Mini-ats102.ru

ООО “Мультилайн”
0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Методы исключения Гаусса

Данный метод относится к классу прямых методов решения системы уравнений, а это значит, что за конечное число шагов можно получить точное решение, при условии, что входные данные ( матрица и правая часть уравнения — ) заданы точно и вычисление ведется без округлений. Для получения решения требуется умножений и делений, то есть порядка операций.

Условия, при которых метод выдает точное решение, на практике не выполнимы — неизбежны как ошибки входных данных, так и ошибки округления. Тогда встает вопрос: насколько точное решение можно получить, используя метод Гаусса, насколько метод корректен? Определим устойчивость решения относительно входных параметров. Наряду с исходной системой (1) рассмотрим возмущенную систему:

Пусть введена некоторая норма . — называется числом обусловленности матрицы .

Возможны 3 случая:

Число обусловленности матрицы всегда . Если оно велико ( ) , то говорят, что матрица плохо обусловлена. В этом случае малые возмущения правых частей системы (1), вызванные либо неточностью задания исходных данных, либо вызванные погрешностями вычисления, существенно влияют на решение системы. Грубо говоря, если погрешность правых частей , то погрешность решения будет .

Проиллюстрируем полученные результаты на следующем числовом примере: Дана система

Она имеет решение .

Теперь рассмотрим возмущенную систему:

Решением такой системы будет вектор .

При совсем малом возмущении правой части получили несоизмеримо большое возмущение решения. Объяснить такую «ненадежность» решения можно тем, что матрица почти вырожденная: прямые, соответствующие двум уравнениям, почти совпадают, что видно на графике:

Геометрическое представление системы двух линейных алгебраических уравнений, которая является почти вырожденной. Прямые, соответствующие двум уравнениям, почти совпадают.

Такой результат можно было предвидеть в силу плохой обусловленностью матрицы : [1]

Вычисление является достаточно сложным, сравнимо с решением всей системы, поэтому для оценки пограшности применяются более грубые, но простые в реализации методы.

Использование метода Жордана-Гаусса на практике

Метод Жордана-Гаусса имеет широкое применение для расчета систем линейных уравнений, создания обратных матриц, изучения рангов матриц. Зачастую именно с его помощью решаются инженерные задачи с большим количеством неизвестных.

При расчете полученных из инженерно-технических задач систем уравнений, сначала выбирают самые большие за модулем переменные для минимизации погрешности, далее поочередно удаляют не нужные переменные из матрицы.

Также при расчетах инженерно-технологических задач этим методом, пользуются различными алгоритмами программирования, что дает возможность получения результатов с меньшей погрешностью.

Немного теории.

Основные определения

Система (m) линейных алгебраических уравнений с (n) неизвестными (сокращенно СЛАУ) представляет собой систему вида
( left< begin a_<11>x_1 + a_<12>x_2 + cdots + a_<1n>x_n = b_1 \ a_<21>x_1 + a_<22>x_2 + cdots + a_<2n>x_n = b_2 \ cdots \ a_x_1 + a_x_2 + cdots + a_x_n = b_m end right. tag <1>)

Уравнения системы называют алгебраическими потому, что левая часть каждого из них есть многочлен от (n) переменных ( x_1 , ldots x_n ), а линейными потому, что эти многочлены имеют первую степень.

Числа (a_ in mathbb ) называют коэффициентами СЛАУ. Их нумеруют двумя индексами: номером уравнения (i) и номером неизвестного (j). Действительные числа ( b_1 , ldots b_m ) называют свободными членами уравнений.

СЛАУ называют однородной, если ( b_1 = b_2 = ldots = b_m = 0 ). Иначе её называют неоднородной.

Решением СЛАУ, да и вообще всякой системы уравнений, называют такой набор значений неизвестных ( x_1^circ, ldots , x_n^circ ), при подстановке которых каждое уравнение системы превращается в тождество. Любое конкретное решение СЛАУ также называют её частным решением.

Решить СЛАУ — значит решить две задачи:
— выяснить, имеет ли СЛАУ решения;
— найти все решения, если они существуют.

СЛАУ называют совместной, если она имеет какие-либо решения. В противном случае её называют несовместной. Однородная СЛАУ всегда совместна, поскольку нулевой набор значений её неизвестных всегда является решением.

