【高等代数笔记】003线性方程组的解法(一)
1. 线性方程组的解法
1.1 解线性方程组的矩阵消元法
【例1】解线性方程组 { x 1 + 3 x 2 + x 3 = 2 3 x 1 + 4 x 2 + 2 x 3 = 9 − x 1 − 5 x 2 + 4 x 3 = 10 2 x 1 + 7 x 2 + x 3 = 1 \left\{\begin{array}{ll} x_{1}+3x_{2}+x_{3}=2 \\ 3x_{1}+4x_{2}+2x_{3}=9 \\ -x_{1}-5x_{2}+4x_{3}=10 \\ 2x_{1}+7x_{2}+x_{3}=1 \end{array}\right. ⎩ ⎨ ⎧x1+3x2+x3=23x1+4x2+2x3=9−x1−5x2+4x3=102x1+7x2+x3=1。
【解】将第一个方程做基础,因为它的 x 1 x_{1} x1的系数是1,比较好算,然后把第二个方程的 x 1 x_{1} x1的系数变成0,那就把第一个方程的-3倍加到第2个方程,把第一个方程的1倍加到第三个方程,把第一个方程的-2倍加到第四个方程。
第二个方程+第一个方程×(-3)即 { x 1 + 3 x 2 + x 3 = 2 − 5 x 2 − x 3 = 3 − 2 x 2 + 5 x 3 = 12 x 2 − x 3 = − 3 \left\{\begin{array}{ll} x_{1}+3x_{2}+x_{3}=2 \\ -5x_{2}-x_{3}=3 \\ -2x_{2}+5x_{3}=12 \\ x_{2}-x_{3}=-3 \end{array}\right. ⎩ ⎨ ⎧x1+3x2+x3=2−5x2−x3=3−2x2+5x3=12x2−x3=−3
然后观察到第四个方程的 x 2 x_{2} x2的系数为1,把第四个方程和第二个方程调换一下位置
{ x 1 + 3 x 2 + x 3 = 2 x 2 − x 3 = − 3 − 2 x 2 + 5 x 3 = 12 − 5 x 2 − x 3 = 3 \left\{\begin{array}{ll} x_{1}+3x_{2}+x_{3}=2 \\ x_{2}-x_{3}=-3\\ -2x_{2}+5x_{3}=12 \\ -5x_{2}-x_{3}=3 \end{array}\right. ⎩ ⎨ ⎧x1+3x2+x3=2x2−x3=−3−2x2+5x3=12−5x2−x3=3
把第二个方程的2倍加到第三个方程,第二个方程的5倍加到第四个方程,但是每次写未知量太麻烦,我们写成增广矩阵做,对方程的操作相当于对矩阵的行的操作,也就是将刚才的步骤写成:
( 1 3 1 2 3 4 2 9 − 1 − 5 4 10 2 7 1 1 ) ⟶ ( 1 3 1 2 0 − 5 − 1 3 0 − 2 5 12 0 1 − 1 − 3 ) ⟶ ( 1 3 1 2 0 1 − 1 − 3 0 − 2 5 12 0 − 5 − 1 3 ) ⟶ ( 1 3 1 2 0 1 − 1 − 3 0 0 3 6 0 0 − 6 − 12 ) (第三行的 2 倍加到第四行) ⟶ ( 1 3 1 2 0 1 − 1 − 3 0 0 3 6 0 0 0 0 ) \begin{pmatrix} 1& 3 & 1 &2 \\ 3& 4 & 2& 9\\ -1& -5 & 4 &10 \\ 2 & 7 & 1 & 1 \end{pmatrix}\longrightarrow \begin{pmatrix} 1& 3 & 1 &2 \\ 0& -5 & -1& 3\\ 0& -2 & 5 &12 \\ 0 & 1 & -1 & -3 \end{pmatrix}\longrightarrow \begin{pmatrix} 1& 3 & 1 &2 \\ 0 & 1 & -1 & -3\\ 0& -2 & 5 &12 \\ 0& -5 & -1& 3 \end{pmatrix}\longrightarrow \begin{pmatrix} 1& 3 & 1 &2 \\ 0 & 1 & -1 & -3\\ 0& 0 & 3 &6 \\ 0& 0 & -6& -12 \end{pmatrix}(第三行的2倍加到第四行)\longrightarrow \begin{pmatrix} 1& 3 & 1 &2 \\ 0 & 1 & -1 & -3\\ 0& 0 & 3 &6 \\ 0& 0 & 0& 0 \end{pmatrix} 13−1234−57124129101 ⟶ 10003−5−211−15−12312−3 ⟶ 100031−2−51−15−12−3123 ⟶ 100031001−13−62−36−12 (第三行的2倍加到第四行)⟶ 100031001−1302−360
