第四章_线性代数方程组的解法

合集下载

线性代数第四章齐次线性方程组

线性代数第四章齐次线性方程组

上页
下页
返回
(3)设X (c1 , c2 , , cr , k1 , k2 , , knr )T 是方程组 的任意解,则X k1 X1 k2 X 2 knr X nr (d1 , d 2 , , d r ,0,0, ,0)T 是齐次方程组的解,代入BX = 0,得
b11 b12
同理,分别将xr1 ,
xr2 ,
,
x

n
值(0,1,
,0),
,
(0,0, ,1)代入BX = 0,求出(4.2)的解
X 2 (c12 , c22 , , cr 2 ,0,1, ,0)T ;
X nr (c1,nr , c2,nr , , cr ,nr ,0,0, ,1)T ;
上页
下页
返回
(1) X1, X 2 , , X nr是AX = 0的解; (2)考虑k1 X1 k2 X 2 knr X nr 0,即
b1n b2n
AB 0
0
0 0
brr 0
br ,r 1 0
brn 0
0
0
0
0
0
上页
下页
返回
将未知量xr1 , xr2 , BX = 0,去掉0= 0的等式,
移项得线性方程组
b11 0
b12 b22
(l1 , l2 , , lr , k1 , k2 , , knr )T (0,0, ,0,0, ,0)T ,
nr
其中li k jcij ,( j 1,2, , n r;i 1,2, , r) j 1
有k1 0, k2 0, , knr 0, 故X1, X 2 , , X nr线性无关。
0
1
x1 2x2 3x3 0

高等数学线性代数线性方程组教学ppt(4)

高等数学线性代数线性方程组教学ppt(4)

1.2 高斯消元法
对线性方程组消元的三种变换(统称为线性方程组 的初等变换):
(1)交换方程组中某两个方程的位置; (2)以非零常数k乘以方程组中某个方程; (3)用数k乘以方程组中某个方程后加到另一个方程 上去.
定理1 线性方程组经过初等变换后得到的新方程组 与原方程组同解.
例1
解线性方程组
R( A) n;
(2)若R(A) n 1,则 A 0, AA* A E O,
由例5知:R( A) R( A*) n, R( A*) n R( A) n (n 1) 1, 即R( A*) 1.
另一方面,由于R(A) n 1, 因此A存在n 1阶非零子式,即A* O, 从而R( A*) 1.
R( A*) 1;
任一解都可以表示为
x 0 k11 knrnr ,
其中k1, , knr R. 即,当R(A) R(A | b)时,有
Ax b的通解
Ax b的一个特解 Ax 0的通解.
行阶梯形矩阵对应的方程组,叫行阶梯 形方程组;
行阶梯形方程组中,每个方程的第一个 未知量称为主未知量(主变量),其余变量叫 自由未知量(自由变量);
用消元法解线性方程组,就是用初等行 变换将方程组的增广矩阵化为行阶最简形, 得到的行阶梯方程组与原方程组同解.
例2 求解非齐次方程组的通解
x1 x1
3.设0是Ax b的某个解(称为特解),则Ax b 的任一个解向量都可表示成0与对应的 Ax 0的解之和,即有
0 .
证 :由于 0 ( 0 ),记 0,由性质1知 是导出组Ax 0的解,则 0 .
故只要 取遍Ax 0的全部解, 0 就取遍了 Ax b的所有解.
三、Ax b解的结构定理 定理4 若Ax b有解,1, ,nr是对应的Ax 0 的基础解系,0是Ax b的一个特解,则Ax b的

