第二讲 矩阵与线性方程组

矩阵与线性方程组

从历史上看, 矩阵正式作为数学中

的研究对象出现, 是在行列式的研究发

展起来之后. 英国数学家Arthur Cayley

(1821-1895)被公认为矩阵论的奠基人,

他提到矩阵概念“或是从行列式的概念

而来, 或是作为一个表达方程组的方便

的方法而来的”(莫里斯·克莱因《古今

数学思想》第33章).

矩阵在数学和物理学等其他科学分A. Cayley

支中，都有着广泛而重要的应用.

2.1 矩阵(matrix)与向量的乘积

例：

矩阵与向量的乘积等于矩阵的列向量的线性组合.

上述方程组

也可表示为

这诱导了矩阵乘向量的另一种定义：设则

通过的上述两种定义，我们对线性方程组可有两种新理解.

例：

理解一：求向量的线性组合，使之等于

理解二：求向量使之与系数矩阵行向量

的点积分别为

例：将平面上所有向量绕原点旋转角度则点在此旋

转变换下得像为

这可表示为

注：这节涉及到的矩阵都是行数与列数相同的矩阵，即方阵.

线性方程组解的情形比数量方程要复杂.

若对任意向量有唯一解，则是可逆的(invertible).

例：

任意给定方程组有唯一解

故系数矩阵是可逆矩阵.

对线性方程组若可逆，则可由常数项求得

矩阵称为的逆.

设若可逆，

则的全部线性组合是整个维空间.

此时写成的线性组合只有一种可能：

这时我们称向量线性无关(linearly independent). 相应

只有零解.

否则可以写成的多种线性组合.

如

这种情形下，称矩阵是奇异的(singular)，向量

是线性相关的(linearly dependent).

即存在不全为的数使

例（循环差分矩阵）

给定

若则为任意实数.（无穷多解）

若则方程组无解.

从几何上看，线性相关,

它们的全部线性组合是平面

总结：

若方阵的列向量线性无关，则可逆，只有零解.

若方阵的列向量线性相关，则奇异，有无穷多解.

给定一个线性方程组 ( 个方程, 个未知量)

(1)它可以写称矩阵形式

(2)从行(row)的角度看，每行代表一条直线，方程组的解为两直线的

交点.

方程组的行图(row picture)

(3)从列(column)的角度看，方程组可改写为

解方程组求关于系数矩阵列向量和的

线性组合.

可以看出

所以方程组的解为

方程组的列图(column picture)

(4)系数矩阵是可逆的.

考虑 , 求得（唯一解）.

一般地,设为矩阵,

方程组的每行表示一条直线或一张平面

或一张超平面

解方程组考察这些直线或平面或超平面是否有交点.

求满足

方程组对任意有唯一解可逆

此时（可表示为的列向量的线性组合）.

例

矩阵形式

行图

每行方程确定三维空间 中的一个平面,点 是三个平面的交点.

列图方程组

三个列向量

不共面，其线性组合可产生任意

三维列向量.

可逆：

有唯一解：

例：

系数矩阵的三个列向量与向量点积都为但常

数项故常数项不能表示为的列向

量的线性组合. 所以方程组无解.

第一章 第二讲 矩阵及矩阵初等变换2

第二讲 矩阵及初等变换（4节） 在上一讲中，我们简单介绍了n 元线性方程组的求解过程是如何用数表的形式来表达的思想，这种既能简化求解方程组的过程又使得求解形式简单明了的数表，我们称之为矩阵。 矩阵是线性代数中重要的概念之一，它的理论与方法在数学、经济、工程技术等方面都有较广泛的应用。著名的列昂节夫投入—产出模型就是利用矩阵这一数学工具建立起来的。因此掌握矩阵这一数学工具是非常必要的。 本讲的主要内容就是给出矩阵的概念及运算性质，为下一步更好地利用矩阵理论与方法讨论线性方程组提供有力的理论支撑。 1.2.1矩阵的概念 定义2.1 由m n ?个数i j a （=1,2,,i m ；=1,2,j n ）排成了m 行n 列的矩形数表 11121212221 2 n n m m m n a a a a a a a a a 称其为m 行n 列矩阵，记作 11121212221 2 n n m m m n m n a a a a a a a a a ??? ? ? ? ??? 。 其中称ij a 是矩阵的第i 行第j 列元素。矩阵常用大写字母m n A ?，m n B ?… ...表示，或简记m n A ?=()ij m n a ?，m n B ?=()ij m n b ?… … 等. 注意：矩阵的行数m 与列数n 可以不相等，行列相同的矩阵称为方阵. 例如 2行3列矩阵 23231 0-2=2 5 -3A ???? ??? ， 2行2列矩阵 2222 2 1=1 6B ???? ?-??。 例2.1例：给个具体的矩阵表示实例 1.2.2矩阵的运算 矩阵也有加、减、数乘、乘法等基本运算法则，以及转置运算等.由于矩阵是个数表，所以它的运算法则与数之间的运算法则有本质上的区别。下面我们先给出矩阵的基本的运算. 定义2.2 若两个行列相同的矩阵() () ,ij ij m n m n A a B b ??==其对应元素相等，即