到这个程度的时候,我们写出相应的方程组:
{ x 1 + 3 x 2 + x 3 = 2 x 2 − x 3 = − 3 3 x 3 = 6 \left\{\begin{array}{ll} x_{1}+3x_{2}+x_{3}=2 \\ x_{2}-x_{3}=-3 \\ 3x_{3}=6 \\ \end{array}\right. ⎩ ⎨ ⎧x1+3x2+x3=2x2−x3=−33x3=6
这种形式的方程组能够很方便解出来,这个方程组像台阶一样,称为阶梯形方程组,相应的增广矩阵称为阶梯形矩阵。
- 阶梯形方程组:
(1)元素全为0的行在下方(0行在下方)
(2)非0行第一个非0元素(首非0元)称为主元,主元的列指标(列下标)随着行指标的增加而严格地增大。
或者接着再往下做,将第三行乘 1 3 \frac{1}{3} 31
⟶ ( 1 3 1 2 0 1 − 1 − 3 0 0 1 2 0 0 0 0 ) \longrightarrow \begin{pmatrix} 1& 3 & 1 &2 \\ 0 & 1 & -1 & -3\\ 0& 0 & 1 &2 \\ 0& 0 & 0& 0 \end{pmatrix} ⟶ 100031001−1102−320
把第三行的一倍加到第二行(消去行首非0元素后面的元素):
⟶ ( 1 3 1 2 0 1 0 − 1 0 0 1 2 0 0 0 0 ) \longrightarrow \begin{pmatrix} 1& 3 & 1 &2 \\ 0 & 1 & 0 & -1\\ 0& 0 & 1 &2 \\ 0& 0 & 0& 0 \end{pmatrix} ⟶ 1000310010102−120
第三行的-1倍加到第一行:
⟶ ( 1 3 0 0 0 1 0 − 1 0 0 1 2 0 0 0 0 ) \longrightarrow \begin{pmatrix} 1& 3 & 0 &0 \\ 0 & 1 & 0 & -1\\ 0& 0 & 1 &2 \\ 0& 0 & 0& 0 \end{pmatrix} ⟶ 1000310000100−120
现在第一行还有一个 x 2 x_{2} x2的系数,要把3也变成0,则第二行的-3倍加到第一行
⟶ ( 1 0 0 3 0 1 0 − 1 0 0 1 2 0 0 0 0 ) \longrightarrow \begin{pmatrix} 1& 0 & 0 &3 \\ 0 & 1 & 0 & -1\\ 0& 0 & 1 &2 \\ 0& 0 & 0& 0 \end{pmatrix} ⟶ 1000010000103−120
由此可知 x 1 = 3 , x 2 = − 1 , x 3 = 2 x_{1}=3,x_{2}=-1,x_{3}=2 x1=3,x2=−1,x3=2
这就全用矩阵来计算解线性方程组。
此时主元都是1,主元所在列的其余元素都是0,称这样的矩阵为简化行阶梯形矩阵。
相关文章:
【高等代数笔记】003线性方程组的解法(一)
1. 线性方程组的解法 1.1 解线性方程组的矩阵消元法 【例1】解线性方程组 { x 1 3 x 2 x 3 2 3 x 1 4 x 2 2 x 3 9 − x 1 − 5 x 2 4 x 3 10 2 x 1 7 x 2 x 3 1 \left\{\begin{array}{ll} x_{1}3x_{2}x_{3}2 \\ 3x_{1}4x_{2}2x_{3}9 \\ -x_{1}-5x_{2}4x_{3}10 \\…...
Scrapy入门教程
Scrapy入门教程:打造高效爬虫的第一步 1. 引言 在当今的网络世界中,信息是无价的资源。而爬虫工具则是获取这些资源的有力武器。Scrapy 是 Python 生态系统中最强大的爬虫框架之一,它不仅功能强大,而且易于扩展,适用…...
Microsoft VBA Excel VBA学习笔记——双重筛选+复制数值1.0
问题场景 CountryProductCLASS 1CLASS 2CLASS 3CLASS 4CLASS 5CLASS 6…USApple0.3641416030.8918210610.0591451990.7320110290.0509636560.222464259…USBanana0.2300833330.4027262180.1548836670.2988904860.7802326210.028592635…CNApple0.7762370470.5075548320.481978…...
谷歌反垄断官司败诉后,或又面临被拆分风险?
KlipC报道:上周8月5日,美国法院裁定谷歌的搜索业务违反了美国反垄断法,非法垄断在线搜索和搜索文本广告市场。据悉,胜诉的美国司法部正在考虑拆分谷歌。其他选项包括强制谷歌与竞争对手分享更多数据,以及防止其在人工智…...