线性方程组的解法

线性方程组的解法

线性方程组的解法线性方程组是数学中常见的问题,它可以用于描述多个未知数之间的关系。

解决线性方程组的问题是求解未知数的具体取值,从而得到方程组的解。

本文将介绍几种常见的解线性方程组的方法。

一、高斯消元法高斯消元法是解决线性方程组的经典方法之一。

它通过矩阵变换的方式,将线性方程组转化为一个三角矩阵,从而简化求解过程。

以下是高斯消元法的步骤:1. 将线性方程组写成增广矩阵的形式,其中最后一列为常数项。

2. 选取一个非零元素作为主元,在当前列中将主元素所在的行作为第一行,然后通过初等行变换将其他行的主元素变为0。

3. 重复第2步,直到所有的主元素都变成1,并且每个主元素所在的列的其他元素都变为0。

4. 反向代入,从最后一行开始,依次回代求解未知数的值。

二、矩阵的逆矩阵法矩阵的逆矩阵法是利用矩阵的逆矩阵来求解线性方程组。

以下是逆矩阵法的步骤:1. 对于线性方程组Ax=b,如果矩阵A可逆,将方程组两边同时左乘A的逆矩阵AI,得到x=A^(-1)b。

2. 通过求解矩阵A的逆矩阵来得到未知数向量x的值。

3. 如果矩阵A不可逆,那么线性方程组没有唯一解,可能有无穷多解或者无解。

三、克拉默法则克拉默法则是另一种解决线性方程组的方法,它利用行列式的性质来求解未知数的值。

以下是克拉默法则的步骤:1. 对于线性方程组Ax=b,令|A|=D,其中D表示矩阵A的行列式。

2. 分别计算将矩阵A的第i列替换为常数列b所得到的行列式|A_i|。

3. 未知数向量x的第i个分量可以通过x_i = |A_i|/D来得到。

克拉默法则的优点是简单直观,但是当方程组的规模很大时,计算行列式将变得非常复杂。

四、矩阵的广义逆法矩阵的广义逆法是一种应对方程组无解或者有无穷多解的情况的方法。

对于线性方程组Ax=b,如果矩阵A不可逆,我们可以通过求解广义逆矩阵A^+来得到一个特解x_0。

1. 分别计算A^+ = (A^T·A)^(-1)·A^T和x_0 = A^+·b。

第四章线性方程组的求解

第四章线性方程组的求解
(行 系 数 i,k ) l
1.2.2
For j=k+1,…, n
aij- aik akj aij(新) bi - aik bk bi (新)
*常用|akk|≤
步骤 2. 步骤 3.
bn /ann xn For k=n-1,…,1 3.1 3.2
(回代)
bk s For j=k+1,…,n
b1( 0 ) (1) b2 (1) bn
注意:若a11(0) =0,因为 det(A)0,在A的第1列元素中至 少有某ai1(0) 0将i行与第1行交换,再作第1步 。
(0 a11 ) 假定已完成k-1步消元, ( 0) ( 0) ( A( k 1) , b( k 1) ) ( A ,b ) (0 a12 ) (1 a22)
迭代法:从一个初始向量出发,按照一定的迭代格 式,构造出一个趋向于真解的无穷序列。
举例
x 2 x2 2 x3 2 例:直接法解线性方程组 1 2 x1 3 x2 3 x3 4 4 x1 x2 6 x3 3
1 2 2 2 ( A, b) 2 3 3 4 4 1 6 3 2 2 1 2 0 1 7 8 0 0 61 61
解:
2 2 1 2 0 1 7 8 0 9 2 11
x3 1 x2 8 7 x3 1 x1 2 2x2 2x3 2
第四章 解线性方程组的直接法
a11 x1 a12 x 2 a1n x n b1 a x a x a x b 21 1 22 2 2n n 2 a n1 x1 a n 2 x 2 a nn x n bn