Читайте так же:
Можно ли заряжать чехол airpods без наушников

Если СЛАУ (1) имеет решение, и притом единственное, то её называют определенной, а если решение неединственное — то неопределенной. При (m=n), т.е. когда количество уравнений совпадает с количеством неизвестных, СЛАУ называют квадратной.

Формы записи СЛАУ

Кроме координатной формы (1) записи СЛАУ часто используют и другие её представления.

Рассматривая коэффициенты (a_) СЛАУ при одном неизвестном (x_j) как элементы столбца, а (x_j) как коэффициент, на который умножается столбец, из (1) получаем новую форму записи СЛАУ:
( begin a_ <11>\ a_ <21>\ vdots \ a_ end x_1 + begin a_ <12>\ a_ <22>\ vdots \ a_ end x_2 + ldots + begin a_ <1n>\ a_ <2n>\ vdots \ a_ end x_n = begin b_1 \ b_2 \ vdots \ b_m end )
или, обозначая столбцы соответственно ( a_1 , ldots , a_n , b ),
( x_1 a_1 + x_2 a_2 + ldots + x_n a_n = b tag <2>)

Таким образом, решение СЛАУ (1) можно трактовать как представление столбца (b) в виде линейной комбинации столбцов ( a_1, ldots, a_n ). Соотношение (2) называют векторной записью СЛАУ.

Поскольку (A ;,; X) и (B) являются матрицами, то запись СЛАУ (1) в виде (AX=B) называют матричной. Если (B=0), то СЛАУ является однородной и в матричной записи имеет вид (AX=0).

Приведенные рассуждения показывают, что задачи :
а) решения СЛАУ (1)
б) представления столбца в виде линейной комбинации данных столбцов
в) решения матричных уравнений вида (AX=B)
являются просто различной формой записи одной и той же задачи.

Критерий совместности СЛАУ

«Триединство» форм записи СЛАУ позволяет легко получить критерий совместности СЛАУ. Напомним, что содержательный смысл это понятие имеет для неоднородных СЛАУ (однородные СЛАУ всегда совместны).

Матрицу
( A = begin a_ <11>& a_ <12>& cdots & a_ <1n>\ a_ <21>& a_ <22>& cdots & a_ <2n>\ vdots & vdots & ddots & vdots \ a_ & a_ & cdots & a_ end )
называют матрицей (коэффициентов) СЛАУ (1), а матрицу
( (A|B) = left( begin a_ <11>& a_ <12>& cdots & a_ <1n>& b_1 \ a_ <21>& a_ <22>& cdots & a_ <2n>& b_2 \ vdots & vdots & ddots & vdots & vdots \ a_ & a_ & cdots & a_ & b_m end right) )
расширенной матрицей СЛАУ (1). Расширенная матрица полностью характеризует СЛАУ. Это означает, что по этой матрице однозначно (если сохранить обозначения для неизвестных) восстанавливается сама СЛАУ.

Теорема Кронекера-Капелли. Для совместности СЛАУ (AX=B) необходимо и достаточно, чтобы ранг её матрицы (A) был равен рангу её расширенной матрицы ( (A|B) ).

Формулы Крамера

Теорема. СЛАУ с квадратной невырожденной матрицей имеет решение, и притом единственное, которое определяется по формулам Крамера :
$ x_i = frac <|A|>;,quad i=overline <1,n>tag <3>$
где (Delta_i) — определитель матрицы, получающейся из матрицы (A) заменой (i)-го столбца на столбец свободных членов.

Следствие. Однородная СЛАУ с квадратной невырожденной матрицей имеет единственное решение — нулевое.

Если матрица СЛАУ не является квадратной невырожденной, то формулы Крамера не работают и приходится использовать другие методы нахождения решений.

Однородные системы

Теорема. Если столбцы ( X^<(1)>, X^<(2)>, ldots , X^ <(s)>) — решения однородной СЛАУ (AX=0), то любая их линейная комбинация также является решением этой системы.

Следствие. Если однородная СЛАУ имеет ненулевое решение, то она имеет бесконечно много решений.

Естественно попытаться найти такие решения ( X^<(1)>, ldots , X^ <(s)>) системы (AX=0), чтобы любое другое решение этой системы представлялось в виде их линейной комбинации и притом единственным образом. Оказывается, что это всегда возможно и приводит к следующему определению.

