二阶与三阶矩阵
二阶与三阶矩阵
线性代数延伸. 二阶与三阶矩阵. 使用 REG Lin。先输入阶数 n=2 或 3,再输入操作 1=行列式、2=逆矩阵、3=解方程。矩阵逐行输入;解方程再输入右端向量。逆矩阵先输出 det(A),再逐行输出全部逆矩阵元素;解方程输出 x,y 或 x,y,z。三阶分支以 重置统计数据 清除统计数据,重要数据先记录。占共用680中的619 bytes,单独安装余61。
- 619 字节
- REG Lin 模式
例题详解
例题一
原创练习. 线性代数延伸. 已知数据: 3x+2y=34; 2x+5y=41. 求: x,y; Au=b. 按指定顺序求出全部所需数值。
答案
(x,y)=(8,5)
标准解法(不用计算器)
- 建立数学模型并代入数据。
- A=[[3,2],[2,5]]; b=[34,41]ᵀ
- det(A)=3×5−2×2=11≠0
- x=(34×5−2×41)/11=8; y=(3×41−2×34)/11=5
- 3×8+2×5=34; 2×8+5×5=41
- 合并上述结果得出答案。
例题二
原创练习. 线性代数延伸. 已知数据: A=[[1,2,3],[0,1,4],[5,6,0]]. 求: det(A), A⁻¹; AA⁻¹=I₃. 按指定顺序求出全部所需数值。
答案
det(A)=1; A⁻¹=[[-24,18,5],[20,-15,-4],[-5,4,1]]
标准解法(不用计算器)
- 建立数学模型并代入数据。
- A=[[1,2,3],[0,1,4],[5,6,0]]
- det(A)=1(0−24)−2(0−20)+3(0−5)=1
- C=[[-24,20,-5],[18,-15,4],[5,-4,1]]; adj(A)=Cᵀ
- A⁻¹=[[-24,18,5],[20,-15,-4],[-5,4,1]]
- AA⁻¹=[[−24+40−15,18−30+12,5−8+3],[20−20,−15+16,−4+4],[−120+120,90−90,25−24]]=I₃
- 合并上述结果得出答案。
例题三
原创练习. 线性代数延伸. 已知数据: 2x+y−z=2; x+3y+2z=11; −2y+5z=13. 求: x,y,z; Au=b. 按指定顺序求出全部所需数值。
答案
(x,y,z)=(2,1,3)
标准解法(不用计算器)
- 建立数学模型并代入数据。
- A=[[2,1,−1],[1,3,2],[0,−2,5]]; b=[2,11,13]ᵀ
- det(A)=38−5+2=35≠0
- det(A₁)=70; det(A₂)=35; det(A₃)=105
- (x,y,z)=(70,35,105)/35=(2,1,3)
- 2×2+1−3=2; 2+3×1+2×3=11; −2×1+5×3=13
- 合并上述结果得出答案。
适用场景
线性代数延伸. 二阶与三阶矩阵. 使用 REG Lin。先输入阶数 n=2 或 3,再输入操作 1=行列式、2=逆矩阵、3=解方程。矩阵逐行输入;解方程再输入右端向量。逆矩阵先输出 det(A),再逐行输出全部逆矩阵元素;解方程输出 x,y 或 x,y,z。三阶分支以 重置统计数据 清除统计数据,重要数据先记录。占共用680中的619 bytes,单独安装余61。
输入顺序
- X=n∈{2,3}
- M=1: det(A); M=2: A⁻¹; M=3: Au=b
- A=(aᵢⱼ), i=1,…,n; j=1,…,n
- M=3: b₁,…,bₙ
- 每次重新输入所有必填值,包括 0。空白 EXE 保留记忆,不是零。所用变量及 Ans 会被覆盖。
输出顺序
- M=1: det(A)
- M=2: det(A),a⁻¹₁₁,…,a⁻¹ₙₙ
- M=3: x,y / x,y,z
- 记下数值,按 EXE 继续。
- 程序已完成。按 AC 离开;EXE 会重新执行。
条件与限制
- n=2/3; M=1/2/3; aᵢⱼ,bᵢ∈ℝ
- 619+61=680 bytes
- 使用 REG Lin。先输入阶数 n=2 或 3,再输入操作 1=行列式、2=逆矩阵、3=解方程。矩阵逐行输入;解方程再输入右端向量。逆矩阵先输出 det(A),再逐行输出全部逆矩阵元素;解方程输出 x,y 或 x,y,z。三阶分支以 重置统计数据 清除统计数据,重要数据先记录。占共用680中的619 bytes,单独安装余61。
- 奇异矩阵求逆先显示0,再显示−1。二元方程−3=无解、−2=无穷多解;三元方程只以−4表示没有唯一解。阶数或操作错误为−9。负元素及负根可以有效,须按分支及画面数辨别状态。近奇异或大数矩阵会失精度;书面验算 Ax=b 或 AA⁻¹=I。
- 每次重新输入所有必填值,包括 0。空白 EXE 保留记忆,不是零。所用变量及 Ans 会被覆盖。
- 有限精度可能丢失大数的微小差,或极接近 0、1 的概率。错误标记不是有效答案。
正在确认使用权限…