一、行图像与列图像
线性代数的中心问题是求解线性方程组。线性的意思是这些方程的未知数是一次的，即每个未知数只会乘数字，而不会出现 x x x 与 y y y 相乘的项。下面是一个由两个未知数组成的方程组： 两个方程 两个未知数 { x − 2 y = 1 3 x + 2 y = 11 ( 2.1.1 ) \begin{matrix}\textbf{两个方程}\kern 11pt\\\textbf{两个未知数}\end{matrix}\kern 15pt\left\{\begin{matrix}x-2y=1\\3x+2y=11\end{matrix}\right.\kern 20pt(2.1.1) 两个方程两个未知数{x−2y=13x+2y=11(2.1.1)我们首先一次处理一行。将这两个方程的图像在 x y xy xy 平面上画出来，如Figrure 2.1所示。行图像中第一条直线是 x − 2 y = 1 x-2y=1 x−2y=1，第二条直线是 3 x + 2 y = 11 3x+2y=11 3x+2y=11，它们的交点是 x = 3 , y = 1 x=3,y=1 x=3,y=1，点 ( 3 , 1 ) (3,1) (3,1) 同时落在两条直线上，也是两个方程的解。
行：行图像显示两条直线交于一点（解）。
下面考虑列图像，将上述方程组写成 “向量方程式”，我们要观察的是向量而不是数字。向量方程式表示列的组合：
列的组合等于
b
x
[
1
3
]
+
y
[
−
2
2
]
=
[
1
11
]
=
b
(
2.1.2
)
\textbf{列的组合等于}\,\boldsymbol b\kern 15ptx\begin{bmatrix}1\\3\end{bmatrix}+y\begin{bmatrix}-2\\\kern 7pt2\end{bmatrix}=\begin{bmatrix}1\\11\end{bmatrix}=\boldsymbol b\kern 20pt(2.1.2)
列的组合等于bx[13]+y[−22]=[111]=b(2.1.2)左侧有两个列向量，问题是找到这些向量正确的组合使得它们与右侧的向量相等。第一列乘
x
x
x，第二列乘
y
y
y，然后将它们相加。正确的组合是
x
=
3
x=3
x=3，
y
=
1
y=1
y=1（与行图像得到的结果相同），
3
(
列1
)
+
1
(
列2
)
=
b
3(\textbf{列1})+1(\textbf{列2})=\boldsymbol b
3(列1)+1(列2)=b。
列：列图像组合左侧的列向量产生右侧的向量
b
\boldsymbol b
b。
Figure 2.2 是两个方程两个未知数的列图像，第一个图是两个不同的列，然后第一列乘
3
3
3，数乘是线性代数中两个基本运算之一：
数乘
3
[
1
3
]
=
[
3
9
]
\textbf{数乘}\kern 20pt3\begin{bmatrix}1\\3\end{bmatrix}=\begin{bmatrix}3\\9\end{bmatrix}
数乘3[13]=[39]如果向量
v
\boldsymbol v
v 的分量是
v
1
v_1
v1 与
v
2
v_2
v2，则
c
v
c\boldsymbol v
cv 的分量是
c
v
1
cv_1
cv1 与
c
v
2
cv_2
cv2。
另一个基本运算是向量的加法，分别将两个向量的第一分量和第二分量相加，其和是
(
1
,
11
)
(1,11)
(1,11)，即
b
\boldsymbol b
b：
向量加法
[
3
9
]
+
[
−
2
2
]
=
[
1
11
]
\textbf{向量加法}\kern 20pt\begin{bmatrix}3\\9\end{bmatrix}+\begin{bmatrix}-2\\\kern 7pt2\end{bmatrix}=\begin{bmatrix}1\\11\end{bmatrix}
向量加法[39]+[−22]=[111]Figure 2.2 中的第二个图表示上述的向量加法。黑线表示两个向量，其对角线表示两个向量的和，也就是线性方程组右侧的向量
b
=
(
1
,
11
)
\boldsymbol b=(1,11)
b=(1,11)。
重复一遍：向量方程式的左侧是列的线性组合，问题是找到正确的系数
x
=
3
,
y
=
1
x=3,y=1
x=3,y=1。将数乘和向量的加法合成一个步骤，这个步骤非常重要，因为它包含了两个基本运算：向量的两列分别乘
