线性方程组的解

线性方程组是由多个线性方程组成的方程组，通常可以用矩阵方法来求解。一个线性方程组的解是找到变量的值，使得每个方程同时成立。线性方程组的一般形式为：

$$\{\begin{array}{l}{a}_{11}{x}_1+a_{12}{x}_2+\cdots +a_{1n}{x}_n=b_1\\ a_{21}{x}_1+a_{22}{x}_2+\cdots +a_{2n}{x}_n=b_2\\ ⋮\\ a_{m1}{x}_1+a_{m2}{x}_2+\cdots +a_{mn}{x}_n=b_m\end{array}$$

其中，$a_{ij}$ 是系数，$x_j$ 是未知数，$b_i$ 是常数项。

解的结构

线性方程组的解的结构

根据rank判断, 线性方程组的解结构可以分为三种情况:

• 当 $\text{rank}(A)=\text{rank}(A|b)=n$, 有唯一解
• 当 $\text{rank}(A)=\text{rank}(A|b)<n$, 有无穷个解
• 当 $\text{rank}(A)<\text{rank}(A|b)$, 无解

Link to original

求解

解线性方程组的常见方法有以下几种：

1. 高斯消元法

高斯消元法是通过一系列的行变换将矩阵化为上三角矩阵，然后再通过回代求解。

步骤：

1. 将方程组写成增广矩阵形式。
2. 使用行变换将增广矩阵变为上三角矩阵。
3. 通过回代求解上三角矩阵的方程组。

2. 矩阵求逆法

如果系数矩阵 $A$ 是可逆的，即 $\det (A)\ne 0$，可以通过矩阵求逆来解方程组。

线性方程组可以表示为 $AX=B$，其中 $A$ 是系数矩阵，$X$ 是未知数向量，$B$ 是常数向量。

求解：

$$X=A^{-1}B$$

2. 克拉默法则

适用于有唯一解的方程组，即系数矩阵是非奇异矩阵（行列式不为零）。

对于 $n$ 个方程 $n$ 个未知数的线性方程组，若系数矩阵 $A$ 的行列式 $\det (A)\ne 0$，则每个未知数的解可以表示为：

$$x_i=\frac{\det (A_i)}{\det (A)},i=1,2,\dots ,n$$

其中，$A_i$ 是将 $A$ 的第 $i$ 列替换为常数向量 $B$ 所得到的矩阵。

3. 其他数值方法

对于大型线性方程组，可能需要使用数值方法，如：

• 迭代法：雅可比迭代法、盖乌斯-塞德尔迭代法。
• 奇异值分解（SVD）：用于求解超定方程组或矩阵近似。

示例

考虑以下线性方程组：

$$\{\begin{array}{l}2x+3y=5\\ 4x-y=1\end{array}$$

用矩阵方法表示为：

$$\left[\begin{array}{cc}2& 3\\ 4& -1\end{array}\right]\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{c}5\\ 1\end{array}\right]$$

使用高斯消元法或矩阵求逆法可以求得解：

$$\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{c}1\\ 1\end{array}\right]$$

即 $x=1$, $y=1$。