基础解系与极大无关组

极大无关组所含向量个数与基础解系所含向量个数问题

比如方程Ax=0，其中A为1 -1 3 -2

0 -2 -1 -4

0 0 1 0

0 0 0 0

明显A的祑为3，并且A的极大无关组含有3个向量，而定理又说齐次线性方程组Ax=0（A 为m*n矩阵）的基础解系含有N-r个解向量，但基础解系也是极大无关组啊???

齐次方程线性相关基础解系

（1）线性相关的定义：给定向量组A:a1,a2, ···,an（假设为m维）, 如果存在不全为零的数x1, x2, ···,xn , 使

x1a1+ x2a2+ ··· + xn an=0则称向量组A是线性相关.

也即

a11·x1+a12·x2+...........+a1n·xn=0

a21·x1+a22·x2+............+a2n·xn=0

............

am1·x1+am2·x2+..........+amn·xn=0

方程组有非零解

等价于A m×n X=0 有非零解等价于|A|=0（当m=n时）

（2）下面我们从齐次方程角度出发来理解，观察方程组我们注意到：

A m×n中的n在方程角度对应未知数的个数，在矩阵方面对应列向量的个数（假设A m×n 是由n个m维的列向量构成）；

而A m×n中的m在方程角度对应方程的个数，在矩阵角度对应列向量的维数

根据我们小学解方程组的经验知道，当未知数的个数等于方程的个数方程只有一解（当然这个结论不是很严格，待会儿说到）；但是当未知数的个数大于方程的个数方程就有无数解了，至于未知数个数比方程个数多多少，其无数的程度怎么样，那时候我们没有具体概念，只知道是无数个。等上了大学线性代数让我们又回归到了解方程组的问题，不过这次比小学时的规定多了些，概念也多了些。——什么秩了，自由变量，基础解系等等。

其实未知数的个数等于方程的个数方程未必只有一解，还有一类方程组，看似有m个，但通过加减消元后，只剩下s个了（通过加减不能再消了）。那么我们把这s个叫这个方程组的有效方程的个数，也即方程组的秩（也就是A的秩）。至此，我把所有的涉及的概念都说完了。

下面，转入正题

由n个m维列向量组成的矩阵A m×n

n 对应未知数的个数还对应向量的个数

m 对应方程的个数还对应向量的维数

s 对应有效方程的个数还对应矩阵（向量组）的秩

接下来看结论(对n个m维列向量组成的矩阵A m×n 或向量组A)：

结论一

当n=s时（即向量组线性无关），方程组有零解，n个未知数都能确了，没有不确定的，基础解系为0。

当n＞s时（即向量组线性相关），方程组有无数解，因为里面有n-s个未知数（也即自由变量）无法确定。而这n-s个自由变量就做了基础解系

当然n﹤s不可能，无论从向量还是方程组都可以解释。

结论二：

当向量个数大于向量维数时必相关

解释：n＞m≧s（注意方程的个数一定大于或等于有效方程的个数），所以相关

举例，由四个3维列向量组成的向量组a1,a2,a3,a4一定线性相关

当向量的维数大于或等于向量的个数时，相关性不确定：

解释：n＜m并不能说明n＜s，因为m≧s，不等号无法传递。

所以此时还要讨论m与s的大小关系来判断相关性。

结论三：

相关组添加个数仍相关（局部相关整体相关），无关组增加分量仍无关（整体无关局部无关）；理解：假设向量组A线性相关，也即矩阵A的n>s，添加个数相当于增加n，s不一定增加，最终n‘>s‘

而向量组A线性无关，则n=s，增加分量也即增加维数相当于增加m。只有减少m有可能会减少到s；若是增加m则可能增加s。但是s已经达最大值了（矩阵的秩小于等于行列中的最小数），所以不会改变s的值了。

【免费下载】线性方程组的解空间

第六章 向量空间 6.1 定义和例子 6.2 子空间 6.3 向量的线性相关性 6.4 基和维数 6.5 坐标 6.6 向量空间的同构 6.7 矩阵的秩齐次线性方程组的解空间返回教案总目录6.7矩阵的秩，齐次线性方程组的解空间一、教学思考 1、矩阵的秩与线性方程组解的理论在前面已经有过讨论，本节运用向量空间的有关理论重新认识矩阵的秩的几何意义，讨论线性方程组解的结构。2、注意：齐次线性方程组（含n 个未知量）的解的集合构成n F 的子空间，而非齐次线性方程组的解的集合非也。3、注意具体方法：1）证矩阵的行空间与列空间的维数相等；2）求齐次线性方程组的基础解系。 二、内容要求 1、内容：矩阵的秩的几何意义，齐次线性方程组的解空间。 2、要求：理解掌握矩阵的秩的几何意义，齐次线性方程组的基础解系的求法。三、教学过程 1、矩阵的秩的几何意义几个术语：设)(F M A n m ?∈，????? ??=mn m n a a a a A 1111，A 的每一行看作n F 的一个元素，叫做A 的行向量，用),2,1(m i i =α表示；由),2,1(m i i =α生成的n F 的子空间),,(1m L αα 叫做矩阵A 的行空间。 类似地，A 的每一列看作m F 的一个元素，叫做A 的列向量；由A 的n 个列向量生成的m F 的子空间叫做矩阵A 的列空间。注：)(F M A n m ?∈的行空间与列空间一般不同，分别是n F 与m F 的子空间；下证其维数相同。 引理6.7.1设)(F M A n m ?∈，1）若PA B =，P 是一个m 阶可逆矩阵，则B 与A 有相同的行空间；2）若AQ C =，Q 是一个n 阶可逆矩阵，则C 与A 有相同的列空间。分析：设()()()m m ij n m ij n m ij p P b B a A ???===,,，),2,1(m i i =α是A 的行向量，),2,1(m j j =β是B 的行向量；只需证这两组向量等价。