3
3
3 和
1
1
1，然后相加。
线性组合
3
[
1
3
]
+
[
−
2
2
]
=
[
1
11
]
\textbf{线性组合}\kern 20pt3\begin{bmatrix}1\\3\end{bmatrix}+\begin{bmatrix}-2\\\kern 7pt2\end{bmatrix}=\begin{bmatrix}1\\11\end{bmatrix}
线性组合3[13]+[−22]=[111]方程组左侧的系数矩阵是一个
2
×
2
2×2
2×2 的矩阵
A
A
A：
系数矩阵
A
=
[
1
−
2
3
2
]
\textbf{系数矩阵}\kern 20ptA=\begin{bmatrix}1&-2\\3&\kern 7pt2\end{bmatrix}
系数矩阵A=[13−22]我们可以从行或者列来观察矩阵，行可以得到行图像，列可以得到列图像。相同的方程组，可以通过不同的图像来观察。方程组写成矩阵方程式
A
x
=
b
A\boldsymbol x=\boldsymbol b
Ax=b：
矩阵方程式
A
x
=
b
[
1
−
2
3
2
]
[
x
y
]
=
[
1
11
]
\textbf{矩阵方程式}\,A\boldsymbol x=\boldsymbol b\kern 20pt\begin{bmatrix}1&-2\\3&\kern 7pt2\end{bmatrix}\begin{bmatrix}x\\y\end{bmatrix}=\begin{bmatrix}1\\11\end{bmatrix}
矩阵方程式Ax=b[13−22][xy]=[111]行图像处理两行，列图像组合两列。将
x
=
3
,
y
=
1
x=3,y=1
x=3,y=1 代入
x
\boldsymbol x
x，即矩阵-向量的乘法：
{
行的点积
列的组合
A
x
=
b
[
1
−
2
3
2
]
[
3
1
]
=
[
1
11
]
\left\{\begin{matrix}\textbf{行的点积}\\\textbf{列的组合}\end{matrix}\right.\kern 10ptA\boldsymbol x=\boldsymbol b\kern 10pt\begin{bmatrix}1&-2\\3&\kern 7pt2\end{bmatrix}\begin{bmatrix}3\\1\end{bmatrix}=\begin{bmatrix}1\\11\end{bmatrix}
{行的点积列的组合Ax=b[13−22][31]=[111]
二、三个未知数三个方程
下面讨论三个未知数，三个方程的情况，未知数是
x
,
y
,
z
x,y,z
x,y,z，线性方程如下：
A
x
=
b
{
x
+
2
y
+
3
z
=
6
2
x
+
5
y
+
2
z
=
4
6
x
−
3
y
+
z
=
2
(
2.1.3
)
A\boldsymbol x=\boldsymbol b\kern 20pt\left\{\begin{matrix}x+2y+3z=6\\2x+5y+2z=4\\6x-3y+z=2\end{matrix}\right.\kern 20pt(2.1.3)
Ax=b⎩
⎨
⎧x+2y+3z=62x+5y+2z=46x−3y+z=2(2.1.3)方程组的解可能存在也可能不存在，本例中是有解的。一般情况下，当未知数的个数等于方程的个数时（例如本例中），通常会有一个解。
我们首先从两个方面来观察本例：
行： 行图像显示三个平面相交于一点。
列： 列图像三个列的组合产生
b
=
(
6
,
4
,
2
)
\boldsymbol b=(6,4,2)
b=(6,4,2)。
在行图像中，每个方程表示一个三维空间中的平面，Figure 2.3 中的第一个平面表示
x
+
2
y
+
3
z
=
6
x+2y+3z=6
x+2y+3z=6，该平面与
x
,
y
,
z
x,y,z
x,y,z 轴的交点分别是
(
6
,
0
,
0
)
(6,0,0)
(6,0,0)，
(
0
,
3
,
0
)
(0,3,0)
(0,3,0)，
(
0
,
0
,
2
)
(0,0,2)
(0,0,2)，这三个点都满足这个方程，且确定一个平面。
由于向量
(
x
,
y
,
z
)
=
(
0
,
0
,
0
)
(x,y,z)=(0,0,0)
(x,y,z)=(0,0,0) 不是
x
+
2
y
+
3
z
=
6
x+2y+3z=6
