线性方程组的求解

线性方程组的求解

课程内容设计：《线性方程组的求解》

第一部分：线性方程组的表示

1. 引入线性方程组

   • 线性方程组是一组包含未知数的线性方程，通常表示为：
     $$\begin{array}{rl}{a}_{11}{x}_1+a_{12}{x}_2+\cdots +a_{1n}{x}_n& =b_1\\ a_{21}{x}_1+a_{22}{x}_2+\cdots +a_{2n}{x}_n& =b_2\\ \dots & \\ a_{m1}{x}_1+a_{m2}{x}_2+\cdots +a_{mn}{x}_n& =b_m\end{array}$$

   • 这是一个含有 $m$ 个方程和 $n$ 个未知数的线性方程组。通过矩阵的方式可以方便地表示为：
     $$\mathbf{Ax}=\mathbf{b}$$
     其中：
     $$\mathbf{A}=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \dots & a_{1n}\\ a_{21}& a_{22}& \dots & a_{2n}\\ \dots & \dots & \dots & \dots \\ a_{m1}& a_{m2}& \dots & a_{mn}\end{array}\right],\mathbf{x}=\left[\begin{array}{c}{x}_1\\ x_2\\ ⋮\\ x_n\end{array}\right],\mathbf{b}=\left[\begin{array}{c}{b}_1\\ b_2\\ ⋮\\ b_m\end{array}\right]$$

2. 应用实例

   • 比如有如下的线性方程组：

     $$\begin{array}{rl}2x+3y& =5\\ 4x+y& =6\end{array}$$

     可以用矩阵表示为：
     $$\begin{array}{rl}2x+3y& =5\\ 4x+y& =6\end{array}$$

     可以用矩阵表示为：
     $$\left[\begin{array}{cc}2& 3\\ 4& 1\end{array}\right]$$
     $$\left[\begin{array}{c}x\\ y\end{array}\right]$$

     $$\left[\begin{array}{c}5\\ 6\end{array}\right]$$
     这个矩阵方程表示了两个未知数 $x$ 和 $y$ 的线性关系。

---

第二部分：高斯消元法

1. 高斯消元法的基本步骤

   • 目标：通过一系列的行变换将线性方程组化为上三角矩阵，从而可以通过回代法求解未知数。
   • 步骤：
     1. 对增广矩阵应用初等行变换，使得主对角线下方的元素变为零。
     2. 然后从最后一个方程开始，反向代入求解各个未知数。

2. 示例：高斯消元法解线性方程组

   • 考虑如下的方程组：
     $$\begin{array}{rl}2x+3y& =5\\ 4x+y& =6\end{array}$$
     我们可以将其写成增广矩阵的形式：
     $$\left[\begin{array}{ccc}2& 3& 5\\ 4& 1& 6\end{array}\right]$$

     1. 第一步，将第一行的第一个元素变成 1。用第一行除以 2：
        $$\left[\begin{array}{ccc}1& 1.5& 2.5\\ 4& 1& 6\end{array}\right]$$

     2. 第二步，消去第二行的第一个元素。用第二行减去 4 倍的第一行：
        $$\left[\begin{array}{ccc}1& 1.5& 2.5\\ 0& -5& -4\end{array}\right]$$

     3. 第三步，处理第二行。将第二行除以 -5：
        $$\left[\begin{array}{ccc}1& 1.5& 2.5\\ 0& 1& 0.8\end{array}\right]$$

     4. 最后，消去第一行中的 $y$ 项。用第一行减去 1.5 倍的第二行：
        $$\left[\begin{array}{ccc}1& 0& 1\\ 0& 1& 0.8\end{array}\right]$$

     从上面的矩阵可以直接得出：
     $$x=1,y=0.8$$

---

第三部分：克拉默法则

1. 克拉默法则的公式

   • 克拉默法则提供了一种用行列式计算线性方程组解的方法。设方程组为：
     $$\mathbf{Ax}=\mathbf{b}$$
     其中 $\mathbf{A}$ 是系数矩阵，$\mathbf{x}$ 是未知数列，$\mathbf{b}$ 是常数列。

     解 $\mathbf{x}$ 中的第 $i$ 个未知数的公式为：
     $$x_i=\frac{\text{det}({\mathbf{A}}_i)}{\text{det}(\mathbf{A})}$$
     其中 ${\mathbf{A}}_i$ 是通过将系数矩阵 $\mathbf{A}$ 的第 $i$ 列替换为常数列 $\mathbf{b}$ 得到的矩阵。

2. 示例：用克拉默法则解线性方程组

   • 对于方程组：
     $$\begin{array}{rl}2x+3y& =5\\ 4x+y& =6\end{array}$$
     系数矩阵为：
     $$\mathbf{A}=\left[\begin{array}{cc}2& 3\\ 4& 1\end{array}\right],\mathbf{b}=\left[\begin{array}{c}5\\ 6\end{array}\right]$$

     1. 计算 $\text{det}(\mathbf{A})$：
        $$\text{det}(\mathbf{A})=2\times 1-3\times 4=2-12=-10$$

     2. 计算 $\text{det}({\mathbf{A}}_1)$（替换第一列为 $\mathbf{b}$）：
        $${\mathbf{A}}_1=\left[\begin{array}{cc}5& 3\\ 6& 1\end{array}\right],\text{det}({\mathbf{A}}_1)=5\times 1-3\times 6=5-18=-13$$