同济大学线性代数教案第一章线性方程组与矩阵

线性代数教学教案 第一章线性方程组与矩阵 授课序号01 1112121 2 n n m m mn a a a a a a ?? ?? ??? ，有时为了强调矩阵的行数和列数，也记为

n a ???. 212 n n n nn a a a ? ??? . 1112 00n n nn a a a a ?? ?? ? ? ?与上三角矩阵200 n nn a ? ??? . 000 0n a ??? ??? ，或记为100 1? ???? . 负矩阵的定义：对于矩阵()ij m n a ?=A ，称矩阵21 22 n m m m mn mn b a b a b ?? +++? ，

a b+

21 2 n m m mn a a a ????，转置矩阵212.m n n nm a ? ??? 矩阵的转置满足的运算规律（这里k 为常数，A 与B 为同型矩阵）阶方阵()ij a =A 如果满足222n n m mn n a x +21 2 n m m mn a a a ????称为该线性方程组的系数矩阵n x ???，m b = ? ??? β，有：

2221122221 21122n n n m m mn n m m mn n a a a x a x a x a x ??? ? =??? ???? ? ++ +????? . 再根据矩阵相等的定义，该线性方程组可以用矩阵形式来表示：=Ax β.

授课序号02 21 2 t s s st ????A A A ，21 2 t s s st ? = ? ??? B B B B ，的行数相同、列数相同，则有 21 22 t s s s st st ?? ±±±? B A B A B . 111221 2 t s s st ? ? ??? A A A A A ，都有21 2 t s s st k k ? ??? A A A .

第2讲：方程与方程组

第二讲 方程与方程组 一、学习指引 1．知识要点 （1）一元一次方程 （2）二元一次方程组 （3）一元二次方程 （4）分式方程 （5）方程的整数根 （6）方程应用问题 2．方法指导 （1）一元一次方程经变形总可以化成ax=b 的形式，此时需注意对字母系数的讨论． （2）二元及多元(二元以上)一次方程组的求解，主要是通过同解变形进行消元，最终转化为一元一次方程来解决．所以，解方程组的基本思想是消元． （3）方程ax 2 +bx+c=0(a ≠0)称为一元二次方程：①一元二次方程的基本解法有开平方法、 配方法、公式法和因式分解法．②对于方程ax 2+bx+c=0(a ≠0)， b 2 -4ac 称为该方程的根的判别式． （4）解分式方程的基本方法：①去分母；②求出整式方程未知数的值；③验根. （5）列方程（组）解应用题其具体步骤是： ①审－－理解题意,弄清问题中已知量是什么，未知量是什么，问题给出和涉及的相等关系是什么；②设－－即找出题中和未知量，选择其中一个设为未知数；③列－－找出题中和等量关系，列出方程；④解－－解出所列的方程；⑤答－－检验作答.其中列是关键，特别是找等量关系。找等量关系的方法是—用两种方式表达同一个量！ 二、典型例题 例1．解关于x 的方程： (1)4x+b=ax-8； (2) 0232 =+-x x ； (3) 6,23 4()5() 2. x y x y x y x y +-?+=? ??+--=? (4)21124x x x -=-- 例2．若关于x ，y 的二元一次方程组? ??=-=+k y x , k y x 95的解也是二元一次方程632=+y x 的解， 求k 的值．