齐次线性方程组的基础解系(PPT)_1

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 齐次线性方程组的基础解系(PPT) 齐次线性方程组的基础解系(PPT) 齐次线性方程组的基础解 系对于齐次线性方程组a11x1a12x2a1nxn0, a12x1a22x2a2nxn0, ax ax ax0. m22mnn m11 令a11a12 a21a22 , 1 2 am1 am2 a1n a2n ,,n amn 则上述方程组即为 x1 1 x2 2 xn n 0 (*) （其中 0 为零向量）。 将（*）的解视为 n 维向量，则所有解向量构成 K 中的一个向量组，记为 S。 n 命题 S 中的元素（解向量）的线性组合仍属于 S（仍是解）。 证明只需要证明 S 关于加法与数乘封闭。 设(k1,k2,,kn),(l1,l2,,ln)S，则k11k2 2 kn n 0 l1 1 l2 2 ln n 0 于是 (k1 l1) 1 (k2 l2) 2 (kn ln) n 0 故 (k1 l1,k2 l2, ,kn ln) S；又因为k K kk1 1 kk2 2 kkn n 0 所以(kk1,kk2, ,kkn) S。 证毕。 定义（线性方程组基础解系）齐次线性方程组（*）的一组解 1 / 7

向量1, 2, , s 如果满足如下条件： （1）1, 2, , s 线性无关；（2）方程组（*）的 任一解向量都可被1, 2, , s 线性表出，那么，就称1, 2, , s 是齐次线性方程组（*）的一个基础解系。 定理数域上的齐次线性方程组的基础解系中的向量个数等于变 元个数减去系数矩阵的秩。 证明记线性方程组为 x1 1 x2 2 xn n 0 其中a11a12 a21a22 , 1 2 am1 am2 a1n a2n , , n amn 设1, 2, , n 的秩为 r，无妨设1, 2, , n 为其极大线性无关部分组， 则r 1, r 2, , n 皆可被1, 2, , r 线性 表出，即存在 kij K(1 i n r,1 j r)，使得r 1 k11 1 k1 2 2 k1r r r 2 k21 1 k22 2 k2r r n kn r1 1 kn r2 2 kn rr r, 即 ki1 1 ki2 2 kir r 1 r i 0, (i 1,2, n r)于是 S 中含 有向量1(k11,k12,,k1r,1,0,,0) 2 (k21,k22,,k2r,0,1,,0) n r(kn r1,kn r2, ,kn rr,0,0, ,1) 只需要证明1, 2, , n r 是解向量组的一个极大线性无关部分组即可。 易见，向量组1, 2, , n r 线性无关。 只需要再证明1, 2, , n r 能线性表出任意一个S 即

线性方程组的解法

线性方程组的解法 1 引言 在科学研究和大型工程设计中出现了越来越多的数学问题，而这些问题往往需要求数值解。在进行数值求解时，经离散后，常常归结为求解形如Ax= b的大型线性方程组。而如插值公式，拟合公式等的建立，微分方程差分格式的构造等，均可归结为求解线性方程组的问题．在工程技术的科学计算中，线性方程组的求解也是最基本的工作之一．因此，线性方程组的解法一直是科学和工程计算中研究最为普遍的问题，它在数值分析中占有极其重要的地位。20世纪50年代至70年代，由于电子计算机的发展，人们开始考虑和研究在计算机上用迭代法求线性方程组Ax =b的近似解，用某种极限过程去逐渐逼近精确解，并发展了许多非常有效的迭代方法，迭代法具有需要计算机存储单元少、程序设计简单、原始系数矩阵在计算过程中始终不变等优点。例如Jacobi方法、Gauss—Seidel 方法、SOR方法、SSOR 方法，这几种迭代方法是最常用的一阶线性定常迭代法。 2 主要算法 20世纪50年代至70年代，人们开始考虑和研究用迭代法求解线性方程组。 Ax = b (1) 的近似解，发展了许多有效的方法，其中有Jacobi方法、Gauss—Seidel方法，SOR方法、SSOR方法，这几种迭代方法均属一阶线性定常迭代法，即若系数矩阵A的一个分裂：A =M-N ；M 为可逆矩阵，线性方程组(1)化为： (M－N)X =b； →M X = NX + b； →X= M -1NX+ M-1b 得到迭代方法的一般公式： X（k+1）=HX（k）+d （2） 其中：H =MN-1，d=M-1b，对任意初始向量X（0） 一阶定常迭代法收敛的充分必要条件是: 迭代矩H的谱半径小于1，即ρ(H) < 1；又因为对于任何矩阵范数恒有ρ(H)≤‖H‖，故又可得到收敛的一个充分条件为：‖H‖< 1。 2.1 Jacobi迭代法 若D为A的对角素构成的对角矩阵，且对角线元素全不为零。系数矩阵A的一个分解：A =

解线性方程组的基本思想

四：基本方法 基本思路将在解题的过程中得到体现。 1．（求线性方程组的唯一解或特解），这类问题的求法分为两类：一类主要用于解低阶稠 密矩阵——直接法；一类是解大型稀疏矩阵——迭代法。 1.1利用矩阵除法求线性方程组的特解（或一个解） 方程：AX=b，解法：X=A\b，(注意此处’\’不是’/’) 例1-1 求方程组的解。 解: A = ; = ；b=(1,0,0,0,1)’ 由于>>rank(A)=5,rank( )=5 %求秩，此为R（A）=R（）>=n的情形，有唯一解。 >>X= A\b %求解X =(2.2662, -1.7218, 1.0571,-0.5940, 0.3188)’ 或用函数rref 求解，>>sv=rref(A:b);所得sv的最后一列即为所要求的解。 1．2 利用矩阵的LU、QR和cholesky分解求方程组的解 这三种分解，在求解大型方程组时很有用。其优点是运算速度快、可以节省磁盘空间、节省内存。 I) LU分解又称Gauss消去分解，可把任意方阵分解为下三角矩阵的基本变换形式（行交换）和上三角矩阵的乘积。即A=LU，L为下三角阵，U为上三角阵。 则：A*X=b 变成L*U*X=b 所以X=U\(L\b) 这样可以大大提高运算速度。命令[L，U]=lu (A) 在matlab中可以编如下通用m 文件： 在Matlab中建立M文件如下 % exp1.m A;b; [L，U]=lu (A); X=U\(L\b) II）Cholesky分解 若A为对称正定矩阵，则Cholesky分解可将矩阵A分解成上三角矩阵和其转置的乘积，即：其中R为上三角阵。 方程A*X=b 变成所以 在Matlab中建立M文件如下 % exp2.m A;b; [R’，R]=chol(A); X=R\(R’\b) III）QR分解 对于任何长方矩阵A，都可以进行QR分解，其中Q为正交矩阵，R为上三角矩阵的初等变换形 式，即：A=QR 方程A*X=b 变形成QRX=b 所以X=R\(Q\b)

直接法解线性方程组

直接法解线性方程组 实习题目： 仿照三对角方程组的追赶法解五对角方程组，其中系数矩阵为A,右端向量为：r。将A分解为LU。其中L为下三角，U为单位上三角。A为7*7阶的矩阵，其中对角元为4 5 6 7 8 9 10。上下次三角对角线元素为1 2 3 4 5 6 ；上下第二条对角线元素为1 2 3 4 5;右端项为：1 2 3 4 5 6 7. 要求：输出系数矩阵A，右端向量r,下三角矩阵L，单位上三角矩阵U,下三角矩阵Ly=b 的解向量y,单位上三角方程组Ux=y的解（即最终的解向量。保留七位小数。 实现方法：通过MATLAB编程实现。建立MATLAB脚本文件。 首先通仿照三对角方程组的追赶法得到五对角矩阵的实现算法。 然后又MATLAB编程实现。 实验结果（MATLAB截图）：

结果分析： 通过提供的计算数据得到最终的解向量x及中间过程产生的下三角矩阵L，单位上三角矩阵U,下三角矩阵Ly=b 的解向量y。 同时为了确保算法的正确性，我还通过MATLAB的左除运算检验得使用此算法的计算结果正确。 这里由于是用MATLAB，最终结果为分数形式，考虑到精确解一般比近似解更好，因此未化成七位小数形式。 算法实现分析： 首先计算L和U的元素。由于已知L和U的特定形式（及除了对角线和上下次对角线和上下第二条对角线外，其余为0。故通过矩阵的乘法即可得到LU中元素的计算公式。（具体算法见MATLAB程序） 算法优劣点：

1.解此题时看上去要用较多的存储单元，但实际上只需存储系数矩阵A的不为0的元素。 2.A分解为LU计算完成后，后续计算x和y的“追赶过程”运算量一般来说计算量比较小。 3.此题也可用之前的LU算法求解。但此处算法与一般的LU分解的解线性方程组的算法，相比计算量小了不少。 4.对于此处特定的对称的系数矩阵A，算法还可以进一步优化。 5.由于我在此算法中A.L U的各对角值均用一个列向量表示，一个缺点在于输出A，L,U时要重新组成矩阵形式。不过优点在于减少了存储单元。 6.另一缺点是，未能将结果封装成一个文件。 后附MATLAB代码： c=[4,5,6,7,8,9,10];d=[1,2,3,4,5,6,0];b=[0,1,2,3,4,5,6];e=[1,2,3,4,5,0,0];a=[0,0,1,2,3,4,5]; r=[1 2 3 4 5 6 7]; w=zeros(7,1);x=zeros(7,1);y=zeros(7,1);m=zeros(7,1);n=zeros(7,1);h=zeros(7,1); w(1)=c(1);m(1)=d(1)/c(1);n(1)=e(1)/c(1); h(2)=b(2);w(2)=c(2)-h(2)*m(1);m(2)=(d(2)-b(2)*n(1))/w(2);n(2)=e(2)/w(2); for k=3:5 h(k)=b(k)-a(k)*m(k-2); w(k)=c(k)-a(k)*n(k-2)-h(k)*m(k-1); m(k)=(d(k)-h(k)*n(k-1))/w(k); n(k)=e(k)/w(k); end h(6)=b(6)-a(6)*m(4); w(6)=c(6)-a(6)*n(4)-h(6)*m(5); m(6)=(d(6)-h(6)*n(5))/w(6); h(7)=b(7)-a(7)*m(5); w(7)=c(7)-a(7)*n(5)-h(7)*m(6); y(1)=r(1)/w(1);y(2)=(r(2)-h(2)*y(1))/w(2); for k=3:7 y(k)=(r(k)-a(k)*y(k-2)-h(k)*y(k-1))/w(k); end x(7)=y(7); x(6)=y(6)-x(7)*m(6);

