(矩阵Part1)基础知识
零.基础知识
0.1n维向量空间
我 们 把 R n = { ( x 1 , . . . , x n ) ∣ x j ∈ R , j = 1 , 2 , . . . . n } 我们把R^n=\{ (x_1,...,x_n)|x_j∈R,j=1,2,....n \} 我们把Rn={(x1,...,xn)∣xj∈R,j=1,2,....n}
中 的 每 一 个 数 组 ( x 1 , . . . , x n ) 称 为 R n 中 的 一 个 点 ( 又 称 为 n 维 向 量 ) , 并 且 称 R n 为 n 维 向 量 空 间 中的每一个数组(x_1,...,x_n)称为R^n中的一个点\\(又称为n维向量),并且称R^n为n维向量空间 中的每一个数组(x1,...,xn)称为Rn中的一个点(又称为n维向量),并且称Rn为n维向量空间
0.2数域
设P是由一些复数组成的集合,其中包括0与1,如果P中任意两个数的和、差、积、商(除数不为0)仍是P中的数,则称P为一个数域。常见数域: 复数域C;实数域R;有理数域Q。
0.3线性空间(又称为向量空间)
向量空间亦称线性空间。它是线性代数的中心内容和基本概念之一。设V是一个非空集合,P是一个数域。若:
1.在V中定义了一种运算,称为加法,即对V中任意两个元素α与β都按某一法则对应于V内惟一确定的一个元素α+β,称为α与β的和。
2.在P与V的元素间定义了一种运算,称为纯量乘法(亦称数量乘法),即对V中任意元素α和P中任意元素k,都按某一法则对应V内惟一确定的一个元素kα,称为k与α的积。
3.加法与纯量乘法满足以下条件:
1) α+β=β+α,对任意α,β∈V.
2) α+(β+γ)=(α+β)+γ,对任意α,β,γ∈V.
3) 存在一个元素0∈V,对一切α∈V有α+0=α,元素0称为V的零元.
4) 对任一α∈V,都存在β∈V使α+β=0,β称为α的负元素,记为-α.
5) 对P中单位元1,有1α=α(α∈V).
6) 对任意k,l∈P,α∈V有(kl)α=k(lα).
7) 对任意k,l∈P,α∈V有(k+l)α=kα+lα.
8) 对任意k∈P,α,β∈V有k(α+β)=kα+kβ,
则称V为域P上的一个线性空间,或向量空间。V中元素称为向量,V的零元称为零向量,P称为线性空间的基域.当P是实数域时,V称为实线性空间.当P是复数域时,V称为复线性空间。
0.4定义范数
范数的本质是一个算子,他完成了向量空间与实属的映射.范数,是具有“长度”概念的函数。范数是一个函数,是向量空间内的所有矢量赋予非零的正长度或大小。
定义半范数(半范数可以为非零的向量赋予零长度。)
定义范数
0.5常见范数
0.6内积与欧氏空间
设 x ⃗ = { x 1 , . . . , x n } , y ⃗ = { y 1 , . . . , y n } ∈ R n , 则 x ⃗ 与 y ⃗ 的 内 积 定 义 为 x ⃗ y ⃗ = ∑ i = 1 n x i y i ∈ R 设\vec{ x }=\{x_1,...,x_n \},\vec{ y }=\{y_1,...,y_n \}∈R^n,则\vec{ x }与\vec{ y }的内积定义为\\\vec{ x }\vec{ y }=\sum_{i=1}^nx_iy_i∈R\\ 设x={x1,...,xn},y={y1,...,yn}∈Rn,则x与y的内积定义为xy=i=1∑nxiyi∈R
按照如此定义n维向量空间的内积,则向量内积满足如下性质:
R
n
中
的
元
素
称
为
n
维
向
量
;
设
向
量
α
=
(
a
1
,
a
2
,
.
.
.
