第一章 第四讲 n元线性方程组求解
线性方程组的求解完美版PPT
推论：齐次线性方程组 A n n x n 1 0 n 1 只有零解
rA n
即 A 0 , 即系数矩阵A可逆。
2. 解的性质
性质：若 1,2 是齐次线性方程组Ax=0的解，
则 x k 1 1 k 2 2 仍然是齐次线性方程组Ax=b的解。
（可推广至有限多个解）
解向量：每一组解都构成一个向量
解空间: A X 0的所有解向量的集合，对加法和数乘
都封闭，所以构成一个向量空间，称为这个齐次 线性方程组的解空间。
3. 基础解系
设 1 ,2 , ,n r是 A X 0的解，满足
（ 1 ） 1 ,2 ,,n r 线性无关；
（ 2 ） A X 0 的任一解都可以由 1 ,2 , ,n r线性表示。
则称 1 ,2 , ,n r是 A X 0 的一个基础解系。
定理： 设 A是 m n矩阵，如果 r ( A ) r n ,
则齐次线性方程组 A X 0的基础解系存在， 且每个基础解系中含有 nr个解向量。
证明分三步: 1. 以某种方法找 nr个解。 2. 证明这 nr个解线性无关。 3. 证明任一解都可由这 nr个解线性表示。
线性方程组的求解
中国青年政治学院 郑艳霞
• 使用建议：建议教师具备简单的 MATHMATICA使用知识。
• 课件使用学时：4学时 • 面向对象：文科经济类本科生 • 目的：掌握线性方程组的知识点学习。
假设在美国某一固定选区国会选举的投票结果用三维向量表示为
x民 共
主 和
党 党D R得 得
票 票
若P是一个矩阵，满足各列向量均非负，且各列向量纸盒等于 1，则相对于P的稳定向量必满足：Pq=q。可以证明每一个满 足上述条件的矩阵，必存在一个稳定向量；并且，若存在整 整数k，使得Pk>0,则P存在唯一的向量q满足条件。
第一章 第讲 n元线性方程组求解
第四讲 n 元线性方程组求解上一讲我们介绍了当n 元一次线性方程组的系数矩阵A 可逆时，可求出方程组解1X A b -=，实际上这也是方程组的唯一解。
如果方程组系数矩阵A 不可逆或A 不是方阵时，该如何来讨论方程组的解？这一讲将通过矩阵的初等变换来研究n 元一次线性方程组（齐次、非齐次）在什么条件下有解、如何求解以及各种解的表达形式等.n 元一次线性方程组是指形如⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++mn mn m m n n n n b x a x a x a b x a x a x a b x a x a x a ΛΛΛΛΛΛΛΛΛΛΛΛΛΛΛ22112222212111212111 ... ...（4.1）令111212122212n n m m mn a a a a a a A a a a ⎛⎫⎪ ⎪= ⎪⎪⎝⎭L L L L L L L，12n x x X x ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭M ，12m b b b b ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭M则方程组的矩阵方程形式AX b =.其中：A 称为方程组（4.1）的系数矩阵，°()A A b =称为方程组（4.1）的增广矩阵。
当b O ≠时，称（4.1）式为一元线性非齐次线性方程组;当b O =时，称 (4.2 ) 式为一元线性齐次线性方程组，其矩阵形式AX O =.111122121122221122000n n n nm m mn n a x a x a x a x a x a x a x a x a x +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩L L L L L L L L L L L L L L L ... ...(4.2) 显然X O =是（4.2）式的当然解。
所以说，齐次线性方程组的解只有两种情况：唯一解(零解)和无穷多解(非零解)。
把非齐次线性方程组（4.1）式的每个方程右边的常数项都换成0，所得到的齐次线性方程组称为原方程组的导出齐次线性方程组，简称导出组。
线性方程组课件
对一般的线性方程组
a11 x1 a12 x2 a1n xn b1 a x a x a x b 21 2 22 2 2n n 2 am1 x1 am 2 x2 amn xn bm
（*）
分别称
a11 a A 21 a m1 a12 a22 am 2 a1n a11 a a2 n , A 21 a amn m1 a12 a22 am 2 a1n a2 n amn b1 b2 bm
例2
解线性方程组
x3 x3 x3 x3 2 x4 4 x4 x4 3 x5 4 x5 5 x5 8 x5 1 2 3 2
x1 x2 2 x 2 x 1 2 3 x1 3 x2 x1 x2
。
§1.2 线性方程组解的情况及判别
情形一：
d r 1 0 0 d r 1
此时阶梯形方程组中出现了
这种矛盾方程，因此阶梯形方程组无解。
情形二：
d r 1 0
子情形一：
r n
则上述阶梯形方程组为
c11 x1 c12 x2 c1n xn d1 c22 x2 c2 n xn d 2 cnn xn d n
定理 方程组的初等变换把一个线性方程组变成 另一个同解的线性方程组。
定理 任一矩阵均可通过有限次初等行变换化为 阶梯形矩阵。
给定线性方程组
a11 x1 a12 x2 a1n xn b1 a x a x a x b 21 2 22 2 2n n 2 am1 x1 am 2 x2 amn xn bm
课件：线性方程组的求解
§1.4 线性方程组的求解
最简形方程组
x1+2x2 x3 = 3 x2+2x3 = 2 (2) 0=0
x1 5x3 = 1 x2+2x3 = 2 0=0
由此可得原方程组的通解
x1 = 5x3+1 x2 = 2x32 x3 = x3
上述求方程组解的方法---Gauss消元法
第1章 行列式和线性方程组的求解
则称A为阶梯形矩阵(简称阶梯阵). 这时称A 中非零行的行数为A的阶梯数. 例如
1 1 2 0 4
11 0 0 4
01 00
3 0
2 2
2 3
,
0 1 0 2 2 0 0 0 2 3
00 0 0 0
00 0 0 4
第1章 行列式和线性方程组的求解
§1.4 线性方程组的求解
如果阶梯阵A还满足如下条件
§1.4 线性方程组的求解
1. 线性方程组的换法变换, 倍法变换和消法变 换统称为线性方程组的初等变换.
注: 倍法变换必须用非零的常数去乘某一个 方程.
2. 阶梯形线性方程组的有三中基本类型. 例如
2x1+3x2 x3 = 1 2x2+x3 = 2 0=1
x1x2+2x3 = 8 2x2 +x3 = 1 x3 = 5
x1+ 2x2 + x3+ x4 = -1 2x1 - x2 +2x3+ x4 = 2 x1 + x2 +2x3+ 2x4 = 0
第三章 矩阵的相抵变换和秩·线性方程组
§3.1 消元法
例2. 设线性方程组
x1 x2 x3 0
x1
(
1) x2
线性方程组求解方法
线性方程组求解方法a1x1 + a2x2 + a3x3 + ... + anxn = b其中，a1、a2、a3、..、an为已知常数，b为已知常数或未知数，x1、x2、x3、..、xn为未知数。
求解线性方程组的方法有很多种，下面将介绍几种常见的方法。
1.直接代入法：直接代入法是最简单的求解线性方程组的方法之一、对于一个线性方程组，选择一个方程，解出一个未知数，然后将该解代入其他方程中，依次求解出其他未知数，最后验证是否满足所有方程。
2.消元法：消元法是求解线性方程组的一种常用方法，它通过对方程进行变换，将方程组简化为较简单的等价方程组。
可以分为高斯消元法和高斯-约当消元法两种。
-高斯消元法：高斯消元法是将线性方程组转化为上三角形方程组的一种方法，具体步骤如下：(1)将方程组排列成增广矩阵的形式；(2)选择一个方程，将其系数除以该方程的首个非零系数，以确保方程组的首个系数为1；(3)用该方程的倍数加到其他方程上，将其他方程的首个系数变为0；(4)重复上述步骤，直到得到上三角形方程组；(5)通过回代求解未知数的值。
-高斯-约当消元法：高斯-约当消元法是扩展了高斯消元法，可以将线性方程组转化为最简形式的一种方法，具体步骤如下：(1)将方程组排列成增广矩阵的形式；(2)取矩阵的第一个元素为主元，在主元所在的列中找到绝对值最大的元素，将其移动到主元的位置；(3)利用主元的倍数加到其他行，使得主元所在列的其他元素都变为0；(4)重复上述步骤，直到找到主元；(5)利用回代求解未知数的值。
3.矩阵法：矩阵法是利用矩阵来求解线性方程组的一种方法。
线性方程组可以表示为AX=B的形式，其中A为系数矩阵，X为未知数矩阵，B为常数矩阵。
通过对系数矩阵进行逆矩阵操作，可以得到未知数矩阵的解。
4.克莱姆法则：克莱姆法则是一种用于求解n元线性方程组的方法，如果方程组的系数矩阵A满足行列式，A，不等于零，则可以使用克莱姆法则求解。
解线性方程组的解法
定理3.1（线性方程组有解判别定理） 线性方程组 Ax β 有解的充要条件是它的系数矩阵 A 与增 广矩阵 A ( A, β ) 等秩，即 r ( A) r ( A) r ( A, β ) 推论3.1（解的个数定理） （1）n元线性方程组 Ax β 有唯一解的充要条件是 r ( A) r ( A, β ) n . （2）n元线性方程组 Ax β 有无穷多解的充要条 件是 r ( A) r ( A, β ) r n . 此时它的一般解中含 n r 个自由未知量. （3）n元线性方程组 Ax β 无解的充要条件 是 r ( A) r ( A, β ) . 由于上述讨论并未涉及常数项 b1 , b2 ,, bm 的 取值，因此对b1 b2 bm 0 时的n元齐次线性 方程组
x (9,1,6)T
9
一般地，不妨设线性方程组（3.1）的增广矩阵可通 过适当的初等行变换化为阶梯形矩阵 1 0 0 c1r 1 c1n d1 0 1 0 c2 r 1 c2 n d 2 0 0 1 crr 1 crn d r A 0 0 d r 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 因而由初等行变换不改变矩阵的秩可知：线性方程 组（3.1）的系数矩阵 A 与增广矩阵 A 的秩分别为
5
集(solution set). 若两个线性方程组的解集相等，则称 它们同解(same solution). 若线性方程组（3.1）的解存 在，则称它有解或相容的. 否则称它无解或矛盾的. 解 线性方程组实际上先要判断它是否有解，在有解时求 出它的全部解. 消元法是求解线性方程组的一种基本方法，其基 本思想是通过消元变形把方程组化成容易求解的同解 方程组. 在中学代数里我们学过用消元法求解二元或 三元线性方程组，现在把这种方法理论化、规范化、 并与矩阵的初等变换结合起来，使它适用于求解含更 多未知量或方程的线性方程组. 为此，先看一个例子.