数据结构入门——06树
1.树 树(Tree)非线性数据结构,它是n(n≥0)个节点的有限集合,它满足两个条件 : 有且仅有一个特定的称为根(Root)的节点; 其余的节点可以分为m(m…...
FFmpeg源码:av_packet_move_ref、av_packet_make_refcounted函数分析
一、av_packet_move_ref函数 (一)av_packet_move_ref函数的声明 av_packet_move_ref函数声明在FFmpeg源码(本文演示用的FFmpeg源码版本为7.0.1)的头文件libavcodec/packet.h中: /*** Move every field in src to ds…...
12 中断
12 中断 1、内核中断编程2、顶半部和底半部机制2.1 任务的相关概念2.1.1 分类2.1.2 优先级2.1.3 进程调度2.1.4 休眠sleep 2.2 顶半部和底半部实现机制2.2.1 顶半部特点2.2.2 底半部特点2.2.3 底半部实现方法之:tasklet2.2.4 底半部实现机制之工作队列2.2.5 底半部实现机制之软…...
经典算法题总结:十大排序算法,外部排序和Google排序简介
十大排序算法 就地性:顾名思义,原地排序通过在原数组上直接操作实现排序,无须借助额外的辅助数组,从而节省内存。通常情况下,原地排序的数据搬运操作较少,运行速度也更快。 稳定性:稳定排序在完…...
服务器是什么?怎么选择适合自己的服务器?
在这个数字化的世界中,我们每天都在与各种网站打交道,浏览新闻、购物、看视频等。你是否曾经好奇过,这些网站是如何运行的?它们又是如何实现随时随地可访问的呢? 在这背后,有一个神秘的角色在默默地支撑着…...
区块链技术的应用场景
区块链技术是一种分布式数据库或公共分类账的形式,它保证了数据的完整性和透明性。它最初是为了支持比特币这种加密货币而被发明的,但现在已经被广泛应用于多种领域,包括供应链管理、投票系统、数字身份验证等。 基本概念 区块 (Block) 区块…...
凤凰端子音频矩阵应用领域
凤凰端子音频矩阵,作为一种集成了凤凰端子接口的音频矩阵设备,具有广泛的应用领域。以下是其主要应用领域: 一、专业音响系统 会议系统:在会议室中,凤凰端子音频矩阵能够处理多个话筒和音频源的信号,实现…...
LeetCode-字母异位词分组
题目描述 给你一个字符串数组,请你将 字母异位词 组合在一起。可以按任意顺序返回结果列表。 字母异位词 是由重新排列源单词的所有字母得到的一个新单词。 示例 1: 输入: strs ["eat", "tea", "tan", "ate", "na…...
《Linux运维总结:基于x86_64架构CPU使用docker-compose一键离线部署etcd 3.5.15容器版分布式集群》
总结:整理不易,如果对你有帮助,可否点赞关注一下? 更多详细内容请参考:《Linux运维篇:Linux系统运维指南》 一、部署背景 由于业务系统的特殊性,我们需要面对不同的客户部署业务系统࿰…...
WPF动画
补间动画:动画本质就是在一个时间段内对象尺寸、位移、旋转角度、缩放、颜色、透明度等属性值的连续变化。也包括图形变形的属性。时间、变化的对象、变化的值 工业应用场景:蚂蚁线、旋转、高度变化、指针偏移、小车 WPF动画与分类 特定对象处理动画过…...
大数据系列之:统计hive表的详细信息,生成csv统计表
大数据系列之:统计hive表的详细信息,生成csv统计表 一、获取源数据库、源数据库类型、hive数据库名称二、获取hive数据库名、hive表名、数仓层级、空间、维护者信息三、统计hive表信息四、统计源库信息五、合并hive表信息六、生成csv统计表七、完整代码一、获取源数据库、源数…...
flutter 画转盘
import package:flutter/material.dart; import dart:math;const double spacingAngle 45.0; // 每两个文字之间的角度 // 自定义绘制器,ArcTextPainter 用于在圆弧上绘制文字 class ArcTextPainter extends CustomPainter {final double rotationAngle; // 动画旋…...
图像识别,图片线条检测
import cv2 import numpy as np # 读取图片 img cv2.imread(1.png)# 灰度化 gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 边缘检测 edges cv2.Canny(gray, 100, 200) 当某个像素点的梯度强度低于 threshold1 时,该像素点被认为是非边缘;当梯度强度…...
python crawler web page
npm install or pip install 插件 import json import time from openpyxl import load_workbook from pip._vendor import requests from bs4 import BeautifulSoup import pandas as pd import re import xlsxwriter 設置request header header {user-agent: Mozilla/5.0…...
