线性代数及其应用 知识整理
1. 线性方程组
线性方程:形如 a1x1+a2x2+⋯+anxn=ba_1x_1+a_2x_2+\cdots+a_nx_n=ba1x1+a2x2+⋯+anxn=b 的方程。
线性方程组:线性方程的组合。
解集:线性方程组所有可能的解的集合。当两个线性方程组的解集相同时,称这两个线性方程组等价。
线性方程组解的情况只有三种:
- 无解
- 有唯一解
- 有无穷多解
通过几何来理解,(二元一次)线性方程组中的每个方程都代表了一条直线,当方程组无解时,代表这些直线没有任何交点,也就是互相平行;有唯一解时,一个公共交点;无穷多解时,直线的公共相交部分是一条直线。
若一个线性方程组有一个或多个解,则称这个线性方程组是相容的;若线性方程组无解,则不相容,此时方程组的解集是空集。
线性方程组可以通过矩阵来表示。矩阵提供了线性方程组的一种简约记法:
{x1−2x2+x3=02x2−8x3=85x1−5x3=10\begin{cases} \ x_1-2x_2+x_3=0\\ \ 2x_2-8x_3=8 \\ \ 5x_1-5x_3=10\\ \end{cases}⎩⎪⎨⎪⎧ x1−2x2+x3=0 2x2−8x3=8 5x1−5x3=10 ⟶{\longrightarrow}⟶ [1−21002−8850−510]\left[\begin{array}{cccc} 1 & -2 & 1 & 0 \\ 0 & 2 & -8 & 8\\ 5 & 0 & -5 & 10 \end{array}\right]⎣⎡105−2201−8−50810⎦⎤
该矩阵又称为增广矩阵,意思是扩大了的矩阵。
上面矩阵的子矩阵 [1−2102−850−5]\left[\begin{array}{cccc} 1 & -2 & 1 \\ 0 & 2 & -8\\ 5 & 0 & -5 \end{array}\right]⎣⎡105−2201−8−5⎦⎤ 称为系数矩阵。
1.1 解线性方程组
通过对线性方程组所代表的矩阵进行初等行变化,可以解线性方程组。
解方程组的过程:
- 方程组是否有解?
- 若有解,是有唯一解,还是有无穷多解?
初等行变换:
- (倍加)将某一行换成它本身或另一行的倍数的和。
- (对换)把两行互换。
- (倍乘)让某一行的所有元素乘以同一个非零数。
行变换是可逆的。
若两个矩阵彼此间可以通过若干行变换来得到,则称这两个矩阵行等价。
1.1.1 方程组的解
对于
[10−5101140000]\left[\begin{array}{cccc} 1 & 0 & -5 & 1 \\ 0 & 1 & 1 & 4 \\ 0 & 0 & 0 & 0 \end{array}\right]⎣⎡100010−510140⎦⎤ ⟶{\longrightarrow}⟶ {x1−5x3=1x2+x3=40=0\begin{cases} \ x_1-5x_3=1\\ \ x_2+x_3=4\\ \ 0=0\\ \end{cases}⎩⎪⎨⎪⎧ x1−5x3=1 x2+x3=4 0=0 ⟶{\longrightarrow}⟶ {x1=1+5x3x2=4−x3\begin{cases} \ x_1 = 1 + 5x_3\\ \ x_2 = 4 - x_3\\ \end{cases}{ x1=1+5x3 x2=4−x3
这里 x1x_1x1 和 x2x_2x2 称为基本变量,其他变量称为自由变量,自由变量可取任意值。最后给出的方程组的解称为该方程组的通解。
1.1.2 行化简和阶梯形矩阵
矩阵中,非零行(列)是指至少包含一个非零元素的行(列)。
非零行的先导元素是指该行最左边的非零元素。
阶梯形矩阵:相同高度的台阶,台阶长度无所谓。
[1−21002−8800−510]\left[\begin{array}{cccc} 1 & -2 & 1 & 0 \\ 0 & 2 & -8 & 8\\ 0 & 0 & -5 & 10 \end{array}\right]⎣⎡100−2201−8−50810⎦⎤
简化阶梯形矩阵:
[101001−44001−2]\left[\begin{array}{cccc} 1 & 0 & 1 & 0 \\ 0 & 1 & -4 & 4\\ 0 & 0 & 1 & -2 \end{array}\right]⎣⎡1000101−4104−2⎦⎤
简化阶梯形矩阵的定义:
- 非零行的先导元素为 1。
- 这些先导元素是其所在列的唯一非零元素。
任何非零矩阵可通过行化简(也就是初等行变换)变为阶梯形矩阵。一个矩阵可转化为的阶梯形矩阵可以有很多种,但简化阶梯形矩阵只有唯一一种。
主元位置:一个矩阵的行简化阶梯形中先导元素 1 所在的位置。
如:[1−21002−8850−510]\left[\begin{array}{cccc} 1 & -2 & 1 & 0 \\ 0 & 2 & -8 & 8\\ 5 & 0 & -5 & 10 \end{array}\right]⎣⎡105−2201−8−50810⎦⎤ 的行简化阶梯形为 [101001−44001−2]\left[\begin{array}{cccc} 1 & 0 & 1 & 0 \\ 0 & 1 & -4 & 4\\ 0 & 0 & 1 & -2 \end{array}\right]⎣⎡1000101−4104−2⎦⎤ ,则该矩阵的第 1 行第 1 列、第 2 行第2 列、第 3 行第 3 列是该矩阵的主元位置。
主元列:主元位置所在的列。
主元:主元位置上非零的元素,用于将其下方的元素化为 0 。
如 [1−21002−8850−510]\left[\begin{array}{cccc} 1 & -2 & 1 & 0 \\ 0 & 2 & -8 & 8\\ 5 & 0 & -5 & 10 \end{array}\right]⎣⎡105−2201−8−50810⎦⎤ ,该矩阵中,第 1 行第 1 列的元素 1 就是该矩阵的一个主元,可用于将下方的 5 化为 0 。
2. 向量方程
给定 nnn 维向量 v1,v2,…,vpv_1,v_2,\dots,v_pv1,v2,…,vp 和标量 c1,c2,…,cpc_1,c_2,\dots,c_pc1,c2,…,cp , 向量 y=c1v1+⋯+cpvpy=c_1v_1+\dots+c_pv_py=c1v1+⋯+cpvp 称为 v1,v2,…,vpv_1,v_2,\dots,v_pv1,v2,…,vp 以 c1,c2,…,cpc_1,c_2,\dots,c_pc1,c2,…,cp 为权的线性组合。
向量方程:形如 x1a1+x2a2+⋯+xnan=bx_1a_1+x_2a_2+\cdots+x_na_n=bx1a1+x2a2+⋯+xnan=b 的方程。其中 x1,x2,…,xnx_1, x_2, \dots, x_nx1,x2,…,xn为标量,a1,a2,…,ana_1, a_2, \dots, a_na1,a2,…,an 和 bbb 为同维度的向量。
如:x1[11]+x2[03]=[82]x_1\left[\begin{array}{cccc} 1 \\1 \end{array}\right]+x_2\left[\begin{array}{cccc} 0 \\3 \end{array}\right]=\left[\begin{array}{cccc} 8 \\2 \end{array}\right]x1[11]+x2[03]=[82] 就是一个向量方程,可记作矩阵形式:[108132]\left[\begin{array}{cccc} 1 & 0 & 8 \\ 1 & 3 &2 \end{array}\right][110382]
该向量方程的等价线性方程组形式为 {x1=8x1+3x2=2\begin{cases} \ x_1=8\\ \ x_1+3x_2=2\\ \end{cases}{ x1=8 x1+3x2=2
总而言之,向量方程与线性方程组是互通的。
给定 nnn 维向量 v1,v2,…,vpv_1,v_2,\dots,v_pv1,v2,…,vp ,这些向量的所有线性组合,即 c1v1+⋯+cpvpc_1v_1+\dots+c_pv_pc1v1+⋯+cpvp,称为这些向量张成的空间,记作 Span{v1,v2,…,vp}\text{Span}\{v_1,v_2,\dots,v_p\}Span{v1,v2,…,vp}