解线性方程组的解法_图文
线性方程组是线性代数中最重要最基本的内容之 一，是解决很多实际问题的的有力工具，在科学技术 和经济管理的许多领域（如物理、化学、网络理论、 最优化方法和投入产出模型等）中都有广泛应用. 第一章介绍的克莱姆法则只适用于求解方程个数 与未知量个数相同，且系数行列式非零的线性方程组. 本章研究一般线性方程组，主要讨论线性方程组解的 判定、解法及解的结构等问题，还要讨论与此密切相 关的向量线性相关性等. 其主要知识结构如下：
为方程组（3.1）的增广矩阵(augmented matrix). 因为 一个线性方程组由它的系数和常数项完全确定，所以 线性方程组与它的增广矩阵是一一对应的. 如果 x1 c1 , x2 c2 ,, xn cn 可以使（3.1）中的每个等式都 T x ( c , c , , c ) 成立，则称 为线性方程组（3.1）的一个 1 2 n 解(solution). 线性方程组（3.1）的解的全体称为它的解
集(solution set). 若两个线性方程组的解集相等，则称 它们同解(same solution). 若线性方程组（3.1）的解存 在，则称它有解或相容的. 否则称它无解或矛盾的. 解 线性方程组实际上先要判断它是否有解，在有解时求 出它的全部解.
例1 解线性方程组
2 x1 x2 3 x3 1 2 x3 6 2 x1 4 x 2 x 5 x 4 2 3 1
( 2 ) (1)
x2 x3
1 6
显然原方程组与最后的方程组（叫阶梯形方程组） 同解，所以原方程组有唯一解 x1 9, x2 1, x3 6
由此不难发现，在求解线性方程组的过程中，可 以对方程组反复施行以下三种变换： 1. 交换两个方程的位置； 2. 用一个非零数乘某个方程的两边； 3. 把一个方程的倍数加到另一个方程上. 称它们为线性方程组的初等变换. 显然：线性方程组的初等变换不改变线性方程组 的同解性. 在例1的求解过程中，我们只对方程组的系数和 常数项进行了运算，对线性方程组施行一次初等变 换，就相当于对它的增广矩阵施行一次相应的初等行 变换，用方程组的初等变换化简线性方程组就相当于 用矩阵的初等行变换化简它的增广矩阵. 下面我们将 例1的求解过程写成矩阵形式：
线性代数考研讲义完整版(完整资料).doc
【最新整理，下载后即可编辑】考研数学线性代数讲义目录第一讲基本概念线性方程组矩阵与向量初等变换和阶梯形矩阵线性方程组的矩阵消元法第二讲行列式完全展开式化零降阶法其它性质克莱姆法则第三讲矩阵乘法乘积矩阵的列向量和行向量矩阵分解矩阵方程逆矩阵伴随矩阵第四讲向量组线性表示向量组的线性相关性向量组的极大无关组和秩矩阵的秩第五讲方程组解的性质解的情况的判别基础解系和通解第六讲特征向量与特征值相似与对角化特征向量与特征值—概念,计算与应用相似对角化—判断与实现附录一内积正交矩阵施密特正交化实对称矩阵的对角化第七讲二次型二次型及其矩阵可逆线性变量替换实对称矩阵的合同标准化和规范化惯性指数正定二次型与正定矩阵附录二向量空间及其子空间附录三两个线性方程组的解集的关系附录四06,07年考题第一讲 基本概念1．线性方程组的基本概念线性方程组的一般形式为: a 11x 1+a 12x 2+…+a 1n x n =b 1,a 21x 1+a 22x 2+…+a 2n x n =b 2,… … … …a m1x 1+a m2x 2+…+a mn x n =b m ,其中未知数的个数n 和方程式的个数m 不必相等.线性方程组的解是一个n 维向量(k 1,k 2, …,k n )(称为解向量),它满足:当每个方程中的未知数x i 都用k i 替代时都成为等式.线性方程组的解的情况有三种:无解,唯一解,无穷多解.对线性方程组讨论的主要问题两个:(1)判断解的情况.(2)求解,特别是在有无穷多接时求通解.b 1=b 2=…=b m =0的线性方程组称为齐次线性方程组.n 维零向量总是齐次线性方程组的解,称为零解.因此齐次线性方程组解的情况只有两种:唯一解(即只要零解)和无穷多解(即有非零解).把一个非齐次线性方程组的每个方程的常数项都换成0，所得到的齐次线性方程组称为原方程组的导出齐次线性方程组，简称导出组.2.矩阵和向量(1)基本概念矩阵和向量都是描写事物形态的数量形式的发展.由m ⨯n 个数排列成的一个m 行n 列的表格,两边界以圆括号或方括号,就成为一个m ⨯n 型矩阵.例如2 -1 0 11 1 1 0 22 5 4 -2 93 3 3 -1 8是一个4⨯5矩阵.对于上面的线性方程组,称矩阵a 11 a 12 … a 1n a 11 a 12 … a 1nb 1A = a 21 a 22 … a 2n 和(A |)= a 21 a 22 … a 2n b 2… … … … … … …a m1 a m2 … a mn a m1 a m2 … a mnb m为其系数矩阵和增广矩阵. 增广矩阵体现了方程组的全部信息,而齐次方程组只用系数矩阵就体现其全部信息.一个矩阵中的数称为它的元素,位于第i 行第j 列的数称为(i,j)位元素.元素全为0的矩阵称为零矩阵,通常就记作0.两个矩阵A 和B 相等(记作A =B ),是指它的行数相等,列数也相等(即它们的类型相同),并且对应的元素都相等.由n 个数构成的有序数组称为一个n 维向量,称这些数为它的分量.书写中可用矩阵的形式来表示向量,例如分量依次是a 1,a 2,⋯ ,a n 的向量可表示成a 1(a 1,a 2,⋯ ,a n )或 a 2 ,┆a n请注意,作为向量它们并没有区别,但是作为矩阵,它们不一样(左边是1⨯n 矩阵,右边是n ⨯1矩阵).习惯上把它们分别称为行向量和列向量.(请注意与下面规定的矩阵的行向量和列向量概念的区别.)一个m ⨯n 的矩阵的每一行是一个n 维向量,称为它的行向量; 每一列是一个m 维向量, 称为它的列向量.常常用矩阵的列向量组来写出矩阵,例如当矩阵A 的列向量组为1,2,⋯ ,n 时(它们都是表示为列的形式!)可记A =(1,2,⋯ ,n ).矩阵的许多概念也可对向量来规定,如元素全为0的向量称为零向量,通常也记作0.两个向量和相等(记作=),是指它的维数相等,并且对应的分量都相等.(2) 线性运算和转置线性运算是矩阵和向量所共有的,下面以矩阵为例来说明.加(减)法:两个m ⨯n 的矩阵A 和B 可以相加(减),得到的和(差)仍是m ⨯n 矩阵,记作A +B (A -B ),法则为对应元素相加(减).数乘: 一个m ⨯n 的矩阵A 与一个数c 可以相乘,乘积仍为m ⨯n 的矩阵,记作c A ,法则为A 的每个元素乘c.这两种运算统称为线性运算,它们满足以下规律:① 加法交换律: A +B =B +A .② 加法结合律: (A +B )+C =A +(B +C ).③ 加乘分配律: c(A +B )=c A +c B .(c+d)A =c A +d A .④ 数乘结合律: c(d)A =(cd)A .⑤ c A =0⇔ c=0 或A =0.转置:把一个m ⨯n 的矩阵A 行和列互换,得到的n ⨯m 的矩阵称为A 的转置,记作A T (或A ').有以下规律:① (A T )T = A .② (A +B )T =A T +B T .③ (c A )T =c A T .转置是矩阵所特有的运算,如把转置的符号用在向量上,就意味着把这个向量看作矩阵了.当是列向量时, T 表示行向量,当是行向量时, T 表示列向量.向量组的线性组合:设1,2,…,s 是一组n 维向量, c 1,c 2,…,c s 是一组数,则称c 11+c 22+…+c s s 为1,2,…,s 的(以c 1,c 2,…,c s 为系数的)线性组合.n 维向量组的线性组合也是n 维向量.(3) n 阶矩阵与几个特殊矩阵行数和列数相等的矩阵称为方阵,行列数都为n 的矩阵也常常叫做n 阶矩阵.把n 阶矩阵的从左上到右下的对角线称为它对角线.(其上的元素行号与列号相等.)下面列出几类常用的n 阶矩阵,它们都是考试大纲中要求掌握的.对角矩阵: 对角线外的的元素都为0的n 阶矩阵.单位矩阵: 对角线上的的元素都为1的对角矩阵,记作E (或I ).数量矩阵: 对角线上的的元素都等于一个常数c 的对角矩阵,它就是c E.上三角矩阵: 对角线下的的元素都为0的n阶矩阵.下三角矩阵: 对角线上的的元素都为0的n阶矩阵.对称矩阵:满足A T=A矩阵.也就是对任何i,j,(i,j)位的元素和(j,i)位的元素总是相等的n阶矩阵.(反对称矩阵:满足A T=-A矩阵.也就是对任何i,j,(i,j)位的元素和(j ,i)位的元素之和总等于0的n阶矩阵.反对称矩阵对角线上的元素一定都是0.)3. 矩阵的初等变换和阶梯形矩阵矩阵有以下三种初等行变换:①交换两行的位置.②用一个非0的常数乘某一行的各元素.③把某一行的倍数加到另一行上.(称这类变换为倍加变换)类似地, 矩阵还有三种初等列变换,大家可以模仿着写出它们,这里省略了. 初等行变换与初等列变换统称初等变换.阶梯形矩阵:一个矩阵称为阶梯形矩阵,如果满足:①如果它有零行,则都出现在下面.②如果它有非零行,则每个非零行的第一个非0元素所在的列号自上而下严格单调递增.把阶梯形矩阵的每个非零行的第一个非0元素所在的位置称为台角.简单阶梯形矩阵:是特殊的阶梯形矩阵,特点为:③台角位置的元素为1.④并且其正上方的元素都为0.每个矩阵都可以用初等行变换化为阶梯形矩阵和简单阶梯形矩阵.这种运算是在线性代数的各类计算题中频繁运用的基本运算,必须十分熟练.请注意: 1.一个矩阵用初等行变换化得的阶梯形矩阵并不是唯一的,但是其非零行数和台角位置是确定的.2. 一个矩阵用初等行变换化得的简单阶梯形矩阵是唯一的.4. 线性方程组的矩阵消元法线性方程组的基本方法即中学课程中的消元法:用同解变换把方程组化为阶梯形方程组(即增广矩阵为阶梯形矩阵的方程组).线性方程组的同解变换有三种:①交换两个方程的上下位置.②用一个非0的常数乘某个方程.③把某个方程的倍数加到另一个方程上.