Определение. Любой набор из (k=n-r) линейно независимых столбцов, являющихся решениями однородной СЛАУ (AX=0), где (n) — количество неизвестных в системе, а (r) — ранг её матрицы (A), называют фундаментальной системой решений этой однородной СЛАУ.

Читайте так же:
Где тень в фотошопе

При исследовании и решении однородных систем линейных алгебраических уравнений будем использовать следующую терминологию. Если в матрице (A) однородной СЛАУ (AX=0) фиксировать базисный минор, то ему соответствуют базисные столбцы и, следовательно, набор неизвестных, отвечающих этим столбцам. Указанные неизвестные называют базисными, или зависимыми, а остальные неизвестные — свободными, или независимыми.

Теорема. Пусть дана однородная СЛАУ (AX=0) с (n) неизвестными и ( textA = r ). Тогда существует набор из (k=n-r) решений ( X^<(1)>, ldots , X^ <(k)>) этой СЛАУ, образующих фундаментальную систему решений.

Если в фундаментальной системе решений все значения независимых неизвестных равны нулю, кроме одного, которое равно единице, то такую систему решений называют фундаментальной нормальной системой решений.

Следствие. С помощью нормальной фундаментальной системы решений однородной СЛАУ множество всех решений можно описать формулой :
$ X = c_1X^ <(1)>+ ldots + c_kX^ <(k)>$
где постоянные ( c_i ;, quad i=overline <1,k>), принимают произвольные значения.

Следствие. Для существования ненулевого решения у однородной квадратной СЛАУ необходимо и достаточно, чтобы её матрица была вырождена.

Неоднородные системы

Рассмотрим произвольную СЛАУ (AX=B). Заменив столбец (B) свободных членов нулевым, получим однородную СЛАУ (AX=0), соответствующую неоднородной СЛАУ (AX=B). Справедливо следующее утверждение о структуре произвольного решения неоднородной СЛАУ.

Теорема. Пусть столбец (X^circ) — некоторое решение СЛАУ (AX=B). Произвольный столбец (X) является решением этой СЛАУ тогда и только тогда, когда он имеет представление (X = X^circ + Y ), где (Y) — решение соответствующей однородной СЛАУ (AY=0).

Следствие. Пусть (X’) и (X») — решения неоднородной системы (AX=B). Тогда их разность ( Y = X’ — X» ) является решением соответствующей однородной системы (AY=0).

Эта теорема сводит проблему решения СЛАУ к случаю однородной системы: чтобы описать все решения неоднородной СЛАУ, достаточно энать одно её решение (частное решение) и все решения соответствующей однородной СЛАУ.

Чтобы решить неоднородную систему, надо, во-первых, убедиться, что она совместна (например, по теореме Кронекера-Капелли), а во-вторых, найти частное решение (X^circ) этой системы, чтобы свести её к однородной системе.

Теорема о структуре общего решения СЛАУ. Пусть (X^circ) — частное решение СЛАУ (AX=B) и известна фундаментальная система решений ( X^<(1)>, ldots , X^ <(k)>) соответствующей однородной системы (AX=0). Тогда любое решение СЛАУ (AX=B) можно представить в виде $ X = X^circ + c_1 X^ <(1)>+ c_2 X^ <(2)>+ ldots + c_k X^ <(k)>$
где ( c_i in mathbb ;, quad i=overline <1,k>).
Эту формулу называют общим решением СЛАУ.

Метод Гаусса

Ме́тод Га́усса — классический метод решения системы линейных алгебраических уравнений (СЛАУ). Назван в честь немецкого математика Карла Фридриха Гаусса. Это метод последовательного исключения переменных, когда с помощью элементарных преобразований система уравнений приводится к равносильной системе треугольного вида, из которой последовательно, начиная с последних (по номеру), находятся все переменные системы [1] .

Хотя в настоящее время данный метод повсеместно называется методом Гаусса, он был известен и до К. Ф. Гаусса. Первое известное описание данного метода — в китайском трактате «Математика в девяти книгах». [2]

Пусть исходная система выглядит следующим образом:

Её можно записать в матричном виде:

Тогда, согласно свойству элементарных преобразований над строками, основную матрицу этой системы можно привести к ступенчатому виду (эти же преобразования нужно применять к столбцу свободных членов):

При этом будем считать, что базисный минор (ненулевой минор максимального порядка) основной матрицы находится в верхнем левом углу, то есть в него входят только коэффициенты при переменных x j 1 , … , x j r >,ldots ,x_>> [3] .

