在阶数较大、系数阵为稀疏阵的情况下,可以采用迭代法求解线性方程组。用迭代法 (Iterative Method)求解线性方程组的优点是方法简单,便于编制计算机程序,但必须选取合 适的迭代格式及初始向量,以使迭代过程尽快地收敛。迭代法根据迭代格式的不同分成雅 可比(Jacobi)迭代、高斯塞德尔(Gauss-Seidel-)迭代和松弛(Relaxation)法等几种

一、齐次线性方程组解的结构 二、非齐次线性方程组解的结构

为了研究线性方程组近似解的误差估计 和迭代法的收敛性,我们需要对R(n维 向量空间)中的向量或R∞中矩阵的“大 小”引入一种度量,—一向量和矩阵的范 数

第三章线性方程组解法 (对线性代数方程组Ax=b的近似解法 一、问题的提出: 求解线性方程组Ax=b,且A|≠0,其中

第一节 向量组的线性相关与线性无关 一、向量、向量组与矩阵 二、线性相关性的概念 三、线性相关性的判定 六、小节、思考题 四、向量组的线性相关性质 线性无关三者的关系 五、线性表示、线性相关以及 第二节 向量组的秩 一、最大无关向量组的概念 二、矩阵与向量组秩的关系 三、向量组秩的重要结论 四、小节、思考题 第三节 向量空间 一、向量空间的概念 二、子空间 三、向量空间的基和维数 四、小节、思考题 第四节 线性方程组解的结构 一、齐次线性方程组解的性质 二、基础解系及其求法 三、非齐次线性方程组解的性质 四、小节、思考题 第五节 向量的内积 一、内积的定义与性质 二、向量的长度与性质 三、正交向量组的概念及求法 四、正交矩阵与正交变换 五、小节、思考题

3.1.3 线性方程组的高斯（Gauss）消元法

3.1消元法 3.2矩阵的秩线性方程组可解的判别法 3.3线性方程组的公式解 3.4结式和判别式

§1 消元法 §2 n 维向量空间 §3 线性相关性 §4 矩阵的秩 §5 线性方程组有解的判别定理 §6 线性方程组解的结构 §7 二元高次方程组

考察一般线性方程组 +a12x2++ainn=b , ① ax1+a32x2+…+=b 其中x1,x2,xn为未知量,s为方程个数 a(i1,2,sj=1,2,n)称为方程组系数: b(i=1,2,s)称为常数项

一、n元线性方程组 1设线性方程组nx1+an2x2+…+amxn=b若常数项b2,…,bn不全为零,则称此方程组为非1,02,齐次线性方程组;若常数项b,b2bn全为零