以上变换反映在增广矩阵上就是三种初等行变换.线性方程组求解的基本方法是消元法,用增广矩阵或系数矩阵来进行,称为矩阵消元法. 对非齐次线性方程组步骤如下:(1)写出方程组的增广矩阵(A|),用初等行变换把它化为阶梯形矩阵(B|γ).(2)用(B|γ)判别解的情况:如果最下面的非零行为(0,0, ⋯,0|d),则无解,否则有解.有解时看非零行数r(r不会大于未知数个数n),r=n时唯一解；r<n时无穷多解.(推论:当方程的个数m<n时,不可能唯一解.)(3)有唯一解时求解的初等变换法:去掉(B|γ)的零行,得到一个n×(n+1)矩阵(B0|γ0),并用初等行变换把它化为简单阶梯形矩阵(E|η),则η就是解.对齐次线性方程组:(1)写出方程组的系数矩阵A,用初等行变换把它化为阶梯形矩阵B.(2)用B判别解的情况:非零行数r=n时只有零解；r<n时有非零解(求解方法在第五章讲). (推论:当方程的个数m<n时,有非零解.)讨论题1.设A是n阶矩阵,则(A) A是上三角矩阵⇒A是阶梯形矩阵.(B) A是上三角矩阵⇐A是阶梯形矩阵.(C) A是上三角矩阵⇔A是阶梯形矩阵.(D) A是上三角矩阵与A是阶梯形矩阵没有直接的因果关系.2.下列命题中哪几个成立?(1) 如果A是阶梯形矩阵,则A去掉任何一行还是是阶梯形矩阵.(2) 如果A是阶梯形矩阵,则A去掉任何一列还是是阶梯形矩阵.(3) 如果(A|B)是阶梯形矩阵,则A也是阶梯形矩阵.(4) 如果(A|B)是阶梯形矩阵,则B也是阶梯形矩阵.(5) 如果 A 是阶梯形矩阵,则A和B都是阶梯形矩阵.B第二讲行列式一.概念复习1. 形式和意义形式:用n 2个数排列成的一个n 行n 列的表格,两边界以竖线,就成为一个n 阶行列式:a 11 a 12 … a 1na 21 a 22 … a 2n… … … .a n1 a n2 … a nn 如果行列式的列向量组为1,2, … ,n ,则此行列式可表示为|1,2, … ,n |.意义:是一个算式,把这n 2个元素按照一定的法则进行运算,得到的数值称为这个行列式的值.请注意行列式和矩阵在形式上和意义上的区别.当两个行列式的值相等时,就可以在它们之间写等号! (不必形式一样,甚至阶数可不同.)每个n 阶矩阵A 对应一个n 阶行列式,记作|A |.行列式这一讲的的核心问题是值的计算,以及判断一个行列式的值是否为0.2. 定义(完全展开式)2阶和3阶行列式的计算公式:a 11 a 12a 21 a 22 = a 11a 22-a 12a 21 .a 11 a 12 a 13a 21 a 22 a 23 = a 11a 22a 33+ a 12a 23a 31+ a 13a 21a 32-a 13a 22a 31- a 11a 23a 32-a 12a 21a 33.a 31 a 32 a 33一般地,一个n 阶行列式a 11 a 12 … a 1na 21 a 22 … a 2n… … …a n1 a n2 … a nn 的值是许多项的代数和,每一项都是取自不同行,不同列的n 个元素的乘积,其一般形式为:n nj j j a a a 2121,这里把相乘的n 个元素按照行标的大小顺序排列,它们的列标j 1j 2…j n 构成1,2, …,n 的一个全排列(称为一个n 元排列),共有n!个n 元排列,每个n 元排列对应一项,因此共有n!个项.所谓代数和是在求总和时每项先要乘+1或-1.规定(j 1j 2…j n )为全排列j 1j 2…j n 的逆序数(意义见下面),则项nnj j j a a a 2121所乘的是.)1()(21n j j j τ-全排列的逆序数即小数排列在大数右面的现象出现的个数. 逆序数可如下计算:标出每个数右面比它小的数的个数,它们的和就是逆序数.例如求436512的逆序数: 0023********,(436512)=3+2+3+2+0+0=10.至此我们可以写出n 阶行列式的值:a 11 a 12 … a 1na 21 a 22 … a 2n =.)1(21212121)(nn n nj j j j j j j j j a a a τ-∑ … … …a n1 a n2 … a nn这里∑nj j j 21表示对所有n 元排列求和.称此式为n 阶行列式的完全展开式.用完全展开式求行列式的值一般来说工作量很大.只在有大量元素为0,使得只有少数项不为0时,才可能用它作行列式的计算.例如对角行列式,上(下)三角行列式的值就等于主对角线上的元素的乘积,因为其它项都为0.2. 化零降阶法把n 阶行列式的第i 行和第j 列划去后所得到的n-1阶行列式称为(i,j)位元素a ij 的余子式,记作M ij .称A ij =(-1)i+j M ij 为元素a ij 的代数余子式.定理(对某一行或列的展开)行列式的值等于该行(列)的各元素与其代数余子式乘积之和.命题 第三类初等变换(倍加变换)不改变行列式的值.化零降阶法 用命题把行列式的某一行或列化到只有一个元素不为0,再用定理.于是化为计算一个低1阶的行列式.化零降阶法是实际计算行列式的主要方法,因此应该熟练掌握.3.其它性质行列式还有以下性质:① 把行列式转置值不变,即|A T |=|A | .② 某一行(列)的公因子可提出.于是, |c A |=c n |A |.③ 对一行或一列可分解,即如果某个行(列)向量则原行列式等于两个行列式之和,这两个行列式分别是把原行列式的该行(列)向量换为或所得到的行列式.例如 |,1+2|=|,1|+|,2|.④ 把两个行(列)向量交换, 行列式的值变号.⑤ 如果一个行(列)向量是另一个行(列)向量的倍数,则行列式的值为0.⑥ 某一行(列)的各元素与另一行(列)的对应元素的代数余子式乘积之和=0.⑦ 如果A 与B 都是方阵(不必同阶),则A * = A O =|A ||B |.O B * B范德蒙行列式：形如1 1 1 (1)a 1 a 2 a 3 … a na 12 a 22 a 32 … a n 2… … … …a 1n-i a 2n-i a 3n-i … a n n-i的行列式(或其转置).它由a 1,a 2 ,a 3,…,a n 所决定,它的值等于).(i j ji a a -∏< 因此范德蒙行列式不等于0⇔ a 1,a 2 ,a 3,…,a n 两两不同.对于元素有规律的行列式(包括n 阶行列式),常常可利用性质简化计算,例如直接化为三角行列式等.4.克莱姆法则克莱姆法则 应用在线性方程组的方程个数等于未知数个数n (即系数矩阵为n 阶矩阵)的情形.此时,如果它的系数矩阵的行列式的值不等于0,则方程组有唯一解,这个解为(D 1/D, D 2/D,⋯,D n /D),这里D 是系数行列式的值, D i 是把系数行列式的第i 个列向量换成常数列向量所得到的行列式的值.说明与改进:按法则给的公式求解计算量太大，没有实用价值.因此法则的主要意义在理论上,用在对解的唯一性的判断,而在这方面法则不够. 法则的改进:系数行列式不等于0是唯一解的充分必要条件.实际上求解可用初等变换法:对增广矩阵(A |)作初等行变换,使得A 变为单位矩阵:(A |)→(E |η),η就是解.用在齐次方程组上 :如果齐次方程组的系数矩阵A 是方阵,则它只有零解的充分必要条件是|A |≠0.二. 典型例题1.利用性质计算元素有规律的行列式例1① 2 a a a a ②1+x 1 1 1③1+a 1 1 1a 2 a a a 1 1+x 1 12 2+a 2 2a a 2 a a . 1 1 1+x 1 .3 3 3+a 3 .a a a 2 a 1 1 1 1+x4 4 4 4+aa a a a 2例2 1 2 3 4 52 3 4 5 13 4 5 1 2 .4 5 1 2 35 1 2 3 4例31+x1 1 111 1 .1 1+x211 1 1+x31 1 1 1+x4例4 a 0 b c0 a c b .b c a 0c b 0 a例5 1-a a 0 0 0-1 1-a a 0 00 -1 1-a a 0 . (96四)0 0 -1 1-a a0 0 0 -1 1-a2. 测试概念与性质的题例6 x3-3 1 -3 2x+2多项式f(x)= -7 5 -2x 1 ，求f(x)的次数和最高次项的系数.X+3 -1 3 3x 2-29 x 3 6 -6例7 求 x-3 a -1 4f(x)= 5 x-8 0 –2 的x 4和x 3的系数.0 b x+1 12 2 1 x例8 设4阶矩阵A =(, 1, 2 ,3),B =(, 1, 2 ,3),|A |=2, |B |=3 ,求|A +B | .例9 a b c d已知行列式 x -1 -y z+1 的代数余子式A 11=-9,A 12=3,A 13=-1,A 14=3,求x,y,z.1 -z x+3 yy-2 x+1 0 z+3例10 求行列式 3 0 4 0 的第四行各元素的余子式的和.(01)2 2 2 20 -7 0 05 3 -2 23.几个n 阶行列式两类爪形行列式及其值:例11 a 1 a 2 a 3 … a n-1 a nb 1c 2 0 … 0 0证明 0 b 2 c 3 0 0 =11111(1)n i i i i n i b b a c c --+=-∑.… … … …0 0 0 … b n-1 c n提示: 只用对第1行展开(M 1i 都可直接求出).例12 a 0 a 1 a 2 … a n-1 a nb 1c 1 0 … 0 0证明 b 2 0 c 2 … 0 0 =011111n n i i i i i n i i a c c c a b c c -+==-∑∏.… … … …b n … 0c n提示: 只用对第1行展开(M 1i 都可直接求出).另一个常见的n 阶行列式:例13 证明a+b b 0 … 0 0a a+b b … 0 0… … … … = 110n n n n i i i a b a b a b ++-=-=-∑(当a ≠b 时).0 0 0 … a+b b0 0 0 a a+b提示:把第j 列(行)的(-1)j-1倍加到第1列(行)上(j=2,…,n),再对第1列(行)展开.4.