线性代数第四章4-5节课件

线性代数第四章4-5节课件

后n-r列
x1 - b11 xr +1 - b12 xr + 2 x -b x - b x 2 21 r + 1 22 r + 2 xr - br 1 xr +1 - br 2 xr + 2 -
- b1,n- r xn , - b2,n- r xn , - br ,n - r xn .
方法1:先求出通解,再从通解求得基础解系.
1 -2 1 0 -3 4 1 2 r A 2 3 0 -1 ~ 0 1 2 -3 1 -1 -5 7 0 0 0 0
x1 - 3 x3 + 4 x4 0 x 2 + 2 x 3 - 3 x4 0
:线性方程组的解的判定
1. 包含 n 个未知数的齐次线性方程组 Ax = 0 有非零解的充 分必要条件是系数矩阵的秩 R(A) < n . 2. 包含 n 个未知数的非齐次线性方程组 Ax = b 有解的充分 必要条件是系数矩阵的秩 R(A) = R(A, b),并且 当R(A) = R(A, b) = n时,方程组有唯一解;
因为
方程组的任意一个解都可以表示为x1, x2 的线性组合.
x1, x2 的四个分量不成比例,所以 x1, x2 线性无关. 所以x1, x2 是原方程组的基础解系.
方法2:先求出基础解系,再写出通解.
1 -2 1 0 -3 4 1 2 r A 2 3 0 -1 ~ 0 1 2 -3 1 -1 -5 7 0 0 0 0

把 Ax = 0 的全体解组成的集合记作 S,若求得 S 的一个 最大无关组S0:x = x1, x = x2, ...,, x = xt ,那么Ax = 0 的

(完整版)线性代数第四章线性方程组(自考经管类原创)

(完整版)线性代数第四章线性方程组(自考经管类原创)
第四章 线性方程组
知识结构
线性方程组
齐次线性方程组 非齐次线性方程组
4.1 齐次线性方程组
2
1.齐次线性方程组的解
设有齐次线性方程组
a11x1 a12 x2 a1n xn 0
a21 x1
a22 x2 a2n xn
0
am1 x1 am2 x2 amn xn 0
求齐次线性方程组通解的方法
(1)将系数矩阵A进行初等行变为行最简形矩阵T (2)写出Ax=0的同解方程组Tx=0 (3)确定自由未知量(n-r个),并用自由未知量表示其他未知量 (4)依次令其中某个自由未知量为1,其他自由未知量为0,求相 应的特殊解,那么基础解系即为所有特殊解的全体 (5)特殊解的线性组合即为通解,此处写明组合系数为任意实数
下面给出非齐次线性方程组解的性质
(1)设x 1及x 2都是Ax b的解,则x 1 2为对应的齐次方程Ax 0的解.
证明 A1 b, A2 b
A1 2 b b 0.
即x 1 2满足方程Ax 0.
(2) 设x 是方程 Ax b的解, x 是方程 Ax 0的解,则x 仍是方程 Ax b 的解.
a21x1 LLL
a22 x2 LLL
L L
L
a2n xn LLL
b2 L
am1x1 am2 x2 L amn xn bm
简写成矩阵形式AX=b,其中
a11 a12
A
a21
a22
am1 am2
a1n
a2n
,
amn
x1
x
x2
xn
b1
b
b2
例1 判断t为何值时,方程组无解
-x1 4x2 x3 1 tx2 3x3 3

线性代数方程组的解法

线性代数方程组的解法

说明:线性方程组的初等变换是可逆的。 即,方程组(1)经初等变换化为一个新方 程组,那么新方程组也可以经过初等变换还 原为原方程组(1)。因而,方程组(1)与 它经过若干此初等变换之后得到的新方程组 是同解的。
⎧ a11 x1 + a12 x 2 + L + a1n x n = b1 ⎪ a x + a x + L+ a x = b ⎪ 21 1 22 2 2n n 2 ⎨ ⎪ LLLLLLLLLLLL ⎪a m 1 x1 + a m 2 x 2 + L + a mn x n = bm ⎩
L a1n ⎞ ⎟ L a2 n ⎟ L L⎟ ⎟ L amn ⎟ ⎠
矩阵A的 (m , n)元
这m × n个数称为 A的元素 , 简称为元素 (元 ).
元素是实数的矩阵称为实矩阵, 元素是复数的矩阵称为复矩阵.
例如
⎛ 1 0 3 5⎞ ⎟ 是一个 2 × 4 实矩阵, ⎜ ⎝ − 9 6 4 3⎠ ⎛ 1⎞ ⎜ ⎟ ⎜ 2⎟ ⎜ 4⎟ ⎝ ⎠
问题:是否每个矩阵都可以经过初等行变换化 为梯矩阵呢? 定理1 任意m × n矩阵A总可以经初等行变换化为梯
矩阵及最简形。
证明 Step1 若A的元全为0, A已经是一个阶梯矩阵。
Step2 设非零矩阵A的第 j1 列是自左而右的第 一个非零列,设 a1 j ≠ 0 (否则,若 a ij1 非零,作 行变换 r1 ↔ ri ,总可使第j1列的第一个元非零), 矩阵A的各行分别作行变换:

同理可得
−2 −2 1 1 −2 1 0 1 − 3 = −10, −1
D1 = 1 0
1
1 1
− 3 = −5, D2 = 2 −1 −1 1 = −5, 0

线性方程组的解法

线性方程组的解法

线性方程组的解法作为一个线性代数主题,线性方程组的解法是一个非常重要的领域。

在本文中,我们将介绍几种解决线性方程组问题的方法。

我们将从初等变换、高斯消元法、矩阵展开式等几个方面来深入探讨。

一、初等变换初等变换往往是解决线性方程组问题的起点。

我们可以对方程组进行一些基本的操作来得到一个简化的等价方程组,从而方便我们去寻找方程组的解,初等变换主要包括三种操作:1.交换方程组中的两个方程的位置。

2.将某个方程的倍数加到另一个方程上。

3.用一个非零常数来乘某个方程。

执行初等变换时,我们必须记住每个变换对解x的影响。

在交换方程x 和y 的位置时,它们的解不变,而在加上一只方程的某个倍数时,系数矩阵和右侧向量也会随之改变,但解不变。

用一个非零常数乘以方程只会改变右侧向量,同时系数矩阵也会改变。

二、高斯消元法高斯消元法是解决线性方程组问题的另一种方法。

该方法通过使用矩阵增广形式来解决线性方程组问题。

具体步骤如下:1. 将线性方程组写成增广矩阵的形式,其中右侧向量位于最后一列。

2. 使用初等变换来将增广矩阵化为行梯阵形式。

行梯阵是矩阵的形式,其中每一行从左侧开始的第一个非零元素称为主元(pivot),每个主元下方的元素均为零。

3. 从最后一行开始,使用回带算法来求得线性方程组的解。

高斯消元法对于小规模的线性方程组可以轻松解决。

但是,在大规模问题上,该方法可能会产生误差或需要很长时间才能找到解决方案。

三、克拉默法则克拉默法则是解决线性方程组问题的第三种方法。

该方法的关键在于将解决方案表示为每个未知数的一个比值。

这个比值是通过计算每个未知数对其余所有未知数的系数行列式比率而得到的。

这个方法的好处在于消去解方程组所需要的系数矩阵增广形式和行梯阵形式的需要。

但是,如果有许多未知数,计算每个比率可能会非常繁琐。

另外,如果有两个或更多个未知数系数具有相同的值,则克拉默法则计算行列式比率会失败。

四、矩阵展开式最后,我们来看一下使用矩阵展开式来解决线性方程组问题的方法。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

考虑 一般n 阶线性方程组:
x ... 1a n xn 1 b a11 x 1 a 1 2 2 x ... 2a n xn 2 b 矩阵形式 a21 x 1 a 2 2 2 an1 x1 an 2 x 2 ... ann x n bn
a 2n b 2 a 3n b 3
(3)
(3)
a nn b n
(3)
3 ) ≠0 ,则此消去过程可依次进行下去。 若 a( 33
第 n 1 步消去过程后, 得到等价三角方程组。
A
(n)
x b
(n)
(1) (1) (1) a 11 x1 a 12 x 2 a 13 x 3 (2) (2) a 23 x 3 a 22 x 2 (3) a 33 x 3
1、优点: 公式简明,容易程序化
2、缺点: 第k次消元时, 必须 a kk ≠ 0 , 且当
a kk 0 时 ,误差很大, 数值不稳定
(p35 N-S图)
第三节 GAUSS列主元消去法
一、高斯消去法的缺点
在简单的高斯消去法中,如果遇到 a(k)kk =0,
则消去过程就会中断,如果a(k)kk ≠ 0 ,但

a a a
1n ( 2) 2n

( 2) n2 ( 2) nn
b ,b b
(2)
(1)
1 ( 2) 2
b
(1) i1
( 2) n
这里
a
(2) ij
aij mi1 a1 j
(1)
m a a
i1
(1)
11
第二步消元: 若
a
a a a a
(2) 22
0 ,对除第一行第一列外
直接法:在假定没有舍入误差的情况下,经过有限次 运算可以求得方程组的精确解;(快速有效)
迭代法:从一个初始向量出发,按照一定的迭代格 式,构造出一个趋向于真解的无穷序列(节省内存)。
第二节 高斯消去法
高斯消去法是解线性方程组最常用的方法之一,
它的基本思想是通过逐步消元,把方程组化为系数矩
阵为三角形矩阵的同解方程组,然后用回代法解此三
1 2 2 2 ( A, b) 2 3 3 4 4 1 6 3 2 2 1 2 0 1 7 8 0 0 61 61
解:
2 2 1 2 0 1 7 8 0 9 2 1 1
x3 1 x2 8 7 x3 1 x1 2 2x2 2x3 2
Ax b
高斯消去法的主要思路:
将系数矩阵 A 经过消元过程化为上三角矩阵,然后回代 求解。
=
即:
a11 x1 a12 x2 ... a1n xn b1 a21 x1 a22 x2 ... a2n xn b2 an1 x1 an2 x2 ... ann xn bn
讨论第K次消元,得到消元公式 第K次消元目的:aik(k)=0 (i=k+1….n), 设akk(k) ≠ 0 ,为使aik(k)=0 (i=k+1….n)选取适当因子M使 aik(k)- M akk(k) =0 可求出 M = aik(k)/ akk(k) 第i个方程其他系数的变化为 ( Ri aij(k+1) = aij(k) – M. akj(k) ( i= k+1….n , j=k+1…..n+1) - M.Rk )
第四章 线性代数方程组的解法
引言 高斯消去法 高斯列主元消去法 矩阵分解法 向量和矩阵范数 解线性代数方程组的迭代法
第一节 引言
快速、高效地求解线性方程组是数值线性代数研究中 的核心问题,也是目前科学计算中的重大研究课题之一。 各种各样的科学和工程问题,往往最终都要归结为求 解一个线性方程组。 线性方程组的数值解法有:直接法和迭代法。
所以,第K次消元时(后)(K=1….n-1)
消元因子: M = aik(k)/ akk(k) ( i= k+1,n ) 系数变化:
① aij(k+1) = aij(k) (i≤ k)
② aij(k+1) = aij(k) - M. akj(k) (i>k , j=k+1…n+1) 最后得到:
[A(n) | b(n)] (n-1 次消元后)其增广矩阵为:

的子阵作上计算:
a A
( 3)
(1)
11
0 0 0
a a
(1)
(1)
12 ( 2) 22
13 ( 2) 23 ( 3) 33 ( 3) n3
(2)
0 0
(2)
a a a a
i2
(1)
1n ( 2) 2n ( 3) 3n ( 3) nn
(2) (2) 22
,b
(3)
b b b b
其绝对值很小时,在高斯消去法中,因为M
= aik(k)/ akk(k) ,所以不是因为M数值过大,就 是舍入误差过大,与实际的解相差很远。
零主元或小主元问题
例如:求解下列方程组
0.0030x1 59.14x2 59.17 5.291x1 6.130x2 46.78
此方程组的准确解为:x1=10.00;x2=1.00 下面采用高斯消去法解方程组(取四位有效数字), 消元后得-1043x2=-1044,则x2=1.001. 将x2代入第一个方程中,得 x1=-9.713 显而易见,利用高斯消去法得到的结果与精确解相差太悬殊了 从求解过程可以看出,在第一种解法中,乘以的系数为 m=5.291/0.0030
a11 0 0 0
a12 a
( 2) 22
a13 a a
( 2) 23 ( 3) 33

