Для обратной матрицы существует уместная аналогия с обратным числом. Для каждого числа a , не равного нулю, существует такое число b , что произведение a и b равно единице: ab = 1 . Число b называется обратным для числа b . Например, для числа 7 обратным является число 1/7, так как 7*1/7=1.

Обратной матрицей , которую требуется отыскать для данной квадратной матрицы А , называется такая матрица

произведение на которую матрицы А справа является единичной матрицей, т.е,
. (1)

Единичной матрицей называется диагональная матрица, у которой все диагональные элементы равны единице.

Нахождение обратной матрицы - задача, которая чаще решается двумя методами:

• методом алгебраических дополнений, при котором требуется находить определители и транспонировать матрицы;
• методом исключения неизвестных Гаусса, при котором требуется производить элементарные преобразования матриц (складывать строки, умножать строки на одно и то же число и т. д.).

Для особо любознательных существуют и другие методы, например, метод линейных преобразований. На этом уроке разберём три упомянутых метода и алгоритмы нахождения обратной матрицы этими методами.

Теорема. Для каждой неособенной (невырожденной, несингулярной) квадратной матрицы можно найти обратную матрицу, и притом только одну. Для особенной (вырожденной, сингулярной) квадратной матрицы обратная матрица не существует.

Квадратная матрица называется неособенной (или невырожденной , несингулярной ), если её определитель не равен нулю, и особенной (или вырожденной , сингулярной ), если её определитель равен нулю.

Обратная матрица может быть найдена только для квадратной матрицы. Естественно, обратная матрица также будет квадратной и того же порядка, что и данная матрица. Матрица, для которой может быть найдена обратная матрица, называется обратимой матрицей.

Нахождение обратной матрицы методом исключения неизвестных Гаусса

Первый шаг для нахождения обратной матрицы методом исключения неизвестных Гаусса - приписать к матрице A единичную матрицу того же порядка, отделив их вертикальной чертой. Мы получим сдвоенную матрицу . Умножим обе части этой матрицы на , тогда получим

,

Алгоритм нахождения обратной матрицы методом исключения неизвестных Гаусса

1. К матрице A приписать единичную матрицу того же порядка.

2. Полученную сдвоенную матрицу преобразовать так, чтобы в левой её части получилась единичная матрица, тогда в правой части на месте единичной матрицы автоматически получится обратная матрица. Матрица A в левой части преобразуется в единичную матрицу путём элементарных преобразований матрицы.

2. Если в процессе преобразования матрицы A в единичную матрицу в какой-либо строке или в каком-либо столбце окажутся только нули, то определитель матрицы равен нулю, и, следовательно, матрица A будет вырожденной, и она не имеет обратной матрицы. В этом случае дальнейшее нахождение обратной матрицы прекращается.

Пример 2. Для матрицы

найти обратную матрицу.

и будем её преобразовывать, так чтобы в левой части получилась единичная матрица. Начинаем преобразования.

Умножим первую строку левой и правой матрицы на (-3) и сложим её со второй строкой, а затем умножим первую строку на (-4) и сложим её с третьей строкой, тогда получим

.

Чтобы по возможности не было дробных чисел при последующих преобразованиях, создадим предварительно единицу во второй строке в левой части сдвоенной матрицы. Для этого умножим вторую строку на 2 и вычтем из неё третью строку, тогда получим

.

Сложим первую строку со второй, а затем умножим вторую строку на (-9) и сложим её с третьей строкой. Тогда получим

.

Разделим третью строку на 8, тогда

.

Умножим третью строку на 2 и сложим её со второй строкой. Получается:

.

Переставим местами вторую и третью строку, тогда окончательно получим:

.

Видим, что в левой части получилась единичная матрица, следовательно, в правой части получилась обратная матрица . Таким образом:

.

Можно проверить правильность вычислений, умножим исходную матрицу на найденную обратную матрицу:

В результате должна получиться обратная матрица.

онлайн калькулятора для нахождения обратной матрицы .

Пример 3. Для матрицы

найти обратную матрицу.

Решение. Составляем сдвоенную матрицу

и будем её преобразовывать.

Первую строку умножаем на 3, а вторую на 2, и вычитаем из второй, а затем первую строку умножаем на 5, а третью на 2 и вычитаем из третьей строки, тогда получим

.