Перенесём свободные переменные за знаки равенств и поделим каждое из уравнений системы на свой коэффициент при самом левом x ( α i j i , i = 1 , … , r >,,i=1,ldots ,r> , где i — номер строки):

Читайте так же:
Можно ли восстановить удаленные сообщения в телеграмме

где i = 1 , … , r , k = i + 1 , … , n .

Если свободным переменным системы (2) придавать все возможные значения и решать новую систему относительно главных неизвестных снизу вверх (то есть от нижнего уравнения к верхнему), то мы получим все решения этой СЛАУ. Так как эта система получена путём элементарных преобразований над исходной системой (1), то по теореме об эквивалентности при элементарных преобразованиях системы (1) и (2) эквивалентны, то есть множества их решений совпадают.

2: Если количество переменных в системе превосходит число уравнений, то такая система является либо неопределённой, либо несовместной.

Критерий совместности

Напомним, что рангом совместной системы называется ранг её основной матрицы (либо расширенной, так как они равны).

  • Количество главных переменных равно рангу системы и не зависит от её решения.
  • Если ранг совместной системы равен числу переменных данной системы, то она определена.

Алгоритм

Блок-схема представлена на рисунке. Данный рисунок адаптированный для написания программы на языке С/С++, где a — расширенная матрица, последний столбец в которой — столбец свободных членов. Количество строк — n.

Описание

Алгоритм решения СЛАУ методом Гаусса подразделяется на два этапа.

  • На первом этапе осуществляется так называемый прямой ход, когда путём элементарных преобразований над строками систему приводят к ступенчатой или треугольной форме, либо устанавливают, что система несовместна. Для этого среди элементов первого столбца матрицы выбирают ненулевой, перемещают содержащую его строку в крайнее верхнее положение, делая эту строку первой. Далее ненулевые элементы первого столбца всех нижележащих строк обнуляются путём вычитания из каждой строки первой строки, домноженной на отношение первого элемента этих строк к первому элементу первой строки. После того, как указанные преобразования были совершены, первую строку и первый столбец мысленно вычёркивают и продолжают, пока не останется матрица нулевого размера. Если на какой-то из итераций среди элементов первого столбца не нашёлся ненулевой, то переходят к следующему столбцу и проделывают аналогичную операцию.
  • На втором этапе осуществляется так называемый обратный ход, суть которого заключается в том, чтобы выразить все получившиеся базисные переменные через небазисные и построить фундаментальную систему решений, либо, если все переменные являются базисными, то выразить в численном виде единственное решение системы линейных уравнений. Эта процедура начинается с последнего уравнения, из которого выражают соответствующую базисную переменную (а она там всего одна) и подставляют в предыдущие уравнения, и так далее, поднимаясь по «ступенькам» наверх. Каждой строчке соответствует ровно одна базисная переменная, поэтому на каждом шаге, кроме последнего (самого верхнего), ситуация в точности повторяет случай последней строки.

Этот метод опирается на:

Теорема (о приведении матриц к ступенчатому виду).
Любую матрицу путём элементарных преобразований только над строками можно привести к ступенчатому виду.

Простейший случай

В простейшем случае алгоритм выглядит так:

  • Прямой ход:
  • Обратный ход. Из последнего ненулевого уравнения выражаем базисную переменную через небазисные и подставляем в предыдущие уравнения. Повторяя эту процедуру для всех базисных переменных, получаем фундаментальное решение.

Пример

Покажем, как методом Гаусса можно решить следующую систему:

В результате мы привели исходную систему к треугольному виду, тем самым закончив первый этап алгоритма.

На втором этапе разрешим полученные уравнения в обратном порядке. Имеем:

Таким образом исходная система решена.

В случае, если число уравнений в совместной системе получилось меньше числа неизвестных, то тогда ответ будет записываться в виде фундаментальной системы решений.

