线性方程组(十)- 小结

本篇文章对线性方程组知识进行一个小结。

线性方程组

线性方程组:
\begin{cases} {a_1}\!_1x_1 + \cdots + {a_1}\!_nx_n = b_1 \\ \cdots\!\cdots\cdots\!\cdots\\ {a_m}\!_1x_1 + \cdots + {a_m}\!_nx_n = b_m \\ \end{cases}
系数矩阵:\boldsymbol{A}=\begin{bmatrix}{a_1}\!_1 & \cdots & {a_1}\!_n \\ \vdots & \vdots & \vdots \\ {a_m}\!_1 & \cdots & {a_m}\!_n\end{bmatrix}
增广矩阵:\boldsymbol{B}=\begin{bmatrix} {a_1}\!_1 & \cdots & {a_1}\!_n & b_1 \\ \vdots & \vdots & \vdots & \vdots \\ {a_m}\!_1 & \cdots & {a_m}\!_n & b_m \end{bmatrix}
m维向量:\boldsymbol{a_j}=\begin{bmatrix}{a_1}\!_j \\ \vdots \\ {a_m}\!_j\end{bmatrix}(j=1,\cdots,n),\boldsymbol{b}=\begin{bmatrix}b_1 \\ \vdots \\ b_m\end{bmatrix}
n维向量:\boldsymbol{x}=\begin{bmatrix}x_1 \\ \vdots \\ x_n\end{bmatrix}
向量组:\{\boldsymbol{a_1},\cdots,\boldsymbol{a_n}\}
所有m维向量的集:\mathbb{R}^{m}
所有n维向量的集:\mathbb{R}^{n}
线性变换:\boldsymbol{T}:\mathbb{R}^{n}\rightarrow\mathbb{R}^{m},其标准矩阵为\boldsymbol{A}

线性方程组还有如下两种表示方式:

  1. 以矩阵形式表示:\boldsymbol{Ax}=\boldsymbol{b}
  2. 以向量组形式表示:x_1\boldsymbol{a_1} + \cdots + x_n\boldsymbol{a_n}=\boldsymbol{b}

行化简算法:

  1. 确定主元列
  2. 选组主元
  3. 主元位置下面元素化0
  4. 迭代处理子矩阵
  5. 所有主元位置上面元素化0,主元化1

解线性方程组使用的行化简算法:

  1. 写出方程组的增广矩阵
  2. 应用行化简算法把增广矩阵化为阶梯形矩阵,确定方程组是否相容。若无解,则停止
  3. 继续行化简算法得到它的简化阶梯形矩阵
  4. 写出由第3步所得矩阵对应的方程组
  5. 写出方程组的通解

线性方程组的解集的两种表示方式:

  1. 参数形式(通解)
  2. 参数向量形式

向量组的线性相关

\boldsymbol{b}=\boldsymbol{0},线性方程组为齐次线性方程组;若\boldsymbol{b} \neq \boldsymbol{0},线性方程组为非齐次线性方程组。
非齐次线性方程组可以看作齐次线性方程组两边都加一个向量\boldsymbol{b}。非齐次线性方程组的解集可以看作齐次线性方程组的解集加一个向量\boldsymbol{p},其中{\boldsymbol{p}}的各元素对应于非齐次线性方程组的系数矩阵的简化阶梯形形式的最后一列。

对于向量组的线性相关性,我们可以得到下列等价性质:

  1. 向量组线性相关
  2. 存在不全为零的权c_1,\cdots,c_n,使得c_1\boldsymbol{a_1} + \cdots + c_n\boldsymbol{a_n}=\boldsymbol{0}
  3. 齐次线性方程组有非平凡解

向量\boldsymbol{b}是否可以有向量组表示,我们可以得到下列等价性质:

  1. 向量\boldsymbol{b}可以由向量组线性表示
  2. 存在不全为零的权c_1,\cdots,c_n,使得c_1\boldsymbol{a_1} + \cdots + c_n\boldsymbol{a_n}=\boldsymbol{b}
  3. 非齐次线性方程组有解

线性变换

线性变换是另一种思维。它将线性方程组是否有解变成为\mathbb{R}^{n}上是否有一个向量\boldsymbol{x}能够映射到\mathbb{R}^{m}的一个向量\boldsymbol{b}上。

根据\boldsymbol{T}是否满射,我们可以得到下列等价性质:

  1. \boldsymbol{T}能够把\mathbb{R}^{n}映上到\mathbb{R}^{m}(满射)
  2. \boldsymbol{A}的列生成\mathbb{R}^{m}
  3. \boldsymbol{b}取任意值,方程组均有解

根据\boldsymbol{T}是否单射,我们可得到下列等价性质:

  1. \boldsymbol{T}是一对一的(单射)
  2. \boldsymbol{A}的列线性无关
  3. \boldsymbol{b}取任意值,方程组至多有一个解

参考文献

[1]姜敬敬.浅谈线性代数中矩阵、线性方程组及向量组的联系[J].教育教学论坛,2016(11):198-199.

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,175评论 5 466
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,674评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,151评论 0 328
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,597评论 1 269
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,505评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 47,969评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,455评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,118评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,227评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,213评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,214评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,928评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,512评论 3 302
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,616评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,848评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,228评论 2 344
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,772评论 2 339

推荐阅读更多精彩内容