Первую строку умножаем на 2 и складываем её со второй, а затем из третьей строки вычитаем вторую, тогда получим

.

Видим, что в третьей строке в левой части все элементы получились равными нулю. Следовательно, матрица вырожденная и обратной матрицы не имеет. Дальнейшее нахождение обратной марицы прекращаем.

Проверить решение можно с помощью

АЛГЕБРАИЧЕСКИЕ ДОПОЛНЕНИЯ И МИНОРЫ

Пусть имеем определитель третьего порядка: .

Минором , соответствующим данному элементу a ij определителя третьего порядка, называется определитель второго порядка, полученный из данного вычёркиванием строки и столбца, на пересечении которых стоит данный элемент, т.е. i -ой строки и j -го столбца. Миноры соответствующие данному элементу a ij будем обозначать M ij .

Например , минором M 12 , соответствующим элементу a 12 , будет определитель , который получается вычёркиванием из данного определителя 1-ой строки и 2-го столбца.

Таким образом, формула, определяющая определитель третьего порядка, показывает, что этот определитель равен сумме произведений элементов 1-ой строки на соответствующие им миноры; при этом минор, соответствующий элементу a 12 , берётся со знаком “–”, т.е. можно записать, что

.

(1)

Аналогично можно ввести определения миноров для определителей второго порядка и высших порядков.

Введём ещё одно понятие.

Алгебраическим дополнением элемента a ij определителя называется его минор M ij , умноженный на (–1) i+j .

Алгебраическое дополнение элемента a ij обозначается A ij .

Из определения получаем, что связь между алгебраическим дополнением элемента и его минором выражается равенством A ij = (–1) i+j M ij .

Например,

Пример. Дан определитель . Найти A 13 , A 21 , A 32 .

Легко видеть, что используя алгебраические дополнения элементов, формулу (1) можно записать в виде:

Аналогично этой формуле можно получить разложение определителя по элементам любой строки или столбца.

Например, разложение определителя по элементам 2-ой строки можно получить следующим образом. Согласно свойству 2 определителя имеем:

Разложим полученный определитель по элементам 1-ой строки.

.

(2)

Отсюда т.к. определители второго порядка в формуле (2) есть миноры элементов a 21 , a 22 , a 23 . Таким образом, , т.е. мы получили разложение определителя по элементам 2-ой строки.

Аналогично можно получить разложение определителя по элементам третьей строки. Используя свойство 1 определителей (о транспонировании), можно показать, что аналогичные разложения справедливы и при разложении по элементам столбцов.

Таким образом, справедлива следующая теорема.

Теорема (о разложении определителя по заданной строке или столбцу). Определитель равен сумме произведений элементов какой–либо его строки (или столбца) на их алгебраические дополнения.

Всё вышесказанное справедливо и для определителей любого более высокого порядка.

Примеры.

ОБРАТНАЯ МАТРИЦА

Понятие обратной матрицы вводится только для квадратных матриц .

Если A – квадратная матрица, то обратной для неё матрицей называется матрица, обозначаемая A -1 и удовлетворяющая условию . (Это определение вводится по аналогии с умножением чисел)

Похожие на обратные по многим свойствам.

Энциклопедичный YouTube

1 / 5

✪ Обратная матрица (2 способа нахождения)

✪ Как находить обратную матрицу - bezbotvy

✪ Обратная матрица #1

✪ Решение системы уравнений методом обратной матрицы - bezbotvy

✪ Обратная Матрица

Субтитры

Свойства обратной матрицы

• det A − 1 = 1 det A {\displaystyle \det A^{-1}={\frac {1}{\det A}}} , где det {\displaystyle \ \det } обозначает определитель .
• (A B) − 1 = B − 1 A − 1 {\displaystyle \ (AB)^{-1}=B^{-1}A^{-1}} для двух квадратных обратимых матриц A {\displaystyle A} и B {\displaystyle B} .
• (A T) − 1 = (A − 1) T {\displaystyle \ (A^{T})^{-1}=(A^{-1})^{T}} , где (. . .) T {\displaystyle (...)^{T}} обозначает транспонированную матрицу.
• (k A) − 1 = k − 1 A − 1 {\displaystyle \ (kA)^{-1}=k^{-1}A^{-1}} для любого коэффициента k ≠ 0 {\displaystyle k\not =0} .
• E − 1 = E {\displaystyle \ E^{-1}=E} .
• Если необходимо решить систему линейных уравнений , (b - ненулевой вектор) где x {\displaystyle x} - искомый вектор, и если A − 1 {\displaystyle A^{-1}} существует, то x = A − 1 b {\displaystyle x=A^{-1}b} . В противном случае либо размерность пространства решений больше нуля, либо их нет вовсе.