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 =

知识点总结 矩阵的初等变换与线性方程组

第三章 矩阵的初等变换与线性方程组 第一节 矩阵的初等变换 初等行变换 ()1()i j r r ?对调两行，记作。 ()20()i k r k ≠?以数乘以某一行的所有元素，记作。 ()3()i j k r kr +把某一行所有元素的倍加到另一行对应的元素上去，记作。 初等列变换：把初等行变换中的行变为列，即为初等列变换，所用记号是把“r ”换成“c ”。 扩展 矩阵的初等列变换与初等行变换统称为初等变换，初等变换的逆变换仍为初等变换, 且类型相同。 矩阵等价 A B A B 如果矩阵经有限次初等变换变成矩阵，就称矩阵与等价。 等价关系的性质 （1）反身性 A~A 2 A ~B , B ~A;（）对称性若则 3 A ~B,B ~C, A ~C （）传递性若则。（课本P59） 行阶梯形矩阵：可画出一条阶梯线，线的下方全为零，每个台阶只有一行，台阶数即是非零行的行数阶梯线的竖线（每段竖线的长度为一行）后面的第一个元素为非零元，也是非零行的第一个非零元。 行最简形矩阵：行阶梯矩阵中非零行的第一个非零元为1，且这些非零元所在的列的其他元素都为0. 标准型：对行最简形矩阵再施以初等列变换，可以变换为形如r m n E O F O O ???= ???的矩阵，称为标准型。标准形矩阵是所有与矩阵A 等价的矩阵中形状最简单的矩阵。 初等变换的性质

设A 与B 为m ×n 矩阵，那么 (1);r A B m P PA B ?=:存在阶可逆矩阵，使 (2)~;c A B n Q AQ B ?=存在阶可逆矩阵，使 (3)P ;A B m P n Q AQ B ?=:存在阶可逆矩阵，及阶可逆矩阵，使 初等矩阵：由单位矩阵经过一次初等变换得到的方阵称为初等矩阵。 初等矩阵的性质 设A 是一个m ×n 矩阵，则 （1）对A 施行一次初等行变换，相当于在A 的左边乘以相应的m 阶初等矩阵； ~;r A B m P PA B ?=即存在阶可逆矩阵，使 （2）对A 施行一次初等列变换，相当于在A 的右边乘以相应的n 阶初等矩阵； 即~;c A B n Q AQ B ?=存在阶可逆矩阵，使 (3)~P ;A B m P n Q AQ B ?=存在阶可逆矩阵，及阶可逆矩阵，使 （4）方阵A 可逆的充分必要条件是存在有限个初等方阵1212,,,,l l P P P A PP P =L L 使。 （5）~r A A E 可逆的充分必要条件是。（课本P ？ ） 初等变换的应用 （1）求逆矩阵：()1(|)|A E E A -????→初等行变换或1A E E A -????????→ ? ????? 初等列变换。 （2）求A -1B ：A (,) ~ (,),r A B E P 即() 1(|)|A B E A B -??→行，则P =A -1B 。或1E A B BA -????????→ ? ????? 初等列变换. 第二节 矩阵的秩

线性方程组的矩阵求解算法

线性方程组的矩阵求解算法 摘要 线性方程组的矩阵求解算法,只需在约当消元法的基础上,再对方程组的 增广矩阵的行最简形进行行(列)删除和增加行,交换行等运算即可得到方程组的解,并且这种方法既可求解有唯一解的方程组.因而算法简单,易于实现. 关键词 线性方程组;解向量;解法;约当消元法 1 矩阵求解算法 设有线性方程组m n A X b ?=,其增广矩阵())(1,m n A A b ?+=,算法的步骤如下: 第一步:利用约当消元法,把增广矩阵A 化为行最简形,设行最简形为()1m n B ?+.若()t i (),r A r =则方程组无解;否则设(),r A R =并执行以下步骤; 第二步:删除B 中的所有零行和每一行第一个非零元素(这个非零元素一定是1)所在的列,得到矩阵()1,r n r D ?-+并记录每行的第一个非零元所在的列标,放在一维数组()1,,t r L 中,如第i 行的第一个非零元在第j 列,则()t i j =; 第三步:构造矩阵() 1m n r D H F ?-+?? = ? ??,其中 ()()1100 001 0000 10n r n r F -?-+-?? ?- ? = ? ? -??L L L L L L L L 第四步:对矩阵H 中的行作交换运算:把H 中的第i 行(,1,1,i r r =-L 即从第r 行开始直到第一行)依次与其下一行交换,使之成为第()t i 行,交换运算结果后的矩阵记为G ,则G 中的前n r -个n 维列向量即为方程组的一个基础解系,最后一列向量即为方程组的一个特解; 第五步:写出方程组的通解. 2 算法证明 先证一个特殊情形,增广矩阵A 的行最简形矩阵B 的左上角为一r 阶的单位矩阵,即第i 行的第一个非零元的列标为i ,即()()1t i i i r =≤≤,所以设B 为

