1 线性方程的解

1.1 两维的情况

span of the columns of A——由A的列向量张成的空间

2 线性方程有解的充要条件

线性方程x1a1+x2a2+……+xnan=β有解（consistent）的充要条件

——>系数矩阵（coefficient matrix）和增广矩阵（augmented matrix）有相同的秩

若秩等于未知元的个数，则有唯一解（向量组线性无关）

若秩小于未知元个数，则有无穷多组解（向量组线性相关）

——>齐次线性方程组有非零解：秩小于未知量个数k

RREF 见李宏毅线性代数笔记6：矩阵的计算_刘文巾的博客-CSDN博客

Ax=b对每一个b都有解

——>[A b]的简化阶梯形矩阵不能有一行只有最后一个元素非0

——>A的简化阶梯形矩阵不能有一行全是0

——>A的秩等于A的行数（如果A的秩少的话，说明有一行可以被别的线性表出，那么经过几次初等行变换，会有一行全为0）

2.1 一道例题

系数矩阵扩充一列，就是增广矩阵——>所以rank(A)<=rank(A~)

增广矩阵扩充一行，就是B——>所以rank(A~)<=rank(B)

而A和B的rank又一样——>所以三者只能取等，所以三者有解

3 齐次线性方程组解集的结构

齐次线性方程组（homogeneous linear equations）任意两个解的和还是方程组的解

齐次线性方程组任意一个解的倍数还是方程组的一个解

3.1 线性子空间

$K^n$ 的一个非空子集U如果满足：

（1）任取a,b∈U，a+b∈U

（2）任取a∈U，ka∈U

那么U是 $K^n$ 的一个线性子空间

齐次线性方程组的解集是 $K^n$ 的一个子空间（解空间）

{0}——零子空间

{0}和Kn——平凡的子空间；其余子空间：非平凡的子空间

3.2 基础解系

齐次线性方程组有非零解的时候，如果他有有限多个解n1,n2，….nt满足

线性无关

方程组中的每一个解都可以由他们线性表出

那么n1,n2,…..nt是线性方程组的基础解系，K1n1+k2n2+……+ktnt 是线性方程组的通解

数域K上n元齐次线性方程组的系数矩阵A的秩小于未知量个数n的时候，它一定有基础解系，且它的每一个基础解系所含解向量的个数为n-rank(A)

3.3 举一个例子

求一个齐次线性方程组的基础解系

x1-3x2+5x3-2x4=0

-2x1+x2-3x3+x4=0

-x1-7x2+9x3-4x4=0

4 非齐次线性方程组解集的结构

对于非齐次线性方程组 x1a1+x2a2+……+xnan=bn,我们令x1a1+x2a2+……+xnan=0 为非齐次线性方程组的导出组

非齐次线性方程组的两个解的差是他的导出组的一个解

非齐次线性方程组的一个解与它的导出组的一个解之和也为非齐次线性方程组的一个解

如果数域K上n元非齐次线性方程组有解，那么它的解集U为{r0+n|n∈W} 其中r0是非齐次线性方程组（1）的一个解（特解），W是导出组的解集

5 基和维数

设U是Kn的一个子空间，U中的向量组a1….ar如果满足：

（1）a1……ar 线性无关

（2）U中的每一个向量都能由他们线性表出

那么a1….ar为U的一个基

e1,e2,…..en——Kn的标准基

Kn的非零子空间U的任何两个基所含向量的个数相同——这个个数就是维度，记作dimU

数域K上n元齐次线性方程组有非零解时，解空间W的维数 dimW=n-rankA（A是系数矩阵）

<a1,…,as>={k1a1+k2a2+…….+ksas}——a1,…as生成的子空间

rank{a1,…as}=dim<a1,…..as>：都是向量组的极大无关组中向量的个数

——向量组的秩等于它生成的子空间的维数

李宏毅线性代数笔记5：线性方程组相关推荐

李宏毅线性代数笔记2：线性方程组和数域
1 线性方程组 1.1 相容性一个线性方程组有解--这个线性方程组是相容的,否则就是不相容的 1.2 齐次线性方程组齐次线性方程组:常数项全为0 -->(0,0-..,0)显然是一个解--零 ...
李宏毅线性代数笔记6：矩阵的计算
1 矩阵的几个概念 1.1 特殊矩阵 1.1.1 数量矩阵主对角线上元素是同一个数,其余元素全为0的n级矩阵 1.1.2 对角矩阵(diagonal matrix) 主对角线元素之外全为0的方阵记 ...
李宏毅线性代数笔记3：行列式det
1 N元排列 1.1 顺序和逆序一个排列中:小的在前,大的在后--这一对数组成一个顺序; 反之则为逆序 1.2 逆序数一个排列中逆序的个数,称之为数 1.3 奇排列与偶排列逆序数为奇数的排列-- ...
李宏毅线性代数笔记13：SVD分解
1 SVD分解介绍之前用特征值来进行对角化的时候,被对角化的矩阵一定要是方阵,但是SVD的话,非方阵也是可以的. 矩阵Σ对角线上的元素都是大于等于0的我们可以改变U,V的一些行和列,来达到Σ对角线 ...
李宏毅线性代数笔记 10： PageRank
1,pagerank介绍不依靠网页的内容,依靠网路的结构 2 pagerank举例举个例子: 每一个状态的变化都是来自于它的入边经过很多次不同状态信息的传送,最终会达到稳定状态解得答案为: 3 ...
李宏毅线性代数笔记9：对角化
1 可对角化 2 特征分解如果可对角化的话,那么p矩阵的每一列都是特征向量:对角矩阵对角线上的元素都是特征值如果可对角化的话,那么有n个线性无关的特征向量 3 如何对角化 4 不同特征值对应的特征 ...
李宏毅线性代数笔记9：特征值与特征向量
1 特征值&特征向量定义 2 特征值&特征向量举例 3 已知特征值,如何求特征向量其实就是(A-λIn)v的非零解 4 判断一个标量是否是特征值如果(A-λIn)v=0只有零解,那 ...
李宏毅线性代数笔记8 ：坐标系变换8
比如,我们要求关于某一条直线的镜面反射: 这个在笛卡尔坐标系里面是很复杂的,但是如果我们换一个坐标系,答案就迎刃而解了如果两个矩阵,,那么A和B是相似的
李宏毅线性代数笔记4：向量
1 空间向量假设a=[x y]T,空间中的a 可以理解为从原点(0,0) 到(x,y) 的一条有向线段,也就是x 轴上长度与y 轴上长度的矢量叠加.那么数乘向量λ×a 可以理解为将x 轴与y 轴长度 ...

李宏毅线性代数笔记5：线性方程组