Способы нахождения обратной матрицы

Если матрица обратима, то для нахождения обратной матрицы можно воспользоваться одним из следующих способов:

Точные (прямые) методы

Метод Гаусса-Жордана

Возьмём две матрицы: саму A и единичную E . Приведём матрицу A к единичной матрице методом Гаусса-Жордана применяя преобразования по строкам (можно также применять преобразования и по столбцам, но не в перемешку). После применения каждой операции к первой матрице применим ту же операцию ко второй. Когда приведение первой матрицы к единичному виду будет завершено, вторая матрица окажется равной A −1 .

При использовании метода Гаусса первая матрица будет умножаться слева на одну из элементарных матриц Λ i {\displaystyle \Lambda _{i}} (трансвекцию или диагональную матрицу с единицами на главной диагонали, кроме одной позиции):

Λ 1 ⋅ ⋯ ⋅ Λ n ⋅ A = Λ A = E ⇒ Λ = A − 1 {\displaystyle \Lambda _{1}\cdot \dots \cdot \Lambda _{n}\cdot A=\Lambda A=E\Rightarrow \Lambda =A^{-1}} . Λ m = [ 1 … 0 − a 1 m / a m m 0 … 0 … 0 … 1 − a m − 1 m / a m m 0 … 0 0 … 0 1 / a m m 0 … 0 0 … 0 − a m + 1 m / a m m 1 … 0 … 0 … 0 − a n m / a m m 0 … 1 ] {\displaystyle \Lambda _{m}={\begin{bmatrix}1&\dots &0&-a_{1m}/a_{mm}&0&\dots &0\\&&&\dots &&&\\0&\dots &1&-a_{m-1m}/a_{mm}&0&\dots &0\\0&\dots &0&1/a_{mm}&0&\dots &0\\0&\dots &0&-a_{m+1m}/a_{mm}&1&\dots &0\\&&&\dots &&&\\0&\dots &0&-a_{nm}/a_{mm}&0&\dots &1\end{bmatrix}}} .

Вторая матрица после применения всех операций станет равна Λ {\displaystyle \Lambda } , то есть будет искомой. Сложность алгоритма - O (n 3) {\displaystyle O(n^{3})} .

С помощью матрицы алгебраических дополнений

Матрица, обратная матрице A {\displaystyle A} , представима в виде

A − 1 = adj (A) det (A) {\displaystyle {A}^{-1}={{{\mbox{adj}}(A)} \over {\det(A)}}}

где adj (A) {\displaystyle {\mbox{adj}}(A)} - присоединенная матрица ;

Сложность алгоритма зависит от сложности алгоритма расчета определителя O det и равна O(n²)·O det .

Использование LU/LUP-разложения

Матричное уравнение A X = I n {\displaystyle AX=I_{n}} для обратной матрицы X {\displaystyle X} можно рассматривать как совокупность n {\displaystyle n} систем вида A x = b {\displaystyle Ax=b} . Обозначим i {\displaystyle i} -ый столбец матрицы X {\displaystyle X} через X i {\displaystyle X_{i}} ; тогда A X i = e i {\displaystyle AX_{i}=e_{i}} , i = 1 , … , n {\displaystyle i=1,\ldots ,n} ,поскольку i {\displaystyle i} -м столбцом матрицы I n {\displaystyle I_{n}} является единичный вектор e i {\displaystyle e_{i}} . другими словами, нахождение обратной матрицы сводится к решению n уравнений с одной матрицей и разными правыми частями. После выполнения LUP-разложения (время O(n³)) на решение каждого из n уравнений нужно время O(n²), так что и эта часть работы требует времени O(n³) .

