线性方程组的解法讨论毕业论文

线性方程组的解法讨论毕业论文
目录
1 引言 (1)
2 文献综述 (1)
2.1 国外研究现状 (1)
2.2 国外研究现状评价 (2)
2.3 提出问题 (2)
3 线性方程组的概念及解的基础理论 (2)
3.1 齐次线性方程组 (3)
3.2 非齐次线性方程组 (6)
4 线性方程组的解法 (9)
4.1 高斯消元法 (9)
4.2 用克拉默（Cramer）法则解线性方程组 (10)
4.3 LU分解法 (11)
4.4 逆矩阵法及广义逆矩阵A 法 (12)
5 结论 (15)
5.1 主要发现 (15)
5.2 启示 (15)
5.3 局限性 (15)
5.4 努力方向 (15)
参考文献 (16)
1 引言
求解线性方程组AX=b是科学计算的中心问题[1].对于系数矩阵为低阶稠密矩阵的线性方程组可以用直接法进行消元.对于大规模线性方程组的求解问题，特别是大规模稀疏线性方程组，直接法会显得比较繁琐.因此，探讨线性方程组的解法就成了当前数学计算中的一个重点和难点.目前，求解线性方程组的主要方法有高斯消元法[2]，克拉姆法[4]，广义逆矩阵A 法[3]，LU分解法[9]，如何选择是大家关心的一个问题.
在科技、工程、医学、经济等各个领域中，很多问题常常归结为线性方程.有些问题的数学模型虽不直接表现为求解线性方程，但其数值解法中却需将该问题“离散化”或“线性化”为线性方程组[10].随着计算机存储量的日益增大和计算机速度的迅速提高，使得求解线性代数方程组的直接求法如高斯消去法等在计算机上可以用来求解大规模线性代数方程组，并且由于处理稀疏矩阵存贮和计算技术的飞速发展，加之直接方法理论的日臻完善，进一步断定了直接方法的巨大使用价值和可靠性，因而在近三十年来直接法被广泛地采用，在科学研究和大型工程设计中出现了越来越多的数学问题，而这些问题往往需要求数值解，在进行数值求解时，经离散后，常常归结为求解行如Ax=b的大型线性方程组.
许多源于工程技术的数学问题，都可以归结为求解线性方程组.因此在各种数据处理中，线性方程组的求解是最常见的问题之一.因此，找到一种行之有效的方法来解线性方程组可以给计算带来很大的便利，提高人们的工作效率.
2 文献综述
2.1 国外研究现状
目前，国外对线性方程组解法的研究已从各个方面进行了一定的探讨，得出了一系列的成果，文献[1-2]中作者简单地叙述了线性方程组的思想方法，文献[3]中漫谈了线性方程组的改革，文献[4-5]中系统地介绍了线性方程组的基本理论，文献[6]中系统地
讲述了线性方程组的各种解法，文献[7-10]中介绍了一些线性方程组的典例与解法，文献[11]中韩艳丽介绍了线性方程组在处理矩阵秩问题中的应用，文献[11-12]周均介绍了齐次与非齐次线性方程组重要理论的应用举例，文献[13-14] 花威谈了线性方程组在高等代数中的应用.
2.2 国外研究现状评价
国外对线性方程组的研究多偏重于计算方法和应用方面的研究，分别从商品利润问题、交通问题、在解析几何中的应用问题、解决高等代数等方面进行研究，对线性方程组的系统讨论及怎样选择恰当的方法求解，给出的研究不多.
2.3 提出问题
针对国外研究现状，本文把以上文章中的所有问题进行了综合，对线性方程组的解法作了归纳总结，弥补其中的一些不完善的地方，并例举一些具有针对性、典性的例题.
3 线性方程组的概念及解的基础理论
形如
1111221
1212222
1122
1
2
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
+++=
+++=
+++=
⎧
⎪
⎪
⎨
⎪
⎪
⎩
(1.1)
的方程组，叫做线性方程组，其中x1,x2,…x n代表n个未知量的系数，m是方程的个数；a ij(i=1,2, …,m,j=1,2, …,n) 称为方程组的系数b i(i=1,2, …,s)称为常数项.
3.1 齐次线性方程组
若方程组(1.1)中12,,
m b b b 全为0，即
111122112122221122000
n 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 +++=+++=+++=⎧⎪⎪⎨⎪⎪
⎩ （1.2） 形如（1.2）的方程组叫做齐次线性方程组[7]
.常记为矩阵形式: Ax=0
其中
1112
12122212
n n m m mn a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥
⎣⎦ 系数矩阵()ij m n A a ⨯=的秩()R A r =. 且方程组(1.2)的解空间为V . 则可以得到下列结论dim()()V n R A =-, 这里dim()V 表示方程组(1.1)解空间的维数[9]．
定理 齐次线性方程组一定有解： (1) 若齐次线性方程组()r A n =，则只有零解； (2) 齐次线性方程组有非零解的充要条件是()r A n <.
解的性质：记{}
0V x Ax ==, (1)如果12,V ξξ∈，那么12V ξξ+∈； (2)如果,V k ξ∈为任意常数，那么k V ξ∈. (3)齐次线性方程组的通解为1122n r n r c c c ξξξ--++
+, 12,,
,n r c c c -是任意常数，其中
12,,,n r ξξξ-是0Ax =的一个基础解系.
例1[15]
解线性方程组12
341
23412341
2
3
4
2350,320,4360,2470.
x x x x x x x x x x x x x x x x +-+=⎧⎪++-=⎪⎨+-+=⎪⎪-+-=⎩
解 方法一：将系数矩阵A 化为阶梯形矩阵
12
472
315071014312143001641367124726000743A --⎡⎤⎢⎥-⎡⎤-⎢⎥
⎢⎥-⎢⎥⎢⎥=→→-⎢⎥⎢⎥-⎢⎥⎢⎥--⎢⎥⎣⎦
⎢⎥⎣⎦
显然有()4r A n ==，则方程组仅有零解，即12340x x x x ====.
方法二：由于方程组的个数等于未知量的个数（即m n =）（注意：方程组的个数不等于未知量的个数（即m n ≠），不可以用行列式的方法来判断），从而可计算系数矩阵
A 的行列式：2
31531
2132704
13
6
1247
A --=
=≠---，知方程组仅有零解，即12340x x x x ====.
例2[2] 解线性方程组12
3
451
2
3452
34512
3
4
5
0,3230,2260,54330.
x x x x x x x x x x x x x x x x x x x ++++=⎧⎪+++-=⎪⎨+++=⎪⎪+++-=⎩
解 将系数矩阵A 化为简化阶梯形矩阵
1111
13
2113012265
4331A ⎡⎤
⎢⎥-⎢
⎥=⎢⎥
⎢⎥
-⎣⎦
1412
(5)(3)r r r r ⨯-+⨯-+−−−−→11111012260122601226⎡⎤
⎢⎥----⎢⎥⎢⎥⎢⎥----⎣⎦
21
23242
(1)(1)r r r r r r r ++⨯-+-⨯−−−−→
1011501226000000
0000---⎡⎤⎢⎥⎢⎥⎢⎥
⎢⎥
⎣⎦
可得()2r A n =<，则方程组有无穷多解，其同解方程组为
1
3
4523
4
55,226.
x x x x x x x x =++⎧⎨=---⎩（其中3x ，4x ，5x 为自由未知量）
令31x =，40x =，50x =，得121,2x x ==-；令30x =，41x =，50x =，得121,2x x ==-；令30x =，40x =，51x =，得125,6x x ==-，于是得到原方程组的一个基础解系为
112100ξ⎡⎤
⎢⎥
-⎢⎥
⎢⎥=⎢⎥
⎢⎥⎢⎥⎣⎦，212010ξ⎡⎤⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦，356001ξ⎡⎤⎢⎥-⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦
.
