本文详细介绍了线性代数中的增广矩阵概念，包括如何从矩阵和列向量构建增广矩阵，以及增广矩阵在表示线性方程组中的作用。此外，讨论了增广矩阵的初等行变换，如行交换、行倍加和行缩放，以及这些变换如何用于求解线性方程组。最后，提到了矩阵的行阶梯形式和简化行阶梯形式，以及矩阵秩的概念，这些都是求解线性系统的关键工具。
线性代数：增广矩阵学习笔记
增广矩阵
定义
对于一个 n × m n\times m n×m的矩阵 A = [ a i j ] A=[a_{ij}] A=[aij]，我们可以在它的右边加上一个 n × 1 n\times1 n×1的列向量 b b b，得到一个 n × ( m + 1 ) n\times(m+1) n×(m+1)的矩阵 [ A ∣ b ] \begin{bmatrix} A & \bigl| & b\end{bmatrix} [A b]，这个矩阵被称为 A A A的增广矩阵。
A = [ a 11 a 12 ⋯ a 1 m a 21 a 22 ⋯ a 2 m ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n m ] , [ A ∣ b ] = [ a 11 a 12 ⋯ a 1 m ∣ b 1 a 21 a 22 ⋯ a 2 m ∣ b 2 ⋮ ⋮ ⋱ ⋮ ∣ ⋮ a n 1 a n 2 ⋯ a n m ∣ b n ] A=\begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1m}\\ a_{21} & a_{22} & \cdots & a_{2m}\\ \vdots & \vdots & \ddots & \vdots\\ a_{n1} & a_{n2} & \cdots & a_{nm} \end{bmatrix},\quad \begin{bmatrix} A & \bigl| & b\end{bmatrix}= \begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1m} & | & b_1\\ a_{21} & a_{22} & \cdots & a_{2m} & | & b_2\\ \vdots & \vdots & \ddots & \vdots & | & \vdots\\ a_{n1} & a_{n2} & \cdots & a_{nm} & | & b_n \end{bmatrix} A= a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1ma2m⋮anm ,[A b]= a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1ma2m⋮anm∣∣∣∣b1b2⋮bn
示例
对于矩阵 A = [ 1 2 3 4 5 6 ] A=\begin{bmatrix}1 & 2 & 3 \\ 4 & 5 & 6\end{bmatrix} A=[142536]和列向量 b = [ 7 8 ] b=\begin{bmatrix}7 \\ 8\end{bmatrix} b=[78]，它们的增广矩阵为：
[ A ∣ b ] = [ 1 2 3 ∣ 7 4 5 6 ∣ 8 ] \begin{bmatrix} A & \bigl| & b\end{bmatrix}= \begin{bmatrix} 1 & 2 & 3 & | & 7\\ 4 & 5 & 6 & | & 8 \end{bmatrix} [A b]=[142536∣∣78]
线性方程组与增广矩阵
定义
一个线性方程组可以表示为 A x = b Ax=b Ax=b的形式，其中 A A A是系数矩阵， x x x和 b b b都是列向量。
设 A A A为 m × n m\times n m×n的矩阵， x x x和 b b b都是 n n n维列向量，则 A x = b Ax=b Ax=b是一个包含 m m m个线性方程的线性方程组。这个线性方程组可以转化为增广矩阵 [ A ∣ b ] \begin{bmatrix} A & \bigl| & b\end{bmatrix} [A b]的形式。
示例
下面的线性方程组可以表示为 A x = b Ax=b Ax=b的形式：
{ x 1 + 2 x 2 − 3 x 3 = − 1 4 x 1 + 5 x 2 + 6 x 3 = 2 7 x 1 + 8 x 2 + 9 x 3 = 5 \begin{cases} x_1+2x_2-3x_3=-1\\ 4x_1+5x_2+6x_3=2\\ 7x_1+8x_2+9x_3=5 \end{cases} ⎩ ⎨ ⎧x1+2x2−3x3=−14x1+5x2+6x3=27x1+8x2+9x3=5
对应的系数矩阵 A A A和列向量 b b b分别为：
A = [ 1 2 − 3 4 5 6 7 8 9 ] , b = [ − 1 2 5 ] A=\begin{bmatrix} 1 & 2 & -3\\ 4 & 5 & 6\\ 7 & 8 & 9 \end{bmatrix},\quad b=\begin{bmatrix} -1\\ 2\\ 5 \end{bmatrix} A= 147258−369 ,b= −125
将它们组合在一起，得到增广矩阵 [ A ∣ b ] \begin{bmatrix} A & \bigl| & b\end{bmatrix} [A b]：
[ A ∣ b ] = [ 1 2 − 3 ∣ − 1 4 5 6 ∣ 2 7 8 9 ∣ 5 ] \begin{bmatrix} A & \bigl| & b\end{bmatrix}= \begin{bmatrix} 1 & 2 & -3 & | & -1\\ 4 & 5 & 6 & | & 2\\ 7 & 8 & 9 & | & 5 \end{bmatrix} [A b]= 147258−369∣∣∣−125
增广矩阵的初等行变换
定义