Если матрица A невырождена, то для неё можно рассчитать LUP-разложение P A = L U {\displaystyle PA=LU} . Пусть P A = B {\displaystyle PA=B} , B − 1 = D {\displaystyle B^{-1}=D} . Тогда из свойств обратной матрицы можно записать: D = U − 1 L − 1 {\displaystyle D=U^{-1}L^{-1}} . Если умножить это равенство на U и L то можно получить два равенства вида U D = L − 1 {\displaystyle UD=L^{-1}} и D L = U − 1 {\displaystyle DL=U^{-1}} . Первое из этих равенств представляет собой систему из n² линейных уравнений для n (n + 1) 2 {\displaystyle {\frac {n(n+1)}{2}}} из которых известны правые части (из свойств треугольных матриц). Второе представляет также систему из n² линейных уравнений для n (n − 1) 2 {\displaystyle {\frac {n(n-1)}{2}}} из которых известны правые части (также из свойств треугольных матриц). Вместе они представляют собой систему из n² равенств. С помощью этих равенств можно реккурентно определить все n² элементов матрицы D. Тогда из равенства (PA) −1 = A −1 P −1 = B −1 = D. получаем равенство A − 1 = D P {\displaystyle A^{-1}=DP} .

В случае использования LU-разложения не требуется перестановки столбцов матрицы D но решение может разойтись даже если матрица A невырождена.

Сложность алгоритма - O(n³).

Итерационные методы

Методы Шульца

{ Ψ k = E − A U k , U k + 1 = U k ∑ i = 0 n Ψ k i {\displaystyle {\begin{cases}\Psi _{k}=E-AU_{k},\\U_{k+1}=U_{k}\sum _{i=0}^{n}\Psi _{k}^{i}\end{cases}}}

Оценка погрешности

Выбор начального приближения

Проблема выбора начального приближения в рассматриваемых здесь процессах итерационного обращения матриц не позволяет относиться к ним как к самостоятельным универсальным методам, конкурирующими с прямыми методами обращения, основанными, например, на LU-разложении матриц. Имеются некоторые рекомендации по выбору U 0 {\displaystyle U_{0}} , обеспечивающие выполнение условия ρ (Ψ 0) < 1 {\displaystyle \rho (\Psi _{0})<1} (спектральный радиус матрицы меньше единицы), являющегося необходимым и достаточным для сходимости процесса. Однако при этом, во-первых, требуется знать сверху оценку спектра обращаемой матрицы A либо матрицы A A T {\displaystyle AA^{T}} (а именно, если A - симметричная положительно определённая матрица и ρ (A) ≤ β {\displaystyle \rho (A)\leq \beta } , то можно взять U 0 = α E {\displaystyle U_{0}={\alpha }E} , где ; если же A - произвольная невырожденная матрица и ρ (A A T) ≤ β {\displaystyle \rho (AA^{T})\leq \beta } , то полагают U 0 = α A T {\displaystyle U_{0}={\alpha }A^{T}} , где также α ∈ (0 , 2 β) {\displaystyle \alpha \in \left(0,{\frac {2}{\beta }}\right)} ; можно конечно упростить ситуацию и, воспользовавшись тем, что ρ (A A T) ≤ k A A T k {\displaystyle \rho (AA^{T})\leq {\mathcal {k}}AA^{T}{\mathcal {k}}} , положить U 0 = A T ‖ A A T ‖ {\displaystyle U_{0}={\frac {A^{T}}{\|AA^{T}\|}}} ). Во-вторых, при таком задании начальной матрицы нет гарантии, что ‖ Ψ 0 ‖ {\displaystyle \|\Psi _{0}\|} будет малой (возможно, даже окажется ‖ Ψ 0 ‖ > 1 {\displaystyle \|\Psi _{0}\|>1} ), и высокий порядок скорости сходимости обнаружится далеко не сразу.

Примеры

Матрица 2х2

Невозможно разобрать выражение (синтаксическая ошибка): {\displaystyle \mathbf{A}^{-1} = \begin{bmatrix} a & b \\ c & d \\ \end{bmatrix}^{-1} = \frac{1}{\det(\mathbf{A})} \begin& \!\!-b \\ -c & \,a \\ \end{bmatrix} = \frac{1}{ad - bc} \begin{bmatrix} \,\,\,d & \!\!-b\\ -c & \,a \\ \end{bmatrix}.}

Обращение матрицы 2х2 возможно только при условии, что a d − b c = det A ≠ 0 {\displaystyle ad-bc=\det A\neq 0} .

Пусть имеется квадратная матрица n-го порядка

Матрица А -1 называется обратной матрицей по отношению к матрице А, если А*А -1 = Е, где Е — единичная матрица n-го порядка.