x+2y+3z=6 的解，所该平面不过原点。平面
x
+
2
y
+
3
z
=
0
x+2y+3z=0
x+2y+3z=0 过原点，且平行于
x
+
2
y
+
3
z
=
6
x+2y+3z=6
x+2y+3z=6。
第二个平面表示
2
x
+
5
y
+
2
z
=
4
2x+5y+2z=4
2x+5y+2z=4，它与第一个平面交于一条直线
L
L
L。一般来说三个未知数两个方程的通解是一条直线，如本例的直线
L
L
L。（但是方程
x
+
2
y
+
3
z
=
6
x+2y+3z=6
x+2y+3z=6 和
x
+
2
y
+
3
z
=
0
x+2y+3z=0
x+2y+3z=0 没用通解，它们在空间中表示的两个平面平行。）
第三个平面表示
6
x
−
3
y
+
z
=
2
6x-3y+z=2
6x−3y+z=2，它与直线
L
L
L 相交于一点，这个点落在全部三个平面上，就是三个方程的解。它们的交点是
(
0
,
0
,
2
)
(0,0,2)
(0,0,2)，这个在行图像中很难看出。
列图像我们写成向量的形式
A
x
=
b
A\boldsymbol x=\boldsymbol b
Ax=b：
列的组合
x
[
1
2
6
]
+
y
[
2
5
−
3
]
+
z
[
3
2
1
]
=
[
6
4
2
]
=
b
(
2.1.4
)
\textbf{列的组合}\kern 12ptx\begin{bmatrix}1\\2\\6\end{bmatrix}+y\begin{bmatrix}\kern 7pt2\\\kern 7pt5\\-3\end{bmatrix}+z\begin{bmatrix}3\\2\\1\end{bmatrix}=\begin{bmatrix}6\\4\\2\end{bmatrix}=\boldsymbol b\kern 15pt(2.1.4)
列的组合x
126
+y
25−3
+z
321
=
642
=b(2.1.4)未知数是系数
x
,
y
,
z
x,y,z
x,y,z，我们需要对三个列向量进行正确的组合，产生
b
=
(
6
,
4
,
2
)
\boldsymbol b=(6,4,2)
b=(6,4,2)。
Figure 2.4 是本例的列图像，这些列向量的线性组合可以产生任意的
b
\boldsymbol b
b ！当
b
=
(
6
,
4
,
2
)
\boldsymbol b=(6,4,2)
b=(6,4,2) 时，需要的组合是第三列乘
2
2
2，系数为
x
=
0
,
y
=
0
,
z
=
2
x=0,y=0,z=2
x=0,y=0,z=2。
行图像中的三个平面也是相交于这一点
(
0
,
0
,
2
)
(0,0,2)
(0,0,2)，这个点就是列的正确组合：
正确组合
(
x
,
y
,
z
)
=
(
0
,
0
,
2
)
0
[
1
2
6
]
+
0
[
2
5
−
3
]
+
2
[
3
2
1
]
=
[
6
4
2
]
正确组合(x,y,z)=(0,0,2)\kern 16pt0\begin{bmatrix}1\\2\\6\end{bmatrix}+0\begin{bmatrix}\kern 7pt2\\\kern 7pt5\\-3\end{bmatrix}+2\begin{bmatrix}3\\2\\1\end{bmatrix}=\begin{bmatrix}6\\4\\2\end{bmatrix}
正确组合(x,y,z)=(0,0,2)0
126
+0
25−3
+2
321
=
642
注： 对于
m
m
m 个方程
n
n
n 个未知数的
A
x
=
b
A\boldsymbol x=\boldsymbol b
Ax=b，其行图像是在
n
n
n 维空间，列的线性组合在
m
m
m 维空间。
三、方程组的矩阵形式
行图像中有三行，列图像中有三列，三行三列有
9
9
9 个数字，它们形成一个
3
×
3
3\times3
3×3 的矩阵
A
A
A：
A
x
=
b
的系数矩阵
A
=
[
1
2
3
2
5
2
6
−
3
1
]
A\boldsymbol x=\boldsymbol b\,的系数矩阵\kern 15ptA=\begin{bmatrix}1&2&3\\2&5&2\\6&-3&1\end{bmatrix}
Ax=b的系数矩阵A=
12625−3321
大写字母
A
A
A 代表这
9
9
9 个数，它们形成一个方阵，字母
b
\boldsymbol b
b 表示列向量，它的分量是
6
,
