1701017520
1701017521
7.2.3 用矩阵解线性方程组
1701017522
1701017523
前已述及,线性方程组(1)用矩阵(以三阶矩阵为例)可以表示为
1701017524
1701017525
1701017526
1701017527
1701017528
简记为Ax=m。如果我们能找到A的逆矩阵A-1使得A-1A=I,那么就有
1701017529
1701017530
A-1 Ax=Ix=A-1m,
1701017531
1701017532
即x=A-1m。方程组就解出来了。为简单起见,下面以二阶方程组为例。
1701017533
1701017534
1701017535
1701017536
1701017537
方程组,写成矩阵形式是Az=。如前所指,A的逆矩阵是。于是,
1701017538
1701017539
1701017540
1701017541
1701017542
1701017543
最后得到x=0,。
1701017544
1701017545
这样一来,解线性方程组的问题,就变成如何求一个矩阵的逆矩阵的问题了。研究矩阵遂成为21世纪的一个重大课题。它的最基本部分,构成了大学理工科必修的“线性代数”课程。
1701017546
1701017547
大量的实际问题,最后归结为解n阶线性方程组,n的数目可以到成千上万。由于电子计算机的计算功能强大,即使未知数很多,线性方程组还是能够解出来。由于许多线性问题可以解决,线性数学可说已经成熟。近几十年来,更多的数学研究目光投向非线性数学。我们在后面继续介绍。
1701017548
1701017549
1701017550
1701017551
1701017553
数学文化教程 第三节 超市里的向量和矩阵
1701017554
1701017555
本节介绍n维向量和矩阵的一个实际运用。
1701017556
1701017557
当我们在超市里消费的时候会发现,那里收银员的记账、算账方式比传统商店的营业员简单、利索、准确得多,这一切要归功于计算机管理和科学的数学工具。
1701017558
1701017559
(1)n维向量 我们把n个有序的数据 a1 ,a2 ,…,an 称作一个n维向量,记作:
1701017560
1701017561
a=(a1,a2,…,an )
1701017562
1701017563
这样的n维向量,我们随处可见,并不陌生。例如,你的每月工资单:
1701017564
1701017565
1701017566
1701017567
1701017568
可看作是一个6维向量。所谓“有序”,是指每个位置都有特殊的意义,不可随意颠倒。
1701017569
[
上一页 ]
[ :1.70101752e+09 ]
[
下一页 ]