关于克莱姆法则的题例14设有方程组x 1+x 2+x 3=a+b+c,ax 1+bx 2+cx 3=a 2+b 2+c 2,bcx 1+acx 2+abx 3=3abc.(1)证明此方程组有唯一解的充分必要条件为a,b,c 两两不等.(2)在此情况求解.参考答案例1 ①(2+4a)(2-a)4.② x 3(x+4). ③ a 3(a+10).例2 1875.例3 x 1x 2x 3x 4+x 2x 3x 4+x 1x 3x 4+x 1x 2x 4+x 1x 2x 3.例4 (a+b+c)(a+b-c)(a-b+c)(a-b-c).例5 1-a+a 2-a 3+a 4-a 5.例6 9,-6例7 1,-10.例8 40.例9 x=0,y=3,z=-1.例10 -28.例14 x 1=a,x 2=b,x 3=c..第三讲 矩阵一．概念复习1. 矩阵乘法的定义和性质定义2.1 当矩阵A 的列数和B 的行数相等时,和A 和B 可以相乘,乘积记作AB . AB 的行数和A 相等,列数和B 相等. AB 的(i,j)位元素等于A 的第i 个行向量和B 的第j 个列向量(维数相同)对应分量乘积之和.设 a 11 a 12 … a 1n b 11 b 12 … b 1s c 11c 12 … c 1sA = a 21 a 22 … a 2nB = b 21 b 22 … b 2sC =AB =c 21 c 22 … c 2s… … … … … …… … …a m1 a m2 … a mn ,b n1 b n2 … b ns ,c m1c m2 … c ms ,则c ij =a i1b 1j +a i2b 2j +…+a in b nj .矩阵的乘法在规则上与数的乘法有不同:① 矩阵乘法有条件.② 矩阵乘法无交换律.③ 矩阵乘法无消去律,即一般地由AB =0推不出A =0或B =0.由AB =AC 和A ≠0推不出B =C .(无左消去律)由BA =CA 和A ≠0推不出B =C . (无右消去律)请注意不要犯一种常见的错误:把数的乘法的性质简单地搬用到矩阵乘法中来.矩阵乘法适合以下法则:① 加乘分配律 A (B +C )= AB +AC , (A +B )C =AC +BC .② 数乘性质 (c A )B =c(AB ).③ 结合律 (AB )C = A (BC ).④ (AB )T =B T A T .2. n 阶矩阵的方幂和多项式任何两个n 阶矩阵A 和B 都可以相乘,乘积AB 仍是n 阶矩阵.并且有行列式性质:|AB |=|A ||B |.如果AB =BA ,则说A 和B 可交换.方幂 设k 是正整数, n 阶矩阵A 的k 次方幂A k 即k 个A的连乘积.规定A 0=E .显然A 的任何两个方幂都是可交换的,并且方幂运算符合指数法则:① A k A h = A k+h .② (A k )h = A kh .但是一般地(AB )k 和A k B k 不一定相等!n 阶矩阵的多项式设f(x)=a m x m +a m-1x m-1+…+a 1x+a 0,对n 阶矩阵A 规定f(A )=a m A m +a m-1A m-1+…+ a 1A +a 0E .称为A 的一个多项式.请特别注意在常数项上加单位矩阵E .乘法公式 一般地,由于交换性的障碍,小代数中的数的因式分解和乘法公式对于n 阶矩阵的不再成立.但是如果公式中所出现的n 阶矩阵互相都是乘法交换的,则乘法公式成立.例如当A 和B 可交换时,有:(A ±B )2=A 2±2AB +B 2;A 2-B 2=(A +B )(A -B )=(A +B )(A -B ).二项展开式成立: B AC B A -=∑=+1)(等等.前面两式成立还是A 和B 可交换的充分必要条件.同一个n 阶矩阵的两个多项式总是可交换的. 一个n 阶矩阵的多项式可以因式分解.3. 分块法则矩阵乘法的分块法则是简化矩阵乘法的一种方法.对两个可以相乘的矩阵A 和B ,可以先用纵横线把它们切割成小矩阵(一切A的纵向切割和B 的横向切割一致!),再用它们来作乘法.(1)两种常见的矩阵乘法的分块法则A 11 A 12B 11 B 12 = A 11B 11+A 12B 21 A 11B 12+A 12B 22A 21 A 22B 21 B 22 A 21B 11+A 22B 21 A 21B 12+A 22B 22要求A ij 的列数B jk 和的行数相等.准对角矩阵的乘法:形如A 1 0 0A = 0 A 2 0… … …0 0 … A n的矩阵称为准对角矩阵,其中A 1,A 2,…,A k 都是方阵.两个准对角矩阵A 1 0 ... 0 B 1 0 0A = 0 A 2 ... 0 , B = 0 B 2 0… … … … … …0 0 … A k 0 0 … B k如果类型相同,即A i 和B i 阶数相等,则A 1B 1 0 0AB = 0 A 2B 2 … 0 .… … …0 0 … A k B k(2)乘积矩阵的列向量组和行向量组设A 是m ⨯n 矩阵B 是n ⨯s 矩阵. A 的列向量组为1,2,…,n ,B的列向量组为1,2,…,s , AB 的列向量组为1,2,…,s ,则根据矩阵乘法的定义容易看出(也是分块法则的特殊情形):① AB 的每个列向量为:i =A i ,i=1,2,…,s.即A (1,2,…,s )= (A 1,A 2,…,A s ).② =(b 1,b 2,…,b n )T ,则A = b 11+b 22+…+b n n .应用这两个性质可以得到:如果i =(b 1i ,b 2i ,…,b ni )T ,则i =A I =b 1i 1+b 2i 2+…+b ni n .即:乘积矩阵AB 的第i 个列向量i 是A 的列向量组1,2,…,n 的线性组合,组合系数就是B 的第i 个列向量i的各分量.类似地, 乘积矩阵AB 的第i 个行向量是B 的行向量组的线性组合,组合系数就是A 的第i 个行向量的各分量.以上规律在一般教材都没有强调,但只要对矩阵乘法稍加分析就不难得出.它们无论在理论上和计算中都是很有用的.(1) 当两个矩阵中,有一个的数字很简单时,直接利用以上规律写出乘积矩阵的各个列向量或行向量,从而提高了计算的速度.(2) 利用以上规律容易得到下面几个简单推论:用对角矩阵从左侧乘一个矩阵,相当于用的对角线上的各元素依次乘此矩阵的各行向量; 用对角矩阵从右侧乘一个矩阵,相当于用的对角线上的各元素依次乘此矩阵的各列向量.数量矩阵k E乘一个矩阵相当于用k乘此矩阵；单位矩阵乘一个矩阵仍等于该矩阵.两个同阶对角矩阵的相乘只用把对角线上的对应元素相乘.求对角矩阵的方幂只需把对角线上的每个元素作同次方幂.(3) 矩阵分解:当一个矩阵C的每个列向量都是另一个A的列向量组的线性组合时,可以构造一个矩阵B,使得C=AB.例如设A=(α,β,γ), C=(α+2β-γ,3α-β+γ,α+2γ),令1 3 1B= 2 -1 0 ,则C=AB.-1 1 2(4) 初等矩阵及其在乘法中的作用对单位矩阵E作一次初等(行或列)变换,所得到的矩阵称为初等矩阵.有三类初等矩阵:E(i,j):交换E的i,j两行(或列)所得到的矩阵.E(i(c)):用非0数c乘E的第i行(或列)所得到的矩阵.也就是把E的对角线上的第i个元素改为c.E(i,j(c))(i≠j):把E的第j行的c倍加到第i行上(或把第i列的c 倍加到第j列上)所得到的矩阵, 也就是把E的(i,j)位的元素改为c.命题对矩阵作一次初等行(列)变换相当于用一个相应的初等矩阵从左(右)乘它.4. 矩阵方程和可逆矩阵(伴随矩阵)(1) 矩阵方程矩阵不能规定除法,乘法的逆运算是解下面两种基本形式的矩阵方程:(I) AX=B.(II) XA=B.这里假定A是行列式不为0的n阶矩阵,在此条件下,这两个方程的解都是存在并且唯一的.(否则解的情况比较复杂.)当B只有一列时,(I)就是一个线性方程组.由克莱姆法则知它有唯一解.如果B有s列,设B=(1,2,…,s),则X也应该有s 列,记X=(X1,X2,…,X s),则有AX i=i,i=1,2,…,s,这是s个线性方程组.由克莱姆法则,它们都有唯一解,从而AX=B有唯一解.这些方程组系数矩阵都是A,可同时求解,即得(I)的解法:将A和B并列作矩阵(A|B),对它作初等行变换,使得A变为单位矩阵,此时B变为解X.(A|B)→(E|X)(II)的解法:对两边转置化为(I)的形式:A T X T=B T.再用解(I)的方法求出X T,转置得X..(A T|B T)→(E|X T)矩阵方程是历年考题中常见的题型,但是考试真题往往并不直接写成(I)或(II)的形式,要用恒等变形简化为以上基本形式再求解.(2) 可逆矩阵的定义与意义定义设A是n阶矩阵,如果存在n阶矩阵B,使得AB=E, BA=E,则称A为可逆矩阵.此时B是唯一的,称为A的逆矩阵,通常记作A-1.如果A可逆,则A在乘法中有消去律:AB=0⇒B=0；AB=AC⇒B=C.(左消去律)；BA=0⇒B=0；BA=CA⇒B=C. (右消去律)如果A可逆,则A在乘法中可移动(化为逆矩阵移到等号另一边):AB=C⇔B=A-1C. BA=C⇔B=CA-1.由此得到基本矩阵方程的逆矩阵解法:(I) AX=B的解X=A-1B .(II) XA=B的解X= BA-1.这种解法想法自然，好记忆,但是计算量比初等变换法大(多了一次矩阵乘积运算).(3) 矩阵可逆性的判别与性质定理n阶矩阵A可逆⇔|A|≠0.证明“⇒”对AA-1=E两边取行列式,得|A||A-1|=1,从而|A|≠0. (并且|A-1|=|A|-1.)“⇐”因为|A|≠0,矩阵方程AX=E和XA=E都有唯一解.设B,C分别是它们的解,即AB=E,CA=E. 事实上B=C(B=EB=CAB=CE=C),于是从定义得到A可逆.