所以，原方程组的通解为 112233X k k k ξξξ=++（1k ，2k ，3k R ∈）.
例3[3] 求齐次线性方程组1
2341
2341
2
3
4
20,
20,250.
x x x x x x x x x x x x -++=⎧⎪
-+-=⎨⎪-++=⎩的一个基础解系，并以该基础解系表示方程组的全部解.
解 将系数矩阵A 化成简化阶梯形矩阵
121112111215A -⎡⎤
⎢⎥=--⎢⎥⎢⎥-⎣⎦
1312
(1)(1)r r r r ⨯-+⨯-+−−−−→121100020004-⎡⎤
⎢⎥-⎢⎥⎢⎥⎣⎦
12
2
3
2(1)()r r r ⨯-+⨯-−−−−−→
121000010000-⎡⎤
⎢⎥⎢⎥⎢⎥⎣⎦
可得()2r A n =<，则方程组有无穷多解，其同解方程组为
12
342,
0,
x x x x =-⎧⎨
=⎩（其中2x ,3x 为自由未知量）
令21x =，30x =，得142,0x x ==；令20x =，31x =，得141,0x x =-=，于是得到原方程组的一个基础解系为
12100ξ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦,21010ξ-⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦
所以，原方程组的通解为1122X k k ξξ=+（其中1k ,2k 为任意实数）.
注：基础解系不唯一，但是它们所含解向量的个数相同，且基础解系所含解向量的个数等于n-r(A).
由上面的定理可知，若m 是系数矩阵的行数（也即方程的个数），n 是未知量的个数，则有：
（1）当m n <时，()r A m n ≤<，此时齐次线性方程组一定有非零解，即齐次方程组中未知量的个数大于方程的个数就一定有非零解；
（2）当m n =时，齐次线性方程组有非零解的充要条件是它的系数行列式0A =； （3）当m n =且()r A n =时，此时系数矩阵的行列式0A ≠，故齐次线性方程组只有零解；
（4）当m n >时，此时()r A n ≤，故存在齐次线性方程组的同解方程组，使“m n ≤”.
3.2非齐次线性方程组
1．若方程组(1.1)中12,,m b b b 不全为0，即
11112211211222
221122n n n n n n nn n n
a x a x a x
b a x a x a x b a x a x a x b ++
+=⎧⎪+++=⎪⎨
⎪⎪++
+=⎩ （1.3）
形如（1.3）的方程组叫做非齐次线性方程组，常记为矩阵形式: Ax=b.其中
11121121222212,n n m m mn n a a a b a a a b A b a a a b ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦
系数矩阵()ij m n A a ⨯=的秩()R A r =. 且方程组(1.3)的解空间为V . 则可以得到下列结论dim()()V n R A =-, 这里dim()V 表示方程组(1.1)解空间的维数[9]．
(,)A A b =称为方程组(1.3)的增广矩阵，关于非齐次线性方程组，有以下理论：
(1)唯一解：()()r A r A n == ⇔线性方程组有唯一解. (2)无解：()()r A r A ≠⇔线性方程组无解.
(3)无穷多解：()()r A r A n =<⇔线性方程组有无穷多解. 2.解的性质：记{}0V x Ax ==,{}
S x Ax b ==. (1)如果12,S ξξ∈，那么12V ξξ-∈； (2)如果,S V ηξ∈∈，那么S ηξ+∈；
(3)非齐次线性方程组的通解为01122n r n r x c c c ηξξξ--=++++, 12,,,n r c c c -是任意
常数,其中0η是Ax β=的一个解(称为特解)，12,,,n r ξξξ-是0Ax =的一个基础解系.