4
,
2
6,4,2
6,4,2。未知数
x
\boldsymbol x
x 也是一个列向量，它的分量是
x
,
y
,
z
x,y,z
x,y,z。（我们用粗体字母表示向量）。对于方程组，我们可以以三种形式来看，式（2.1.3）是行形式；式（2.1.4）是列形式；式（2.1.5）是矩阵形式：
矩阵方程
A
x
=
b
[
1
2
3
2
5
2
6
−
3
1
]
[
x
y
z
]
=
[
6
4
2
]
(
2.1.5
)
矩阵方程\,A\boldsymbol x=\boldsymbol b\kern 15pt\begin{bmatrix}1&2&3\\2&5&2\\6&-3&1\end{bmatrix}\begin{bmatrix}x\\y\\z\end{bmatrix}=\begin{bmatrix}6\\4\\2\end{bmatrix}\kern 10pt(2.1.5)
矩阵方程Ax=b
12625−3321
xyz
=
642
(2.1.5)下面讨论一个问题：
A
A
A 乘
x
\boldsymbol x
x 的意义？
x
\boldsymbol x
x 可以被行乘，也可以被列乘，它们是同样东西以不同形式来理解。
被行乘：
A
x
代表
点积
，每个行乘列
x
A
x
=
[
(
r
o
w
1
)
⋅
x
(
r
o
w
2
)
⋅
x
(
r
o
w
3
)
⋅
x
]
(
2.1.6
)
A\boldsymbol x\,代表\textbf{点积}，每个行乘列\,\boldsymbol x\kern 15ptA\boldsymbol x=\begin{bmatrix}(row\,1)\cdot\boldsymbol x\\(row\,2)\cdot\boldsymbol x\\(row3)\cdot\boldsymbol x\end{bmatrix}\kern 10pt(2.1.6)
Ax代表点积，每个行乘列xAx=
(row1)⋅x(row2)⋅x(row3)⋅x
(2.1.6)
被列乘：
A
x
是
列向量的线性组合
A
x
=
x
(
c
o
l
u
m
n
1
)
+
y
(
c
o
l
u
m
n
2
)
+
z
(
c
o
l
u
m
n
3
)
(
2.1.7
)
A\boldsymbol x\,是\textbf{列向量的线性组合}\kern 11ptA\boldsymbol x=x(column\,1)+y(column\,2)+z(column\,3)\kern 11pt(2.1.7)
Ax是列向量的线性组合Ax=x(column1)+y(column2)+z(column3)(2.1.7)将解
x
=
(
0
,
0
,
2
)
\boldsymbol x=(0,0,2)
x=(0,0,2) 代入
A
x
A\boldsymbol x
Ax 将产生
b
\boldsymbol b
b：
[
1
2
3
2
5
2
6
−
3
1
]
[
0
0
2
]
=
2
×
(
c
o
l
u
m
n
3
)
=
[
6
4
2
]
\begin{bmatrix}1&2&3\\2&5&2\\6&-3&1\end{bmatrix}\begin{bmatrix}0\\0\\2\end{bmatrix}=2\times(column\,3)=\begin{bmatrix}6\\4\\2\end{bmatrix}
12625−3321
002
=2×(column3)=
642
用行形式来解释，则第一行的点积
(
1
,
2
,
3
)
⋅
(
0
,
0
,
2
)
=
6
(1,2,3)\cdot(0,0,2)=6
(1,2,3)⋅(0,0,2)=6，第二行的点积
(
2
,
5
,
2
)
⋅
(
0
,
0
,
2
)
=
4
(2,5,2)\cdot(0,0,2)=4
(2,5,2)⋅(0,0,2)=4，第三行的点积
(
6
,
−
3
,
1
)
⋅
(
0
,
0
,
2
)
=
2
(6,-3,1)\cdot(0,0,2)=2
(6,−3,1)⋅(0,0,2)=2。用列形式来解释，则
b
\boldsymbol b
b 为第三列的
2
2
2 倍。今后主要将
A
x
A\boldsymbol x
Ax 当做是
A
A
A 列的组合。
【例1】
3
×
3
3\times3
3×3 的矩阵
A
A
A 和单位矩阵
I
I
I：
A
x
=
[
1
0
0
1
0
0
1
0
0
]
[
4
5
6
]
=
[
4
4
4
]
I
x