第二章 第二讲 向量组的相关性

第二讲 向量组的线性相关性 2.2.1 向量组的线性相关性 向量的线性相关性是向量线性相关与线性无关的统称,它刻画的是n 维向量空间中向量之间是否存在线性关系.在两个向量之间, 最简单的线性关系是对应坐标是否成比例,如果存在数字k 使得k αβ=，我们就认为向量α与β之前存在线性关系，称他们是线性相关的，否则它们无线性关系.而在多个向量之间,这种成比例的关系则通过线性组合的形式来表现. 定义2.2.1 对s 个n 维向量12,,s ααα ,他们的线性组合 1122s s k k k ααα++= 0 ... ... (2.1) (1) 若,12,s k k k 不全为零（2.1）式成立，则称向量组12,,s ααα 线性相关; (2) 若当且仅当12,s k k k 全为零，（2.1）式成立，称向量组12,,s ααα 线性无关 . 定义2.2.1易验证以下结论的正确性: (1)任意一个包含零向量的向量组必线性相关. (2)两个非零向量线性相关的充分必要条件是它们的对应分量成比例. 定理2.2.1 （1） 如果向量组m ααα,,,21 中有一部分组线性相关,则向量组 m ααα,,,21 必线性相关. （2）如果向量组m ααα,,,21 线性无关,则任何部分组必线性无关. 证明（1） 假设该组向量中12,αα线性相关，由定义2.2.1必存在 12,k k 不全为零，使得1122+=0k k αα成立。取一组不全为零的数12,,0,0,,0k k ，有 11223m ++0++0=0k k αααα 成立，故 m ααα,,,21 线性相关。 证明（2）用反证法即可证得。 定理2.2.2 如果向量组m ααα,,,21 线性无关,而向量组βααα,,,,21m 线性相关,则β可由向量组m ααα,,,21 线性表出且表达式唯一.

线性方程组的解法及其应用

线性方程组的解法及其应用 The solution of linear equation and its application 专业：测控技术与仪器 班级： 2010-1班 作者：刘颖 学号： 20100310110105

摘要 线性方程组是线性代数的一个重要组成部分，也在现实生产生活中有着广泛的运用，在电子工程、软件开发、人员管理、交通运输等领域都起着重要的作用。在一些学科领域的研究中，线性方程组也有着不可撼动的辅助性作用，在实验和调查后期利用线性方程组对大量的数据进行处理是很方便简捷的选择。本文主要围绕如何解线性方程组来进行讲解，对于不同类型的线性方程组的不同方法，并简述线性方程组的一些实际应用。 关键词： 齐次线性方程组，非齐次线性方程组，克莱姆法则，消元法，矩阵，矩阵的秩，特解，通解。

Abstract Linear equations linear algebra is one of the important component parts, and in real life has extensive production use，and it plays an important role in electronic engineering, software development, personnel management, transportation, etc. In some discipline study, it also has the reigns of linear equations of the auxiliary function.In experiment and survey using the linear equations of the late on the data processing is very convenient simple choice. This article, focusing on how to solve linear equations to explain, for different types of linear equations of different methods, and briefly introduces some of the practical application of linear equations. Keywords: Homogeneous linear equations, Non homogeneous linear equation,Clem’s law,Elimination method,Matrix,Rank of matrix,Special solution,General solution.

第三章知识点总结 矩阵的初等变换与线性方程组

第三章矩阵的初等变换与线性方程组 第一节 矩阵的初等变换 初等行变换 ()1()i j r r ?对调两行，记作。 ()20()i k r k ≠?以数乘以某一行的所有元素，记作。 ()3()i j k r kr +把某一行所有元素的倍加到另一行对应的元素上去，记作。 初等列变换：把初等行变换中的行变为列，即为初等列变换，所用记号是把“r ”换成“c ”。 扩展 矩阵的初等列变换与初等行变换统称为初等变换，初等变换的逆变换仍为初等变换, 且类型相同。 矩阵等价 A B A B 如果矩阵经有限次初等变换变成矩阵，就称矩阵与等价。 等价关系的性质 （1）反身性 A~A 2 A ~B , B ~A;（）对称性若则 3 A ~B,B ~C, A ~C （）传递性若则。（课本P59） 行阶梯形矩阵：可画出一条阶梯线，线的下方全为零，每个台阶只有一行，台阶数即是非零行的行数阶梯线的竖线（每段竖线的长度为一行）后面的第一个元素为非零元，也是非零行的第一个非零元。 行最简形矩阵：行阶梯矩阵中非零行的第一个非零元为1，且这些非零元所在的列的其他元素都为0. 标准型：对行最简形矩阵再施以初等列变换，可以变换为形如r m n E O F O O ???= ???的矩阵，称为标准型。标准形矩阵是所有与矩阵A 等价的矩阵中形状最简单的矩阵。 初等变换的性质 设A 与B 为m ×n 矩阵，那么 (1);r A B m P PA B ?= 存在阶可逆矩阵，使 (2)~;c A B n Q AQ B ?=存在阶可逆矩阵，使 (3)P ;A B m P n Q AQ B ?= 存在阶可逆矩阵，及阶可逆矩阵，使 初等矩阵：由单位矩阵经过一次初等变换得到的方阵称为初等矩阵。 初等矩阵的性质 设A 是一个m ×n 矩阵，则 （1）对A 施行一次初等行变换，相当于在A 的左边乘以相应的m 阶初等矩阵； ~;r A B m P PA B ?=即存在阶可逆矩阵，使

