线性代数关于matlab的运用.doc

五 线性代数 线性方程组的求解 我们将线性方程的求解分为两类：一类是方程组求唯一解或求特解，另一类是方程组求无穷解即通解。可以通过系数矩阵的秩来判断： 若系数矩阵的秩r=n（n为方程组中未知变量的个数），则有唯一解； 若系数矩阵的秩rn，则可能有无穷解； 线性方程组的无穷解 = 对应齐次方程组的通解+非齐次方程组的一个特解；其特解的求法属于解的第一类问题，通解部分属第二类问题。 1 求线性方程组的唯一解或特解（第一类问题） 这类问题的求法分为两类：一类主要用于解低阶稠密矩阵 —— 直接法；另一类是解大型稀疏矩阵 —— 迭代法。 1．利用矩阵除法求线性方程组的特解（或一个解）— 直接法（理解并掌握） 方程：AX=b 解法：X=A\b 例1 求方程组的解。 解： A=[5 6 0 0 0 1 5 6 0 0 0 1 5 6 0 0 0 1 5 6 0 0 0 1 5]; B=[1 0 0 0 1]; R_A=rank(A) %求秩 X=A\B %求解 或 X=inv(A)*B 运行后结果如下 R_A = 5 X = 2.2662 -1.7218 1.0571 -0.5940 0.3188 这就是方程组的解。 或用函数rref求解： C=[A,B] %由系数矩阵和常数列构成增广矩阵C R=rref(C) %将C化成行最简行 R = 1.0000 0 0 0 0 2.2662 0 1.0000 0 0 0 -1.7218 0 0 1.0000 0 0 1.0571 0 0 0 1.0000 0 -0.5940 0 0 0 0 1.0000 0.3188 则R的最后一列元素就是所求之解。 例2 求方程组的一个特解。 解： A=[1 1 -3 -1;3 -1 -3 4;1 5 -9 -8]; B=[1 4 0]; X=A\B %由于系数矩阵不满秩，该解法可能存在误差。 X =[ 0 0 -0.5333 0.6000]’（一个特解近似值）。 此时，不能采用如下命令：x=inv(A)*B，因为inv要求矩阵为方阵。而用命令：x=pinv(A)*B x = [0.3504 -0.0916 -0.3881 0.4232],可用A*x验算 注：如果矩阵A不是一个方阵，或者A是一个非满秩的方阵时，A没有逆矩阵，但可以找到一个与A的转置同型的矩阵B，使得 A*B*A=A,B*A*B=B,此时称B为A的伪逆，也称广义逆矩阵。使用：pinv(A) 若用rref求解，则比较精确： A=[1 1 -3 -1;3 -1 -3 4;1 5 -9 -8]; B=[1 4 0]; C=[A,B]; %构成增广矩阵 R=rref(C) R = 1.0000 0 -1.5000 0.7500 1.2500 0 1.0000 -1.5000 -1.7500 -0.2500 0 0 0 0 0 由此得解向量X=[1.2500 – 0.2500 0 0]’（一个特解）。 2．利用矩阵的LU、QR和cholesky分解求方程组的解(略) （1）LU分解：(了解) LU分解又称Gauss消去分解，可把任意方阵分解为下三角矩阵的基本变换形式（行交换）和上三角矩阵的乘积。即A=LU，L为下三角阵，U为上三角阵。 则：A*X=b 变成L*U*X=b 所以X=U\(L\b) 这样可以大大提高运算速度。 命令 [L，U]=lu (A) 例3 求方程组的一个特解。 解： A=[4 2 -1;3 -1 2;11 3 0]; B=[2 10 8]; D=det(A) [L,U]=lu(A) X=U\(L\B) 显示结果如下： D = 0 L = 0.3636 -0.5000 1.0000 0.2727 1.0000 0 1.0000 0 0