=
[
1
0
0
0
1
0
0
0
1
]
[
4
5
6
]
=
[
4
5
6
]
A\boldsymbol x=\begin{bmatrix}1&0&0\\1&0&0\\1&0&0\end{bmatrix}\begin{bmatrix}4\\5\\6\end{bmatrix}=\begin{bmatrix}4\\4\\4\end{bmatrix}\kern 10ptI\boldsymbol x=\begin{bmatrix}1&0&0\\0&1&0\\0&0&1\end{bmatrix}\begin{bmatrix}4\\5\\6\end{bmatrix}=\begin{bmatrix}4\\5\\6\end{bmatrix}
Ax=
111000000
456
=
444
Ix=
100010001
456
=
456
通过行形式和列形式都可以得出结果。
单位矩阵
I
I
I 的主对角线都是
1
1
1，这个矩阵乘任何向量都是原来的向量，就像
1
1
1 乘上任何数一样，不同的是现在是矩阵乘向量。本例中的
I
I
I 是
3
×
3
3\times3
3×3 的单位矩阵：
I
=
[
1
0
0
0
1
0
0
0
1
]
I
x
=
x
总成立
I=\begin{bmatrix}1&0&0\\0&1&0\\0&0&1\end{bmatrix}\kern 10ptI\boldsymbol x=\boldsymbol x\,总成立
I=
100010001
Ix=x总成立
四、矩阵表示法
一个 2 × 2 2\times2 2×2 的矩阵的第一行是 a 11 a_{11} a11 和 a 12 a_{12} a12，第二行是 a 21 a_{21} a21 和 a 22 a_{22} a22。第一个下标表示行数，第二个下标表示列数，所以 a i j a_{ij} aij 是第 i i i 行第 j j j 列的单元。由于下标不方便打出来，所以 a i j a_{ij} aij 也可以用 A ( i , j ) A(i,j) A(i,j) 来表示。例如单元 a 57 = A ( 5 , 7 ) a_{57}=A(5,7) a57=A(5,7) 就在第 5 5 5 行，第 7 7 7 列。 A = [ a 11 a 12 a 21 a 22 ] = [ A ( 1 , 1 ) A ( 1 , 2 ) A ( 2 , 1 ) A ( 2 , 2 ) ] A=\begin{bmatrix}a_{11}&a_{12}\\a_{21}&a_{22}\end{bmatrix}=\begin{bmatrix}A(1,1)&A(1,2)\\A(2,1)&A(2,2)\end{bmatrix} A=[a11a21a12a22]=[A(1,1)A(2,1)A(1,2)A(2,2)]对于 m × n m\times n m×n 的矩阵，行的下标 i i i 从 1 1 1 到 m m m，列的下表 j j j 从 1 1 1 到 n n n，它共有 m n mn mn 个单元 a i j = A ( i , j ) a_{ij}=A(i,j) aij=A(i,j)，一个 n n n 阶的方形矩阵有 n 2 n^2 n2 个单元。
五、MATLAB 中的矩阵乘法
定义矩阵 A A A 和 列向量 x \boldsymbol x x，其中 R n R^n Rn （ n n n 维空间）中的向量 x \boldsymbol x x 表示一个 n × 1 n\times1 n×1 的矩阵，输入矩阵时每次输入一行，用分号 ; 表示一行的结束。输入列向量 x \boldsymbol x x 可以直接以列形式输入，也可以用行形式输入，然后用 ’ 表示转置：
在 MATLAB 中有三种方法可以得到
A
x
A\boldsymbol x
Ax：
（1）可以直接使用 MATLAB 语言得到矩阵乘法：
b = A ∗ x b=A*x b=A∗x
（2）一次处理一行，即点积的形式：选出 A A A 的每一行，将其视为 1 × 3 1\times3 1×3 的矩阵，可以表示为 A ( 1 , : ) A(1,:) A(1,:)。在这里冒号 : 代表一行的全部列。
b = [ A ( 1 , : ) ∗ x ; A ( 2 , : ) ∗ x ; A ( 3 , : ) ∗ x ] b=[A(1,:)*x;\,A(2,:)*x;\,A(3,:)*x] b=[A(1,:)∗x;A(2,:)∗x;A(3,:)∗x]