例4[7] 解线性方程组1231
231
2
3
21,224,44 2.
x x x x x x x x x ++=⎧⎪
-+=-⎨⎪++=-⎩ 解 2113(2)(4)1121112
1()2124032641420346r r r r A A B ⨯-++-+⎡⎤⎡⎤⎢⎥⎢⎥==--−−−−−→---⎢⎥⎢⎥
⎢⎥⎢⎥----⎣⎦⎣⎦
)
)33231
1(224(3
r r r r r ⨯-⨯+⨯-+−−−−−→21()3100110010306010200100010r ⨯---⎡⎤⎡⎤⎢⎥⎢⎥--−−−−−→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦ 可见()()3r A r A ==，则方程组有唯一解.
所以方程组的解为 123
1,
2,0.x x x =-⎧⎪
=⎨⎪=⎩
例5[1] 解线性方程组1231
231
2
3
21,22,2 4.
x x x x x x x x x -++=⎧⎪
-+=-⎨⎪+-=⎩ 解 1212132(1)211112
12()121203
3311240336r r r r r r A A B ↔⨯+⨯-+---⎡⎤⎡⎤⎢⎥⎢⎥==--−−−−−→--⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦
23r r +−−−−→ 121203330003--⎡⎤
⎢⎥--⎢⎥⎢⎥⎣⎦
， 可见()3()2r A r A =≠=，所以原方程组无解.
例6 解线性方程组1
23
41
2
4134
23,231,2210 4.
x x x x x x x x
x x +-+=⎧⎪
+-=⎨⎪--+=⎩
解 1213(2)2111231112
3()21031012752021040241410r r r r A A B ⨯-+⨯+--⎡⎤⎡⎤⎢⎥⎢⎥==-−−−−−−→---⎢⎥⎢⎥
⎢⎥⎢⎥---⎣⎦⎣⎦
2321221(1)10
1520127500000r r r r r ⨯+⨯+⨯---⎡⎤⎢⎥−−−−−→-⎢⎥⎢⎥⎣⎦
可见()()24r A r A ==<，则方程组有无穷多解，其同解方程组为
13
423
425,527.
x x x x x x =--+⎧⎨
=+-⎩ （其中3x ,4x 为自由未知量）
令340,0,x x ==得原方程组的一个特解2500η-⎡⎤⎢⎥
⎢⎥=⎢⎥⎢⎥⎣⎦
.
又原方程组的导出组的同解方程组为13
423
45,27.
x x x x x x =-+⎧⎨
=-⎩（其中3x ,4x 为自由未知量）
令31x =，40x =，得121,2x x =-=；令30x =，41x =，得125,7x x ==-，于是得到导出
组的一个基础解系为
11210ξ-⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦，25701ξ⎡⎤⎢⎥-⎢⎥=⎢⎥⎢⎥⎣⎦
.
所以，原方程组的通解为
1122X k k ηξξ=++（1k ，2k R ∈）.
4 线性方程组的解法
4.1 高斯消元法
高斯（Gauss)消元法是一种古老的方法[4]，基于高斯消元法的基本思想而改进、变形得到的主元素消去法、三角分解法，是最基础和最直接的求解线性方程组的方法，其中涉及到三种对方程的同解变换：
（1）把某个方程的k 倍加到另外一个方程上去； （2）交换某两个方程的位置； （3）用某个常数k 乘以某个方程. 这三种变换统称为线性方程组的初等变换.
高斯消元法的基本思想是：通过一系列的加减消元运算，也就是代数中的加减消去法，将方程组化为上三角矩阵；然后，再逐一回代求解出x 向量.现举例说明如下：
例7 解线性方程组
123123123123324,32511,23,237.
x x x x x x x x x x x x +-=⎧⎪+-=⎪⎨
++=⎪⎪-++=-⎩
解 分别将第一个方程的(-3)倍，(-2)倍和2倍加到第二、三、四个方程上，整理得
12323
2323324,71,555,7 1.x x x x x x x x x +-=⎧⎪-+=-⎪⎨
-+=-⎪⎪-=⎩
将此方程组第二个方程加到第四个方程上，使该方程两边全为零，并将第三个方程的两边乘以15-，得
1232323324,71,1.x x x x x x x +-=⎧⎪
-+=-⎨⎪-=⎩
再将第三个方程的7倍加到第二个方程上，消去第二个方程中的未知量2x ，整理得
123233324,1,6 6.x x x x x x +-=⎧⎪
-=⎨⎪-=⎩
最后解得123
(,,)(2,0,1)T T
x x x =--. 小结：高斯（Gauss)消元法的思想比较简单，操作起来比较容易，但它只适用于未知数较少的线性方程组；当方程个数和未知数较多时，消元较为困难.
