1.1 解线性方程组的矩阵消元法
\quad 前面说过,高等代数实质上是在解决数个大问题,线性方程组的求解问题 是高等代数中的第一个大问题。本节将介绍线性方程组的一种解法——矩阵消元法。
\quad
对于求解线性方程组,在中学阶段,我们已经学习过 加减消元法
以及 代入消元法
。这两种消元法对于求解方程个数较多的方程组来说太过随意(每一步能消元就行,两种方法任意用)。我们期望能够找到一种更加规范、统一的方法,使得可以使用计算机进行处理,这就是本节所要介绍的 矩阵消元法。
\quad
结合中学的数学知识,很容易对 例 1
作如下求解。
例 1:
{ x 1 + 3 x 2 + x 3 = 2 3 x 1 + 4 x 2 + 2 x 3 = 9 − x 1 − 5 x 2 + x 3 = 10 2 x 1 + 7 x 2 + x 3 = 1 \begin{cases} x_{1} + 3 x_{2} + x_{3} = 2 \\ 3 x_{1} + 4 x_{2} + 2 x_{3} = 9 \\ - x_{1} - 5 x_{2} + x_{3} = 10 \\ 2 x_{1} + 7 x_{2} + x_{3} = 1 \end{cases} ⎩ ⎨ ⎧x1+3x2+x3=23x1+4x2+2x3=9−x1−5x2+x3=102x1+7x2+x3=1
解:
\quad 对上述方程组中的方程组依次标序: ①、②、③、④。
\quad 作如下操作: ② + ① × ( − 3 ) ② + ① \times (-3) ②+①×(−3)、 ③ + ① × 1 ③ + ① \times 1 ③+①×1、 ④ + ① × ( − 2 ) ④ + ① \times (-2) ④+①×(−2) 得:
{ x 1 + 3 x 2 + x 3 = 2 − 5 x 2 − x 3 = 3 − 2 x 2 + 5 x 3 = 12 x 2 − x 3 = − 3 \begin{cases} \begin{aligned} x_{1} + 3 x_{2} + x_{3} &= 2 \\ -5 x_{2} - x_{3} &= 3 \\ -2 x_{2} + 5 x_{3} &= 12 \\ x_{2} - x_{3} &= -3 \end{aligned} \end{cases} ⎩ ⎨ ⎧x1+3x2+x3−5x2−x3−2x2+5x3x2−x3=2=3=12=−3
\quad 为了方便处理,调换 ( ② , ④ ) (②,④) (②,④) 得:
{ x 1 + 3 x 2 + x 3 = 2 x 2 − x 3 = − 3 − 2 x 2 + 5 x 3 = 12 − 5 x 2 − x 3 = 3 \begin{cases} \begin{aligned} x_{1} + 3 x_{2} + x_{3} &= 2 \\ x_{2} - x_{3} &= -3 \\ -2 x_{2} + 5 x_{3} &= 12 \\ -5 x_{2} - x_{3} &= 3 \end{aligned} \end{cases} ⎩ ⎨ ⎧x1+3x2+x3x2−x3−2x2+5x3−5x2−x3=2=−3=12=3
\quad 作如下操作: ③ + ② × 2 ③ + ② \times 2 ③+②×2、 ④ + ② × 5 ④ + ② \times 5 ④+②×5 得:
{ x 1 + 3 x 2 + x 3 = 2 x 2 − x 3 = − 3 3 x 3 = 6 − 6 x 3 = 12 \begin{cases} \begin{aligned} x_{1} + 3 x_{2} + x_{3} &= 2 \\ x_{2} - x_{3} &= -3 \\ 3 x_{3} &= 6 \\ -6 x_{3} &= 12 \end{aligned} \end{cases} ⎩ ⎨ ⎧x1+3x2+x3x2−x33x3−6x3=2=−3=6=12
\quad 作如下操作: ④ + ③ × 2 ④ + ③ \times 2 ④+③×2、 ③ × ( 1 3 ) ③ \times (\frac{1}{3}) ③×(31) 得:
{ x 1 + 3 x 2 + x 3 = 2 x 2 − x 3 = − 3 x 3 = 2 \begin{cases} \begin{aligned} x_{1} + 3 x_{2} + x_{3} &= 2 \\ x_{2} - x_{3} &= -3 \\ x_{3} &= 2 \end{aligned} \end{cases} ⎩ ⎨ ⎧x1+3x2+x3x2−x3x3=2=−3=2
\quad 代入消元,将 x 3 = 2 x_{3} = 2 x3=2 代入 ② 可得 x 2 = − 1 x_{2} = -1 x2=−1,再将 x 2 = − 1 , x 3 = 2 x_{2} = -1,x_{3} = 2 x2=−1,x3=2 代入 ① 可得 x 1 = 3 x_{1} = 3 x1=3.
\quad 综上,方程组的解为:
{ x 1 = 3 x 2 = − 1 x 3 = 2 \begin{cases} x_{1} = 3 \\ x_{2} = -1 \\ x_{3} = 2 \end{cases} ⎩ ⎨ ⎧x1=3x2=−1x3=2
#
\quad
可以看出,在 例 1
的求解过程中,实质上只是进行了系数的运算,未知量的作用仅为标明次序,并未参与运算。
\quad
下面,我们用 增广矩阵
表示各个过程。
( 1 3 1 2 3 4 2 9 − 1 − 5 4 10 2 7 1 1 ) → ② + ① × ( − 3 ) ③ + ① × 1 ④ + ① × ( − 2 ) ( 1 3 1 2 0 − 5 − 1 3 0 − 2 5 12 0 1 − 1 − 3 ) → ( ② , ④ ) ( 1 3 1 2 0 1 − 1 − 3 0 − 2 5 12 0 − 5 − 1 − 3 ) → ③ + ② × 2 ④ + ② × 5 ( 1 3 1 2 0 1 − 1 3 0 0 3 6 0 0 − 6 − 12 ) → ④ + ③ × 2 ( 1 3 1 2 0 1 − 1 3 0 0 3 6 0 0 0 0 ) \left( \begin{matrix} 1& 3& 1& 2\\ 3& 4& 2& 9\\ -1& -5& 4& 10\\ 2& 7& 1& 1\\ \end{matrix} \right) \xrightarrow{\begin{aligned} &②+①\times \left( -3 \right)\\ &③+①\times 1\\ &④+①\times \left( -2 \right)\\ \end{aligned}}\left( \begin{matrix} 1& 3& 1& 2\\ 0& -5& -1& 3\\ 0& -2& 5& 12\\ 0& 1& -1& -3\\ \end{matrix} \right) \xrightarrow{\left( ②,④ \right)}\left( \begin{matrix} 1& 3& 1& 2\\ 0& 1& -1& -3\\ 0& -2& 5& 12\\ 0& -5& -1& -3\\ \end{matrix} \right) \xrightarrow{\begin{array}{c} ③+②\times 2\\ ④+②\times 5\\ \end{array}}\left( \begin{matrix} 1& 3& 1& 2\\ 0& 1& -1& 3\\ 0& 0& 3& 6\\ 0& 0& -6& -12\\ \end{matrix} \right) \xrightarrow{④+③\times 2}\left( \begin{matrix} 1& 3& 1& 2\\ 0& 1& -1& 3\\ 0& 0& 3& 6\\ 0& 0& 0& 0\\ \end{matrix} \right) 13−1234−57124129101 ②+①×(−3)③+①×1④+①×(−2) 10003−5−211−15−12312−3 (②,④) 100031−2−51−15−12−312−3 ③+②×2④+②×5 100031001−13−6236−12 ④+③×2 100031001−1302360
\quad 根据最后一个矩阵,列出与之对应的线性方程组:
( 1 3 1 2 0 1 − 1 3 0 0 3 6 0 0 0 0 ) ⟷ { x 1 + 3 x 2 + x 3 = 2 x 2 − x 3 = − 3 3 x 3 = 6. \left( \begin{matrix} 1& 3& 1& 2\\ 0& 1& -1& 3\\ 0& 0& 3& 6\\ 0& 0& 0& 0\\ \end{matrix} \right) \longleftrightarrow \begin{cases} \begin{aligned} x_1+3x_2+x_3&=2\\ x_2-x_3&=-3\\ 3x_3&=6. \end{aligned}\end{cases} 100031001−1302360 ⟷⎩ ⎨ ⎧x1+3x2+x3x2−x33x3=2=−3=6.
