版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/xhf0374/article/details/63680667
MIT 公开课:Gilbert Strang《线性代数》课程笔记(汇总)
Lecture 2: Elimination with matrices 课程 2:矩阵消元
对于线性方程组
⎧ ⎩ ⎨ x + 2 y + z 3 x + 8 y + z 4 y + z = 2 = 12 = 2 ,
我们首先通过消元来简化方程组,再通过回代求得方程组的解。
考虑方程组系数矩阵
A
及其右端向量
b
A = ⎛ ⎝ ⎜ 1 3 0 2 8 4 1 1 1 ⎞ ⎠ ⎟ , b = ⎛ ⎝ ⎜ 2 12 2 ⎞ ⎠ ⎟ ,
我们称
( A , b ) = ⎛ ⎝ ⎜ 1 3 0 2 8 4 1 1 1 2 12 2 ⎞ ⎠ ⎟
为增广矩阵(augmented matrix).
下面对增广矩阵
( A , b )
进行消元:
⎛ ⎝ ⎜ 1 3 0 2 8 4 1 1 1 2 12 2 ⎞ ⎠ ⎟ − → − − − − − − − − − − − − 第 一 行 乘 以 − 3 加 到 第 二 行 ⎛ ⎝ ⎜ 1 0 0 2 2 4 1 − 2 1 2 6 2 ⎞ ⎠ ⎟ − → − − − − − − − − − − − − 第 二 行 乘 以 − 2 加 到 第 三 行 ⎛ ⎝ ⎜ ⎜ 1 0 0 2 2 0 1 − 2 5 2 6 − 10 ⎞ ⎠ ⎟ ⎟ .
其中,方框中的
1 , 2 , 5
称为主元(pivot),注意,主元不能为
0.
下面通过回代求得线性方程组的解。
首先由增广矩阵的第三行可知,
z = − 2
,将
z = − 2
代入第二行可得
y = 1
,再将
z = − 2 , y = 1
代入第一行可得
x = 2.
因此方程组的解为
x = 2 , y = 1 , z = − 2.
扫描二维码关注公众号,回复:
3219805 查看本文章
我们将
A
通过消元后得到的上三角矩阵(upper triangular) 记为
U
,即
U = ⎛ ⎝ ⎜ 1 0 0 2 2 0 1 − 2 5 ⎞ ⎠ ⎟ .
下面从矩阵乘法的角度来说明
A
是如何变成
U
的。
首先将
A
的第一行的
− 3
倍加到第二行得到了
A 1 = ⎛ ⎝ ⎜ 1 0 0 2 2 4 1 − 2 1 ⎞ ⎠ ⎟ .
回忆一下矩阵乘法,一个矩阵左乘矩阵
A
相当于对
A
的行作线性组合,因此我们要找到一个合适的矩阵
X
使得
X A = A 1
,由
A
和
A 1
的前两行相同可知,矩阵
X
的第一行和第三行分别为
( 1 , 0 , 0 ) , ( 0 , 0 , 1 ) .
又由将
A
的第一行的
− 3
倍加到第二行得到
A 1
可知,
X
的第二行为
( − 3 , 1 , 0 ) .
因此
X = ⎛ ⎝ ⎜ 1 − 3 0 0 1 0 0 0 1 ⎞ ⎠ ⎟ .
我们将这个矩阵即为
E 21
,因为它把
A
的
( 2 , 1 )
位置的元素消成了
0.
这个矩阵称为初等矩阵或消元矩阵(elementary matrix or elimination matrix).
同理可知,第二次变换的矩阵为
⎛ ⎝ ⎜ 1 0 0 0 1 − 2 0 0 1 ⎞ ⎠ ⎟ .
我们将这个矩阵记为
E 32
,它同样是初等矩阵。
因此我们即得
E 32 E 21 A = U .
这就是矩阵消元的乘法表示。
MIT 公开课:Gilbert Strang《线性代数》课程笔记(汇总)