4.2 用克拉默（Cramer ）法则解线性方程组
定理1 如果方程组Ax=b 中D=|A|≠0，则Ax=b 有解，且解是唯一的，解为
1212,,...,n n D D D
x x x D D D
=
==i D 是D 中第i 列换成列矩阵b 所得的行列式.
定理2 如果方程组Ax=b 中有非零解，那么必有D=|A|=0,Cramer 法则解n 元方程组有两个前提条件：
(1)未知数的个数等于方程的个数. (2)系数行列式不等于零
定理3[3] 当齐次线性方程组0Ax =，0A ≠时该方程组有唯一的零解.
定理4[4] 齐次线性方程组
0Ax =有非零解0A <=>=.
例8 解线性方程组1231231
231
2494
x x x x x x x x x ++=⎧⎪
-++=-⎨⎪++=⎩
解 111
123300149
D =--=≠
所以，方程组有唯一解.
1111
2
2320449D =--=， 211112
32,1
4
9
D =--=- 3111123121
4
9
D =--=
因此，线性方程组的解为：12320212
,,303030
x x x -=
==
. 小结：Cramer 法则用于判断具有n 个未知数的n 个线性方程的方程组解的情况[12].当方程组的系数行列式不等于零时，方程组有解且解唯一.如果方程组无解或者有两个不同的解时，则系数行列式必为零.如果齐次线性方程组的系数行列式不等于零，则没
有非零解.如果齐次线性方程组有非零解，则系数行列式必为零. 用克拉默（Cramer ）法则解线性方程组比较简单，操作起来也比较容易，但它只适用于解未知数的个数和方程个数相同的线性方程组，而且通常是解非齐次线性方程组，对齐次线性方程组，只能求出零解，非零解无法求出.
4.3 LU 分解法
LU 分解法是直接分解法中的一种算法[10]，将方程组Ax=b 中的稀疏矩阵A 分解为一个上三角矩阵和一个下三角矩阵，其中A=LU,令y=Ux,那么在方程租的运算中可以先解Ly=b,再解Ux=y 在编程过程中分两步进行，先对矩阵A 进行LU 分解，然后再解方程组. 例9 用LU 分解法解方程组
解 由LU 分解
()1413
1211
u u u u ()30102-=
()T
l l l 4131211
()T 25.05.11-=
()2423
220
u u u ()5.812110-=
()T
l l 423210
()T 11/611/310--=
()3433
00
u u ()11/211/300--=
()T
l 43100
()T 9100-=
()44000
u ()4000-=
得解,b Ly =
⎪⎪⎪⎪⎪
⎭⎫ ⎝⎛------13914443211312433010
2⎪⎪⎪⎪⎪⎭⎫ ⎝⎛4321x x x x ⎪⎪⎪
⎪⎪⎭
⎫
⎝⎛-=72510
()T
y y y y 43
21
()T 1611/172010--=
得解,y Ux =
()T
x x x x 43
21
()T
43
2
1=
小结：LU 分解法的优点是当方程组左端系数矩阵不变[13]，仅仅是方程组右端列向量改变，即外加激励信号变化时，能够方便地求解方程组. 设n 阶线性方程组Ax=b .将方程组左端系数矩阵A ，分解成两个三角阵的乘积[14]，即A=LU ，式中，L 为主对角线以上的元素均为零的下三角矩阵, 且主对角线元素均为1的上三角矩阵；U 为主对角线以下的元素均为零.
4.4逆矩阵法及广义逆矩阵A -法
1. 线性方程组AX=b,当A 可逆时，1,Ax b x A b -==线性方程组等价于(注：A 是方阵).