\quad 可以抽象出 “阶梯形矩阵” 的概念。
阶梯形矩阵:满足以下条件的矩阵称为 阶梯形矩阵。
- 0 0 0 行都在下方;
- 主元(首个非 0 0 0 元)的列指标随着行指标的增加而严格增大。
\quad
若对 例 1
得到的 阶梯形矩阵
继续 “操作”,则有:
( 1 3 1 2 0 1 − 1 3 0 0 3 6 0 0 0 0 ) → ② + ③ × 1 ① + ③ × ( − 1 ) ( 1 3 0 0 0 1 0 − 1 0 0 1 2 0 0 0 0 ) → ① + ② × ( − 3 ) ( 1 0 0 3 0 1 0 − 1 0 0 1 2 0 0 0 0 ) \left( \begin{matrix} 1& 3& 1& 2\\ 0& 1& -1& 3\\ 0& 0& 3& 6\\ 0& 0& 0& 0\\ \end{matrix} \right) \xrightarrow{\begin{aligned} &② + ③\times 1 \\ &① + ③\times (-1) \end{aligned}} \left( \begin{matrix} 1 & 3 & 0 & 0\\ 0 & 1 & 0 & -1\\ 0 & 0 & 1 & 2\\ 0 & 0 & 0 & 0 \end{matrix}\right) \xrightarrow{① + ②\times (-3) } \left( \begin{matrix} 1 & 0 & 0 & 3\\ 0 & 1 & 0 & -1\\ 0 & 0 & 1 & 2\\ 0 & 0 & 0 & 0 \end{matrix}\right) 100031001−1302360 ②+③×1①+③×(−1) 1000310000100−120 ①+②×(−3) 1000010000103−120
\quad 根据最后一个矩阵,列写出与之对应的线性方程组:
( 1 0 0 3 0 1 0 − 1 0 0 1 2 0 0 0 0 ) ⟷ { x 1 = 3 x 2 = − 1 x 3 = 2 \left( \begin{matrix} 1 & 0 & 0 & 3\\ 0 & 1 & 0 & -1\\ 0 & 0 & 1 & 2\\ 0 & 0 & 0 & 0 \end{matrix}\right) \longleftrightarrow \begin{cases} x_1 = 3 \\ x_{2} = -1 \\ x_{3} = 2 \end{cases} 1000010000103−120 ⟷⎩ ⎨ ⎧x1=3x2=−1x3=2
可以看到,该方程组实质上就是原方程组的解!
\quad 可以抽象出 “简化行阶梯形矩阵” 的概念。
简化行阶梯形矩阵:满足以下条件的矩阵称为 简化行阶梯形矩阵。
- 主元全为 1 1 1;
- 主元所在列的其余元素全为 0 0 0;
- 同时又是一个阶梯形矩阵。
\quad 总结一下,上面所谓的“操作” 涉及到了 3 3 3 种变换:
- 一行的倍数加到另一行上;
- 互换两行的未知;
- 一行乘以一个非零数。
我们称这 3 3 3 种操作为 矩阵的初等行变换。
\quad 对应地,可定义线性方程组的初等行变换。显然,经过初等行变换后的线性方程组与原方程组同解(可以自己验证)。从而:矩阵的初等行变换得到的方程组与原方程组同解!
\quad 现在,可以对求解线性方程组的矩阵消元法作一下总结:
- 写出线性方程组对应的增广矩阵;
- 使用初等行变换将增广矩阵化为(简化行)阶梯形矩阵;
- 从(简化行)阶梯形矩阵中就可以看出原方程组是否有解。
作业:思考与阅读;上册 P12~P15:例 1,例 4;习题1.1:1, 2.
参考:
- 邱维声. 高等代数课程.