Единичная матрица — такая квадратная матрица, у которой все элементы по главной диагонали, проходящей от левого верхнего угла к правому нижнему углу, — единицы, а остальные — нули, например:

Обратная матрица может существовать только для квадратных матриц т.е. для тех матриц, у которых число строк и столбцов совпадают.

Теорема условия существования обратной матрицы

Для того чтобы матрица имела обратную матрицу необходимо и достаточно, чтобы она была невырожденной.

Матрица А = (А1, А2,...А n) называется невырожденной , если векторы-столбцы являются линейно независимыми. Число линейно независимых векторов-столбцов матрицы называется рангом матрицы . Поэтому можно сказать, что для того, чтобы существовала обратная матрица, необходимо и достаточно, чтобы ранг матрицы равнялся ее размерности, т.е. r = n.

Алгоритм нахождения обратной матрицы

1. Записать в таблицу для решения систем уравнений методом Гаусса матрицу А и справа (на место правых частей уравнений) приписать к ней матрицу Е.
2. Используя преобразования Жордана, привести матрицу А к матрице, состоящей из единичных столбцов; при этом необходимо одновременно преобразовать матрицу Е.
3. Если необходимо, то переставить строки (уравнения) последней таблицы так, чтобы под матрицей А исходной таблицы получилась единичная матрица Е.
4. Записать обратную матрицу А -1 , которая находится в последней таблице под матрицей Е исходной таблицы.

Пример 1

Для матрицы А найти обратную матрицу А -1

Решение: Записываем матрицу А и справа приписываем единичную матрицу Е. Используя преобразования Жордана, приводим матрицу А к единичной матрице Е. Вычисления приведены в таблице 31.1.

Проверим правильность вычислений умножением исходной матрицы А и обратной матрицы А -1 .

В результате умножения матриц получилась единичная матрица. Следовательно, вычисления произведены правильно.

Ответ:

Решение матричных уравнений

Матричные уравнения могут иметь вид:

АХ = В, ХА = В, АХВ = С,

где А,В,С — задаваемые матрицы, Х- искомая матрица.

Матричные уравнения решаются с помощью умножения уравнения на обратные матрицы.

Например, чтобы найти матрицу из уравнения , необходимо умножить это уравнение на слева.

Следовательно, чтобы найти решение уравнения , нужно найти обратную матрицу и умножить ее на матрицу , стоящие в правой части уравнения.

Аналогично решаются другие уравнения.

Пример 2

Решить уравнение АХ = В, если

Решение : Так как обратная матрица равняется (см. пример 1)

Матричный метод в экономическом анализе

Наряду с другими в находят применение также матричные методы . Эти методы базируются на линейной и векторно-матричной алгебре. Такие методы применяются для целей анализа сложных и многомерных экономических явлений. Чаще всего эти методы используются при необходимости сравнительной оценки функционирования организаций и их структурных подразделений.

В процессе применения матричных методов анализа можно выделить несколько этапов.

На первом этапе осуществляется формирование системы экономических показателей и на ее основе составляется матрица исходных данных , которая представляет собой таблицу, в которой по ее отдельным строкам показываются номера систем (i = 1,2,....,n) , а по вертикальным графам — номера показателей (j = 1,2,....,m) .

На втором этапе по каждой вертикальной графе выявляется наибольшее из имеющихся значений показателей, которое и принимается за единицу.

После этого все суммы, отраженные в данной графе делят на наибольшее значение и формируется матрица стандартизированных коэффициентов .

На третьем этапе все составные части матрицы возводят в квадрат. Если они имеют различную значимость, то каждому показателю матрицы присваивается определенный весовой коэффициент k . Величина последнего определяется экспертным путем.

На последнем, четвертом этапе найденные величины рейтинговых оценок R j группируются в порядке их увеличения или уменьшения.

Изложенные матричные методы следует использовать, например, при сравнительном анализе различных инвестиционных проектов, а также при оценке других экономических показателей деятельности организаций.

1. Находим определитель исходной матрицы. Если , то матрица- вырожденная и обратной матрицыне существует. Если, то матрицаневырожденная и обратная матрица существует.

2. Находим матрицу , транспонированную к.

3. Находим алгебраические дополнения элементов и составляем из них присоединенную матрицу.

4. Составляем обратную матрицу по формуле .