（3）一次处理一列，即列的线性组合。第一列是 3 × 1 3\times1 3×1 的子矩阵 A ( : , 1 ) A(:,1) A(:,1)，这里冒号 : 代表一列的全部行。
b = A ( : , 1 ) ∗ x ( 1 ) + A ( : , 2 ) ∗ x ( 2 ) + A ( : , 3 ) ∗ x ( 3 ) b=A(:,1)*x(1)+A(:,2)*x(2)+A(:,3)*x(3) b=A(:,1)∗x(1)+A(:,2)∗x(2)+A(:,3)∗x(3)
MATLAB 中 A ∗ x A*x A∗x 是用列的形式来实现的。
六、主要内容总结
- 向量的基本运算是数乘 c v c\boldsymbol v cv 和向量的加法 v + w \boldsymbol v+\boldsymbol w v+w。
- 将向量的数乘与加法相结合可以得到线性组合 c v + d w c\boldsymbol v+d\boldsymbol w cv+dw。
- 矩阵 – 向量的乘法 A x A\boldsymbol x Ax 可以由点积得到，一次处理一行；也可以由 A A A 的列的线性组合得到，一次处理一列。
- 列图像： A x = b A\boldsymbol x=\boldsymbol b Ax=b 是找到列的线性组合产生 b \boldsymbol b b。
- 行图形： A x = b A\boldsymbol x=\boldsymbol b Ax=b 的每个方程会得到一条直线（ n = 2 n=2 n=2），或一个平面（ n = 3 n=3 n=3）或一个超平面（ n > 3 n>3 n>3）。如果仅有一个解会相交于一点，若有很多解，会相交成直线、平面、或超平面。
七、例题
【例2】描述三个方程 A x = b A\boldsymbol x=\boldsymbol b Ax=b 的列图像，仔细观察列（不使用消元法）求解： { x + 3 y + 2 z = − 3 2 x + 2 y + 2 z = − 2 3 x + 5 y + 6 z = − 5 [ 1 3 2 2 2 2 3 5 6 ] = [ x y z ] = [ − 3 − 2 − 5 ] \left\{\begin{matrix}x+3y+2z=-3\\2x+2y+2z=-2\\3x+5y+6z=-5\end{matrix}\right.\kern 15pt\begin{bmatrix}1&3&2\\2&2&2\\3&5&6\end{bmatrix}=\begin{bmatrix}x\\y\\z\end{bmatrix}=\begin{bmatrix}-3\\-2\\-5\end{bmatrix} ⎩ ⎨ ⎧x+3y+2z=−32x+2y+2z=−23x+5y+6z=−5 123325226 = xyz = −3−2−5 解： 列图像是寻找 A A A 三个列正确的线性组合产生 b \boldsymbol b b。通过观察可以发现， b \boldsymbol b b 是第二列的相反数，所以可得 x = 0 , y = − 1 , z = 0 x=0,y=-1,z=0 x=0,y=−1,z=0。若是要证明 ( 0 , − 1 , 0 ) (0,-1,0) (0,−1,0) 是唯一解，需要确认 A A A 可逆，三个列之间是无关的，行列式不为 0 0 0。
【例3】下面的系统无解。行图像中的平面并没有相交于一点。即并不存在三个列的线性组合可以产生
b
\boldsymbol b
b。
{
x
+
3
y
+
5
z
=
4
x
+
2
y
−
3
z
=
5
2
x
+
5
y
+
2
z
=
8
[
1
3
5
1
2
−
3
2
5
2
]
[
x
y
z
]
=
[
4
5
8
]
=
b
\left\{\begin{matrix}x+3y+5z=4\\x+2y-3z=5\\2x+5y+2z=8\end{matrix}\right.\kern 15pt\begin{bmatrix}1&3&5\\1&2&-3\\2&5&2\end{bmatrix}\begin{bmatrix}x\\y\\z\end{bmatrix}=\begin{bmatrix}4\\5\\8\end{bmatrix}=\boldsymbol b
⎩
⎨
⎧x+3y+5z=4x+2y−3z=52x+5y+2z=8
1123255−32
xyz
=
458
=b（方程
1
1
1）+（方程2）-（方程3）可得
0
=
1
0=1