,
a
n
)
,
称
α
i
为
α
的
第
i
个
分
量
。
R^n中的元素称为n维向量;设向量α=(a_1,a_2,...,a_n),称α_i为α的第i个分量。
Rn中的元素称为n维向量;设向量α=(a1,a2,...,an),称αi为α的第i个分量。
则 定 义 了 这 样 内 积 运 算 的 n 维 向 量 所 构 成 的 R n 空 间 , 称 为 欧 几 里 得 空 间 或 者 欧 氏 空 间 。 定 义 向 量 x ⃗ ∈ R n 的 模 维 : ∣ ∣ x ⃗ ∣ ∣ = x ⃗ x ⃗ = ∑ i = 1 n x i 2 则定义了这样内积运算的n维向量所构成的R^n空间,称为欧几里得空间或者欧氏空间。\\定义向量\vec{ x }∈R^n的模维:||\vec{ x }||=\sqrt{ \vec{ x }\vec{ x } }=\sum_{i=1}^nx_i^2 则定义了这样内积运算的n维向量所构成的Rn空间,称为欧几里得空间或者欧氏空间。定义向量x∈Rn的模维:∣∣x∣∣=xx=i=1∑nxi2
定义了欧氏空间中的模后,定义欧氏空间中任意两点间的距离:
定
义
了
欧
氏
空
间
中
的
模
后
,
定
义
欧
氏
空
间
中
任
意
两
点
间
的
欧
式
距
离
(
又
称
距
离
)
:
∣
x
⃗
−
y
⃗
∣
=
∣
∣
x
⃗
−
y
⃗
∣
∣
=
∑
i
=
1
n
(
x
i
−
y
i
)
2
定义了欧氏空间中的模后,定义欧氏空间中任意两点间的欧式距离(又称距离):\\|\vec{ x }-\vec{y}|=||\vec{ x }-\vec{y}||=\sqrt{\sum_{i=1}^n(x_i-y_i)^2}
定义了欧氏空间中的模后,定义欧氏空间中任意两点间的欧式距离(又称距离):∣x−y∣=∣∣x−y∣∣=i=1∑n(xi−yi)2
0.7定义向量的内积(点积)和外积(叉积)
内积的本质是向量投影。
一.矩阵与行列式基本知识
1.1矩阵定义
由s·m个数排成s行、m列的一张表,被称为一个s×m的矩阵。定义第i行、第j列交叉位置上的元素称为矩阵的(i,j)元。一个s×m的矩阵可以有如下几种写法:
A
s
×
m
=
A
(
i
;
j
)
=
(
a
i
j
)
s
×
m
A_{s×m}=A_{(i;j)}=(a_{ij})_{s×m}
As×m=A(i;j)=(aij)s×m
1.2矩阵的基本运算
1.2.1矩阵的加法
1.2.2矩阵的数乘
1.2.3矩阵的初等行变换
我们称如下针对矩阵的操作为矩阵的初行等变换:
1.把一行的倍数加在另一行上;
2.互换两行的位置;
3.用一个非零数乘以某一行
1.3行列式
1.3.1定义行列式
行列式本质上是个算子,它是方阵到数值的映射。
1.3.2定义常见的行列式
1.3.3子式、余子式与代数余子式
n阶行列式|A|中任意取k行k列(1≤k≤n),位于这些行和列交叉处的k*k个元素按照原来的排法构成的k阶行列式称为|A|的一个k阶子式。
如
果
取
定
第
i
1
,
i
2
,
.
.
.
,
i
k
行
(
i
1
<
i
2
<
.
.
.
<
i
k
)
,
取
定
j
1
,
j
2
,
.
.
.
,
j
k
列
(
j
1
<
j
2
<
.
.
.
<
j
k
)
则
所
得
的
k
阶
子
式
为
A
(
i
1
i
2
.
.
.
i
k
j
1
j
2
.
.
.
j
k
)
划
去
子
式
所
在
的
第
i
1
,
i
2
,
.
.
.
,
i
k
行
,
j
1
,
j
2
,
.
.
.
,
j
k
列
,
剩
下
的
元
素
按
照
原
来
的
排
法
组
成
的
(
n
−
k
)
阶
行
列
式
称
为
上
述
子
式
的
余
子
式
。
如果取定第i_1,i_2,...,i_k行(i_1<i_2<...<i_k),取定j_1,j_2,...,j_k列(j_1<j_2<...<j_k)\\则所得的k阶子式为A\begin{pmatrix}i_1&i_2&...&i_k\\j_1&j_2&...&j_k\\\end{pmatrix}\\划去子式所在的第i_1,i_2,...,i_k行,j_1,j_2,...,j_k列,剩下的元素按照原来的排法组成的(n-k)阶行列式\\称为上述子式的余子式。
如果取定第i1,i2,...,ik行(i1<i2<...<ik),取定j1,j2,...,jk列(j1<j2<...<jk)则所得的k阶子式为A(i1j1i2j2......ikjk)划去子式所在的第i1,i2,...,ik行,j1,j2,...,jk列,剩下的元素按照原来的排法组成的(n−k)阶行列式称为上述子式的余子式。
n阶行列式中,划去第i行第j列,剩下的元素按照原来的次序组成一个n-1阶的行列式称为(i,j)元的余子式,记作:
M
i
j
M_{ij}
Mij
如果令:
A
i
j
=
(
−
1
)
i
+
j
M
i
j
则
称
A
i
j
是
(
i
,
j
)
元
的
代
数
余
子
式
。
A_{ij}=(-1)^{i+j}M_{ij} \\ 则称A_{ij}是(i,j)元的代数余子式。
Aij=(−1)i+jMij则称Aij是(i,j)元的代数余子式。
1.3.4行列式的Laplace Expansion定义
n阶行列式|A|,等于它的第i行元素与其对应的代数余子式的乘积之和,常记作det(A),即
d
e
t
(
A
)
=
∣
A
∣
=
a
i
1
A
i
1
+
a
i
2
A
i
2
+
.
.
.