5. Проверяем правильность вычисления обратной матрицы , исходя из ее определения:.

Пример. Найти матрицу, обратную данной: .

Р е ш е н и е.

1) Определитель матрицы

.

2) Находим алгебраические дополнения элементов матрицы и составляем из них присоединенную матрицу :

3) Вычисляем обратную матрицу:

,

4) Проверяем:

№4 Ранг матрицы. Линейная независимость строк матрицы

Для решения и исследования ряда математических и прикладных задач важное значение имеет понятие ранга матрицы.

В матрице размеромвычеркиванием каких-либо строк и столбцов можно вычленить квадратные подматрицы-го порядка, где. Определители таких подматриц называютсяминорами -го порядка матрицы .

Например, из матриц можно получить подматрицы 1, 2 и 3-го порядка.

Определение. Рангом матрицы называется наивысший порядок отличных от нуля миноров этой матрицы. Обозначение:или.

Из определения следует:

1) Ранг матрицы не превосходит меньшего из ее размеров, т.е..

2) тогда и только тогда, когда все элементы матрицы равны нулю, т.е..

3) Для квадратной матрицы n-го порядка тогда и только тогда, когда матрица- невырожденная.

Поскольку непосредственный перебор всех возможных миноров матрицы , начиная с наибольшего размера, затруднителен (трудоемок), то пользуются элементарными преобразованиями матрицы, сохраняющими ранг матрицы.

Элементарные преобразования матрицы:

1) Отбрасывание нулевой строки (столбца).

2) Умножение всех элементов строки (столбца) на число .

3) Изменение порядка строк (столбцов) матрицы.

4) Прибавление к каждому элементу одной строки (столбца) соответствующих элементов другой строки (столбца), умноженных на любое число.

5) Транспонирование матрицы.

Определение. Матрица , полученная из матрицыпри помощи элементарных преобразований, называется эквивалентной и обозначаетсяА В .

Теорема. Ранг матрицы не изменяется при элементарных преобразованиях матрицы.

С помощью элементарных преобразований можно привести матрицу к так называемому ступенчатому виду, когда вычисление ее ранга не представляет труда.

Матрица называется ступенчатой если она имеет вид:

Очевидно, что ранг ступенчатой матрицы равен числу ненулевых строк , т.к. имеется минор-го порядка, не равный нулю:

.

Пример. Определить ранг матрицы с помощью элементарных преобразований.

Ранг матрицы равен количеству ненулевых строк, т.е. .

№5Линейная независимость строк матрицы

Дана матрица размера

Обозначим строки матрицы следующим образом:

Две строки называются равными , если равны их соответствующие элементы. .

Введем операции умножения строки на число и сложение строк как операции, проводимые поэлементно:

Определение. Строка называется линейной комбинацией строкматрицы, если она равна сумме произведений этих строк на произвольные действительные числа(любые числа):

Определение. Строки матрицы называютсялинейно зависимыми , если существует такие числа , не равные одновременно нулю, что линейная комбинация строк матрицы равна нулевой строке:

Где . (1.1)

Линейная зависимость строк матрицы обозначает, что хотя бы 1 строка матрицы является линейной комбинацией остальных.

Определение. Если линейная комбинация строк (1.1) равна нулю тогда и только тогда, когда все коэффициенты , то строкиназываютсялинейно независимыми .

Теорема о ранге матрицы . Ранг матрицы равен максимальному числу ее линейно независимых строк или столбцов, через которые линейно выражаются все остальные строки (столбцы).

Теорема играет принципиальную роль в матричном анализе, в частности, при исследовании систем линейных уравнений.

№6 Решение системы линейных уравнений снеизвестными

Системы линейных уравнений находят широкое применение в экономике.

Система линейных уравнений спеременными имеет вид:

,

где () - произвольные числа, называемыекоэффициентами при переменных и свободными членами уравнений , соответственно.

Краткая запись: ().

Определение. Решением системы называется такая совокупность значений , при подстановке которых каждое уравнение системы обращается в верное равенство.

1) Система уравнений называется совместной , если она имеет хотя бы одно решение, и несовместной , если она не имеет решений.

2) Совместная система уравнений называется определенной , если она имеет единственное решение, и неопределенной , если она имеет более одного решения.

3) Две системы уравнений называются равносильными (эквивалентными ) , если они имеют одно и то же множество решений (например, одно решение).