线性代数实践教师班第三讲).ppt

线性代数实践（第三讲） 第7章 矩阵运算法解方程 7.1 矩阵运算的规则 在MATLAB入门中已讲过的，不再重复。 由于其乘法不符合交换律，有些公式不能乱用； 单列向量与单行向量的左右两种乘法要加区别，而且往往有特别的用途。 例如向量长度（范数）的计算； 例如二维坐标网格的生成； X=ones(21,1)*[-10:10],Y= [-10:10]’*ones(1,21) 矩阵的乘幂An, eA和(I-A) -1的级数展开，都要求A是方阵。 矩阵乘法不满足交换律 有许多我们习惯的公式，其中隐含地包含了交换律，这些公式在矩阵运算中也不能直接使用。比如： 正确的做法是展开时不交换次序 平面上网格坐标系的产生 用列矩阵乘行矩阵生成网格坐标 这两个矩阵都是21行21列的，都有441个元素，如何快捷地输入呢？这时可以用到列乘行的乘法运算。可用下面的语句： h??10:10; lh?length(h) % 输入均分行向量 % 用全么列乘均分行生成X X?ones(lh,1)*h % 用均分列乘全么行生成Y Y?h‘*ones(1,lh) 7.2 初等变换乘子矩阵的生成 行交换E1gen(n,i,j)：使n行矩阵中的第i,j两行交换 function E=E1gen(n,i,j) n=size(A); E=eye(n); E(i,i)=0; E(j,j)=0; E(i,j)=1; E(j,i)=1; 乘子矩阵E2gen (n,i,k),使n行矩阵中的第i行乘以k function E=E2gen(n,i,k) n=size(A); E=eye(n); E(i,i)=k; E3gen(n,i,j,c)使n行矩阵中的第i行乘以k加到第j行上 function E=E3gen(n,i,j,k) n=size(A); E=eye(n); E(j,i)=k; 初等变换乘子矩阵示例 E=E1gen(8,4,6) E2=E2gen(8,4,6) E3=E3gen(8,4,6,5) 例如E3=E3gen(3,1,3,4) 例7.2.4 求消元所需的乘子矩阵 要消去下列矩阵的A(2,1),求乘子矩阵E3 在第二行加以第一行乘?A(2,1)/A(1,1)??3， 故令B? E3gen（A,1,2,?3） 行阶梯生成等价于矩阵左乘 因此，整个行阶梯形式U的生成过程，可以看作把原矩阵左乘以一系列的初等变换矩阵E1和E3。把这些初等矩阵的连乘积写成Ex，设其逆为L: 从而有 L*U?A （7.10） 就是说，A可以分解为一个准下三角矩阵L和一个上三角（即行阶梯）矩阵U的乘积。MATLAB提供了三角分解的函数lu，它的调用方法是： [L,U]?lu(A) lu分解是求行阶梯的一个方法 用lu函数求出的U实际上就是A的行阶梯形式（不是简化行阶梯形式）。所以，求简化行阶梯形式用rref函数，而求行阶梯形式可以用lu 函数。不过，它和我们用消元运算所得U的数据不一定相同，尽管得出的阶次和阶梯形状相同。但因为行阶梯形式可以有无数种，用不同步骤算出的结果也不同。只有变成简化行阶梯形式，才能进行比较，看它是不是惟一的。 7.3 行列式的定义和计算 两种定义方法： 1。按全排列求和定义， 其中tj为第j种排列的逆序数。 行列式第2种定义方法 2。按解的分母项，从低阶到高阶用归纳法定义 二阶： 三阶： 两种定义方法的比较 第一种定义的两个数学难点‘全排列’和‘逆序数’，是绝大多数工科学生一生不会用的。 第二种定义方法自然地得出了行列式按行（或按列）展开的公式。美国教材都用第二种定义方法，成电教材（全国精品课程）也用这种方法。 两种方法都不能用来计算，因为其计算效率都极低，25×25矩阵要算上万年。 第8章将指出，行列式的几何意义是面积或体积，可否从这方面探索，因为它的用途很单一，就是判断奇异性，连正负号都不必关心。 行列式的计算方法 计算行列式的最好方法还是行阶梯法，可以利用lu分解 [L,U]?lu(A) 把A分解为一个准下三角矩阵L和一个上三角矩阵U的乘积。因为det(L)?1，所以U和A的行列式相等。 det(A)? det(U) 而三角矩阵U的det(U)很好求。只要把U的主对角线元素连乘就可得到它的行列式。 此法所需的乘法次数仅为定义1法的10 -23 行列式计算实例7.3.1 程序如下 [l,u]?lu(A), du ? diag(u) D?prod(du) 结果为 7.4 矩阵的秩和矩阵求逆 按定义，矩阵的秩是矩阵A中行列式不等于零的最高阶子式的阶次。是用以衡量联立方程中有效方程数目的指数。 按照定义来计算矩阵的秩，可能遇到的问题也是子矩阵的数量很