解线性方程组基思想

解线性方程组基思想

————————————————————————————————作者：————————————————————————————————日期：

四：基本方法 基本思路将在解题的过程中得到体现。 1．（求线性方程组的唯一解或特解），这类问题的求法分为两类：一类主要用于解低阶稠 密矩阵——直接法；一类是解大型稀疏矩阵——迭代法。 1.1利用矩阵除法求线性方程组的特解（或一个解） 方程：AX=b，解法：X=A\b，(注意此处’\’不是’/’) 例1-1 求方程组的解。 解: A = ; = ；b=(1,0,0,0,1)’ 由于>>rank(A)=5,rank( )=5 %求秩，此为R（A）=R（）>=n的情形，有唯一解。 >>X= A\b %求解X =(2.2662, -1.7218, 1.0571,-0.5940, 0.3188)’ 或用函数rref 求解，>>sv=rref(A:b);所得sv的最后一列即为所要求的解。 1．2 利用矩阵的LU、QR和cholesky分解求方程组的解 这三种分解，在求解大型方程组时很有用。其优点是运算速度快、可以节省磁盘空间、节省内存。 I) LU分解又称Gauss消去分解，可把任意方阵分解为下三角矩阵的基本变换形式（行交换）和上三角矩阵的乘积。即A=LU，L为下三角阵，U为上三角阵。 则：A*X=b 变成L*U*X=b 所以X=U\(L\b) 这样可以大大提高运算速度。命令[L，U]=lu (A) 在matlab中可以编如下通用m 文件： 在Matlab中建立M文件如下 % exp1.m A;b; [L，U]=lu (A); X=U\(L\b) II）Cholesky分解 若A为对称正定矩阵，则Cholesky分解可将矩阵A分解成上三角矩阵和其转置的乘积，即：其中R为上三角阵。 方程A*X=b 变成所以 在Matlab中建立M文件如下 % exp2.m A;b; [R’，R]=chol(A); X=R\(R’\b) III）QR分解 对于任何长方矩阵A，都可以进行QR分解，其中Q为正交矩阵，R为上三角矩阵的初等变换形 式，即：A=QR 方程A*X=b 变形成QRX=b 所以X=R\(Q\b)

解线性方程组的直接解法

解线性方程组的直接解法 一、实验目的及要求 关于线性方程组的数值解法一般分为两大类：直接法与迭代法。直接法是在没有舍入误差的情况下，通过有限步运算来求方程组解的方法。通过本次试验的学习，应该掌握各种直接法，如：高斯列主元消去法，LU分解法和平方根法等算法的基本思想和原理，了解它们各自的优缺点及适用范围。 二、相关理论知识 求解线性方程组的直接方法有以下几种： 1、利用左除运算符直接求解 线性方程组为b x\ =即可。 A Ax=，则输入b 2、列主元的高斯消元法 程序流程图： 输入系数矩阵A，向量b，输出线性方程组的解x。 根据矩阵的秩判断是否有解，若无解停止；否则，顺序进行； 对于1 p :1- =n 选择第p列中最大元，并且交换行； 消元计算； 回代求解。（此部分可以参看课本第150页相关算法） 3、利用矩阵的分解求解线性方程组 （1）LU分解 调用matlab中的函数lu即可，调用格式如下： [L,U]=lu（A） 注意：L往往不是一个下三角，但是可以经过行的变换化为单位下三角。 （2）平方根法

调用matlab 中的函数chol 即可，调用格式如下： R=chol （A ） 输出的是一个上三角矩阵R ，使得R R A T =。 三、研究、解答以下问题 问题1、先将矩阵A 进行楚列斯基分解，然后解方程组b Ax =(即利用平方根法求解线性方程组，直接调用函数)： ??????? ??--------=19631699723723312312A ，?????? ? ??-=71636b 解答： 程序： A=[12 -3 2 1;-3 23 -7 -3;2 -7 99 -6;1 -3 -6 19]; R=chol(A) b=[6 3 -16 7]'; y=inv(R')*b %y=R'\b x=inv(R)*y %x=R\y 结果： R =3.4641 -0.8660 0.5774 0.2887 0 4.7170 -1.3780 -0.5830 0 0 9.8371 -0.7085 0 0 0 4.2514 y =1.7321 0.9540 -1.5945 1.3940 x =0.5463 0.2023 -0.1385 0.3279 问题 2、先将矩阵A 进行LU 分解，然后解方程组b Ax =（直接调用函数）： ?????????? ??----=8162517623158765211331056897031354376231A ，????????? ? ??-=715513252b

线性方程组的解空间

第六章 向量空间 6、1 定义与例子 6、2 子空间 6、3 向量的线性相关性 6、4 基与维数 6、5 坐标 6、6 向量空间的同构 6、7 矩阵的秩齐次线性方程组的解空间 返回教案总目录 6、7矩阵的秩,齐次线性方程组的解空间 一、教学思考 1、矩阵的秩与线性方程组解的理论在前面已经有过讨论,本节运用向量空间的有关理论重新认识矩阵的秩的几何意义,讨论线性方程组解的结构。 2、注意:齐次线性方程组(含n 个未知量)的解的集合构成n F 的子空间,而非齐次线性方程组的解的集合非也。 3、注意具体方法:1)证矩阵的行空间与列空间的维数相等;2)求齐次线性方程组的基础解系。 二、内容要求 1、内容:矩阵的秩的几何意义,齐次线性方程组的解空间。 2、要求:理解掌握矩阵的秩的几何意义,齐次线性方程组的基础解系的求法。 三、教学过程 1、矩阵的秩的几何意义 几个术语:设)(F M A n m ?∈,??? ? ? ??=mn m n a a a a A ΛΛΛ ΛΛ 1111,A 的每一行瞧作n F 的一个元素,叫做A 的行向量,用),2,1(m i i Λ=α表示;由),2,1(m i i Λ=α生成的n F 的子空间 ),,(1m L ααΛ叫做矩阵A 的行空间。 类似地,A 的每一列瞧作m F 的一个元素,叫做A 的列向量;由A 的n 个列向量生成的m F 的子空间叫做矩阵A 的列空间。 注:)(F M A n m ?∈的行空间与列空间一般不同,分别就是n F 与m F 的子空间;下证其维数相同。 引理6、7、1设)(F M A n m ?∈, 1)若PA B =,P 就是一个m 阶可逆矩阵,则B 与A 有相同的行空间; 2)若AQ C =,Q 就是一个n 阶可逆矩阵,则C 与A 有相同的列空间。 分析:设() ()()m m ij n m ij n m ij p P b B a A ???===,,,),2,1(m i i Λ=α就是A 的行向

齐次线性方程组基础解系

齐次线性方程组的基础解系及其应用 齐次线性方程组一般表示成AX=0的形式，其主要结论有： （1）齐次线性方程组AX=0一定有解，解惟一的含义是只有零解，有非零解的含义是解不惟一（当然有无穷多解）。有非零解的充要条件是R(A)

解线性方程组直接解法

第２章 解线性方程组的直接解法 §0 引言 11112211211222221122n n n n n n nn n n a x a x a x b a x a x a x b a x a x a x b +++=??+++=??? ?+++=?L L L L 1112121 22212112,(,,,),()n n T T n n n n nn a a a a a a A x x x x b b b a a a ??????===??? ??? ? ?L L L L L L L Ax b = 若A 非奇异，即det()0A ≠，方程组Ax b =有唯一解。由 Cramer 法则，其解 det(),1,2,,det() i i A x i n A = =L 其中i A 为用b 代替A 中第i 列所得的矩阵。当n 大时， 1n +个行列式计算量相当大，实际计算不现实。 121212(,)12det()(1)n n n i i i i i i n i i i A a a a τ=-∑L L L §1 Gauss 消去法 （I ）Gauss 消去法的例子 （1）1231123 212336 ()123315()18315() x x x E x x x E x x x E ++=??-+=??-+-=-? 2131()12(),()(18)()E E E E -?--? （2） 12312342356 ()15957()211793()x x x E x x E x x E ++=?? --=-??+=?

方程组13()()E E -与方程组145(),(),()E E E 同解 541 ()21( )()15 E E --得 （3）1231234366()15957()3() x x x E x x E x E ++=?? --=-??=? 由（3）得3 213,2,1x x x === 123(,,)(1,2,3)T T x x x = （3）的系数矩阵为11 10159001????--?????? ，上三角 矩阵。 （II ）Gauss 消去法，矩阵三角分解 Ax b = 1112 11,12122 22,112 ,1 n n n n n n nn n n a a a a a a a a A b a a a a +++????????=?????????? L M L M L L M M L M 令(1) ,1,2,,;1,2,,,1ij ij a a i n j n n ===+L L (1)(1)A b A b ??=?? ???? 第1次消去 (1) 110a ≠, 令 (1)1 1(1)11 , 2,3,,i i a l i n a ==L 作运算：11()()i i i l E E E -+→ i E 表示第i 个方程（第i 行） 2,3,,i n =L (2)(1)(1) 111110 2,3,,i i i a a l a i n =-==L

第三章 解线性方程组的直接方法

习题 3.1 1. 求下列方阵的秩： (1)??? ?? ??--340313021201;(2)????? ??----174034301320;(3)??????? ? ?---------12433023221453334 311 ;(4)??????? ??------34732038234202173132. 2. 求下列方阵的逆矩阵： (1) ?? ? ?? ? ?323513123； (2) ????? ?? ??-----1210232112201023. 3. 解下列矩阵方程 (1) 设 ???? ? ??--=????? ??--=1322 31,113122214B A ,求X 使B AX =; (2) 设 ??? ? ??-=? ???? ??---=132 321,433312120B A ,求X 使B XA =； （3） ?? ??? ??-=????? ??-=????? ??-=112510324, 123011113,1120111111C B A ,求X 使C AXB =. 4. 求下列行列式 （1）? ? ? ??? ??????71 1 0251020214214 ；（2）????????????-260523211213 141 2；（3）?? ? ???????---ef cf bf de cd bd ae ac ab ； （4） ????????????---d c b a 100110011001. 5. 判断下列线性方程组解的情况，如果有唯一解，则求出解. ???????=+++-=----=+-+=+++;01123,2532,242,5)1(432143214 3214321x x x x x x x x x x x x x x x x ? ? ???????=+=++=++=++=+;15,065,065,065,165)2(545434323212 1x x x x x x x x x x x x x (3) ? ?? ??=-++=-+-=-+-;3222, 2353, 132432143214321x x x x x x x x x x x x (4) ?????=---=--+=+++.034,0222,022432143214321x x x x x x x x x x x x 习题 3.2 1. 用回代法解上三角形线性方程组 （1）??? ????==+-=-+=++;63,3,6333,8484443432321x x x x x x x x x （2）?? ???? ?-=-=+--=+--=-+.63,1032,92,9244343242 1x x x x x x x x x 2. 用回代法解下三角形线性方程组

线性方程组解题方法技巧与题型归纳

线性方程组解题方法技巧与题型归纳 题型一 线性方程组解的基本概念 【例题1】如果α1、α2是方程组 123131233231 2104 x x ax x x x ax x --=?? -=??-++=? 的两 个不同的解向量，则a 的取值如何 解： 因为α1、α2是方程组的两个不同的解向量，故方程组有无穷多解，r(A)= r(Ab)＜3， 对增广矩阵进行初等行变换： 21131132031022352104002314510a a a a a a a ----???? ? ?-→-- ? ? ? ?-----???? 易见仅当a=-2时，r(A)= r(Ab)=2＜3， 故知a=-2。 【例题2】设A 是秩为3的5×4矩阵， α1、α2、 α3是非齐次线性方程组Ax=b 的三个不同的解，若α1+α2+2α3=（2，0，0，0）T , 3α1+α2= （2，4，6，8）T ,求方程组Ax=b 的通解。 解:因为r(A)= 3，所以齐次线性方程组Ax=0的基础解系由4- r(A)= 1个向量构成， 又因为（α1+α2+2α3）-（3α1+α2） =2（α3-α1）=（0，-4，-6，-8）T , 是Ax=0的解， 即其基础解系可以是（0，2，3，4）T , 由A （α1+α2+2α3）=Aα1+Aα2+2Aα3=4b 知1/4

（α1+α2+2α3）是Ax=b 的一个解， 故Ax=b 的通解是 ()1,0,0,00,2,3,42T T k ?? + ??? 【例题3】已知ξ1=（-9，1，2，11）T ，ξ2=（1，- 5，13，0）T ，ξ3=（-7，-9，24，11）T 是方程组 12234411223441 234432332494x a x x a x d x b x x b x x x x c x d +++=?? +++=??+++=?的三个解，求此方程组的通解。 分析：求Ax=b 的通解关键是求Ax=0的基础解系，判断r(A)的秩。 解：A 是3×4矩阵， r(A)≤3，由于A 中第2，3两行不成比例，故r(A)≥2，又因为 η1=ξ1-ξ2=（-10，6，-11，11）T , η2=ξ2-ξ3= (8,4,-11,-11)T 是Ax=0的两个线性无关的解向量， 于是4- r(A)≥2，因此r(A)=2，所以ξ1+k 1η1+k 2η2是通解。 总结： 不要花时间去求方程组，太繁琐，由于ξ1-ξ2，ξ1-ξ3或ξ3-ξ1，ξ3-ξ2等都可以构成齐次线性方程组的基础解系，ξ1，ξ2，ξ3都是特解，此类题答案不唯一。 题型2 线性方程组求解

线性方程组的平方根解法

浅析线性方程组的平方根解法 在求解线性方程组时, 直接解法有顺序高斯消元法、列主元高斯消元法、全主元高斯消元法、高斯约当消元法、消元形式的追赶法、LU分解法、矩阵形式的追赶法，当我们遇到对称正定线性方程组时，我们就要用到平方根法（对称LLT 分解法）来求解，为了熟悉和熟练运用平方根法求解线性方程组，下面对运用平方根法求解线性方程组进行解析。一、运用平方根法求解线性方程组涉及到的定理及定义 我们在运用平方根法求解线性方程组时，要判定线性方程组Ax=b 的系数矩阵A 是否是对称正定矩阵，那么我们就要了解正定矩阵的性质和如下定理及定义： 1、由线性代数知，正定矩阵具有如下性质： 1）正定矩阵A 是非奇异的 2）正定矩阵A的任一主子矩阵也必为正定矩阵 3）正定矩阵A的主对角元素均为正数 4）正定矩阵A 的特征值均大于零 5）正定矩阵A的行列式必为正数 定义一线性方程组Ax=b的系数矩阵A是对称正定矩阵，那么Ax=b是对称正定线性方程组。 定义二如果方阵A满足A=AT那么A是对称阵。 2.1.4 平方根法和改进的平方根法 如果A是n阶对称矩阵，由定理2还可得如下分解定理： 定理2若A为n阶对称矩阵，且A的各阶顺序主子式都不为零，则A可惟一分解为：A= LDLT,其中L为单位下三角阵，D为对角阵。 证明因为A的各阶顺序主子式都不为零，所以A可惟一分解为：A= LU 因为，所以可将U 分解为：

i DU i 其中D 为对角矩阵，Ui 为单位上三角阵?于是：A = LDU 仁L(DUI) 因为A 为对称矩阵，所以，A = AT = UITDTL 七U 仃(DLT),由A 的LU 分解的惟一 性即得：L = UIT,即 Ui = LT ,故 A = LDLT 工程技术中的许多实际问题所归结出的线性方程组，其系数矩阵常有对称正定 性，对于具有此类特殊性质的系数矩阵，利用矩阵的三角分解法求解是一种较好 的有效方法，这就是对称正定矩阵方程组的平方根法及改进的平方根法， 这种方 法目前在计算机上已被广泛应用。 定理3对称矩阵A 为正定的充分必要条件是A 的各阶顺序主子式大于零。 2对称正定矩阵的三角分解 定理(Cholesky 分解)设A 为n 阶对称正定矩阵，则存在惟一的主对角线元素 都是正数的下三角阵L ,使得：A = LLT 。 分解式A = LLT 称为正定矩阵的Cholesky 分解，利用Cholesky 分解来求解系数 矩阵为对称正定矩阵的方程组AX ^ b 的方法称为平方根法。 设A 为4阶对称正定矩阵，则由定理 4 知，A = LLT ，即： a ii a i2 a i3 a i4 l ii 0 0 0 l ii l 2i l 3i l 4i a 21 a 22 a 23 a 24 l 2i l 22 0 0 0 l 22 l 32 l 42 a 3i a 32 a 33 a 34 l 3i l 32 l 33 0 0 l 33 l 43 a 4i a 42 a 43 a 44 l 4i l 42 l 43 144 l 44 将右端矩阵相乘， 并令两端矩阵的元素相等， 于是不难算得矩阵 L 的元素的计算 公式为: 平方根法的计算框图见图 用平方根法求解系数矩阵对称正定的线性方程组时，计算过程是数值稳定 U ii U 22 U l2 U in U ii 1 U nn U 2n U 22 U nn

解线性方程组直解法

第２章 解线性方程组的直接解法 §0 引言 11112211211222221122n n n n n n nn n n a x a x a x b a x a x a x b a x a x a x b +++=??+++=????++ +=? 1112121 22212112,(,,,),()n n T T n n n n nn a a a a a a A x x x x b b b a a a ??????===???????? Ax b = 若A 非奇异，即det()0A ≠，方程组Ax b =有唯一解。由 Cramer 法则，其解 det(),1,2,,det()i i A x i n A == 其中i A 为用b 代替A 中第i 列所得的矩阵。当n 大时， 1n +个行列式计算量相当大，实际计算不现实。 121212(,)12det()(1)n n n i i i i i i n i i i A a a a τ=-∑ §1 Gauss 消去法 （I ）Gauss 消去法的例子 （1）1231123212336()123315()18315()x x x E x x x E x x x E ++=??-+=??-+-=-? 2131()12(),()(18)()E E E E -?--? （2） 12312342356()15957()211793()x x x E x x E x x E ++=??--=-??+=?

方程组13()()E E -与方程组145(),(),()E E E 同解 541 ()21()()15E E --得 （3）1231234366 () 15957() 3() x x x E x x E x E ++=??--=-??=? 由（3）得3213,2,1x x x === 123(,,)(1,2,3)T T x x x = （3）的系数矩阵为11 10159001?? ?? --?????? ，上三角 矩阵。 （II ）Gauss 消去法，矩阵三角分解 Ax b = 111211,1 212222,1 12,1 n n n n n n nn n n a a a a a a a a A b a a a a +++????????=?????????? 令(1) ,1,2,,;1,2,,,1 ij ij a a i n j n n ===+ (1)(1)A b A b ??=?????? 第1次消去 (1) 110a ≠, 令 (1) 1 1(1)11 ,2,3,,i i a l i n a == 作运算：11()()i i i l E E E -+→ i E 表示第i 个方程（第i 行） 2,3,,i n = (2)(1)(1) 1111102,3,,i i i a a l a i n =-==

线性方程组的解空间

第六章 向量空间 6.1 定义和例子 6.2 子空间 6.3 向量的线性相关性 6.4 基和维数 6.5 坐标 6.6 向量空间的同构 6.7 矩阵的秩齐次线性方程组的解空间 返回教案总目录 6.7矩阵的秩，齐次线性方程组的解空间 一、教学思考 1、矩阵的秩与线性方程组解的理论在前面已经有过讨论，本节运用向量空间的有关理论重新认识矩阵的秩的几何意义，讨论线性方程组解的结构。 2、注意：齐次线性方程组（含n 个未知量）的解的集合构成n F 的子空间，而非齐次线性方程组的解的集合非也。 3、注意具体方法：1）证矩阵的行空间与列空间的维数相等；2）求齐次线性方程组的基础解系。 二、内容要求 1、内容：矩阵的秩的几何意义，齐次线性方程组的解空间。 2、要求：理解掌握矩阵的秩的几何意义，齐次线性方程组的基础解系的求法。 三、教学过程 1、矩阵的秩的几何意义 几个术语：设)(F M A n m ?∈，???? ? ??=mn m n a a a a A 1111，A 的每一行看作n F 的一 个元素，叫做A 的行向量，用),2,1(m i i =α表示；由),2,1(m i i =α生成的n F 的子空间),,(1m L αα 叫做矩阵A 的行空间。 类似地，A 的每一列看作m F 的一个元素，叫做A 的列向量；由A 的n 个列向量生成的m F 的子空间叫做矩阵A 的列空间。 注：)(F M A n m ?∈的行空间与列空间一般不同，分别是n F 与m F 的子空间；下证其维数相同。 引理6.7.1设)(F M A n m ?∈， 1）若PA B =，P 是一个m 阶可逆矩阵，则B 与A 有相同的行空间； 2）若AQ C =，Q 是一个n 阶可逆矩阵，则C 与A 有相同的列空间。 分析：设()()()m m ij n m ij n m ij p P b B a A ???===,,，),2,1(m i i =α是A 的行向量，),2,1(m j j =β是B 的行向量；只需证这两组向量等价。

线性方程组求解

第三章 线性方程组 §1 消元法 一、线性方程组的初等变换 现在讨论一般线性方程组.所谓一般线性方程组是指形式为 ?? ? ?? ? ?=+++=+++=+++s n sn s s n n n n b x a x a x a b x a x a x a b x a x a x a 22112222212111212111, , (1) 的方程组，其中n x x x ,,,21 代表n 个未知量，s 是方程的个数， ),,2,1;,,2,1(n j s i a ij ==称为线性方程组的系数，) ,,2,1(s j b j =称为常数项. 方程组中未知量的个数n 与方程的个数s 不一定相等.系数ij a 的第一个指标i 表示它在第i 个方程，第二个指标j 表示它是j x 的系数. 所谓方程组(1)的一个解就是指由n 个数n k k k ,,,21 组成的有序数组 ),,,(21n k k k ，当n x x x ,,,21 分别用n k k k ,,,21 代入后，(1)中每个等式都变成恒 等式. 方程组(1)的解的全体称为它的解集合.解方程组实际上就是找出它全部的解，或者说，求出它的解集合.如果两个方程组有相同的解集合，它们就称为同解的. 显然，如果知道了一个线性方程组的全部系数和常数项，那么这个线性方程组就基本上确定了.确切地说，线性方程组(1)可以用下面的矩阵 ???? ?? ? ??s sn s s n n b a a a b a a a b a a a 21 222221111211 (2) 来表示.实际上，有了(2)之后，除去代表未知量的文字外线性方程组(1)就确定了，而采用什么文字来代表未知量当然不是实质性的.在中学所学代数里学过用加减消元法和代入消元法解二元、三元线性方程组.实际上，这个方法比用行列式解线性方程组更有普遍性.下面就来介绍如何用一般消元法解一般线性方程组. 例如，解方程组

浅析线性方程组的解法

目录 摘要................................................................................... I Abstract. ............................................................................. II 第一章绪论............................................................................ I 1.1引言 (1) 1.2线性方程组解的求解方法的研究现状 (1) 1.3本文对线性方程组解法的研究结构 (1) 第二章线性方程组理论基础 (2) 2.1 线性方程组概念 (2) 2.2 线性方程组的解的情况分析 (2) 2.3 齐次线性方程组解的结构 (4) 2.4非齐次线性方程组解的结构 (4) 第三章线性方程组的数值解 (5) 3.1 迭代法 (5) 3.1.1 Jacobi方法 (6) 3.2.2 高斯-赛德尔方法 (8) 第四章全文总结和展望 (10) 4.1 全文总结 (10) 4.2 未来展望 (10) 参考文献 (11) 致谢................................................................. 错误！未定义书签。

线性方程组的求解方法 学生：指导教师： 摘要：本文在对线性方程组解的结构的研究背景与意义分析的基础上，对线性方程组的求解方法的研究现状进行了介绍，之后针对线性方程组展开了研究，包括线性方程组的概念、线性方程组的求解方法以及线性方程组的作用等，在对线性方程组有了全面的认识后，基于线性方程组解的结构展开了研究，包括线性方程组解的基本定理，齐次和非齐次线性方程组解的结构形式，以及齐次和非齐次线性方程组解的结构，我们用迭代法中最常用的Jacobi方法中的相似上三角矩阵定理和迭代法中的收敛性讨论线性方程组的数值解法，并用高斯-赛德尔方法进行验证。得到线性方程组的数值解的一般方法。最后，对全文进行了总结和展望。 关键词：线性方程组;数值解；迭代法；Jacobi方法；高斯-赛德尔方法

第三章线性方程组与线性子空间

第三章 线性方程组 §1 §2消元法和线性方程组解的情况 1 线性方程组的初等变换 现在讨论一般线性方程组 11112211211222221122,,n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b +++=??+++=????++ += ? 其中n x x x ,,,21 代表n 个未知量，m 是方程的个数，(1,2,,;1,2,,)ij a i m j n ==称为 线性方程组的系数，(1,2, ,)j b j m =称为常数项.方程组中未知量的个数n 与方程的个数 m 不一定相等.系数ij a 的第一个指标i 表示它在第i 个方程，第二个指标j 表示它是j x 的系 数. 所谓方程组的一个解就是指由n 个数n k k k ,,,21 组成的有序数组),,,(21n k k k ，当 n x x x ,,,21 分别用n k k k ,,,21 代入后，方程组中每个等式都变成恒等式. 方程组解的全 体称为解集合. 解方程组实际上就是找出它全部的解，即：求出它的解集合. 如果两个方程组有相同的解集合，它们就称为同解的. 如果知道了一个线性方程组的全部系数和常数项，那么这个线性方程组就基本上确定了.确切地说，线性方程组(1)可以用下面的矩阵 11121121222212 n n m m mn m a a a b a a a b a a a b ?? ? ? ? ??? 来表示. 例如，解方程组 ??? ??=++=++=+-. 522,4524,132321 321321x x x x x x x x x 第二个方程组减去第一个方程的2倍，第三个方程减去第一个方程，就变成