线性方程组与矩阵

高代小练习 专业课研究部 一、填空题 1．设n 元齐次线性方程组的系数矩阵的秩r < n ，则方程组的基础解系由_n-r__个解向量组成． 2．向量组123,,ααα线性无关，则122331(,,)rank αααααα+++=__3____. 3．设向量组12,,,r βββ 可以由向量组12,,,s ααα 线性表出.如果向量组12,,,r βββ 线性无关，则r __<=___s （填大小关系）. 4.在数域K 上的4维向量空间K 4内，给定向量组α1 =（1，-3，0，2）α2 =（-2，1，1，1）α3 =（-1，-2， 1，3），则此向量组的秩是_2____. 5.若V={(a+bi ，c+di)|a,b,c,d 属于R},则V 对于通常的加法和数乘，在复数域上是__2____维的，而在实数域上是__4_____维的. 6.设线性方程组AX=0的解都是线性方程组BX=0的解，则秩A ?>=??秩B. 7.设t ηηη,,,21 及t t ηληληλ+++ 2211都是)0(≠=b b AX 的解向量，则 =+++t λλλ 21______。 8.设任意一个ｎ维向量都是齐次线性方程組0=AX 的解向量，则=)(A r ______。 9.已知321,,ααα是齐次方程组0=AX 的基础解系，那么基础解系还可以是______. (A) 332211αααk k k ++ (B) 133221,,αααααα+++ (C) 3221,αααα-- (D) 233211,,αααααα-+- 10.在三维几何空间中，用V 1表示通过原点的直线，V 2表示通过原点且与V 1垂直的平面，试求 21V V ?=_原点____，和21V V ?=_整个空间R 3 ____。 二．解答题 1.在4维向量空间中， （1）求基 到基 的过渡矩阵。

线性方程组数值解法总结

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

矩阵分解与线性方程组求解

一、 用列主元素高斯削去法求解下述线性方程组： ?????? ?-=+--=++---=--+=--+36 15531495102210762133421342143214 3214321x x x x x x x x x x x x x x x 程序： function x=gaussa(a) m=size(a); n=m(1); x=zeros(n,1); for k=1:n-1 [c,i]=max(abs(a(k:n,k))); q=i+k-1; if q~=k d=a(q,:);a(q,:)=a(k,:);a(k,:)=d end for i=k+1:n a(i,:)=a(i,:)-a(k,:)*a(i,k)/a(k,k) end end for j=n:-1:1 x(j)=(a(j,n+1)-a(j,j+1:n)*x(j+1:n))/a(j,j) end 执行过程： >> a=[1 13 -2 -34 13;2 6 -7 -10 -22;-10 -1 5 9 14; -3 -5 0 15 -36] a = -10 -1 5 9 14 2 6 -7 -10 -22 1 13 -2 -34 13 -3 -5 0 15 -36 >> gaussa(a) a = -10.0000 -1.0000 5.0000 9.0000 14.0000 0 5.8000 -6.0000 -8.2000 -19.2000 1.0000 13.0000 -2.0000 -34.0000 13.0000 -3.0000 -5.0000 0 15.0000 -36.0000 a = -10.0000 -1.0000 5.0000 9.0000 14.0000 0 5.8000 -6.0000 -8.2000 -19.2000 0 12.9000 -1.5000 -33.1000 14.4000 -3.0000 -5.0000 0 15.0000 -36.0000 a = -10.0000 -1.0000 5.0000 9.0000 14.0000 0 5.8000 -6.0000 -8.2000 -19.2000 0 12.9000 -1.5000 -33.1000 14.4000 0 -4.7000 -1.5000 12.3000 -40.2000