基于QT实现的TCP连接的网络通信(客户端)
上篇介绍了QT实现网络通信的服务器端,还没看服务器的朋友们先去上篇了解,这篇我来实现一下客户端的实现。 首先还是新建一个项目 选择mainwindow类 在通信前将.pro文件的第一行代码中追加network 窗口搭建 在mainwindow.ui中完成一下窗口的搭建 首先在…...
Vue2中watch与Vue3中watch对比
上一节说到了 computed计算属性对比 ,虽然计算属性在大多数情况下更合适,但有时也需要一个自定义的侦听器。这就是为什么 Vue 通过 watch 选项提供了一个更通用的方法,来响应数据的变化。当需要在数据变化时执行异步或开销较大的操作时&#…...
一文搞懂 Spring Cloud:从入门到实战的微服务全景指南(建议收藏)
如果你正在做后端开发,或者正在准备找实习/秋招,那你一定绕不开一个关键词:微服务。 而在 Java 技术栈中,微服务的“标配方案”,就是今天的主角——Spring Cloud。 很多同学第一次接触 Spring Cloud 时,都…...
避开这些坑!个人免签支付平台实战对比:蓝鲸、V云、云免签到底怎么选?
个人免签支付平台深度评测:如何根据业务需求选择最优方案? 对于独立开发者和小型站长来说,支付接入一直是令人头疼的问题。没有企业资质无法直接对接官方支付渠道,而传统的第三方支付平台又往往门槛高、手续费昂贵。近年来兴起的个…...
vLLM-v0.17.1与卷积神经网络(CNN)结合:多模态推理架构探索
vLLM-v0.17.1与卷积神经网络结合:多模态推理架构探索 1. 前沿技术融合带来的突破 当视觉理解遇上语言推理,会产生怎样的化学反应?我们最近尝试将vLLM-v0.17.1大语言模型与卷积神经网络(CNN)图像编码器相结合…...
从理论到拟合:如何让ADS差分线前仿真结果更贴近实际PCB?我的经验复盘
从理论到拟合:如何让ADS差分线前仿真结果更贴近实际PCB?我的经验复盘 在高速数字电路设计中,差分传输线的信号完整性仿真一直是工程师面临的挑战。许多团队投入大量时间进行前仿真,却发现仿真结果与实测数据存在显著差异。这种差距…...
March7thAssistant智能工具:3步解锁星穹铁道全场景效率提升方案
March7thAssistant智能工具:3步解锁星穹铁道全场景效率提升方案 【免费下载链接】March7thAssistant 🎉 崩坏:星穹铁道全自动 Honkai Star Rail 🎉 项目地址: https://gitcode.com/gh_mirrors/ma/March7thAssistant 每天登…...
手把手教你搞定VMware VCP-DCV 2024线下考试预约(附北上广考位抢票攻略)
2024年VMware VCP-DCV认证考试抢位全攻略:一线城市实战技巧 凌晨三点,北京中关村某科技公司的运维工程师小李又一次刷新了Pearson VUE页面——这已经是他连续第七天蹲守VCP-DCV 2024的考位。作为晋升技术主管的硬性条件,这张认证对他来说价值…...
保姆级教程:在PVE上5分钟搞定一个Ubuntu LXC容器,并配置好Docker环境
5分钟极速部署:PVE上Ubuntu LXC容器与Docker环境全自动配置指南 刚接触家庭服务器的朋友往往被复杂的虚拟化环境劝退。今天分享的这套方案,能让你在PVE平台上用不到5分钟时间,快速获得一个开箱即用的Ubuntu容器,并预装好Docker环境…...
OpenClaw+Qwen3.5-9B实战:5步完成本地AI助手部署与飞书接入
OpenClawQwen3.5-9B实战:5步完成本地AI助手部署与飞书接入 1. 为什么选择OpenClawQwen3.5-9B组合? 去年冬天,当我第5次因为忘记整理会议录音而被领导提醒时,终于决定给自己找个"数字助理"。在尝试了多个自动化工具后&…...
如何用JSON Crack将复杂数据一键转化为交互式图表:新手必备的可视化指南
如何用JSON Crack将复杂数据一键转化为交互式图表:新手必备的可视化指南 【免费下载链接】jsoncrack.com ✨ Innovative and open-source visualization application that transforms various data formats, such as JSON, YAML, XML, CSV and more, into interacti…...
终极Windows XP错误对话框组件:怀旧系统提示的优雅实现指南
终极Windows XP错误对话框组件:怀旧系统提示的优雅实现指南 【免费下载链接】winXP 🏁 Web based Windows XP desktop recreation. 项目地址: https://gitcode.com/gh_mirrors/wi/winXP 你是否怀念Windows XP那个经典的错误提示对话框࿱…...