Читайте так же:
Где найти линейку в ворде 2007

Помимо аналитического решения СЛАУ, метод Гаусса также применяется для:

  • нахождения матрицы, обратной к данной (к матрице справа приписывается единичная такого же размера, что и исходная: [ A | E ] , после чего A приводится к виду единичной матрицы методом Гаусса—Жордана; в результате на месте изначальной единичной матрицы справа оказывается обратная к исходной матрица: [ E | A − 1 ] ]> );
  • определения ранга матрицы (согласно следствию из теоремы Кронекера—Капеллиранг матрицы равен числу её главных переменных);
  • численного решения СЛАУ в технических приложениях (для уменьшения погрешности вычислений используется Метод Гаусса с выделением главного элемента, суть которого заключена в том, чтобы на каждом шаге в качестве главной переменной выбирать ту, при которой среди оставшихся после вычёркивания очередных строк и столбцов стоит максимальный по модулю коэффициент).
  • Для матриц ограниченного размера менее трудоёмкий по сравнению с другими методами.
  • Позволяет однозначно установить, совместна система или нет, и если совместна, найти её решение.
  • Позволяет найти максимальное число линейно независимых уравнений — ранг матрицы системы [4] .

Метод Гаусса для плохо обусловленных матриц коэффициентов является вычислительно неустойчивым. Например, для матриц Гильберта метод приводит к очень большим ошибкам даже при небольшой размерности этих матриц. Уменьшить вычислительную ошибку можно с помощью метода Гаусса с выделением главного элемента, который является условно устойчивым [5] . Широкое применение метода Гаусса связано с тем, что плохо обусловленные матрицы встречаются на практике относительно редко.

В 1969 году Штрассен доказал, что большие матрицы можно перемножить за время O ( n log 2 ⁡ 7 ) = O ( n 2 , 81 ) <7>>)=O(n^<2<,>81>)> [6] . Отсюда вытекает, что обращение матриц и решение СЛАУ можно осуществлять алгоритмами асимптотически более быстрыми по порядку, чем метод Гаусса. Таким образом, для больших СЛАУ метод Гаусса не оптимален по скорости.

Метод Гаусса — Жордана

Такой метод решения системы линейных уравнений упрощает решение в два раза. По сути, способ Гаусса можно использовать не переходя к матрице. То есть работать с уравнениями. Например, даны три равенства:

4s1 + 3s2 — 2s3 = 4,

s 1 + 2s2 + s3 = 8,

3s1 + 2s2 + s3 = 10.

Переписать простое уравнение

Сначала нужно переписать простое уравнение с первым коэффициентом, равняющимся единице: s + 2s2 + s3 = 8. Теперь понадобится исключить s1 из оставшихся выражений. Делается это путём умножения уравнений на -4 и сложением их с переписанным. Тогда во второй строчке уберётся s1. Аналогично можно сделать для третьего уравнения, только умножать его нужно на -3. Далее, таким же образом нужно будет избавиться от второй переменной.

Но для наглядности проще, конечно же, использовать матричный метод. После элементарных преобразований получится система вида :

Теперь используется способ последовательной подстановки. Вместо s3 во второе уравнение подставляют число три: s2 = 7/2 — 3/2 = 2. Зная s2 и s3, вычисляют s1.

В методе же Жордана последовательную подстановку не используют. После того как матрица примет нужный вид, продолжают исключать переменные, пока не останется только одна:

Для этого третью строку умножают на ½ и складывают со второй, а затем находят разность третьей и первой строки. Тут умножение не нужно, так как первый член единичный. В итоге получится:

Где 1, 2, 3 – искомые корни.

Следует отметить, что метод для системы нелинейных уравнений не подходит. Для гибридного решения используют графический метод, основанный на нахождении координат точек пересечения.

Реализация алгоритма на языке программирования C# [ | ]

Помимо аналитического решения СЛАУ, метод Гаусса также применяется для:

  • нахождения матрицы, обратной к данной (к матрице справа приписывается единичная такого же размера, что и исходная: [ A | E ] , после чего A приводится к виду единичной матрицы методом Гаусса—Жордана; в результате на месте изначальной единичной матрицы справа оказывается обратная к исходной матрица: [ E | A − 1 ] ]> );
  • определения ранга матрицы (согласно следствию из теоремы Кронекера—Капеллиранг матрицы равен числу её главных переменных);
  • численного решения СЛАУ в технических приложениях (для уменьшения погрешности вычислений используется Метод Гаусса с выделением главного элемента, суть которого заключена в том, чтобы на каждом шаге в качестве главной переменной выбирать ту, при которой среди оставшихся после вычёркивания очередных строк и столбцов стоит максимальный по модулю коэффициент).

