第二節 高斯消去法
(Gaussian Elimination)
在上一節中的例 11 中,利用基本列運算化簡線性方程組的增
廣矩陣求得一組解,而且恰有一組解,但是否每一個線性方程組都是
如此呢?試觀察下面的例子:
例 1:解 { )1(
164
143
510
∗
=++
−=−+
=+
L
zyx
zyx
zx
解:將方程組以增廣矩陣方式
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
示,並化簡:
−−
1
1
5
614
413
1001
13
12
4
3
RR
RR
−
−
−
−
−
−
19
16
5
3410
3410
1001
23 RR −
−
−−
3
16
5
000
3410
1001
因此 與下列 是等價的 )1( ∗ )2( ∗
{ )2(
30
1634
510
∗
−=
−=−
=+
Lzy
zx
由第三個方程式,可知 中含有矛盾式,因此原方程組 無解。 )2( ∗ )1( ∗
例 2:解 …(1
−=++
−=++
=−+
15177
1252
22
zyx
zyx
zyx
*)
解:化簡方程組之增廣矩陣:
−
−
−
15177
1252
2121
13
12
7
2
RR
RR
−
−
−
−
−
151230
5410
2121
23 3RR −
−
−
0000
5410
2121
21 2RR −
−
−
0000
5410
12901
因此(1*)與 是等價的。
=
−=+
=−
00
54
129
zy
zx
令 ,則 tz =
−−=
+=
54
129
ty
tx
故方程組之解集合為 { }Rtttt ∈−−+ ),54,129( 。
註:上式中的解之表示為參數式,其中 為參數,其實也可以令 為
參數或
t y
x為參數,但會得出不同形式的解集合,這些不同形式的
集合都是一樣。
定義
(a)一個矩陣若有下面的形式則稱為列梯形(row-echelon form)
RE1. 零列一定排在最底下
RE2. 在非零列中,左邊看過來第一個非零元素是 1,稱為
領導元 1(leading 1)
RE3. 每一個領導元 1 都在上方領導元 1 的右邊(好像下樓
梯一般)
(b)一個列梯形的矩陣若有下列的情形又稱為最簡(reduced)
RE4. 在有領導元 1 的那一行只有那一個領導元 1 不是零。
例 3: 下面的矩陣就是一個最簡的列梯形矩陣。
∗
∗
000000
100000
010000
00100
00010
定理 2.1. 任何一個矩陣 M 都會與一最簡的列梯形矩陣等價,而且此
最簡的列梯形矩陣是為唯一的。
事實上只需在一個矩陣上施以一連串的列運算即可形成其最簡的
列梯形矩陣,我們常記以 RRE(M)
因此要解一個線性方程組,我們只要針對其增廣矩陣施以一連串
的列運算,使其化簡為最簡的列梯形矩陣即可。
定義(矩陣之秩)
若 M 為一個 矩陣(m 列 n 行)則 M 的秩(rank)為其最簡
列梯形矩陣中領導元 1 的個數,記為 rank(M)
nm×
。
m註:rank(M)≤ ,因為 M 只有 m 列。
定理 2.2:
考慮一個線性方程組
(*)
...
...
...
2211
22222121
11212111
LLLLLM
mnmnmm
nn
nn
bxaxaxa
bxaxaxa
bxaxaxa
=+++
=+++
=+++
,
假設(*)至少有一解,若其增廣矩陣之秩為 r,則 )(∗ 之解集合恰含
有 n – r 個參數。
例如在本節的例 2 中,方程組之 m=n=3,r=2 因此 n – r = 1,
故解集合含有一個參數。
證明見後。
系 2.3:
考慮一個線性方程組
(*)
...
...
...
2211
22222121
11212111
LLLLLM
mnmnmm
nn
nn
bxaxaxa
bxaxaxa
bxaxaxa
=+++
=+++
=+++
的解有下列三個可
能,而且恰有其中一個成立。
(1) 無解 )(∗
(2) 有唯一解 )(∗
(3) 有無限多組解 )(∗
我們先舉一個例子來說明定理 2.1 也就是如何將一個矩陣化簡成
最簡列梯形矩陣:
例 4: 設一矩陣 ,將 M 化簡成最簡列梯形
矩陣。
−
−−=
1922930
022620
202620
912000
M
解: 第一步:先觀察 M 是否為零矩陣 [ ]0 (所有的元均為 0)
若 M=[0] 則不必化簡。
第二步:若 M ≠ [0],則從左邊看過來先找非零行,把這一行其
中(任何)一個非零元素 a 所在的那一個列搬到最上
方,例如 M 中的第二行是從左邊看過來最先出現不全
為 0 的行,其中 –2 在第二列(取 a = –2)可以將第二
列搬到第一列(此為列運算 I),因此
M ~ (~表等價)
−
−−
1922930
022620
912000
202620
第三步:把新的矩陣的第一列乘以
a
1 (即
2
1
− )使第一列出現第
一個領導元 1(此為列運算 II)
故得
−
−−
1922930
022620
912000
101310
第四步:將領導元 1 下方的數利用列運算 III 統統化成 0,
即
14
13
)3(
)2(
RR
RR
−+
−+
−−
2225000
220000
91000
101310
2
第五步:不看第一列,重複第一步到第四步,例如出現不為零的
那一行為第四行,而其中的 2 不為零,因此利用列運算
將之化為 1 得
−−
2225000
220000
2
9
2
11000
101310
再把其下的元(即 5)利用列運算 III 變成 0,又得
25 )5( RR −+
−−
−−
2
1
2
10000
220000
2
9
2
11000
101310
第六步:不看第二列,重複第一步到第四步,則得
32
1 R
−−
−−
2
1
2
10000
110000
2
9
2
11000
101310
34 2
1 RR +
−−
000000
110000
2
9
2
11000
101310
第七步:將領導元 1 的上方元素由下而上逐步化為零(利用列運
算 III)則得
32 )2
1( RR −+
−−
000000
110000
401000
101310
21 RR +
000000
110000
401000
300310
因此 M 的最簡列梯形矩陣有三個領導元 1,故 rank(M)
=3。
若M 是某個線性方程組之增廣矩陣,則其解將含有 n – r = 5 – 3 =
2 個參數。設參數時必須先觀察領導元 1 所出現的行數,例如上面的
最簡式中領導元 1 所出現的行為第二行、第四行、及第五行,則可將
原方程組中的第一個與第三個變數設為參數,雖然不出現領導元 1 的
行為第一行、第三行、及第六行,但第六行是方程組的常數行,所以
設參數時只設第一個與第三個變數。現在我們可以來證明定理 2.2:
證明: 假設 rank(M)= r,也就是 M 的最簡列梯形矩陣中有 r 個領
導元 1,設其所在的行分別為 i , r21
r
ii ,...,,
又假設 niii ≤≤≤≤≤ ...1 (在上例中 =2, =4, =5) 21 1 2 3i i i
設{ } { } { }iiinjjjj ,...,,,.....2,1...,,, −=− rrn 21321
rn21
1
且假設1 njjj ≤≤≤≤≤ −...
令 1sx j =
2sx j =2
rn−
r21
:
rnj sx −=
代入最後的最簡列梯形中,則得 故 為 之解 iii xxx ,...,, ),...,,( 21 nxxx )(∗
其中有 n – r 個參數,
接著也可以證明系 2.3:
證明: 假設 有解 )(∗
若 n = r 則解集合中無參數,故其解為恰有一個。
若 n > r 則解集合中至少有一個參數,所以其解有無限多組。