第二讲 资产组合选择理论

第二讲 资产组合选择理论 本讲主要讲述以下内容： 收益与风险的度量 标准的Markowitz 均值—方差模型 推广的风险---收益组合选择模型 § 1.2 收益与风险的度量 1. 资产收益（Return,Income,Yield ）度量 投资在某项资产上的收益(Return,Income)就是资产价格在一定时间上的绝对改变量，收益率(Yield)是资产价格的变化率。这里资产指的是一切负债工具、普通股股票、期权、期货、优先股、房地产、收藏品等。 常见资产价格过程： 无风险资产（银行存款，短期债券）的价格 离散时间 n f n r P P )1(0+=，T n ,...,2,1= 连续时间 ?=t du u t e P P 0)(0λ，],0[T t ∈； 其中)(t λ为t 时刻的利息力（定义为t t t t t t P P t P P P t t '?-→?= =?+0 lim )(λ） 特别，利息强度为常数即λλ=)(t 时，t t e P P λ0=； 当n t =时，n f n n r P e P P )1(00+==λ，所以)1ln(f r +=λ 风险资产（股票，长期债券）的价格 Black-Scholes 模型：)(t t t dW dt S dS σμ+= 解上述方程可得：t W t t e S S σσμ+-=)(022 1 其中t W 是概率空间),,(P F Ω上的标准Brown 运动（即t W 是零初值平稳的独立增量过程，且具有正态分布),0(~t N W t ）。 股票价格模型的其他形式：带Possion 跳的几何Brown 运动模型、随机波动率模型、分式几何Brown 运动模型、一般的指数半鞅模型） 离散时间风险证券价格 )1),...(1)(1(210n t t t T R R R S S +++=

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

矩阵在线性方程组中的应用

矩阵在线性方程组中的应用 摘要 矩阵和线性方程组都是高等数学的重要教学内容。在高等数学教学中利用矩阵解线性方程组的方法基本上是所知的固定几种：利用矩阵初等变换、克拉默法则、高斯—若尔当消去法。但是解一个线性方程组有时需要几种方法配合使用，有时则需要选择其中的最简单的方法。而对于一些特殊的线性方程组的解法很少有进行归类、讲解。我们希望可以通过对本课题的研究，总结和归纳用特殊矩阵解几类特殊线性方程组的解法。 关键词矩阵；线性方程组；齐次线性方程组；非齐次线性方程组

MATRICES IN THE APPLICATIONS OF THE SYSTEM OF LINEAR EQUATIONS ABSTRACT Matrices and system of linear equations are important content of advanced mathematics. We often use several fixed methods to solve system of linear equations in advanced mathematics，such as Matrix transformations;Cramer's Ruleand Gauss-Jordan elimination method. But sometimes, we need to choose one of the most simple ways,or we need to use several methods to solve system of linear equations. For some special solution method of system of linear equations, there are few classification and explanation in detail. We hope that we can research, summarizes and induces solution method of some special system of linear equations with special matrices. KEY WORDS matrices; system of linear equations; homogeneous system of linear equations; nonhomogeneoussystem of linear equations

线性方程组的直接解法

第2章线性方程组的直接解法 2.1实验目的 理解线性方程组计算机解法中的直接解法的求解过程和特点，学习科学计算的方法和简单的编程技术。 2.2概念与结论 1. n阶线性方程组 如果未知量的个数为 n ,而且关于这些未知量x1,x2, …,x n的幂次都是一次的(线性的)那末, n 个方程 a11x1+a12x2+ … +a1n x n=b1 ┆┆┆ (1) a n1x1+a n2x2+ … +a nn x n= b n 构成一个含n个未知量的线性方程组,称为n阶线性方程组。其中,系数a11,…,a1n,a21, …,a2n, …,a n1, …,a nn 和b1, …,b n都是给定的常数。 方程组(1)也常用矩阵的形式表示,写为 Ax=b 其中,A是由系数按次序排列构成的一个n阶矩阵,称为方程组的系数矩阵,x和b都是n维向量,b称为方程组的右端向量。 2. n阶线性方程组的解 使方程组(1)中每一个方程都成立的一组数x1*,x2*, …,x n*称为式(1)的解,把它记为向量的形式,称为解向量. 3.一些特殊的线性方程组 1) 上三角方程组 2) 三对角方程组 ? ? ? ? ? ? ? ? ? ? ? ? = ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? - - - - - n n nn n n n n n n n n b b b x x x a a a a a a a a a a a a 2 1 2 1 1 1 1 2 1 2 23 22 1 1 1 13 12 11

