов решения линейных уравнений по методу Крамера и 10 наглядных примеров. В каждом примере поэтапный ход решения и ответ.

Примеры решения линейных уравнений по методу Крамера с ответами обновлено: 16 апреля, 2020 автором: Научные Статьи.Ру Помощь в написании работы

Примеры решения СЛАУ методом Крамера

Найти решение неоднородной системы линейных уравнений методом Крамера:

3 x 1 - 2 x 2 = 5 6 2 x 1 + 3 x 2 = 2

Основная матрица представлена в виде 3 - 2 2 3 .

Мы можем вычислить ее определитель по формуле:

a 11 a 12 a 21 a 22 = a 11 × a 22 - a 12 × a 21 : ∆ = 3 - 2 2 3 = 3 × 3 - ( - 2 ) × 2 = 9 + 4 = 13

Записываем определители ∆ x 1 и ∆ x 2 . Заменяем 1-ый столбец основной матрицы на столбец свободных членов и получаем определитель ∆ x 1 = 5 6 - 2 2 3

По аналогии заменяем второй столбец основной матрицы на столбец свободных членов и получаем определитель:

Находим эти определители:

∆ x 1 = 5 6 - 2 2 3 = 5 6 × 3 - 2 ( - 2 ) = 5 2 + 4 = 13 2

∆ x 2 = 3 5 6 2 2 = 3 × 2 - 5 6 × 2 = 6 - 5 3 = 13 3

Находим неизвестные переменные по следующим формулам

x 1 = ∆ x 1 ∆ , x 2 = ∆ x 2 ∆

x 1 = ∆ x 1 ∆ = 13 2 13 = 1 2

x 2 = ∆ x 2 ∆ = 3 13 = 1 3

Выполняем проверку — подставляем полученные значения переменных в в исходную систему уравнений:

3 1 2 - 2 1 3 = 5 6 2 1 2 + 3 1 3 = 2 ⇔ 5 6 = 5 6 2 = 2

Оба уравнения превращаются в тождества, поэтому решение верное.

Ответ: x 1 = 1 2 , x 2 = 1 3

Поскольку некоторые элементы системы линейных уравнений могут равняться нулю, то в системе не будет соответствующих неизвестных переменных.

Найти решение 3-х нелинейных уравнений методом Крамера с 3-мя неизвестными:

2 y + x + z = - 1 - z - y + 3 x = - 1 - 2 x + 3 z + 2 y = 5

За основную матрицу нельзя брать 2 1 1 - 1 - 1 - 3 - 2 3 2 .

Необходимо привести к общему порядку все неизвестные переменные во всех уравнениях системы:

x + 2 y + z = - 1 3 x - y - z = - 1 - 2 x + 2 y + 3 z = 5

С этого момента основную матрицу хорошо видно:

1 2 1 3 - 1 - 1 - 2 2 3

Вычисляем ее определитель:

∆ = 1 2 1 3 - 1 - 1 - 2 2 3 = 1 × ( - 1 ) × 3 + 2 × ( - 1 ) ( - 2 ) + 1 × 2 × 3 - 1 ( - 1 ) ( - 2 ) - 2 × 3 × 3 - - 1 ( - 1 ) × 2 = - 11

Записываем определители и вычисляем их:

∆ x = - 1 2 1 - 1 - 1 - 1 5 2 3 = ( - 1 ) ( - 1 ) × 3 + 2 ( - 1 ) × 5 + 1 ( - 1 ) × 2 - 1 ( - 1 ) × 5 - 2 ( - 1 ) × 3 - - 1 ( - 1 ) × 2 = 0

∆ y = 1 - 1 1 3 - 1 - 1 - 2 5 3 = 1 ( - 1 ) × 3 + ( - 1 ) ( - 1 ) ( - 2 ) + 1 × 3 × 5 - 1 ( - 1 ) ( - 2 ) - ( - 1 ) - - 1 ( - 1 ) × 2 = 22

∆ z = 1 2 - 1 3 - 1 - 1 - 2 2 5 = 1 ( - 1 ) × 5 + 2 ( - 1 ) ( - 2 ) + ( - 1 ) × 3 × 2 - ( - 1 ) ( - 1 ) ( - 2 ) - 2 × 3 × 5 - - 1 ( - 1 ) × 2 = - 33

Находим неизвестные переменные по формулам:

x = ∆ x ∆ , y = ∆ y ∆ , z = ∆ z ∆ .

x = ∆ x ∆ = 0 - 11 = 0

y = ∆ y ∆ = 22 - 11 = - 2

z = ∆ z ∆ = - 33 - 11 = 3

Выполняем проверку — умножаем основную матрицу на полученное решение 0 - 2 3 :

1 2 1 3 - 1 - 1 - 2 2 3 × 0 - 2 3 = 1 × 0 + 2 ( - 2 ) + 1 × 3 3 × 0 + ( - 1 ) ( - 2 ) + ( - 1 ) × 3 ( - 2 ) × 0 + 2 ( - 2 ) + 3 × 3 = - 1 - 1 5

Результатом являются столбцы свободных членов исходной системы уравнений, следовательно, решение верное.

Читайте также: