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 =
非齐次线性方程组同解的讨论 摘要 本文主要讨论两个非齐次线性方程组有相同解的条件，即如何判定这两个非齐次线性方程组有相同的解. 关键词 非齐次线性方程组 同解 陪集 零空间 引言 无论是解齐次线性方程组，还是解非齐次线性方程组.所用的方法都是消元法，即对其系数矩阵或增广矩阵施以行的初等变换，而得到比较简单的同解方程组.用矩阵理论来说，就是系数矩阵或增广矩阵左乘以可逆矩阵后所得线性方程组与原线性方程组据有相同的解.这仅为问题的一面，而问题的反面是，如果两个非齐次线性方程组同解，则它们的系数矩阵或增广矩阵之间是否存在一个可逆矩阵？答案是肯定的，此即是本文主要解决的问题。 下面是一个非齐次线性方程组，我们用矩阵的形式写出 11121121222212n n m m mn m a x a x a x b a x a x a x b a x a x a x b +++=??+++=????+++=? 令 A= 111212122212n n m m mn a a a a a a a a a ???????????? ，b= 12m b b b ???????????? 。 即非齐次线性方程组可写成Ax b =。 一 、线性方程组同解的性质 引理 1 如果非齐次线性方程组Ax b =与Bx d =同解，则矩阵[]A b 与[]B d 的秩相等. 证明 设非齐次线性方程组Ax b =的导出组的基础解系为111,,,r ξξξ ，其中1 r 为矩阵[]A b 的秩，再设非齐次线性方程组Bx=d 的导出组的基础解系为 2 12,,,r ηηη ，其中2r 为矩阵[]B d 的秩，如果*η是非齐次线性方程组Ax=b 与Bx=d 特解，由于这两个方程组同解，所以向量组1*11,,,,r ξξξη 与向量组2*12,,,,r ηηηη 等价。从而这两个线性无关的向量组所含的向量个数相等，于是有12,r r =则矩阵[]A b 与[]B d 的秩相等. 引理[1]2 设A 、B 为m n ?矩阵，则齐次线性方程组0Ax =与0Bx =同解的充
习题3 3-1．求下列齐次线性方程组的通解： （1）?? ? ??=--=--=+-087305302z y x z y x z y x . 解 对系数矩阵施行行初等变换，得 ???? ? ??-----?→?????? ??-----=144072021 1873153211A )(000720211阶梯形矩阵B =???? ? ??-?→? ??? ?? ??-?→?0002720211)(000271021101行最简形矩阵C =????? ? ???→? ， 与原方程组同解的齐次线性方程组为 ??? ??? ?=+=+02702 11 z y z x ， 即 ??? ??? ?-=-=z y z x 272 11（其中z 是自由未知量）， 令1=z ，得到方程组的一个基础解系 T )1,2 7,211(-- =ξ, 所以，方程组的通解为
,)1,2 7,211(T k k -- =ξk 为任意常数． （2）??? ??=+++=+++=++++0 86530543207224321 432154321x x x x x x x x x x x x x . 解 对系数矩阵施行行初等变换，得 ???? ? ??--?→?????? ??=21202014101072211086530543272211A )(7000014101072211阶梯形矩阵B =????? ??-?→? ???? ? ??-?→?70000141010211201 )(100000101001201行最简形矩阵C =???? ? ???→?， 与原方程组同解的齐次线性方程组为 ??? ??==+=++00 025 42431x x x x x x ， 即 ??? ??=-=--=025 4 2431x x x x x x （其中43,x x 是自由未知量）， 令34(,)T x x =(1,0)T ，(0,1)T ，得到方程组的一个基础解系 T )0,0,1,0,2(1-=ξ，T )0,1,0,1,1(2--=ξ， 所以，方程组的通解为
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)
线性方程组 1. 用消元法解方程组?????? ?=- +-+=-- + - =-+-+ =- -+-5 2522220 21 22325 4 321 53 2 154321 5 4321x x x x x x x x x x x x x x x x x x x . 解: 方程组的增广矩阵 : ????? ???????---------→????????????---------→????????????---------420200110100112430211321312630202530112430211321512522110112121111211321? ??? ????? ???--------→60000 0110100112430211321,可知,系数矩阵的秩为3,增广矩阵的秩为4,系数矩阵的秩不等于增广矩阵的秩,从而方程组无解. 2. 讨论λ为何值时,方程组??? ??=++ = + +=++2 3 2 1 3 2 1 321 1 λλλλλx x x x x x x x x 有唯一解、无解和有无穷多解。 解：将方程组的增广矩阵进行初等行变换，变为行阶梯矩阵。 ()() ()()B A =??? ? ???? ? ?+------→→???? ????? ?→?? ??? ?????=22 2 2211210 1101 111 1 11111 1 1 1 111λλλλλλλ λλλ λλλλλλλ λλ λΛ于是，当2,1-≠λ时，系数矩阵的秩等于增广矩阵的秩，都等于3，等于未知量的个数，此 时方程组有唯一解;2 )1(,21,213 321++-=+=++- =λλλλλx x x 当2-=λ时，系数矩阵的秩为2，增广矩阵的秩为3，此时方程组无解； 当1=λ时，系数矩阵的秩等于增广矩阵的秩，都等于1，小于未知量的个数，此时方程组有无穷多解，即3211x x x --=，其中32,x x 为自由未知量。
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)
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
线性方程组解的结构（解法） 一、齐次线性方程组的解法 【定义】 r (A )= r
. 计算法实验 题目：
班级：学号：：
目录 计算法实验 (1) 1 实验目的 (3) 2 实验步骤 (3) 2.1环境配置： (3) 2.2添加头文件 (3) 2.3主要模块 (3) 3 代码 (3) 3.1主程序部分 (3) 3.2多项式程部分 (3) 3.3核心算法部分 (3) 3.4数据结构部分 (3) 4运行结果 (3) 4.1列主元高斯消去法运行结果 (3) 4.2LU三角分解法运行结果 (3) 4.3雅克比迭代法运行结果 (3) 边界情况调试 (3) 5总结 (3) 输入输出 (3) 列主元高斯消元法 (3) 雅克比迭代法 (3) 6参考资料 (3)
1 实验目的 1.通过编程加深对列主元高斯消去法、LU三角分解法和雅克比迭代法等求解多 项式程法的理解 2.观察上述三种法的计算稳定性和求解精度并比较各种法利弊 2 实验步骤 2.1环境配置： VS2013，C++控制台程序 2.2添加头文件 #include "stdio.h" #include "stdlib.h" #include "stdafx.h" #include
课程设计阶段性报告 班级：学号：姓名：申报等级： 题目：线性方程组求解 1.题目要求：输入是N（N<256）元线性方程组Ax=B，输出是方程组的解，也可能无解或有多组解。可以用高斯消去法求解，也可以采用其它方法。 2.设计内容描述：将线性方程组做成增广矩阵，对增广矩阵进行变换然后采用高斯消元法消去元素，从而得到上三角矩阵，再对得到的上三角矩阵进行回代操作，即可以得到方程组的解。 3.编译环境及子函数介绍：我使用Dev-C++环境编译的，调用uptrbk() FindMax()和ExchangeRow(),uptrbk是上三角变换函数，FindMax()用于找出列向量中绝对值最大项的标号，ExchangeRow()用于交换两行 4. 程序源代码： #include
//交换矩阵中的两行 void ExchangeRow(int p,int j,double *A,int N) { int i=0; double C=0.0; for(i=0;i ***学院数学分析课程论文 线性方程组解的判定与解的结构 院系数学与统计学院 专业数学与应用数学（师范） 姓名******* 年级 2009级 学号200906034*** 指导教师 ** 2011年6月 线性方程组解的判定与解的结构 姓名****** （重庆三峡学院数学与计算机科学学院09级数本？班） 摘 要：线性方程组是否有解，用系数矩阵和增广矩阵的秩来刻画．在方程组有解且有 多个解的情况下，解的结构就是了解解与解之间的关系． 关键词：矩阵； 秩； 线性方程组； 解 引言 通过系数矩阵和增广矩阵的秩是否相同来给出判定线性方程组的解的判别条件．在了解了线性方程组的判别条件之后，我们进一步讨论解的结构．对于齐次线性方程组，解的线性组合还是方程组的解．在线性方程组有无穷个解时可用有限多个解表示出来．另外以下还涉及到线性方程组通解的表达方式． 1 基本性质 下面我们分析一个线性方程组的问题，导出线性方程组有解的判别条件． 对于线性方程组 1111221121122222 1122n n n n s s sn n s a x a x a x b a x a x a x b a x a x a x b ++???+=??++???+=???????++???+=? (1) 引入向量 112111s αααα??????=?????????，122222s αααα??????=?????????，…12n n n sn αααα??????=????????? ，12s b b b β?? ?? ??=??????? ?? 方程（1）可以表示为 1122n n x x x αααβ++???+= 性质 线性方程组⑴有解的充分必要条件为向量β可以表成向量组α1,α2,…，αn 的线性组合. 定理1 线性方程组⑴有解的充分必要条件为它的系数矩阵 3 线性方程组 3、1 知识要点解析(关于线性方程组的常用表达形式) 3.1.1 基本概念 1、方程组1111221n 1211222 2n 2m11m22mn m x x b x x b x x b a a a a a a a a a +++=??+++=? *???++ +=? 称为含n 个未知量m 个方程的线性方程组, i)倘若12m b ,b ,....,b 不全为零,则该线性方程组称为非齐次线性方程组; ii)若12m b =b = =b 0=,则该线性方程组就就是齐次线性方程组, 这时,我们也把该方程组称为1111221n 1211222 2n 2m11m22mn m x x x x x x a a a a a a a a a ++ +=??+++=? ???++ +=?c c c 的导出组, (其中12m c ,c ,...c 不全为零) 2、记1111 1221 n m x b x b ,x ,b x b n m mn a a A a a ???? ?? ? ? ? ? ?== ? ? ? ? ? ??? ???? = 则线性方程组(*)又可以表示为矩阵形式 x b A =** 3、又若记 1j 2j j mj ,j 1,2, n a a a α?? ? ? == ? ? ??? 则上述方程游客一写成向量形式 1122n n x x x b. ααα++ +=***。 同时,为了方便,我们记(,b)A A =,称为线性方程组(*)的增广矩阵。 3.1.2 线性方程组解的判断 1、齐次线性方程组x 0A =,(n=线性方程组中未知量的个数 对于齐次线性方程组,它就是一定有解的(至少零就就是它的解), i)那么,当r n A =秩()=时,有唯一零解; ii)当r n A =秩()<时,又非零解,且线性无关解向量的个数为n-r 、 2、非齐次线性方程组x b A = ()<() ()=()=n, ()=()()=() 好久没来论坛，刚刚发现以前的帖子现在那么火很欣慰，谢谢大家支持！ 今天趁着不想做其他事情，把线性方程组的数值解法总结下，有不足的地方希望大神指教！数学建模中也会用到线性方程组的解法，你会发现上10个的方程手动解得话把你累个半死，而且不一定有结果，直接用matlab的函数，可以，关键是你不理解用着你安心吗？你怎么知道解得对不对？ 我打算开个长久帖子，直到讲完为止！这是第一讲，如有纰漏请多多直接，大家一起交流！线性方程组解法有两大类：直接法和迭代法 直接法是解精确解，这里主要讲一下Gauss消去法，目前求解中小型线性方程组（阶数不超过1000），它是常用的方法，一般用于系数矩阵稠密，而有没有特殊结构的线性方程组。 首先，有三角形方程组的解法引入Gauss消去法，下三角方程组用前代法求解， 这个很简单，就是通过第一个解第二个，然后一直这样直到解出最后一个未知数，代码如下：前代法： function [b]= qiandai_method(L,b) n=size(L,1); %n 矩阵L的行数 for j=1:n-1 %前代法求解结果存放在b中 b(j)=b(j)/L(j,j); b(j+1:n)=b(j+1:n)-b(j)*L(j+1:n,j); end b(n)=b(n)/L(n,n); 上三角方程组用回代法，和前面一样就是从下面开始解x，代码： 后代法： function [y]=houdai_method(U,y) n=size(U,1); %n 矩阵L的行数 for j=n:-1:2 %后代法求解结果存放在y中 y(j)=y(j)/U(j,j); y(1:j-1)=y(1:j-1)-y(j)*U(1:j-1,j); end y(1)=y(1)/U(1,1); Gauss消去的前提就是这两个算法： 具体思想是把任何一个线性方程组的系数矩阵A，分解为一个上三角和一个下三角的乘积，即A=LU，其中L为下三角，U为上三角。 那么具体怎么做呢？ 有高斯变换，什么是高斯变换？由于时间有限我不可能去输入公式，所以我用最平白的话把它描述出来。 你先想一下怎么把一个矩阵的某一列的从第j个分量后全部变0？ 高斯变换就是通过每次一个矩阵Li把A的第i列对角线元素以下的都变为0，最后把这么多Li一次左乘起来就是一个矩阵L’=L(n-1)L(n-2)…L2L1，而L’A=U, 那么L=L’的转置，这样就得到了A得分解。 