Решение СЛУ методом Гаусса в Excel:

В тексте будет предлагаться ввести в диапазон ячеек формулу вида: <=A1:B3+$C$2:$C$3>и т.п., это так-называемые «формулы массива». Microsoft Excel автоматически заключает ее в фигурные скобки ( < >). Для введения такого типа формул необходимо выделить весь диапазон, куда нужно вставить формулу, в первой ячейке ввести формулу без фигурных скобок (для примера выше – =A1:B3+$C$2:$C$3) и нажать Ctrl+Shift+Enter.
Пускай имеем систему линейных уравнений:
Система линейных уравнений

Метод Гаусса (Excel): Шаг первый

1. Запишем коэффициенты системы уравнений в ячейки A1:D4 а столбец свободных членов в ячейки E1:E4. Если в ячейке A1 находится 0, необходимо поменять строки местами так, чтоб в этой ячейке было отличное от ноля значение. Для большей наглядности можно добавить заливку ячеек, в которых находятся свободные члены.

2. Необходимо коэффициент при x1 во всех уравнениях кроме первого привести к 0. Для начала сделаем это для второго уравнения. Скопируем первую строку в ячейки A6:E6 без изменений, в ячейки A7:E7 необходимо ввести формулу: <=A2:E2-$A$1:$E$1*(A2/$A$1)>. Таким образом мы от второй строки отнимаем первую, умноженную на A2/$A$1, т.е. отношение первых коэффициентов второго и первого уравнения. Для удобства заполнения строк 8 и 9 ссылки на ячейки первой строки необходимо использовать абсолютные (используем символ $).

Метод Гаусса (Excel): Шаг второй

3. Копируем введенную формулу формулу в строки 8 и 9, таким образом избавляемся от коэффициентов перед x1 во всех уравнениях кроме первого.

Метод Гаусса (Excel): Шаг третий

4. Теперь приведем коэффициенты перед x2 в третьем и четвертом уравнении к 0. Для этого скопируем полученные 6-ю и 7-ю строки (только значения) в строки 11 и 12, а в ячейки A13:E13 введем формулу <=A8:E8-$A$7:$E$7*(B8/$B$7)>, которую затем скопируем в ячейки A14:E14. Таким образом реализуется разность строк 8 и 7, умноженных на коэффициент B8/$B$7. Не забываем проводить перестановку строк, чтоб избавиться от 0 в знаменателе дроби.

Метод Гаусса (Excel): Шаг четвертый

5. Осталось привести коэффициент при x3 в четвертом уравнении к 0, для этого вновь проделаем аналогичные действия: скопируем полученные 11, 12 и 13-ю строки (только значения) в строки 16-18, а в ячейки A19:E19 введем формулу <=A14:E14-$A$13:$E$13*(C14/$C$13)>. Таким образом реализуется разность строк 14 и 13, умноженных на коэффициент C14/$C$13. Не забываем проводить перестановку строк, чтоб избавиться от 0 в знаменателе дроби.

Метод Гаусса (Excel): Шаг пятый

6. Прямая прогонка методом Гаусса завершена. Обратную прогонку начнем с последней строки полученной матрицы. Необходимо все элементы последней строки разделить на коэффициент при x4. Для этого в строку 24 введем формулу <=A19:E19/D19>.

Метод Гаусса (Excel): Шаг шестой

7. Приведем все строки к подобному виду, для этого заполним строки 23, 22, 21 следующими формулами:

23: <=(A18:E18-A24:E24*D18)/C18>– отнимаем от третьей строки четвертую умноженную на коэффициент при x4 третьей строки.

22: <=(A17:E17-A23:E23*C17-A24:E24*D17)/B17>– от второй строки отнимаем третью и четвертую, умноженные на соответствующие коэффициенты.

21: <=(A16:E16-A22:E22*B16-A23:E23*C16-A24:E24*D16)/A16>– от первой строки отнимаем вторую, третью и четвертую, умноженные на соответствующие коэффициенты.

Метод Гаусса (Excel): Шаг седьмой

Результат (корни уравнения) вычислены в ячейках E21:E24.

голоса
Рейтинг статьи
Ссылка на основную публикацию
Adblock
detector