推论如果A和B都是n阶矩阵,则AB=E⇔BA=E.于是只要AB=E(或BA=E)一式成立,则A和B都可逆并且互为逆矩阵.可逆矩阵有以下性质:①如果A可逆,则A-1也可逆,并且(A-1)-1=A.A T也可逆,并且(A T)-1=(A-1)T.当c≠0时, c A也可逆,并且(c A)-1=c-1A-1.对任何正整数k, A k也可逆,并且(A k)-1=(A-1)k.(规定可逆矩阵A的负整数次方幂A-k=(A k)-1=(A-1)k.)② 如果A 和B 都可逆,则AB 也可逆,并且(AB )-1=B -1A -1.(请自己推广到多个可逆矩阵乘积的情形.)初等矩阵都是可逆矩阵,并且E (i,j)-1= E (i,j), E (i(c))-1=E (i(c -1)), E (i,j(c))-1= E (i,j(-c)).(4) 逆矩阵的计算和伴随矩阵① 计算逆矩阵的初等变换法当A 可逆时, A -1是矩阵方程AX =E 的解,于是可用初等行变换求A -1:(A |E )→(E |A -1)这个方法称为求逆矩阵的初等变换法.它比下面介绍的伴随矩阵法简单得多.② 伴随矩阵若A 是n 阶矩阵,记A ij 是|A |的(i,j)位元素的代数余子式,规定A的伴随矩阵为A 11 A 21 … A n1A *= A 12 A 22 … A n2 =(A ij )T .… … …A 1n A 2n … A mn请注意,规定n 阶矩阵A 的伴随矩阵并没有要求A 可逆,但是在A 可逆时, A *和A -1有密切关系.基本公式: AA *=A *A =|A |E .于是对于可逆矩阵A ,有A -1=A */|A |, 即A *=|A |A -1.因此可通过求A *来计算A -1.这就是求逆矩阵的伴随矩阵法.和初等变换法比较, 伴随矩阵法的计算量要大得多,除非n=2,一般不用它来求逆矩阵.对于2阶矩阵a b * d -bc d = -c a ,因此当ad-bc ≠0时,a b -1 d -bc d = -c a (ad-bc) .伴随矩阵的其它性质:①如果A是可逆矩阵，则A*也可逆，并且(A*)-1= A/|A|=(A-1)*.② |A*|=|A|n-1.③ (A T)*=(A*)T.④ (c A)*=c n-1A*.⑤ (AB)*=B*A*；(A k)*=(A*)k.⑥当n>2时,(A*)*=|A|n-2A；n=2时,(A*)*=A.二典型例题1.计算题例1=(1,-2,3) T,=(1,-1/2,1/3)T, A= T,求A6.讨论:(1)一般地,如果n阶矩阵A=T,则A k=(T)k-1A=(tr A)k-1A .(2)乘法结合律的应用:遇到形如T的地方可把它当作数处理.① 1 -1 1T= -1 1 -1 ，求T.（2003一）②设=(1,0,-1)T, A=T,求|a E-A n|.③n维向量=(a,0,⋯,0,a)T, a<0, A=E-T, A-1=E+a-1T,求a. (03三,四)④n维向量=(1/2,0,⋯,0,1/2)T,A=E-T,B=E+2T,求AB. (95四)⑤A=E-T,其中,都是n维非零列向量,已知A2=3E-2A,求T.例2(1999三) 1 0 1设A = 0 2 0 ，求A n-2A n-1.(n>1)例3 1 0 0设A = 1 0 1 ，(1)证明当n>1时A n =A n-2+A 2-E . (2) 求A n .例4设A 为3阶矩阵, 1,2,3是线性无关的3维列向量组,满足 A1=1+2+3, A 2=22+3,A 3=22+33.求作矩阵B ,使得A (1,2,3)=(1,2,3)B . (2005年数学四)例5设3阶矩阵A =(1,2,3),|A |=1,B =(1+2+3,1+22+33,1+42+93),求|B |.(05)例6 3维向量1,2,3,1,2,3满足1+3+21-2=0,31-2+1-3=0,2+3-2+3=0,已知1,2,3|=a,求|1,2,3|.例7设A 是3阶矩阵, 是3维列向量,使得P =(,A ,A 2)可逆,并且A 3=3A -2A 2.又3阶矩阵B 满足A =PBP -1.(1)求B .(2)求|A +E |.(01一)2 1 0例8 3阶矩阵A ,B 满足ABA *=2BA *+E ,其中A = 1 2 0 ,求|B |.(04一)0 0 1例9 3 -5 1设3阶矩阵A = 1 -1 0 , A -1XA =XA +2A ,求X .-1 0 2例10 1 1 -1设3阶矩阵A = -1 1 1 , A *X =A -1+2X ,求X .1 -1 1例11 4阶矩阵A ,B 满足ABA -1=BA -1+3E ,已知1 0 0 0A *= 0 1 0 0 ,求B . (00一)1 0 1 00 -3 0 8例12 3 0 0 1 0 0已知A = 2 1 0 , B = 0 0 0 , XA +2B =AB +2X ,求X 11.2 13 0 0 -1例13 设1=(5,1,-5)T ,2=(1,-3,2)T ,3=(1,-2,1)T ,矩阵A满足A 1=(4,3) T , A 2=(7,-8) T , A 3=(5,-5) T ,求A .2.概念和证明题例14 设A 是n 阶非零实矩阵,满足A *=A T .证明:(1)|A |>0.(2)如果n>2,则|A |=1.例15 设矩阵A =(a ij )3 3满足A *=A T ,a 11,a 12,a 13为3个相等的正数,则它们为(A) 3/3.(B) 3. (C)1/3. (D) 3. (2005年数学三)例16 设A和B都是n阶矩阵,C= A0 ,则C*=0 B(A) |A|A* 0 . (B) |B|B * 0 .0 |B|B * 0 |A|A*(C) |A|B* 0 . (D ) |B|A* 0 .0 |B|A* 0 |A|B*例17 设A是3阶矩阵,交换A的1,2列得B,再把B的第2 列加到第3 列上,得C.求Q,使得C=AQ.例18 设A是3阶可逆矩阵,交换A的1,2行得B,则(A) 交换A*的1,2行得到B*.(B) 交换A*的1,2列得到B*.(C) 交换A*的1,2行得到-B*.(D) 交换A*的1,2列得到-B*.(2005年)例19 设A是n阶可逆矩阵, 交换A的i,j行得到B.(1) 证明B可逆.(2) 求AB-1.例20设n阶矩阵A满足A2+3A-2E=0.(1)证明A可逆,并且求A-1.(2)证明对任何整数c,A-c E可逆.讨论: 如果f(A)=0,则(1) 当f(x)的常数项不等于0时,A可逆.(2) f(c)≠0时,A-c E可逆.(3) 上述两条的逆命题不成立.例21设是n维非零列向量,记A=E-T.证明(1) A2=A⇔T =1.(2)T =1⇒ A不可逆. (96一)讨论: (2)的逆命题也成立.例22 设A,B都是n阶矩阵,证明E-AB可逆⇔ E-BA可逆.例23设3阶矩阵A,B满足AB=A+B.(1) 证明A-E可逆.(2) 设 1 -3 0B= 2 1 0 ,求A.0 0 2 (91)例24设A,B是3阶矩阵, A可逆,它们满足2A-1B=B-4E.(1) 证明A-2E可逆.(2) 设 1 -2 0B= 1 2 0 ,求A.0 0 2 (2002)例25设n阶矩阵A,B满足AB=a A+b B.其中ab≠0,证明(1) A-b E和B-a E都可逆.(2) A可逆⇔ B可逆.(3) AB=BA.例26设A,B都是n阶对称矩阵,E+AB可逆,证明(E+AB)-1A 也是对称矩阵.例27 设A,B都是n阶矩阵使得A+B可逆,证明(1) 如果AB=BA,则B(A+B)-1A=A(A+B)-1B.(2) 如果A.B都可逆,则B(A+B)-1A=A(A+B)-1B.(3) 等式B(A+B)-1A=A(A+B)-1B总成立.例28设A,B,C都是n阶矩阵,满足B=E+AB,C=A+CA,则B-C 为(A) E.(B) -E. (C) A. (D) -A. (2005年数学四)参考答案1 -1/2 1/3例1 35A=35 -2 1 –2/3 .3 -3/2 1①3.②a2(a-2n). ③-1. ④E. ⑤4.例2 O.例 3 (1)提示:A n=A n-2+A2-E⇔A n-2(A2-E)=A2-E ⇔A(A2-E)=A2-E.(2)n=2k时, 1 0 0A n = k 1 0 .k 0 1n=2k+1时, 1 0 0A n = k+1 0 1 .k 1 0例4 1 0 0B= 1 2 2 .1 1 3例5 2.例6 –4a.例7 0 0 0B= 1 0 3 . |E+A|=-40 1 -2例8 1/9.例9 -6 10 4X= -2 4 2 .-4 10 0例10 1 1 0(1/4) 0 1 1 .1 0 1例11 6 0 0 0B= 0 6 0 0 .6 0 6 00 3 0 -1例12 1 0 02 0 0 .6 -1 -1例13 2 -1 1-4 -2 -5 .例15 (A).例16 (D).例17 0 1 1Q= 1 0 0 .0 0 1例18 (D).例19E(i,j).例22提示:用克莱姆法则.例如证明 ,即在E-AB可逆时证明齐次方程组(E-BA)X=0只有零解.例23 1 1/2 0A= -1/3 1 0 .0 0 2例24 0 2 0A= -1 -1 0 .0 0 -2例25 提示:计算(A-b E)(B-a E).例28 (A).第四讲向量组的线性关系与秩一.概念复习1. 线性表示关系 设1,2,…,s 是一个n 维向量组.如果n 维向量等于1,2,…,s 的一个线性组合，就说可以用1,2,…,s 线性表示.如果n 维向量组1,2,…,t 中的每一个都可以可以用1,2,…,s 线性表示,就说向量 1,2,…,t 可以用1,2,…,s 线性表示.判别“是否可以用1,2,…,s 线性表示? 表示方式是否唯一？”就是问：向量方程x 11+x 22+…+x s s =是否有解？解是否唯一？用分量写出这个向量方程,就是以1,2,…,s为增广矩阵的线性方程组.反之,判别“以A 为增广矩阵的线性方程组是否有解？解是否唯一？”的问题又可转化为“是否可以用A 的列向量组线性表示? 表示方式是否唯一？”的问题.向量组之间的线性表示问题与矩阵乘法有密切关系: 乘积矩阵AB 的每个列向量都可以表示为A 的列向量组的线性组合,从而AB 的列向量组可以用A 的列向量组线性表示;反之,如果向量组1,2,…,t 可以用1,2,…,s 线性表示,则矩阵(1,2,…,t )等于矩阵(1,2,…,s )和一个s ⨯t 矩阵C 的乘积. C 可以这样构造: 它的第i 个列向量就是i 对1,2,…,s 的分解系数(C 不是唯一的).向量组的线性表示关系有传递性,即如果向量组1,2,…,t 可以用1,2,…,s 线性表示,而1,2,…,s 可以用γ1,γ2,…,γr 线性表示,则1,2,…,t 可以用γ1,γ2,…,γr 线性表示.当向量组1,2,…,s 和1,2,…,t 互相都可以表示时就说它们等价并记作1,2,…,s ≅1,2,…,t. 等价关系也有传递性.。
n元线性方程组解的判定定理
3 时， 当 λ = 时， 2
1 1 2 3 2
2 3 2 1 r2→ 3 2r3 15 1
1 2 3 1 2 r2 ↔r 1 2 r −r3→ 15 3 2 2 1 0 0 0 3 2
取何值时， 例3.10 a 取何值时，线性方程组
x3 = 1 x 1 + 2x 2 + 2x 1 + 3x 2 + ( a+2 ) x 3 = 3 x + ax − 2x 3 = 0 2 1
有唯一解，无解，有无穷多解？并在有无穷多解时， 有唯一解，无解，有无穷多解？并在有无穷多解时，
AX = B , 称为非齐次方程组 ； 称为非齐次方程组
的齐次方程组 齐次方程组。 AX = 0 , 称为对应于 AX = B 的 齐次方程组 。
线性方程组的基本问题： 线性方程组的基本问题：
何时有解
何时无解？ 何时无解？
何时有唯一解？ 何时有唯一解？ 何时有无穷多解？ 何时有无穷多解？ 如何求出通解（全部解）？ 如何求出通解（全部解）？
解： 1 2 3 1 r3−r1 0 1 2 1 → 1 3 5 3
1 2 3 1 r3−r2 r1 −2r2 0 1 2 1 → → 0 0 0 1
1 0 0
2 1 1
3 2 2
1 1 2
2 −1 a−2
1 a −3
1 1 −1
1 1 1 2 r3 + (a − 2 )rr 0 −1 a 1 uuuuuuuuuuuuu2 0 0 a ( a − 2 ) − 3 a − 3
1 1 1 2 = 0 −1 a 1 0 0 (a + 1)(a − 3) a − 3
初中数学知识归纳线性方程组的解法和应用
初中数学知识归纳线性方程组的解法和应用在初中数学学习中，线性方程组是一种常见的数学问题。
解线性方程组不仅可以帮助我们求解实际问题，还可以培养我们的逻辑思维能力和解决问题的能力。
接下来，我将为大家归纳线性方程组的解法和一些应用。
一、线性方程组的解法1.1 代入法代入法是解线性方程组的一种基本方法，适用于线性方程组的规模不大且方程之间可以互相代入的情况。
具体步骤是：选择其中一个方程，将该方程中的一个变量用其他方程中的变量表示，然后代入其他方程得到一个只含有一个变量的新方程，进而求解该变量的值，最后逐步代回原方程组得到其他变量的值。
1.2 消元法消元法是解线性方程组的另一种常用方法，适用于线性方程组的规模较大且方程之间不能直接代入的情况。
具体步骤是：通过逐步消去线性方程组中的某个变量，将原方程组化简为只含有少数几个变量的新方程组，然后利用代入法或继续消元的方法求解。
1.3 矩阵法矩阵法是一种更为简洁和方便的解线性方程组的方法，适用于线性方程组规模较大的情况。
具体步骤是：将线性方程组的系数矩阵、未知数矩阵和常数矩阵写成一个矩阵方程，然后通过对矩阵方程进行一系列的矩阵运算，求解出未知数矩阵的值。
二、线性方程组的应用线性方程组的解法不仅可以帮助我们解决数学问题，还可以应用到实际生活和工作中。
以下是线性方程组的一些典型应用场景：2.1 调配问题线性方程组的解法可以应用于调配问题中。
比如，某企业需要生产A、B 两种产品，已知每单位产品的成本和产量，企业需要根据市场的需求和销售情况来确定每种产品的生产数量。
通过建立成本方程和销售方程组成的线性方程组，并使用解线性方程组的方法，可以得到最优的生产方案。
2.2 混合物问题线性方程组的解法可以应用于混合物问题中。
比如，某工厂需要生产一种新产品，已知该产品由两种原料 A、B 按一定比例组成，而原料 A 和 B 各自具有一定成本和库存量。
通过建立成本方程和原料库存方程组成的线性方程组，并使用解线性方程组的方法，可以确定最经济的原料配置方案。
第一章 线性方程组的解法(新)
第一章 线性方程组的解法求解线性方程组是科学研究和工程应用中最普遍和最重要的问题，超过75%的科学研究和工程应用中的数学问题，在某一阶段都与线性方程组的求解有关．本章介绍求解线性方程组的消元法及其矩阵形式．引例 交通流量问题随着城市人口以及交通流量的增加，城市道路交通拥堵问题已成为制约经济发展、降低人民生活质量、削弱经济活力的瓶颈之一.为解决这个世界性难题，各国政府和民间都进行了广泛的研究，提出了提高交通管理水平、增强交通参与者的素质、扩大道路容量、限制车辆增长速度等政策及车牌限行、设置单向行驶道路等措施.以上的政策和措施的一个基础性工作就是各道路的车流量的统计与分流控制.使各道路的交通流量要达到平衡,所谓交通流量平衡是指在每个路口进入的车辆数与离开的车辆数相等．图1是某一城市的道路交通网络图，所有车道都是单行道．箭头给出了车辆的通行方向，数字是高峰期每小时进入和离开路口的车辆数．在满足交通流量平衡的条件下，试问如何分流车辆．图1为了保证交通流量平衡，得线性方程组122334546156300,200,300,100,300.x x x x x x x x x x x x +=⎧⎪-=-⎪⎪-+=⎨⎪-=-⎪⎪-+=⎩ （1.1） 问题归结为讨论线性方程组（1.1）是否有解？若有解，求出方程组的解．第一节 线性方程组的消元法一、线性方程组的概念设12,,,n x x x L 为实未知量，12,,,,n a a a b L 为实数，n 为正整数．方程1122n n a x a x a x b +++=L称为含未知量12,,,n x x x L 的线性方程．由m 个含未知量12,,,n x x x L 的线性方程组成的方程组11112211211222221122,,,n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩L L L L L L L L L L L L L L （1.2）称为n 元线性方程组，其中,(1,2,,;1,2,,)ij i a b i m j n ==L L 为实数．若1122,,,n n x c x c x c ===L （1.3）使（1.2）中的每一个方程都成立，则称（1.3）为方程组（1.2）的解．如果线性方程组（1.2）有解，则称方程组（1.2）是相容的；否则，称方程组（1.2）是不相容的．线性方程组解的全体所构成的集合称为该线性方程组的解集．显然，如果线性方程组不相容，其解集必为空集．能表示线性方程组全部解的表达式称为方程组的通解或一般解． 具有相同解集的线性方程组称为同解方程组或等价方程组．二、线性方程组的消元法中学所学的解线性方程组的消元法是求解线性方程组简单有效的方法．现在我们回忆消元法的过程．例1 利用消元法求解线性方程组121223,(1)45 6.(2)x x x x +=⎧⎨+=⎩解 将方程（1）乘以4-加到方程（2）上，得等价方程组12223,(3)3 6.(4)x x x +=⎧⎨-=-⎩ 由方程（4）解得22x =，再代入方程（3），得11x =-，则原方程组的解为121,2x x =-=．该方程组有唯一解．例2 利用消元法求解线性方程组（I ）1231231235675,(1)4845,(2)3639.(3)x x x x x x x x x ++=⎧⎪++=⎨⎪++=⎩； （II ）1231231231,(1)23,(2)5811.(3)x x x x x x x x x ++=⎧⎪+-=⎨⎪+-=⎩ 解 （I ）方程（3）的两边乘以不为零的常数13，得 1231231235675,(4)4845,(5)2 3.(6)x x x x x x x x x ++=⎧⎪++=⎨⎪++=⎩ 交换方程（4）与（6）的位置，得12312312323,(7)4845,(8)567 5.(9)x x x x x x x x x ++=⎧⎪++=⎨⎪++=⎩ 方程（7）乘以4-加到方程（8）上；方程（7）乘以5-加到方程（9）上，得1232323,(10)07,(11)4210.(12)x x x x x ++=⎧⎪=-⎨⎪-+=-⎩交换方程（11）与（12）的位置，得1232323,(13)4210,(14)07.(15)x x x x x ++=⎧⎪-+=-⎨⎪=-⎩方程（15）是矛盾方程，则方程组（I ）无解．（II ）方程（1）乘以1-加到方程（2）上；方程（1）乘以5-加到方程（3）上，得12323231,(4)22,(5)36 6.(6)x x x x x x x ++=⎧⎪-=⎨⎪-=⎩方程（5）乘以3-加到方程（6）上，得123231,(7)22,(8)00.(9)x x x x x ++=⎧⎪-=⎨⎪=⎩解得⎩⎨⎧+=--=,22,133231x x x x 令3x c =，得方程组的通解为⎪⎩⎪⎨⎧=+=--=,,22,13321c x c x c x 其中c 为任意常数．此时方程组有无穷多解．总结例1与例2，我们发现利用消元法求解线性方程组的过程，本质上是对线性方程组的方程进行下列三种变换：（1）交换任意两个方程的位置；（2）某一方程两边乘以不为零的常数； （3）把某一方程的倍数加到另一方程上去． 上述三种变换称为线性方程组的同解变换．另外，我们还可以看到，线性方程组可能无解、可能有解，在有解时可能是唯一解或无穷多解，关于这方面的更深入的研究可参考下一节与第三章第六节．思 考 题 一1． 在例1与例2中，细心的读者会发现，这里用消元法求解线性方程组与中学所介绍的形 式上有所不同，您能指出它们各自的优点所在吗？ 2．线性方程组的解与未知量的符号表示有关吗？ 3．给定方程组⎩⎨⎧=+=+.654,32y x y x 将每个方程交换未知量x 与y 的位置，得方程组⎩⎨⎧=+=+.645,32y x y x 试问这两个方程组同解吗？第二节 矩阵及其初等行变换一、矩阵例3 利用消元法求解线性方程组23,(1)45 6.(2)x y x y +=⎧⎨+=⎩解 将方程（1）乘以4-加到方程（2）上，得23,(3)3 6.(4)x y y +=⎧⎨-=-⎩由方程（4）解得2y =，代入方程（3），得1x =-，则原方程组的解1,2x y =-=． 仔细比较例1和例3两个方程组，我们发现线性方程组的解是由未知量系数ij a 和方程右边的常数j b 所决定，而与线性方程组的未知量用哪个符号表示无关．鉴于此，在讨论线性方程组（1.2）的求解时，我们可以舍弃未知量（但把未知量牢记于心中），建立方程组（1.2）与m 行1n +列的数表11121121222212n n m m mn m a a a b a a a b a a a b ⎛⎫⎪⎪⎪⎪⎝⎭L M LM M M M M M L M （1.4）的一一对应关系：该数表的第(1,2,,)j j n =L 列是未知量j x 前的系数，第1n +列是方程右边的常数i b (1,2,,)i m =L ；第i 行代表方程组（1.2）的第i 个方程．我们称该数表为方程组（1.2）的增广矩阵，简记为B ．而把数表111212122212n n m m mn a a a a a a a a a ⎛⎫⎪⎪⎪⎪⎝⎭L LM M M L （1.5） 称为方程组（1.2）的系数矩阵，简记为A ． 例4 写出线性方程组12312321231,,x x x x x x x x x λλλλλ⎧++=⎪++=⎨⎪++=⎩ 的系数矩阵与增广矩阵．解 方程组的系数矩阵与增广矩阵分别为111111A λλλ⎛⎫⎪= ⎪ ⎪⎝⎭；21111111B λλλλλ⎛⎫ ⎪= ⎪ ⎪⎝⎭M M M ．以上讨论启发我们，为了简化线性方程组的求解，在代数上给出了数表——矩阵的概念．（名词“矩阵（Matrix ）”是由Sylvester 首先使用的）定义1 由n m ⨯个数(1,2,;1,2,)ij a i m j n ==L L 排成的m 行n 列的数表111212122212n n m m mn a a a a a a a a a ⎛⎫⎪ ⎪⎪⎪⎝⎭LL M M M L 称为m 行n 列矩阵，简称n m ⨯矩阵，其中ij a 称为矩阵A 的第i 行第j 列的元素．n m ⨯矩阵可以表示为()ij m n a ⨯，一般用大写的英文字母,,,A B C L 等表示矩阵．元素为实数的矩阵称为实矩阵，元素为复数的矩阵称为复矩阵．本书如无特殊声明，所讨论的矩阵都是指实矩阵．二、矩阵的初等行变换矩阵的初等行变换起源于求解线性方程组的消元法．由方程组的同解变换可知，对线性方程组作同解变换相当于对方程组的增广矩阵的行作相应的变换．由此有 定义2 以下对矩阵的三种变换称为矩阵的初等行变换： （1）交换矩阵两行的位置；（2）不为零的数k 乘以矩阵的某一行中所有元素；（3）将矩阵的某一行乘以数k 加到另一行上去．为了说明方便，通常用i r 表示矩阵的第i 行．用i j r r ↔表示交换矩阵的第i 行与第j 行；用i r k ⨯表示数k 乘以矩阵的第i 行；用j i r kr +表示数k 乘以矩阵的第i 行加到第j 行上去．定义3 若矩阵A 经过有限次初等行变换变成矩阵B ，则称矩阵A 与B 行等价，记作r A B −−→．下面介绍消元法的矩阵形式。
n元线性方程组
一、n 元线性方程组称由n 个未知量m 个线性方程组成的方程组⎪⎪⎩⎪⎪⎨⎧=++=++=++m n mn 22m 11m 2n n 22221211n n 1212111b x a x a x a b x a x a x a b x a x a x a为n 元线性方程组。
其中，j x 是未知量(也称未知数)，ij a 是第i 个方程中第j 个未知量j x 的系数，i b 是i 个方程的常数项(i=1,2,…,m ；j=1,2,…,n )。
当方程组中的常数项m 21b ,,b ,b ，不全为0时，称方程组为非齐次线性方程组，当m 21b ,,b ,b 全为0时，即⎪⎪⎩⎪⎪⎨⎧=++=++=++0x a x a x a 0x a x a x a 0x a x a x a n mn 22m 11m n n 2222121n n 1212111 称为齐次线性方程组。
二、方程组的解满足线性方程组的未知数j x (j=1,2,…,n )的值称为方程组的一个解。
显然，0x ,,0x ,0x n 21=== 组成的有序数组（0,0,…,0）是齐次线性方程组的一个解，称这个解为齐次线性方程组的0解（有时也称为平凡解），而称齐次线性方程组的未知量取值不全为0的解为非0解。
三、方程组的矩阵表示系数矩阵A=⎪⎪⎪⎪⎪⎭⎫⎝⎛mn 2m 1m n 22221n 11211a a aa a a a a a增广矩阵⎪⎪⎪⎪⎪⎭⎫⎝⎛=m 21mn2m 1m n 22221n11211b b b a a aa a a a a a Ab=⎪⎪⎪⎪⎪⎭⎫⎝⎛m 21b b b ，X=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛m 21x x x⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎭⎫ ⎝⎛m 21n 21mn 2m 1m n 22221n 11211b b b x x x a a a a a a a a a 例1写出线性方程组⎪⎩⎪⎨⎧=--=++-=+2x 4x 2x 33x 2x x 5x x 232132121⎪⎪⎪⎭⎫ ⎝⎛---=235423211012A ，⎪⎪⎪⎭⎫ ⎝⎛=321x x x X ，⎪⎪⎪⎭⎫ ⎝⎛=235b⎪⎪⎪⎭⎫ ⎝⎛---=423211012AAX=b=⎪⎪⎪⎭⎫ ⎝⎛---423211012⎪⎪⎪⎭⎫ ⎝⎛321x x x ⎪⎪⎪⎭⎫ ⎝⎛=235 b A X ,b A AX A 111---==，即⎪⎪⎪⎭⎫ ⎝⎛321x x x 1423211012-⎪⎪⎪⎭⎫ ⎝⎛---=⎪⎪⎪⎭⎫⎝⎛235解线性方程组⎪⎪⎩⎪⎪⎨⎧=+++-=--+--=++--=-++4x x 4x 2x 13x 7x 4x 3x 24x x 2x x 33x 2x 3x 5x 24321432143214321。
解n元线性方程组的模型
{x=A[i][k];
For(j=k;j<N;j++)
A[i][j]-=x*A[k][j;]
}
If(SetPrintMatrix) PriontMatrix()
}
Return 0;
}
（2） 再定义一个求和变量sum和一个指针变量*P，其中p指向 最后一行的每一个元素U[m-1][j], j=0,1，……n-1，判断p所指向的元素的值是否为0，如果是0，则sum++，P++，若不为0，则结束程序；
五、参考文献
[1]陈维兴林晓茶.C++面向对象程序设计（第二版）.9.中国铁道出版社2009.11（2010.9重印）
[2]胡超梁伟闫玉宝. C语言从入门到精通.机械工业出版社.2011.1
[3]甄西丰实用数值计算方法.清华大学出版社2006.1
解n元线性方程组的模型
问题的提出：小明妈妈去买白菜，青菜总共花了10元。白菜2.5元一斤，青菜3元一斤，请算出小明妈妈买了几斤白菜及青菜？
尽管这个问题听起来非常熟悉，显得非常简单，但仅仅由这几个数字和约束条件解不出来这个问题的实际解。因为这个问题有白菜和青菜的质量的两个变元，所以还必须需要一组约束，既需要白菜和青菜的总和斤量才能解出这个问题唯一解，否则这个问题会有很多解，这不符合实际要求。
再举一个物理机械运动学有关的简单例子：甲乙两人分别从相距30千米的A、B两地同时相向而行，经过3小时后相距3千米，再经过2小时，甲到B地所剩路程是乙到A地所剩路程的2倍，求甲、乙两人的速度。
解方程组的思想是数学上很热的问题，更是在化学，物理，经济，天文学，医学等许多领域都常会遇到及需要解的问题。
n元线性方程组线性方程组的
高斯消元法_1
例子：用高斯消元法解方程组
2 x1 x2 3x3 1 R 2 R , R R 2 x1 x2 3x3 1 2 1 3 1 4 x1 2 x2 5 x3 4 4 x2 x3 2 2x x 2x 5 2x x 4 3 2 3 1 2 2 x1 x2 3x3 1 2 x1 x2 3x3 1 R2 2 R3 R2 R3 x3 6 2 x2 x3 4 2x x 4 x3 6 2 3 由此，易求得方程组的 解为(9,1,6).
线性的方程组的矩阵表示
称矩阵
a11 a21 as1 a12 a22 as 2 a1n a2 n asn b1 b2 bs
（2）
为线性方程组（1）的增广矩阵
ห้องสมุดไป่ตู้
高斯消元法_1
例子：用高斯消元法解方程组
2 x1 x2 3x3 1 R 2 R , R R 2 x1 x2 3x3 1 2 1 3 1 4 x1 2 x2 5 x3 4 4 x2 x3 2 2x x 2x 5 2x x 4 3 2 3 1 2 2 x1 x2 3x3 1 2 x1 x2 3x3 1 R2 2 R3 R2 R3 x3 6 2 x2 x3 4 2x x 4 x3 6 2 3 由此，易求得方程组的 解为(9,1,6).