例10 解线性方程组Ax=b,其中1
11
1
111
4
3
A =-，b=(1，-2，4). 解 111
12
33001
4
9
=--=≠ A , 所以，系数矩阵A 可逆.
11
112
2
253
5
--=--- A ， 方程组变形为 x=A -1b 因此，线性方程组的解为：12320212
,,303030
x x x -=
==
. 注：针对线性方程组AX=b,上述解法只适用于A 是方阵且可逆的线性方程组.下面主要讨论如何将上述方法加以推广，使之能运用到一般的线性方程组的求解中.
2. 设m n
A C
⨯∈.如果存在n m G C ⨯∈，使得A G A A =，则称G 为矩阵A 的一个{1}-广义逆矩阵，记作A -.矩阵A 的{1}-逆总是存在的，但一般不是惟一的[12]，矩阵A 的{1}-逆的全体记为{1}A .
若m n A C ⨯∈，A -n m C ⨯∈为A 的一个{1}-广义逆矩阵[2]，则对,n m
V W C
⨯∈为任意的n m
⨯矩阵，矩阵A 的一个{1}-广义逆矩阵为 G A V A A V A A
---
=+-, 同时还可以表示为()()m n G A V E A AE A
A W ---
=+-+-. 广义逆矩阵A -的计算：
(1)设(
0)mn r A C r ⨯
∈>，且有m m m P C ⨯∈和n 阶置换矩阵Q 使得 ()
,(),r r nr E K P A Q KC OO ⨯-⎡⎤=∈⎢⎥⎣⎦
则对任意的()()
nr m r L C
-⨯-∈，n m ⨯矩阵 r
E O G Q P O L ⎡⎤
=⎢⎥⎣⎦
是A 的一个{1}-广义逆矩阵.若存在n n
n T C ⨯∈使得
,r E O P A T O O ⎡⎤
=⎢⎥
⎣⎦
则矩阵的{1}-逆的全体
12()()()()
1221222122{1},,.r r m r n r r n rm r E L A T P L C L C L C L L ⨯--⨯-⨯-⎧⎫⎡⎤⎪⎪=∈∈∈⎨⎬⎢⎥⎪⎪⎣⎦⎩⎭
(2)设m n
A C ⨯∈，则A 有惟一{1}逆的充分必要条件是m
n =，且()r A n =，即A 可逆.这个惟一的{1}逆就是1A -.
定理1 [12] 设m n A C ⨯∈，m b C ∈,则A
A b b -
=是线性方程组Ax b =有解的充要条件,其中{1}A A -∈.如果线性方程组Ax b =有解，其通解可表示为
()x A b EA A y
-
-=+-，其中y 是任意的n 维列向量. 定理2[14] 设线性方程组Ax b =有解，A -是m n ⨯矩阵A 的一{1}-广义逆矩阵，并
且()H AA AA
--
=，则y A b -=为线性方程组Ax b =的最小数解. 定理3[15] 设A -为m n ⨯矩阵A 的一个{1}-广义逆矩阵，且()H A A AA
--
=，则对任意的n 维列向量b ,y A b -=一定是线性方程组Ax b =的最小二乘解. 例11 解线性方程组
12341241
234235,
5814,223 4.
x x x x x x x x x x x ++-=⎧⎪
++
=⎨⎪+-+=⎩ 解 令
231158011223A -⎡⎤⎢⎥=⎢⎥⎢⎥-⎣⎦
，5144b ⎡⎤
⎢⎥=⎢⎥⎢⎥⎣⎦.