判断向量 bbb 是否属于 Span{v1,v2,…,vp}\text{Span}\{v_1,v_2,\dots,v_p\}Span{v1,v2,…,vp},就是在判断向量方程 c1v1+⋯+cpvp=bc_1v_1+\dots+c_pv_p=bc1v1+⋯+cpvp=b 是否有解,也就是在判断对应的线性方程组是否有解。
3. 矩阵方程
向量的线性组合可以看作是矩阵与向量的积:
x1a1+x2a2+⋯+x3a3=[a1a2⋯an][x1x2⋮xn]=Axx_1a_1+x_2a_2+\cdots+x_3a_3=\left[\begin{array}{cccc} a_1 & a_2 & \cdots & a_n \end{array}\right]\left[\begin{array}{cccc} x_1 \\ x_2 \\ \vdots \\ x_n \end{array}\right]=Axx1a1+x2a2+⋯+x3a3=[a1a2⋯an]⎣⎢⎢⎢⎡x1x2⋮xn⎦⎥⎥⎥⎤=Ax
其中a1,a2,…,ana_1,a_2,\dots,a_na1,a2,…,an 均为 nnn 维向量,x1,x2,…,xnx_1,x_2,\dots,x_nx1,x2,…,xn 均为标量。
矩阵方程:形如 Ax=bAx=bAx=b 的方程。
矩阵方程、向量方程和线性方程组彼此互通:
矩阵与向量之间的乘法于是可以有另一种理解:
[234−15−36−28][x1x2x3]=x1[2−16]+x2[35−2]+x3[4−38]=[2x1+3x2+4x3−x1+5x2−3x36x1−2x2+8x3]\left[\begin{array}{cccc} 2& 3 & 4 \\ -1 & 5 & -3 \\ 6 & -2 & 8 \end{array}\right] \left[\begin{array}{cccc} x_1 \\ x_2 \\ x_3 \end{array}\right]=x_1\left[\begin{array}{cccc} 2 \\ -1 \\ 6 \end{array}\right]+x_2\left[\begin{array}{cccc} 3 \\ 5 \\ -2 \end{array}\right]+x_3\left[\begin{array}{cccc} 4 \\ -3 \\ 8 \end{array}\right]=\left[\begin{array}{cccc} 2x_1+3x_2+4x_3 \\ -x_1+5x_2-3x_3 \\ 6x_1-2x_2+ 8x_3 \end{array}\right]⎣⎡2−1635−24−38⎦⎤⎣⎡x1x2x3⎦⎤=x1⎣⎡2−16⎦⎤+x2⎣⎡35−2⎦⎤+x3⎣⎡4−38⎦⎤=⎣⎡2x1+3x2+4x3−x1+5x2−3x36x1−2x2+8x3⎦⎤
上面的矩阵可以看作是 3 个列向量的组合。
线性代数及其应用 知识整理相关推荐
- 线性代数常用基本知识整理
1. 行列式 1.1 二阶行列式 1.2 三阶行列式 1.3 排列的逆序数 1.4 n阶行列式 2. 行列式的性质 性质1 行列式与它的转置行列式相等. 性质2 互换行列式的两行(列),行列式变号 ...
- 矩阵论(零):线性代数基础知识整理(1)——逆矩阵、(广义)初等变换、满秩分解
矩阵论专栏:专栏(文章按照顺序排序) 线性代数是矩阵论的先修课程,本篇博客整理线性代数的基础理论知识,为矩阵论的学习做准备.限于篇幅,梳理的重点将在定理和结论上(只给出部分必要的定义),对最基础的概念 ...
- 矩阵论(零):线性代数基础知识整理(5)——特征值与相似
矩阵论专栏:专栏(文章按照顺序排序) 本篇博客的上篇是矩阵论(零):线性代数基础知识整理(4)--线性空间与线性变换,梳理了线性空间与线性变换的相关内容.本文主要整理矩阵的特征值与相似的相关内容. 方 ...