我们要求Ax=b A=LU 第三章线性方程组地数值解法 范数 (1> 常用范数 ① 向量 1- 范数: ② 向量 2- 范数: ③ 向量∞- 范数: ④ 向量 p- 范数: 向量1- 范数,向量2- 范数,向量∞- 范数实际上为任意 p- 范数地特例. (2> 矩阵范数 设,则 (1>,A地行范数 (2>,A地列范数 (3>,A地 2- 范数,也称谱范数 (4>, F- 范数 其中指矩阵地最大特征值 (3>谱半径(用于判断迭代法地收敛值> 设为矩阵A地特征值,则 称为A地谱半径 谱半径小于任何半径,若,则 (4>设A为非奇异矩阵,称 为A地条件数 矩阵地条件数与范数选取有关,通常有 显然当A对称时 直接法 Gauss消去法 ①Gauss顺序消去法 对线性方程组Ax=b,设,按顺序消元法,写出增广矩阵(A┆b>第一步,写出,将2～n行中地变为0 第k步,写出,将k+1～n行中地变为0 具体步骤可参照下面地例题 例5:用Gauss消去法解方程组 解: Guass列主元消去法 消去过程与Guass消元法基本相同,不同地是每一步消元时,都要将所选到地绝对值最大元素作为主元. 具体分析参见习题详解1 ②矩阵三角(LU>分解法 基本思想:将Ax=b化为LUx=b,令Ux=y 可得Ly=b,Ux=y,相当于先求出y,再求出x 其中,L,U分别为下三角矩阵和上三角矩阵 若L为单位下三角矩阵,则称为Doolittle分解。若U为单位上三角矩阵,则称为Crout分解. ③矩阵Doolittle分解法 计算公式 具体解题见习题详解2 注意计算顺序,先行再列,用简图表示为 虚线上地元素为对角元,划为行元. ④ 分解法 计算公式 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。 线性方程组解的结构 11111221n n b a x a x a x =++???+ 22112222n n b a x a x a x =++???+ 33113223n n b a x a x a x =++???+ ………………………………… 1122n n n nn n b a x a x a x =++???+ 表示从变量12 ,n x x x ???到变量12,n b b b ???的线性变换，其中ij a 是常数。确 定了线性变换，它的系数所构成的矩阵（系数矩阵）也就确定，线性变换根矩阵是一一对应的关系。 上式可以表示为以向量x 为未知元的向量方程： Ax=b 线性方程组如果是有解的，称它是相容的，否则称为不相容。 一、 定理4：N 元线性方程组Ax=b （1) 无解的充要条件是R(A) （2) 若R(A)=R(B)，则进一步把B 化成最简型，而对于齐次线性 方程组，则把系数矩阵A 化成最简型。 （3) 设R(A)=R(B)=r ，把行最简型中r 个非0行的非0首个元素所对应的未知数取做非自由未知数，其他的元素取做自由未知数。带入原方程，就可以得到一个关于自由为未知量的表达式。 三、 齐次线性方程组求解步骤：Ax=0 （1) 根据R(A)与n (变量个数)来判断解的结构： A. R(A) 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 线性方程组求解 习题课 一、给定方程组123211*********x x x -???????????? =? ???????????-?????? 试考察用Jacobi 迭代法和Seidel 迭代法求解的收敛性。 解：对Jacobi 迭代法，迭代矩阵为 -1J 00.50.5B =I-D A=1010.50.50-?? ??--?????? 因为3 5 04 J I B λλλ-=+=，得特征值 1230,,22i i λλλ===- 得( )12J B ρ=> ，由定理知 Jacobi 迭代法发散。 对Seidel 迭代法，迭代矩阵为 ()1 S B D L U -=-=1 20001100.50.511000100.50.5112000000.5---?????? ??????-=--?? ??????????--?? ???? 显然，其特征值为1230,0.5λλλ===- 故()0.51s B ρ=<，由定理知Seidel 迭代法收敛。 二、设线性方程组111211212222a a x b a a x b ?????? = ??? ??????? ，11220a a ≠， 112221120a a a a -≠。证明：解线性方程组的Jacobi 迭代法和Gauss-Seidel 迭代法同时收敛或不收敛。 证明： 121 1111 122221 21 22 0000 00J a a a a B a a a a -??- ?-???? ?== ? ? ?-????- ??? ()2 1221 1122det J a a I B a a λλ-=-，故( )J B λ= ( )J B ρ= 。 1211111 1221 2212211122000000S a a a a B a a a a a a -??- ?-???? ?== ? ? ????? ?? ? 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-赛德尔方法线性方程组解的判定与解的结构
3线性方程组典型习题解析
线性方程组数值解法总结
线性方程组的数值解法
线性方程组的解空间
线性方程组解的结构
线性方程组求解
线性方程组习题课
浅析线性方程组的解法
相关主题
文本预览