通过行初等变换得到
4203()()102211AE HP P -⎡⎤
⎢⎥|→|→=-⎢⎥⎢⎥--⎣⎦. 取4Q E =，再令0α=，0β=，得
1
00010000
A Q P αβ-
⎡⎤⎢⎥⎢
⎥=⎢⎥
⎢⎥
⎣⎦=2
0310
222αααβ
β
β-⎡⎤⎢⎥-⎢⎥=⎢⎥--⎢⎥--⎣⎦2
031020000
0-⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥⎣⎦
. 可以验证 (5,14,4)T
A A b b
-== 所以，线性方程组有解，且通解为
1
23
420081130057()0001000001y y x A b E A A y y y ----⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥=+-=
+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢
⎥⎣⎦⎣⎦⎣⎦
(1234,,,y y y y C ∈任意)[7]. 小结：该方法对线性方程组解的讨论更加完整，表达形式也更加简洁系统.在无穷多个解向量中，此法可求出一个长度最短解向量，当方程组无解时，又可求出其最优近似解，而且该方法在概率统计、线性规划等领域中应用比较广泛.
5 结论
5.1 主要发现
线性方程组有多种解法，每种解法都有它的优越性和局限性.线性方程组是线性代数的心脏，它可以应用到很多方面，根据其重要理论可以解决很多问题，使得一些问题得到意想不到的简单解法.
5.2 启示
线性方程组的解法虽多，要选择一种适合的并不容易，我们需要先对线性方程组进行分类：齐次线性方程组和非齐次线性方程组.根据不同的线性方程组的不同特征，进而采用适当的方法求解.
5.3 局限性
线性方程组的解法还有多，由于本人的能力和时间有限，只对其中的几种方法进行讨论和分析.
5.4 努力方向
除了文章所述线性方程组的理论知识和求解方法外，由于线性方程组的解法相当多，在今后的学习中将不断的深入研究，以弥补文章中许多不足之处.
参考文献
[1]北京大学数学系.高等代数[M].北京: 高等教育, 1988:25-50.
[2]禾瑞.,郝鈵新.高等代数[M].第四版.北京: 高等教育, 1999:35-68.
[3]丘维声. 高等代数[M].北京: 高等教育, 1996:32-65.
[4]北京大学数学系几何与代数教研代数小组.高等代数[M].第二版.北京:高等教育,1988:20-55.
[5]熊廷煌.高等代数简明教程[M].:教育,1987:30-55.
[6]邓建中,之行.计算方法[M].:交通大学,2001:25-60.
[7]元达.线性代数原理[M]. 上海:上海教育,1980:45-60.
[8]蒋尔雄.线性代数[M].北京:人民教育,1996:100-128.
[9]霍元极.高等代数[M].北京:北京师大学,1988:77-120.
[10]关治,精良.数学计算方法[M].北京:清华大学,1990:45-90.
[11]韩艳丽.求解线性方程组的Jacobi和Gauss—Seidel迭代法的收敛定理[J].中国西部科技,2009: 20-31.
[12]周均,韩乐文.应用matlab求线性方程组的Cramer法则方法探讨[J].职业技术学院学报,2004,13(3):109-130.
[13]常双领. 传林. 求解线性方程组的一种迭代解法[J]. 暨南大学学报, 2004,22(3): 06.30-70.
[14]花威.线性方程组的迭代解法及Matlab实现程序[J],长江工程职业技术学院学报,2009,26(4):95-120.
[15]谢邦杰.线性代数[M].北京:人民教育,1999:100-144.
致谢
我的毕业设计的完成，首先应当归功于指导老师梁XX老师.梁老师在我的毕业设计的选题、设计方法以及设计报告的撰写等各个方面都给予了我大量的指导和帮助，梁老师以他敏锐的洞察力、渊博的知识、严谨的治学态度、精益求精的工作作风以及高度的责任感悉心指导我的设计.设计中离不开梁老师的帮助，如果没有梁老师的指导，我的设计就不能顺利完成.我在设计中遇到困难时都能够向老师请教，老师悉心的指导和帮助及其严谨的工作态度、创新的精神使我受益匪浅，使得我的问题都能迎刃而解.本设计是在梁老师的悉心指导和帮助下完成的，在论文设计、修改的整个过程中，花费了老师很多的宝贵时间和精力，我在此向梁老师表示衷心地感谢！。