x1 , x2 , , xn 代表n个未知量， s是方程的个数， aij (i 1,2, , s, j 1,2, , n)称为方程组的系数， b j ( j 1,2, , s )称为常数项。
n元线性虚数方程
n元线性虚数方程
阶段1：将方程组化成阶梯形方程组（Gauss消元法）
很显然，这个需要连带未知数+系数，且需要解出方程才能看到解的情况
阶段2：矩阵的初等行变换
方程组的解实际上和未知数的表示无关，只需研究其系数矩阵。
将系数矩阵化成阶梯形，实质上也是Gauss消元法的数字形式。
（同样需要解出方程才能看到解的情况）
阶段3：直接研究系数矩阵
我们利用矩阵初等行变换的行列式的性质，得到变换后与变换前的矩阵同解，进而便利得不用解出方程便直接通过系数矩阵判断解的存在性。
（因为|J|=k|A|）
我们意识到矩阵和行列式是两大工具。
针对行列式，我们可以按某行（某列）展开，也可按k行k列展开（拉普拉斯定理）。
这些都可以通过行列式的定义证明。
根据丘老所述，行列式是一个记号，也是在研究方程组解的问题引入的。
同时也有行指标，列指标，逆序数量的加入。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第四讲 n 元线性方程组求解上一讲我们介绍了当n 元一次线性方程组的系数矩阵A 可逆时，可求出方程组解1X A b -=，实际上这也是方程组的唯一解。
如果方程组系数矩阵A 不可逆或A 不是方阵时，该如何来讨论方程组的解？这一讲将通过矩阵的初等变换来研究n 元一次线性方程组（齐次、非齐次）在什么条件下有解、如何求解以及各种解的表达形式等.n 元一次线性方程组是指形如⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++mn mn m m n n n n b x a x a x a b x a x a x a b x a x a x a 22112222212111212111 ... ...（4.1）令111212122212n n m m mn a a a a a a A a a a ⎛⎫⎪ ⎪= ⎪⎪⎝⎭，12n x x X x ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭，12m b b b b ⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭则方程组的矩阵方程形式AX b =.其中：A 称为方程组（4.1）的系数矩阵，()A A b =称为方程组（4.1）的增广矩阵。
当b O ≠时，称（4.1）式为一元线性非齐次线性方程组;当b O =时，称 (4.2 ) 式为一元线性齐次线性方程组，其矩阵形式AX O =.111122121122221122000n n n n m m mn n a x a x a x a x a x a x a x a x a x +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩ ... ...(4.2)显然X O =是（4.2）式的当然解。
所以说，齐次线性方程组的解只有两种情况：唯一解(零解)和无穷多解(非零解)。
把非齐次线性方程组（4.1）式的每个方程右边的常数项都换成0，所得到的齐次线性方程组称为原方程组的导出齐次线性方程组，简称导出组。
（即：（4.2）是（4.1）的导出组）在第二讲的例2.12中，非齐次方程组的解是通过对方程组的增广矩阵实施初等行变换得到的. 那么，这种求解方法是不是对任意的线性方程组都适用？答案是肯定的。
下面我们就给出理论证明.定理4.1 若将非齐次线性方程组AX b =的增广矩阵()A A b =用初等行变换化为()V U ，则方程组AX b =与V UX =是同解方程组。
证 由第二讲的性质3.2及定理3.1知，当对增广矩阵()A A b =用初等行变换化为()V U时，一定存在初等矩阵k P P P ,,,21 ，使得()()11k k P P P A b UV -= 成立 记P P P P k k =-11 ，由初等矩阵的可逆性知P 可逆。
若设1X 为AX b =的解，即1AX b =，两边同时左乘矩阵P ，有111()PAX Pb PA X Pb UX V =⇒=⇒=于是1X 是方程组V UX =的解。
反之，若2X 为V UX =的解，即11112222()UX V P UX P V P U X P V AX b ----=⇒=⇒=⇒=2X 亦为AX b =的解。
综上所述，AX b =与V UX =所表示的是同解方程组.定理4.1给出了利用矩阵初等行变换求解方程组的思路，具体方法如下：将方程组的增广矩阵()A A b =实施初等行变换化为行的最简形，此时该最简形作为增广矩阵对应的方程组与原方程组同解，这样通过解简化的阶梯形矩阵所对应的方程组就求出原方程组的解，这种方法称为高斯消元法。
4.1.1非齐次线性方程组的相容性先写出方程组（4.1）的增广矩阵A ，然后利用初等行变换将A 化为行最简形。
()A A b ==11121121222212n n m m mnm m na a ab a a a b a a a b ⨯⎛⎫⎪ ⎪⎪⎪⎝⎭ A 的行最简形有下面三种情形（为方便讨论，假设A 的行最简形中构成的单位阵正好在左上角）。
（1）11121121222212n n m m mnm m na a ab a a a b a a a b ⨯⎛⎫⎪ ⎪ ⎪⎪⎝⎭−−−→行变换12(1)10000100000100000000n m n c c c ⨯+⎛⎫⎪ ⎪⎪ ⎪⎪⎪⎪ ⎪ ⎪⎝⎭...... (4.3) 注意到A 的行最简形矩阵不为零的行数正好等于变量个数n ，其对应的方程组如下1122n nx c x c x c =⎧⎪=⎪⎨⎪⎪=⎩此时原方程组的唯一解已经得到： 12n c c X c ⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭；（2）11121121222212n n m m mnm m na a ab a a a b a a a b ⨯⎛⎫⎪⎪ ⎪⎪⎝⎭−−−→行变换1(1)2(2)1()12(1)(2)2()2(1)(2)()(1)1000010010000000000000r r r n r r r n r r r r r r n r m n d d d c d d d c d d d c +++++++++⨯+⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭... ... (4.4) 注意到A 的行最简形中不为零的行数为r （<r n ）小于变量个数n .对应的方程组如下11(1)11(2)21122(1)12(2)2222(1)1(2)2r r r r n n r r r n n r r r r r r r rn n rx b x b x b x c x b x b x b x c x b x b x b x c +++++++++++++++++=⎧⎪+++++=⎪⎨⎪⎪++++=⎩此时还不能完全求出原方程的解，但可以看出原方程有无数个解，这是因为如果把后面n r -个变量12,,r r n x x x ++赋予数值后，前面r 个变量12,,r x x x 的值就被唯一确定，从而得到方程组解X =｛12,,r x x x ，12,,r r n x x x ++｝T .（3）11121121222212n n m m mnm m na a ab a a a b a a a b ⨯⎛⎫⎪ ⎪ ⎪⎪⎝⎭−−−→行变换12+1(1)1000010000010000000k k m n c c c c ⨯+⎛⎫⎪ ⎪⎪ ⎪⎪⎪⎪ ⎪ ⎪⎝⎭.....（4.5） 注意到A 的行最简形中不为零的行数是+1k ，但第+1k 行中只有10k c +≠，其余元素全为零。
这就是说A 的行最简形对应的方程组中最后一个方程是“10k c +=”（10k c +≠），这显然是一个矛盾方程，因而原方程组无解。
根据上面讨论的方程组（4.1）解的3种情况，先给出非齐次方程组的相关定义定理后再详细讨论（4.1）的解。
定义4.1 如果一个n 元线性方程组它存在解，则称方程组是相容的，否则就称方程组是不相容组或矛盾方程组。
比如（4.3）式和（4.4）式所表示的方程组都是相容方程组，而（4.5）所表示的方程组是不相容方程组。
定义4.2 n 元线性方程组经过化简后，方程组中被保留的方程称为有效方程，消去的方程称为多余方程.比如（4.3）式的有效方程个数正好有n 个（相容的有效方程组）；（4.4）式的有效方程个数有r 个，多余方程个数有n r -个（相容的有效方程组）.（4.5）式有效方程有1r +个，多余方程1n r --个（不相容的有效方程组）. 定理4.2（1）方程组（4.1）有唯一解的充要条件是，有效方程的个数等于变量个数； （2）方程组（4.1）有无穷多解的充要条件是，有效方程的个数小于变量个数； （3）方程组（4.1）无解的从要条件是，存在着矛盾的有效方程。
证明（略）定理4.2更加明确了利用高斯消元法如何判断非齐次方程组的解的情况.例4.1 求解线性方程组⎪⎩⎪⎨⎧=+---=-+-=-+-422312320432143214321x x x x x x x x x x x x解：将方程组的增广矩阵用初等行变换化为行最简形213133213232315111101111021321011013212401454111101111001101011010055500111110010101000111r r r r r r r r r r r r A ----------⎛⎫⎛⎫⎪ ⎪=---−−−→- ⎪ ⎪⎪ ⎪---⎝⎭⎝⎭----⎛⎫⎛⎫ ⎪ ⎪−−−→-−−−→- ⎪ ⎪ ⎪ ⎪---⎝⎭⎝⎭-⎛⎫ ⎪−−−→ ⎪ ⎪--⎝⎭12100110101000111r +⎛⎫⎪−−−→ ⎪⎪--⎝⎭这时行最简形所对应的方程组为⎪⎩⎪⎨⎧-=-=+=+101434241x x x x x x注意到方程组的有效方程个数为3小于方程变量个数4，所以原方程有无穷多解，求解方法如下：先将x 4移到等号右端得⎪⎩⎪⎨⎧+-=-=-=434241101xx x x x x ，称123,,x x x 是方程组的保留变量，称4x 是方程组的自由变量（可任意取值）。
4x再令x 4取任意常数k R ∈，则得 1234101x k x k x k x k=-⎧⎪=-⎪⎨=-+⎪⎪=⎩ ， ... ... （4.6）或写成 123411011101x x k x x -⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪- ⎪ ⎪ ⎪=+ ⎪ ⎪ ⎪- ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭ ... .. .(4.7)称k 为方程组的自由未知数或自由元，(4.6) 式称为方程组的通解或一般解；（4.7）称为方程组的向量解.例4.2求线性方程组的解 ⎪⎪⎩⎪⎪⎨⎧-=---=+-=++=+-53221232312321321321321x x x x x x x x x x x x解 将方程组的增广矩阵用初等行变换化为行最简形2131412312432142433214(1)1()721121112131230440121101122235007711211011011001100112002200110011r r r r r r r r r r r r r r r r r r A ----+---+---⎛⎫⎛⎫ ⎪ ⎪- ⎪ ⎪=−−−→ ⎪ ⎪----- ⎪ ⎪-----⎝⎭⎝⎭-⎛⎫⎛⎫⎪ ⎪--⎪⎪−−−→−−−→ ⎪⎪⎪ ⎪⎝⎭⎝⎭43410001000010101010000001100110000r r r ↔⎛⎫⎛⎫⎪⎪⎪ ⎪−−−→−−−→⎪⎪⎪⎪⎝⎭⎝⎭从增广矩阵行的最简形可看出，方程组有效方程数是3，方程组的第4个方程是多余方程，但由于方程组变量的个数是也是3，所以原方程组有唯一解：⎪⎩⎪⎨⎧===110321x x x本例说明当方程组中方程的个数多于变量个数时，方程组一定有多余方程.例4.3 求解线性方程组⎪⎩⎪⎨⎧=-++-=-+-=++-33221531232432143214321x x x x x x x x x x x x 解 将方程组的增广矩阵用初等行变换化为行阶梯形213132123211232131511054742123305471r r r r A ----⎛⎫⎛⎫ ⎪ ⎪=---−−−→--- ⎪ ⎪⎪ ⎪---⎝⎭⎝⎭32123210547400005r r --⎛⎫ ⎪−−−→--- ⎪⎪⎝⎭， 行阶梯形所对应的方程组是 ⎪⎩⎪⎨⎧=⋅-=--=++-504745123244324321x x x x x x x x ， 虽说方程组有效方程有3个，但最后一个方程是矛盾方程，故原方程组无解.例4.4 设方程组 ⎪⎩⎪⎨⎧-=+=++=++k x x kx x x x x kx 5221823532321321问：k 取何值时方程组有唯一解?无穷多解?无解?在有无穷多解时求出通解。