3 3 3种初等行变换可以在增广矩阵上进行，它们分别是：
- 将某一行乘以一个非零常数 k k k；
- 交换矩阵中的任意两行；
- 将某一行加上另外一行的 k k k倍。
示例
下面是一个增广矩阵的例子：
[ 1 2 − 3 ∣ − 1 4 5 6 ∣ 2 7 8 9 ∣ 5 ] \begin{bmatrix} 1 & 2 & -3 & | & -1\\ 4 & 5 & 6 & | & 2\\ 7 & 8 & 9 & | & 5 \end{bmatrix} 147258−369∣∣∣−125
对它进行以下初等行变换：
- 将第 2 2 2行加上第 1 1 1行的 − 4 -4 −4倍；
- 交换第 2 2 2行和第 3 3 3行；
- 将第 2 2 2行乘以 1 3 \frac{1}{3} 31。
得到新的增广矩阵为：
[ 1 2 − 3 ∣ − 1 0 − 3 18 ∣ 6 0 − 6 12 ∣ 4 ] → [ 1 2 − 3 ∣ − 1 0 − 6 12 ∣ 4 0 − 3 18 ∣ 6 ] → [ 1 2 − 3 ∣ − 1 0 − 2 4 ∣ 4 3 0 − 3 18 ∣ 6 ] → [ 1 2 − 3 ∣ − 1 0 1 − 2 ∣ − 2 3 0 − 3 18 ∣ 6 ] → [ 1 2 − 3 ∣ − 1 0 1 − 2 ∣ − 2 3 0 0 0 ∣ 0 ] \begin{bmatrix} 1 & 2 & -3 & | & -1\\ 0 & -3 & 18 & | & 6\\ 0 & -6 & 12 & | & 4 \end{bmatrix}\to \begin{bmatrix} 1 & 2 & -3 & | & -1\\ 0 & -6 & 12 & | & 4\\ 0 & -3 & 18 & | & 6 \end{bmatrix}\to \begin{bmatrix} 1 & 2 & -3 & | & -1\\ 0 & -2 & 4 & | & \frac{4}{3}\\ 0 & -3 & 18 & | & 6 \end{bmatrix}\to \begin{bmatrix} 1 & 2 & -3 & | & -1\\ 0 & 1 & -2 & | & -\frac{2}{3}\\ 0 & -3 & 18 & | & 6 \end{bmatrix}\to \begin{bmatrix} 1 & 2 & -3 & | & -1\\ 0 & 1 & -2 & | & -\frac{2}{3}\\ 0 & 0 & 0 & | & 0 \end{bmatrix} 1002−3−6−31812∣∣∣−164 → 1002−6−3−31218∣∣∣−146 → 1002−2−3−3418∣∣∣−1346 → 10021−3−3−218∣∣∣−1−326 → 100210−3−20∣∣∣−1−320
矩阵的行阶梯形式
定义
一个矩阵是行阶梯形式的，当且仅当它满足以下两个条件：
- 矩阵的第一行有非零元素；
- 除第一行外，每一行的第一个非零元素的列数均大于前一行的该非零元素的列数。
示例
对于增广矩阵 [ A ∣ b ] \begin{bmatrix} A & \bigl| & b\end{bmatrix} [A b]，如果它的行阶梯形式为：
[ 1 2 − 3 ∣ − 1 0 1 − 2 ∣ − 2 3 0 0 0 ∣ 0 ] \begin{bmatrix} 1 & 2 & -3 & | & -1\\ 0 & 1 & -2 & | & -\frac{2}{3}\\ 0 & 0 & 0 & | & 0 \end{bmatrix} 100210−3−20∣∣∣−1−320
则我们可以直接得到线性方程组的解：
x 1 = − 5 x 2 + 7 , x 3 = k x_1=-5x_2+7,\quad x_3=k x1=−5x2+7,x3=k
其中 k k k为任意实数。
矩阵的简化行阶梯形式
定义
一个矩阵是简化行阶梯形式的，当且仅当它是行阶梯形式的，并且满足以下两个条件：
- 主元素（即每一行第一个非零元素）都为 1 1 1；
- 除主元素外，每一行的其余元素均为 0 0 0。
示例
对于增广矩阵 [ A ∣ b ] \begin{bmatrix} A & \bigl| & b\end{bmatrix} [A b]，如果它的简化行阶梯形式为：
[ 1 0 0 ∣ − 5 3 0 1 0 ∣ 4 3 0 0 1 ∣ 0 ] \begin{bmatrix} 1 & 0 & 0 & | & -\frac{5}{3}\\ 0 & 1 & 0 & | & \frac{4}{3}\\ 0 & 0 & 1 & | & 0 \end{bmatrix} 100010001∣∣∣−35340
则我们可以直接得到线性方程组的解：
x 1 = − 5 3 , x 2 = 4 3 , x 3 = 0 x_1=-\frac{5}{3},\quad x_2=\frac{4}{3},\quad x_3=0 x1=−35,x2=34,x3=0
矩阵的秩
定义
一个矩阵的秩是指其行阶梯形式的非零行数。
示例
对于增广矩阵 [ A ∣ b ] \begin{bmatrix} A & \bigl| & b\end{bmatrix} [A b]，如果它的行阶梯形式为：
[ 1 2 − 3 ∣ − 1 0 − 2 4 ∣ 4 3 0 0 0 ∣ 0 ] \begin{bmatrix} 1 & 2 & -3 & | & -1\\ 0 & -2 & 4 & | & \frac{4}{3}\\ 0 & 0 & 0 & | & 0 \end{bmatrix} 1002−20−340∣∣∣−1340
则该矩阵的秩为 2 2 2。
总结
本文介绍了增广矩阵的定义和与线性方程组的关系，以及增广矩阵的初等行变换、矩阵的行阶梯形式和简化行阶梯形式、矩阵的秩等概念。在学习线性代数时，这些概念都非常重要，希望读者能够掌握。
扫一扫
17万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