     3. 计算 $\text{det}({\mathbf{A}}_2)$（替换第二列为 $\mathbf{b}$）：
        $${\mathbf{A}}_2=\left[\begin{array}{cc}2& 5\\ 4& 6\end{array}\right],\text{det}({\mathbf{A}}_2)=2\times 6-5\times 4=12-20=-8$$

     4. 解得：
        $$x=\frac{\text{det}({\mathbf{A}}_1)}{\text{det}(\mathbf{A})}=\frac{-13}{-10}=1.3,y=\frac{\text{det}({\mathbf{A}}_2)}{\text{det}(\mathbf{A})}=\frac{-8}{-10}=0.8$$

---

课堂活动：高斯消元法的实践

1. 活动目的：让学生使用高斯消元法解决一个实际的线性方程组，并讨论解的情况。

2. 任务：

   • 给出一个随机的线性方程组，要求学生使用高斯消元法进行求解。并判断方程组的解是否是唯一解、无解或者无穷多解。

---

总结

• 线性方程组的表示：矩阵方程的形式 $A\mathbf{x}=\mathbf{b}$ 为解线性方程组提供了一个简洁的表达方式。
• 高斯消元法：通过一系列的行变换将矩阵化为上三角矩阵，从而解出方程的解。
• 克拉默法则：通过行列式求解线性方程组，适用于方程组的解是唯一的情况。

通过高斯消元法和克拉默法则，学生可以更好地理解线性方程组的解的结构，并掌握求解的方法。

---

下面结合 高斯消元法 和 克拉默法则，给出 Python 代码实现的具体案例。这些代码可以用于解决线性方程组，并计算方程组的解。

---

1. 高斯消元法代码实现

高斯消元法是通过初等行变换将线性方程组转化为上三角矩阵，然后用回代法求解。我们将使用 Python 来实现这个过程。

代码实现：高斯消元法

import numpy as np

def gaussian_elimination(A, b):
    n = len(b)
    # 创建增广矩阵
    augmented_matrix = np.hstack([A, b.reshape(-1, 1)])

    # 高斯消元
    for i in range(n):
        # 找到第 i 列中绝对值最大元素的行
        max_row = np.argmax(np.abs(augmented_matrix[i:n, i])) + i
        augmented_matrix[[i, max_row]] = augmented_matrix[[max_row, i]]

        # 将第 i 列下方的元素消去
        for j in range(i + 1, n):
            ratio = augmented_matrix[j, i] / augmented_matrix[i, i]
            augmented_matrix[j, i:] -= ratio * augmented_matrix[i, i:]

    # 回代求解
    x = np.zeros(n)
    for i in range(n - 1, -1, -1):
        x[i] = (augmented_matrix[i, -1] - np.dot(augmented_matrix[i, i+1:n], x[i+1:n])) / augmented_matrix[i, i]
    
    return x

# 测试线性方程组： 2x + 3y = 5, 4x + y = 6
A = np.array([[2, 3], [4, 1]], dtype=float)
b = np.array([5, 6], dtype=float)

x = gaussian_elimination(A, b)
print("解为：", x)

解释：

1. 增广矩阵：我们首先将系数矩阵和常数列拼接成增广矩阵。
2. 高斯消元：我们通过行变换使得增广矩阵成为上三角矩阵。
3. 回代法：最后通过回代法从上往下求解未知数。

输出：

解为： [1.  0.8]

2. 克拉默法则代码实现

克拉默法则通过行列式求解线性方程组。我们将利用 NumPy 来计算矩阵的行列式和解。

代码实现：克拉默法则

def cramer_rule(A, b):
    det_A = np.linalg.det(A)  # 计算系数矩阵的行列式
    n = A.shape[1]
    
    if det_A == 0:
        raise ValueError("系数矩阵的行列式为零，方程组无唯一解")
    
    # 计算每个变量的解
    x = np.zeros(n)
    for i in range(n):
        A_copy = A.copy()
        A_copy[:, i] = b  # 替换第 i 列为常数列
        x[i] = np.linalg.det(A_copy) / det_A
    
    return x

# 测试线性方程组： 2x + 3y = 5, 4x + y = 6
A = np.array([[2, 3], [4, 1]], dtype=float)
b = np.array([5, 6], dtype=float)

x = cramer_rule(A, b)
print("解为：", x)

解释：

1. 计算行列式：首先计算系数矩阵 ( A ) 的行列式。
2. 替换列：对于每个未知数，我们将系数矩阵的相应列替换为常数列 ( b )，并计算新矩阵的行列式。
3. 解的计算：每个变量的解就是对应行列式与 ( A ) 的行列式之比。

输出：

解为： [1.  0.8]

3. 总结

1. 高斯消元法 是一种通过行变换得到上三角矩阵，再通过回代求解的方法。它适用于任何线性方程组，但当系数矩阵的行列式为零时，方程组没有唯一解。

2. 克拉默法则 使用行列式的比值来解线性方程组，适用于解有唯一解的方程组。当系数矩阵的行列式为零时，方程组无解或有无穷多解。

以上代码和方法非常适合在教学中进行示范，可以帮助学生更直观地理解线性方程组的求解过程。通过 Python 实现，我们不仅可以节省计算时间，还可以帮助学生深刻理解高斯消元法和克拉默法则的步骤。