- 矩阵论(零):线性代数基础知识整理(2)——矩阵的秩与向量组的秩
矩阵论专栏:专栏(文章按照顺序排序) 本篇博客承接上篇矩阵论(零):线性代数基础知识整理(1)--逆矩阵.初等变换.满秩分解,主要整理秩相关的结论. 线性方程组的解与向量组的秩 线性方程组的解(初步讨 ...
- CSP-S初赛基础知识整理
文章目录 CSP-S初赛基础知识整理 RT [1]计算机基础知识 计算机系统的组成 计算机硬件的五大组成 [1-2]进制及其转化和运算 [1-2]二进制 [1]基本定义及应用 [1]基本运算 [2]位 ...
- python常用变量名_python基础知识整理
Python Python开发 Python语言 python基础知识整理 序言:本文简单介绍python基础知识的一些重要知识点,用于总结复习,每个知识点的具体用法会在后面的博客中一一补充程序: 一 ...
- Spring AOP 知识整理
为什么80%的码农都做不了架构师?>>> AOP知识整理 面向切面编程(AOP)通过提供另外一种思考程序结构的途经来弥补面向对象编程(OOP)的不足.在OOP中模块化的关键单元 ...
- Linux系统基础知识整理
一.说明 本篇文章,我将结合自己的实践以及简介,来对linux系统做一个直观清晰的介绍,使得哪些刚接触Linux的小伙伴可以快速入门,也方便自己以后进行复习查阅. 二.基本知识整理 1.Linux文件 ...
- 计算机二级c语基础知识,计算机二级C语基础知识整理.doc
计算机二级C语基础知识整理 1.1 算法 算法:是一组有穷指令集,是解题方案的准确而完整的描述.通俗地说,算法就是计算机解题的过程.算法不等于程序,也不等于计算方法,程序的编制不可能优于算法的设计. ...
- js事件(Event)知识整理
鼠标事件 鼠标移动到目标元素上的那一刻,首先触发mouseover 之后如果光标继续在元素上移动,则不断触发mousemove 如果按下鼠标上的设备(左键,右键,滚轮--),则触发mousedow ...
最新文章
- 20169210《Linux内核原理与分析》第十一周作业
- MATLAB实战应用案例:欧拉法、改进欧拉法、ode45求解微分方程实例
- centos7已有数据硬盘挂载_实战2T以上盘GPT分区工具使用挂载教程
- 【转】mybatis 自增主键配置
- 360 n6 linux内核版本,五年26个版本:Linux系统内核全程回顾
- 搭建MIPS平台GDB调试环境
- 5.Scalal语法03 - 函数
- ELK系列~NLog.Targets.Fluentd到达如何通过tcp发到fluentd
- 教你用Python画简单的表情包(Turtle库的应用)
- 利用JavaScript实现京东自动叠蛋糕+淘宝自动领喵币,叠列车+618全民购物
- python书籍推荐1001python书籍推荐_Python之codebook笔记
- excel两列数据对比找不同_怎么在excel中对比两列数据并查找重复项?
- 苹果mac有什么用_苹果的T2“安全芯片”在Mac中有什么作用?
- 年产2000t搅拌型发酵酸奶车间工艺设计
- 苹果id登录_英雄联盟手游用苹果id登录显示账号异常的解决方法_英雄联盟手游...
- BUU刷题记录(四)
- W801单片机学习笔记——调试器的配置与使用(适用于W801和W806)
- FileWriter 编码问题
- 通过浏览器访问服务器
- 利用Python在网上接单,兼职也能月薪过万,真的假的?
热门文章
- bom sap 替代项目_简述SAP系统常规模块能为定制家居企业解决哪些核心问题
- Oracle11g exp 1445,oracle11g 导出表报EXP-00011:table不存在。
- mysql数据词典生成markdown_老板让我把数据库字典导出到Markdown格式的文件
- Linux命令基础5-文件重定向
- [EffectiveC++]item3:尽可能使用const
- K8S-删除Terminating状态的namespace
- MySQL中的基本SQL语句
- USACO 2.2 集合(DP)
- css 选择器的应用
- 利用GridView显示主细表并一次编辑明细表所有数据的例子(转)