0=1，所以该系统无解。向量
(
1
,
1
,
−
1
)
(1,1,-1)
(1,1,−1) 与
A
A
A 的三个列均正交（orthogonal），但是与
b
\boldsymbol b
b 不正交。
（1）三个平面中存在两个互相平行的平面吗？什么方程与平面
x
+
3
y
+
5
z
=
4
x+3y+5z=4
x+3y+5z=4 平行？
（2）计算
A
A
A 每一列与
y
=
(
1
,
1
,
−
1
)
\boldsymbol y=(1,1,-1)
y=(1,1,−1) 的点积，
b
\boldsymbol b
b 与
y
\boldsymbol y
y 的点积。这些点积如何能表明
A
A
A 列的线性组合无法产生
b
\boldsymbol b
b？
（3）求出右侧三个不同的向量
b
∗
,
b
∗
∗
,
b
∗
∗
∗
\boldsymbol b^*,\boldsymbol b^{**},\boldsymbol b^{***}
b∗,b∗∗,b∗∗∗，使得方程有解。
解：（1）这三个平面中没有两个平行的平面，它们也没有相交于一点（如下图）。将
4
4
4 改成任意实数都可以得到与
x
+
3
y
+
5
z
=
4
x+3y+5z=4
x+3y+5z=4 平行的平面，例如
x
+
3
y
+
5
z
=
0
x+3y+5z=0
x+3y+5z=0 是一个过原点
(
0
,
0
,
0
)
(0,0,0)
(0,0,0) 的平面。
（2）
A
A
A 的每一列与
y
\boldsymbol y
y 的点积都为
0
0
0。
y
⋅
b
=
(
1
,
1
,
−
1
)
⋅
(
4
,
5
,
8
)
=
1
\boldsymbol y\cdot\boldsymbol b=(1,1,-1)\cdot(4,5,8)=1
y⋅b=(1,1,−1)⋅(4,5,8)=1 不为
0
0
0，代入
A
x
=
b
A\boldsymbol x=\boldsymbol b
Ax=b 可得
0
=
1
0=1
0=1，这是不可能的，所以无解，也就表明
A
A
A 列的线性组合无法产生
b
\boldsymbol b
b。
（3）当
b
\boldsymbol b
b 是
A
A
A 列的线性组合时，则有解。当对应的解
x
∗
=
(
1
,
0
,
0
)
\boldsymbol x^{*}=(1,0,0)
x∗=(1,0,0)，
x
∗
∗
=
(
1
,
1
,
1
)
\boldsymbol x^{**}=(1,1,1)
x∗∗=(1,1,1)，
x
∗
∗
∗
=
(
0
,
0
,
0
)
\boldsymbol x^{***}=(0,0,0)
x∗∗∗=(0,0,0) 时可以得到：
b
∗
=
[
1
1
2
]
b
∗
∗
=
[
9
0
9
]
b
∗
∗
∗
=
[
0
0
0
]
\boldsymbol b^*=\begin{bmatrix}1\\1\\2\end{bmatrix}\kern 10pt\boldsymbol b^{**}=\begin{bmatrix}9\\0\\9\end{bmatrix}\kern 10pt\boldsymbol b^{***}=\begin{bmatrix}0\\0\\0\end{bmatrix}
b∗=
112
b∗∗=
909
b∗∗∗=
000
【例4】使用 MATLAB 的命令写出定义矩阵 A A A 和 列向量 x \boldsymbol x x 和 b \boldsymbol b b 的指令，什么样的命令可以测试 A x = b A\boldsymbol x=\boldsymbol b Ax=b ？ A = [ 1 2 3 4 ] x = [ 5 − 2 ] b = [ 1 7 ] A=\begin{bmatrix}1&2\\3&4\end{bmatrix}\kern 10pt\boldsymbol x=\begin{bmatrix}5\\-2\end{bmatrix}\kern 10pt\boldsymbol b=\begin{bmatrix}1\\7\end{bmatrix} A=[1324]x=[5−2]b=[17]解： MATLAB 程序：
A = [1 2; 3 4]; % 定义 2×2 矩阵 A
x = [5 -2]'; % 定义列向量 x
b = [1 7]'; % 定义列向量 b
r = b - A*x % 验证 A*x = b
允许结果如图所示：
