线性方程组解的理论和求解方法是线性代数学的核心内容 线性方程组解有3种可能:(1)仅有唯一解;(2)有无穷多解;(3)无解一般通过秩判断相容性。 矩阵A中的非零子式的最高阶数称为矩阵A的秩,记做秩(A)或r(A) 求矩阵秩的方法:只要对矩阵进行初等行变换,使其化为阶梯形矩阵,这个阶梯形矩阵的非零行的行数即为该矩阵的秩线性方程组(3.1)有解(相容)的充分必要条件是r(A)=r([A︙B]) 齐次线性方程组 矩阵形式为AX=0 (1)当A为m×n矩阵时,只有唯一零解的充分必要条件为:r(A)=n; (2)当A为m×n矩阵时,有非零解的充分必要条件为:r(A)<n; (3)当A为m×n矩阵,r(A)=r时,有n-r个自由元。 非齐次线性方程组 矩阵形式为AX=β
(1)AX=B有解的充分必要条件为r([A︙B])=r(A) (2)当A为m×n矩阵时,若r([A︙B])=r(A)=n,AX=B的解唯一;(3)当A为m×n矩阵时,若r([A︙B])=r(A)=r<n,AX=B有无穷多组解,也有n-r个自由元。 利用r(A),r([A︙B])与未知元个数n之间的关系,在不解线性方程组的情况下,可以判断线性方程组有解还是无解;若有解的话,是有唯一解,还是无穷多解,具体方法如下: 第1步,写出线性方程组的增广矩阵[A︙B]。 第2步,用初等行变换法,将增广矩阵[A︙B]化为阶梯形矩阵。 第3步,根据相容性定理中的r(A),r([A︙B])与n之间关系判断解的情况, 即(1)若r(A)≠r([A︙B]),则AX=B无解; (2)若r(A)=r([A︙B])=n,则AX=B唯有一解; (3)若r(A)=r([A︙B])=r<n,则AX=B有无穷多解。 应用举例:应用举例来自:线性代数(Steven J. Leon) 城市交叉路口如下图: 求交叉路口车辆数量: 进入的车辆数与离开数量相等,列下列方程组: x1+450=x2+610(路口1) x2+520=x3+480(路口2) x3+390=x4+600(路口3) x4+640=x1+310(路口4) 此方程增广矩阵: 1 -1 0 0 160 0 1 -1 0 -40 0 0 1 -1 210 -1 0 0 1 -330 通过初等变换化简为:
1 0 0 -1 330 0 1 0 -1 170 0 0 1 -1 210 0 0 0 0 0 矩阵与他的扩展矩阵的秩都为3,有4个向量;所以该方程有无究多解组: x1=x4+330 x2=x4+170 x3=x4+210 假设x4=200;就能求出相应的解
以下为Matlab求解非线性齐次方程 %解非线性齐次方程 Nonlinear homogeneous equation clear ; clc; A=[1 1 -3 -1;3 -1 -3 4;1 5 -9 -8]; b=[1 4 0]'; %转向矩阵 B=[A b]; %扩搌矩阵 C=rref(B) %高斯肖元法化为最简行[m,n]=size(A); RA=rank(A) %矩阵A秩 RB=rank(B) %扩展矩阵的秩 format rat %分数形式 if RA~=RB X='无解 ' %判断无解 elseif RA==RB && RA==n %唯有一解 X=A\b else RA==RB && RA<n %判断有任意解 X=A\b %求特解 =null(A,'r') %求AX=0的基础解系 end 输出: B = 1 -1 0 0 160 0 1 -1 0 -40 0 0 1 -1 210 -1 0 0 1 -330 C = 1 0 0 -1 330 0 1 0 -1 170 0 0 1 -1 210 0 0 0 0 0 RA = 3 RB = 3 ans = logical 1 Warning: Matrix is singular to working precision. > In untitled (line 16) X = 0/0 0/0 0/0 0/0 D = 1 1 1 1 >>
|