高斯消元法——Matlab解线性方程组（1）

目录

前言

一、求解线性方程组不是用逆矩阵法就可以了吗？

二、Matlab解线性方程组

1.Matlab反斜线运算符

2.举个栗子

3.写出矩阵形式的推导过程

总结

---

前言

        科学计算中最常遇到的一个问题，就是线性方程组的求解。本文章首先介绍求解线性方程组的最基础方法。

---

一、求解线性方程组不是用逆矩阵法就可以了吗？

        如果采用矩阵来表示，一个线性方程组系统可表示为：

通常情况下，变量和方程书目一样多。此时A为一个已知的n阶方阵，b是包含n个分量的已知列向量，x是包含n个分量的为止列向量。

        线性代数中学习了可以通过求逆矩阵的方法来求解x。然而大多数实际问题中，计算A的逆矩阵没有必要也很麻烦，同时会带来更大的计算量：

        以一个简单的计算式为例：

        直接运用除法：

        如果采用逆矩阵的形式，则有：

虽然看上去没有太大的区别，但是在计算机的脑子里，第一种方法只进行了一次除法运算，而第二种方法先进行了一次除法运算，后进行了一次乘法运算。

        因此，这里讨论的重点就集中在线性方程组的直接求解，而不关心矩阵逆的计算。

二、Matlab解线性方程组

1.Matlab反斜线运算符

        Matlab引入了两种非标准记号，分别叫反向斜线（“backward slash”）算符和正向斜线（“forward slash”）算符，写作“\”和“/”。

        如果A、B是拥有同样行数的矩阵，则线性方程组系统

的解可以表示为：

可以把这看成是将等式的左右两边都除以系数矩阵A。也称为B左除A。

        同理，如果A、B是拥有同样列数的矩阵，则线性方程组系统

的解可以表示为：

称为B右除A。

2.举个栗子

        随便考虑一个线性方程组系统，如下所示

  

这个系统代表了三个联立的方程：

可以使用线性代数中的消主元法来化简。

即第一步用第一个式子消去下面两个式子的x1。也即通过将第一个式子的0.3倍加到第二个式子上、再将第一个式子的-0.5倍加到第三个式子上，以消去第二第三个式子的x1.此时第一个式子x1的系数10称为第一个主元（pivot），而其他方程中x1的系数除以主元得到的-0.3和0.5称为乘子（multiplier）。则方程变为：

同理，用第二个式子的x2消去第三个式子的x2.但是这里我们看到，第二个方程x2的系数-0.1比较小，可能会产生舍入误差（后续讲到）。故而先将第二第三个式子交换次序。这一步被称为选主元。

这时，可以将第二个方程乘以0.04倍，加给第三个方程，消去第三个方程的x2项。即得到：

这时候，第三个方程已经非常简化了：

得到x3=1，反带回去得到x2=-1,x1=0

最后的解写作：

3.写出矩阵形式的推导过程

吃了上面的栗子，可以总结总结上面几步的规律。

①将矩阵A的第二第三行交换，可以用初等转换矩阵表示为：

②将第二个方程乘以0.04倍加给第三个方程，然后将第一个式子的0.3倍加到第三个式子上、再将第一个式子的-0.5倍加到第二个式子上，用初等变换表示为：

 ③最后得到的上三角系数矩阵记为U:

④整理几个矩阵。可以知道，A矩阵经过行变换P以后，再经过②变换可以得到最后的上三角系数矩阵U。即：

根据矩阵知识，可以很简单地求出L1矩阵的逆，命名为L矩阵，则有：

换而言之，原始方程组的系数矩阵，可以经过一系列初等变换表示为结构比较简单的矩阵的乘积。这种分解方法又叫做“LU分解法”。后面会讲到。

总结

        第一节介绍了求解线性方程组的最基础方法，也是线性代数中学到的方法。这种方法可以避免求解逆矩阵，进而简化计算量。本文只简单介绍了3阶情况，推而广之的任务留给下文。