4.矩阵的Doolittle 分解 5.Doolittle 分解的紧凑格式 6．矩阵的Crout 分解 ????????? ? ??=?????????? ???????????? ? ?--n n n n n n d d d x x x b a c b c b a c b a c b 21 2111333 22211???? ?? ? ? ???????? ??=??????? ??nn n n n n nn n n n n u u u u u u l l l a a a a a a a a a 222 11211 2 1 21 2 1 2222111211111 ???? ?? ? ? ???????? ??=??????? ??11 1 21122 1 2221 11 2 1 2222111211 n n nn n n nn n n n n u u u l l l l l l a a a a a a a a a ????? ?? ? ??nn n n n n n n u l l l u u l l u u u l u u u u 3 2 1 333323122322211131211

线性方程组的几种求解方法

线性方程组的几种解法 线性方程组形式如下： 常记为矩阵形式 其中 一、高斯消元法 高斯（Gauss)消元法的基本思想是：通过一系列的加减消元运算，也就是代数中的加减消去法，将方程组化为上三角矩阵；然后，再逐一回代求解出x 向量。现举例说明如下： （一）消元过程 第一步：将(1)/3使x 1的系数化为1 得 再将(2)、(3)式中x 1的系数都化为零，即由(2)-2×(1)(1) 得 )1(32)2( (03) 4 32=+x x )1(321)1(......23132=++ x x x

由(3)-4×(1)(1) 得 第二步：将(2)(1) 除以2/3，使x 2系数化为1，得 再将(3)(1) 式中x 2系数化为零，即 由(3)(1) -(-14/3)*(2)(2) ，得 第三步：将(3)(2) 除以18/3，使x 3系数化为1，得 经消元后，得到如下三角代数方程组： （二）回代过程 由(3)(3) 得 x 3=1, 将x 3代入(2)(2) 得x 2=-2, 将x 2 、x 3代入(1)(1) 得x 2=1 所以，本题解为[x]=[1,2,-1]T （三）、用矩阵演示进行消元过程 第一步： 先将方程写成增广矩阵的形式 第二步：然后对矩阵进行初等行变换 初等行变换包含如下操作 （1） 将某行同乘或同除一个非零实数 ) 3(3)3(......1-=x )2(3)3( (63) 18-=x ) 2(32) 2(......02=+x x ) 1(32)3( (63) 10 314-=-- x x

（2）将某行加入到另一行 （3）将任意两行互换 第三步：将增广矩阵变换成上三角矩阵，即主对角线全为1，左下三角矩阵全为0，形式如下： 示例： （四）高斯消元的公式 综合以上讨论，不难看出，高斯消元法解方程组的公式为 1．消元 （1）令 a ij(1) = a ij , （i,j=1,2,3,…,n） b i(1) =b i , （i=1,2,3,…,n） （2）对k=1到n-1，若a kk(k)≠0，进行 l ik = a ik(k) / a kk(k) , （i=k+1,k+2,…,n） a ij(k+1) = a ij(k) - l ik * a kj(k), （i,j= k+1,k+2,…,n） b i(k+1) = b i(k) - l ik * b k(k), （i= k+1,k+2,…,n） 2．回代 若a nn(n) ≠0 x n = b n(n) / a nn(n) x i = (b i(i) – sgm(a ij(i) * x j)/- a ii(i),（i = n-1,n-2,…,1）,( j = i+1,i+2,…,n ) （五）高斯消元法的条件 消元过程要求a ii(i) ≠0 (i=1,2,…,n),回代过程则进一步要求a nn(n) ≠0,但就方程组Ax=b 讲，a ii(i)是否等于0时无法事先看出来的。 注意A的顺序主子式D i（i=1,2,…,n）,在消元的过程中不变，这是因为消元所作的变换是“将某行的若干倍加到另一行”。若高斯消元法的过程进行了k-1步(a ii(i) ≠0,i

线性代数习题第三章 矩阵的初等变换与线性方程组

习题3-1 矩阵的初等变换及初等矩阵 1、用初等行变换化矩阵 1021 2031 3043 A - ?? ?? =?? ?? ?? 为行最简形、 2、用初等变换求方阵 321 315 323 A ?? ?? =?? ?? ?? 的逆矩阵、 3、设 412 221 311 A - ?? ?? =?? ?? - ?? , 3 22 31 - ?? ?? ?? ?? - ?? 1 B=,求X使AX B =、 4、设A就是n阶可逆矩阵,将A的第i行与第j行对换后得矩阵B、 (1) 证明B可逆(2)求1 AB-、

习题 3-2 矩阵的秩 1、求矩阵的秩: (1)310211211344A ????=--????-?? (2)111212122212n n n n n n a b a b a b a b a b a b B a b a b a b ??????=??????L L L L L L L 01,2,,i i a b i n ≠????=?? L 2、设12312323k A k k -????=--????-?? 问k 为何值,可使 (1)()1R A =; (2)()2R A =; (3)()3R A =、

