本章的重点在于求解下列线性方程组:
{ α 11 x 1 + α 12 x 2 + ⋯ + α 1 n x n = β 1 α 21 x 1 + α 22 x 2 + ⋯ + α 2 n x n = β 2 ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ α n 1 x 1 + α n 2 x 2 + ⋯ + α n n x n = β n \left\{\begin{matrix} { {\alpha _{11}}{x_1} + {\alpha _{12}}{x_2} + \cdots + {\alpha _{1n}}{x_n} = {\beta _1}}\\ { {\alpha _{21}}{x_1} + {\alpha _{22}}{x_2} + \cdots + {\alpha _{2n}}{x_n} = {\beta _2}}\\ { \cdots \quad \cdots \quad \cdots \quad \cdots \quad \cdots \quad \cdots }\\ { {\alpha _{n1}}{x_1} + {\alpha _{n2}}{x_2} + \cdots + {\alpha _{nn}}{x_n} = {\beta _n}} \end{matrix}\right. ⎩⎪⎪⎨⎪⎪⎧α11x1+α12x2+⋯+α1nxn=β1α21x1+α22x2+⋯+α2nxn=β2⋯⋯⋯⋯⋯⋯αn1x1+αn2x2+⋯+αnnxn=βn
方程组可以转化为:
A x = B Ax=B Ax=B
其中:
A = [ α 11 α 12 ⋯ α 1 n α 21 α 22 ⋯ α 2 n ⋯ ⋯ ⋯ ⋯ α n 1 α n 2 ⋯ α n n ] , x = [ x 1 x 2 ⋮ x n ] , b = [ β 1 β 2 ⋮ β n ] A = \begin{bmatrix} {
{\alpha _{11}}}&{
{\alpha _{12}}}& \cdots &{
{\alpha _{1n}}}\\ {
{\alpha _{21}}}&{
{\alpha _{22}}}& \cdots &{
{\alpha _{2n}}}\\ \cdots & \cdots & \cdots & \cdots \\ {
{\alpha _{n1}}}&{
{\alpha _{n2}}}& \cdots &{
{\alpha _{nn}}} \end{bmatrix} ,x=\begin{bmatrix} x_1\\ x_2\\ \vdots\\ x_n \end{bmatrix},b = \begin{bmatrix} {
{\beta _1}}\\ {
{\beta _2}}\\ \vdots \\ {
{\beta _n}} \end{bmatrix} A=⎣⎢⎢⎡α11α21⋯αn1α12α22⋯αn2⋯⋯⋯⋯α1nα2n⋯αnn⎦⎥⎥⎤,x=⎣⎢⎢⎢⎡x1x2⋮xn⎦⎥⎥⎥⎤,b=⎣⎢⎢⎢⎡β1β2⋮βn⎦⎥⎥⎥⎤
则:
法 1 求逆
根据矩阵的思想,
x = A − 1 B x=A^{-1}B x=A−1B
求逆的方法有很多,那么该算法的复杂性就取决于求逆的方法。
法 2 Crammer 法则
x i = ∣ A i ∣ ∣ A ∣ , i = 1 , 2 , . . . , n x_i=\frac {|A_i|} {|A|},i=1,2,...,n xi=∣A∣∣Ai∣,i=1,2,...,n
其中, ∣ A ∣ |A| ∣A∣ 是系数矩阵行列式, ∣ A i ∣ |A_i| ∣Ai∣ 是以右端向量 b 代替 A 的第 i 列所得的矩阵的行列式。
计算量为求矩阵的行列式(下面是行列式的定义式):
∣    A    ∣ = ∑ ( − 1 ) J ( i 1 , i 2 ⋯ i n ) α 1 i 1 α 2 i 2 ⋯ α n i n \left| {\;{\bf{A}}\;} \right| = \sum {
{
{( - 1)}^{J({i_1},{i_2} \cdots {i_n})}}{\alpha _{1{i_1}}}{\alpha _{2{i_2}}} \cdots {\alpha _{n{i_n}}}} ∣A∣=∑(−1)J(i1,i2