a1n
( 2) 2n ( 3) 3n
a a
0 0
a
0

(n) nn
b1 ( 2) b2 ( 3) b3 (n) bn
回代: Xn= ann+1(n)/ann(n) 编程时,
为节省内存将Xn放在a nn+1(n)
同理X i 放在 a in+1(i) 第i次回代公式(i=n-1…..1) Xi(即a in+1(i))=(a in+1(i) )/aii(i)
二、算法描述
1、消元
对k=1…..n-1
消元因子: C= aik(k)/ akk(k) ( i= k+1….n )
(1)
1 ( 2) 2 ( 3) 3 ( 3) n



a
b
(3) ij
a ij mi2a 2 j
b i b 2 mi 2
(2) (2)
m a a
i2
(3) i
i, j
3, 4,
,n
每步消元,先计算系数,然后计算矩阵新元素及右端项
得到同解方程组
( 3 ) ( 3 ) x = b A
如果将两个方程互换,再采用高斯消去法解方程组
5.291x1 6.130x2 46.78 0.0030x1 59.14x2 59.17
消元后得59.14x2=59.14,则x2=1.000
将x2代入第一个方程中,得 x1=10.000
此时,利用高斯消去法得到的结果与精确解一致。
a 1n x n b 1
(2) (3)
(1)
(1) (2)
a 2n x n b 2 a 3n x n b 3
(3)
a x b
nn n
(n)
(n) n
系数矩阵与常数项:
(1) a 11 0 (n) A 0 0
a a a a 0 a
12 (2) 22

) (第n行) (第一行) a(n1 1
a → ( 新第n行 )
11
(1)
相当于第i个方程-第一个方程×数→新的第i方程 同解!第一方程不动!
上述消元过程除第一个方程不变以外,第2—第 n
个方程全消去了变量 1,而系数和常数项全得到新值:
(1) (1) (1) a 11 x1 a 12 x 2 a 13 x 3 (2) (2) a 23 x 3 a 22 x 2 (2) (2) a 32 x 2 a 33 x 3 (2) (2) a n3 x 3 a n2 x 2
对方程组,作如下的变换,解不变 ①交换两个方程的次序 ②一个方程的两边同时乘以一个非0的数 ③一个方程的两边同时乘以一个非0数,加到另一个方程 因此,对应的对增广矩阵(A,b),作如下的变换,解不变。 ①交换矩阵的两行
②某一行乘以一个非0的数
③某一行乘以一个非0数,加到另一行
举例(一)
x1 2 x2 2 x3 2 例:直接法解线性方程组 2 x1 3 x2 3 x3 4 4 x1 x2 6 x3 3
从求解过程可以看出,在第一种解法中,乘以的系数为 m=5.291/0.0030,第二种解法中,乘以的系数为 m=0.0030/5.291。我们希望m尽量小,希望主元尽可能大, 就有了列主元消去法(按列)。
二、列主元消去法
a1n b1
(2) (3) (1) (1) (2)
(1) (1) (1) a11 x1 a12 x 2 a13 x 3 (2) (2) a 23 x 3 a 22 x 2 (3) a 33 x 3 (3) a x n 3 3
系数变化:
① aij(k+1) = aij(k) (i≤ k) ② aij(k+1) = aij(k) - C. akj(k) ( i > k , j=k+1,…,n+1 )
相关文档
最新文档