第四章向量与矩阵.ppt

* ? 这样，我们得到通解，X=k1*RZ(:,1)+k2*RZ(:,2)，其中k1,k2为任意实数。行最简型是指：非零行向量的第一个非零元素为1(该行向量和它的转置相乘的结果为1)，且含这些元素的列的其它元素都为0。 （2）规范正交基 Z=null(A) %求解空间的单位正交基，Z的列向量是方程Ax=0的单位正交基 Z = 831/1157 -211/72443 -535/866 543/2167 280/2593 -584/941 575/1908 1882/2533 * ? A*Z(:,1) %验证Ax=0 ans = -1/2251799813685248 -1/1801439850948199 -1/4503599627370496 A*Z(:,2) %验证Ax=0 ans = 1/4503599627370496 1/4503599627370496 0 * ? Z(:,1)*Z(:,1) ans = 1 Z(:,2)*Z(:,2) ans = 1 * ? 4.5.3非齐次线性方程组的求解 非齐次线性方程组的求解较为复杂，一般采用左除法，matlab会根据系数矩阵的特点灵活选择不同的解法，例如，若系数矩阵是对称且正定的，则使用Cholesky分解，否则，可能使用LU分解或QR分解。对于奇异或近似奇异的矩阵，则会给出一个错误信息。这里就大学线性代数教科书中的解法进行讲述（仅适用于低阶矩阵）。 * ? A为任意矩阵，b为与A有相同行数的列向量。令Z=[A b] 为增广矩阵。则Ax=b有解的条件是rank(A)==rank(Z)。当A的秩恒等于未知数的个数（即A的列数）时，方程Ax=b有唯一解，否则有通解X=t+Te, 其中t是方程Ax=0的基础解系，Te是方程A*x=b的一个特解。 例如：有如下线性方程组A*x=b，求x ， * ? A=[1 -1 -1 1; 1 -1 1 -3;1 -1 -2 3]; b=[0 1 -1/2]; Z=[A b] %增广矩阵Z RA=rank(A); RZ=rank(Z); column=size(A,2); format rat * ? if RA~=RZ %只有当RA==RZ时，线性方程组有解。 disp(方程组无解); else if RA==column %有唯一解 X=A\b else Te=zeros(column,1); %初始化Ax=b的特解 ZJ=rref(Z); %求得增广矩阵Z的行最简形 for i=1:RA for j=1:column if ZJ(i,j)==1 %找到每行的第一个1, %则其对应的列号j，有xj==bj break; end * ? end Te(j)=ZJ(i,end); %bj用ZJ(i,end)表示 end Te %输出特解 end end Te = 1/2 0 1/2 0 * ? t=null(A,r) %求齐次线性方程组Ax=0的基础解析 t = 1 1 1 0 0 2 0 1 则此非齐次线性方程组Ax=b的通解为:t(:,1)*k1+t(:,2)*k2+Te,其中，k1,k2为任意实数。增广矩阵一旦化为了行最简形，则其特解可以直接得到。即每行的第一个非零元素1，按其列号，代表了xj,直接等于增广矩阵的该行的最后一个元素。 ， * ? 4.5.4方阵的特征值和特征向量 设A是n阶方阵，如果标量λ和n维非零列向量x使关系式：Ax=λx成立，那么，这样的标量λ称为方阵A的特征值（n阶方阵将会n个特征值，形成一个n维列向量）。将λ带入关系式，而得到的非零解x称为A的对应于特征值λ的特征向量。 ， * ? 例如： 求A=[3 -1; -1 3]的特征值和特征向量。 A=[3 -1; -1 3]; p=poly(A) %求矩阵A的特征多项式,即det(A-λE)，是关于λ的n次多项式。