【例5】MATLAB 的命令 A = eye(3) 和 v = [3:5]’ 可以得到 3×3 的单位矩阵和列向量 (3,4,5)。A*v 和 v’*v 的输出是什么？如果是 v*A 呢？
解： MATLAB 程序：
A = eye(3); % 定义一个 3×3 的单位矩阵
v = [3:5]'; % 定义一个 3到5 的列向量
A*v % A*v = v
v'*v % v'*v = 3^2+4^2+5^2=50
v*A % 错误
运行结果：
【例6】若
4
×
4
4×4
4×4 矩阵
A
A
A 的单元全都是
1
1
1，A = ones(4)，列向量 v= ones(4,1)，A*v 是什么？若 B = eye(4) + ones(4)，w = zeros(4,1) + 2*ones(4,1)，则 B*w 是什么？
解： MATLAB 程序：
A = ones(4); % 定义一个单元全为 1 的 4×4 的矩阵 A
v = ones(4, 1); % 取 ones(4) 的第一列作为列向量 v
A * v % 计算 A*v
B = eye(4)+ones(4); % 定义矩阵 B
w = zeros(4, 1) + 2*ones(4,1); % 定义向量 w；zeros(4,1) 是取 4×4 的全 0 矩阵的第一列的列向量
B*w % 计算 B*w
运行结果：
【例7】（1）从向量
u
0
=
(
1
,
0
)
\boldsymbol u_0=(1,0)
u0=(1,0) 开始，每次都在左侧乘相同的 “马可夫（Markov）矩阵”
A
=
[
0.8
0.3
0.2
0.7
]
A=\begin{bmatrix}0.8&0.3\\0.2&0.7\end{bmatrix}
A=[0.80.20.30.7]，一直到向量
u
7
\boldsymbol u_7
u7。
（2）从向量
v
0
=
(
0
,
1
)
\boldsymbol v_0=(0,1)
v0=(0,1) 开始，执行（1）中相同的操作，一直到
v
7
\boldsymbol v_7
v7。
观察
u
7
\boldsymbol u_7
u7 和
v
7
\boldsymbol v_7
v7 有什么特征？
u
\boldsymbol u
u 和
v
\boldsymbol v
v 会趋向于一个稳定的向量
s
\boldsymbol s
s，猜测一下
s
\boldsymbol s
s，并验证
A
s
=
s
A\boldsymbol s=\boldsymbol s
As=s。使用 MATLAB 语言。
解：（1）从 u 0 \boldsymbol u_0 u0 开始的 MATLAB 程序：
u = [1;0]; % 定义列向量 u
A = [0.8 0.3; 0.2 0.7]; % 定义马可夫矩阵 A
x = u;
k = [0:7]; % 定义一个 0~7 的行向量
while size(x, 2) <= 7 % size(x, 2) 为得到矩阵 x 的行数
u = A*u;
x = [x u]; % 得到新的矩阵 x，在矩阵 x 后面加上一列 u
end
plot(k, x) % 画出矩阵 x 的图像，k 为横轴，x 的每一行作为纵轴
运行结果如下：
（2）从
v
0
\boldsymbol v_0
v0 开始的 MATLAB 程序：
v = [0; 1];
A = [0.8 0.3; 0.2 0.7];
x = v;
k = [0:7];
for j = 1:7 % for 循环，每次循环默认 j 自动加 1
v = A*v;
x = [x v];
end
plot(k, x)
运行结果：
向量
u
7
\boldsymbol u_7
u7 和
v
7
\boldsymbol v_7
v7 它们分量的和都为
1
1
1。
s
=
(
0.6
,
0.4
)
\boldsymbol s=(0.6,0.4)
s=(0.6,0.4)，且
[
0.8
0.3
0.2
0.7
]
[
0.6
0.4
]
=
[
0.6
0.4
]
\begin{bmatrix}0.8&0.3\\0.2&0.7\end{bmatrix}\begin{bmatrix}0.6\\0.4\end{bmatrix}=\begin{bmatrix}0.6\\0.4\end{bmatrix}
[0.80.20.30.7][0.60.4]=[0.60.4]
3215
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