3、 从矩阵A 中划去一行,得矩阵B ,则)(A R 与)(B R 的关系就是 、 .()()a R A R B = .()()b R A R B <; .()()1c R B R A >-; .()()() 1.d R A R B R A ≥≥- 4、 矩阵???? ??????-------815073*********的秩R= 、 a 、1; b 、 2; c 、 3; d 、 4、 5、 设n (n ≥3)阶方阵????? ???????=111ΛΛΛΛΛΛΛΛa a a a a a a a a A 的秩R (A )=n -1,则a = 、 a 、 1; b 、 n -11; c 、 –1; d 、 1 1-n 、 6、设A 为n 阶方阵,且2A A =,试证: ()()R A R A E n +-=

线性方程组和矩阵知识总结.doc

线性方程组和矩阵知识总结 吴荣魁 2013201363 线性方程组的基本概念 ???????=+++=+++=+++m mn m m 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 322112222212111212111 其中未知数的个数n 和方程式的个数m 不必相等. 线性方程组的解是一个n 维向量它满足:当每个方中的未知数xi 都用ki 替代时都成为等式. 线性方程组的解的情况有三种:无解,唯一解,无穷多解. 对线性方程组讨论的主要问题两个:(1)判断解的情况.(2)求解 b1=b2=…=bm=0的线性方程组称为齐次线性方程组. n 维零向量总是齐次线性方程组的解,称为零解.因此齐次线性方程组解的情况只有两种:唯一解(即只要零解)和无穷多解(即有非零解). 把一个非齐次线性方程组的每个方程的常数项都换成0，所得到的齐次线性方程组称为原方程组的导出齐次线性方程组，简称导出组. 线性方程组的解法 ???????=+++=+++=+++m mn m m 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 322112222212111212111 （1）、写出线性方程组的增广矩阵。 （2）、用初等行变换把增广矩阵化为阶梯形矩阵。 （3）、看阶梯形矩阵的最后一个非零行的首非零元是否在最后一列。如果是，则方程组无解；反之方程组有解。 （4）、在有解的情况下，找出阶梯形矩阵中非零行的个数r 。如果r=n ，则方程组有唯一解；如果r

常系数线性方程组基解矩阵的计算

常系数线性方程组基解矩阵的计算

常系数线性方程组基解矩阵的计算 董治军 （巢湖学院数学系，安徽巢湖238000） 摘要：微分方程组在工程技术中的应用时非常广泛的，不少问题都归结于它的求解问题，基解矩阵的存在和具体寻求是不同的两回事，一般齐次线性微分方程组的基解矩阵是无法通过积分得到的，但当系数矩阵是常数矩阵时，可以通过方法求出基解矩阵，这时可利用矩阵指数exp A t，给出基解矩阵的一般形式，本文针对应用最广泛的常系数线性微分方程组，结合微分方程，线性代数等知识，讨论常系数齐次线性微分方程的基解矩阵的几个一般的计算方法. 关键词；常系数奇次线性微分方程组；基解矩阵；矩阵指数 Calculation of Basic solution Matrix of

Linear Homogeneous System with Constant Coefficients Zhijun Dong (Department of Mathematics, Chaohu College Anhui, Chaohu) Abstract: Differential equations application in engineering technology is very extensive, when many problems are attributable to its solving problem, base solution matrix existence and specific seek is different things, general homogeneous linear differential equations is not the base solution matrix by integral get, but when coefficient matrix is constant matrix, can pass out the base solution matrix method, then are available matrix exponential t, the general form base solution matrix, the paper discusses the most widely used differential equations with constant coefficients, combined with differential equations, linear algebra, discuss knowledge of homogeneous linear differential equation with constant coefficients of base solution matrix several general calculation method. Keyword: linear homogeneous system with constant coefficients; matrix of basic solutions; matrix exponent 引言: 线性微分方程组的求解历来是常微分方程的重点，根据线性微分方程组的解的结构理论，求解线性微分方程组的关键在于求出对应齐次线性微分方程组的基解矩阵，本文主要讨论齐次线性微分方程组 X ’＝AX ★ 的基解矩阵的计算问题，这里A 是n n ?常数矩阵. 一．矩阵指数exp A 的定义和性质： 1.矩阵范数的定义和性质 定义：对于n n ?矩阵A ＝ij a ???? n ×n 和n 维向量X ＝()1,...,T n X X 定义A 的范数为A ＝,1 n ij i j a =∑ ，X =1 n i i x =∑ 设A ，B 是n ×n 矩阵，x ，y 是n 维向量，易得下面两个性质：