+
a
i
n
A
i
n
=
∑
j
=
1
n
a
i
j
A
i
j
det(A)=|A|=a_{i1}A_{i1}+a_{i2}A_{i2}+...+a_{in}A_{in}= \sum_{j=1}^na_{ij}A_{ij}
det(A)=∣A∣=ai1Ai1+ai2Ai2+...+ainAin=j=1∑naijAij
1.3.5站在外积的角度探索行列式的本质
由定义可知:
A
⃗
=
(
a
,
b
)
,
B
⃗
=
(
c
,
d
)
则
A
⃗
×
B
⃗
=
∣
A
⃗
∣
∣
B
⃗
∣
∗
s
i
n
θ
可
见
刚
好
是
上
图
r
1
∗
r
2
∗
s
i
n
θ
=
r
1
∗
h
,
即
其
本
质
维
平
行
四
边
形
面
积
。
以
此
类
推
,
三
阶
行
列
式
即
以
上
阶
数
,
代
表
的
是
n
维
向
量
所
张
成
空
间
的
体
机
。
\vec{A}=(a,b),\vec{B}=(c,d)则\vec{A}×\vec{B}=|\vec{A}||\vec{B}|*sinθ\\ 可见刚好是上图r_1*r_2*sinθ=r_1*h,即其本质维平行四边形面积。\\ 以此类推,三阶行列式即以上阶数,代表的是n维向量所张成空间的体机。
A=(a,b),B=(c,d)则A×B=∣A∣∣B∣∗sinθ可见刚好是上图r1∗r2∗sinθ=r1∗h,即其本质维平行四边形面积。以此类推,三阶行列式即以上阶数,代表的是n维向量所张成空间的体机。
1.4行列式的性质以及几何证明
下面给出行列式的性质:
1.行列式行列互换,行列式值不变;(也做:矩阵A转置的行列式等于A的行列式)
2.行列式一行的公因子可以提出去;
3.行列式中若某一行是两个数组的和,那么此行列式等于两个行列式的和,这两个行列式的这一行分别是第一个数组和第二个数组,其余行和原来的行列式的各行相同;
4.两行互换,行列式反号;
5.两行相同,行列式值为0;
6.把行列式某一行的倍数加在另一行上,行列式值不变;
7.n阶行列式|A|的第i行元素与第k行(k≠i)相应元素的代数余子式的乘积之和为0。
8.上述性质将“行”换成“列”后仍然适用。
给出参考:【线性代数的几何意义】行列式的几何意义 - AndyJee - 博客园 (cnblogs.com)
给出参考:矩阵的转置的意义是什么? - 知乎 (zhihu.com)
1.5特殊的行列式
给出参考:几种特殊类型行列式及其计算 - 哔哩哔哩 (bilibili.com)
二.线性方程组
2.1n元线性方程组及相关基本定义
含有n个未知量的线性方程组称为n元线性方程组,他的一般形式为:
其 中 , a 11 , a 12 , . . . , a s n 式 系 数 b 1 , b 2 , . . . , b s 式 常 数 , 常 数 项 一 般 写 在 等 号 右 边 其中,a_{11},a_{12},...,a_{sn}式系数 \\ b_1,b_2,...,b_s式常数,常数项一般写在等号右边 其中,a11,a12,...,asn式系数b1,b2,...,bs式常数,常数项一般写在等号右边
2.1.1解与解集
对
于
线
性
方
程
组
,
如
果
x
1
,
x
2
,
.
.
,
x
n
分
别
用
数
c
1
,
c
2
,
.
.
.
,
c
n
带
入
后
,
每
个
方
程
组
都
变
成
恒
等
式
,
则
称
n
元
有
序
实
数
组
(
c
1
,
c
2
,
.
.
.
,
c
n
)
式
原
线
性
方
程
组
的
一
个
解
,
方
程
组
所
有
的
解
称
为
方
程
组
的
解
集
。
对于线性方程组,如果x_1,x_2,..,x_n分别用数c_1,c_2,...,c_n带入后,每个方程组都变成恒等式,则称\\ n元有序实数组(c_1,c_2,...,c_n)式原线性方程组的一个解,方程组所有的解称为方程组的解集。
对于线性方程组,如果x1,x2,..,xn分别用数c1,c2,...,cn带入后,每个方程组都变成恒等式,则称n元有序实数组(c1,c2,...,cn)式原线性方程组的一个解,方程组所有的解称为方程组的解集。
2.1.2线性方程组的求解过程
给出参考:(18条消息) n元线性方程组解的情况及判别准则_hflag168的博客-CSDN博客
2.1.3增广矩阵、系数矩阵、阶梯型矩阵与简化阶梯型矩阵
在求解过程中引入如下四种概念:
2.2线性方程组解的
2.2.1线性方程组解的情况
线性方程组解的情况主要分成如下两种:
1.无解
2.有解
2.1有唯一解
2.2有无穷多解
2.2.2定义线性方程组的主变量和自由未知量
针对2.1.3节所述的线性方程组,最后化简为一个简化阶梯型矩阵表示的线性方程组是:
{
x
1
−
x
2
=
2
x
3
=
−
1
显
然
这
个
方
程
组
有
无
穷
多
个
解
,
这
无
穷
多
个
解
可
以
用
下
列
表
达
式
表
示
{
x
1
=
x
2
+
2
x
3
=
−
1
这
个
表
达
式
被
称
为
原
线
性
方
程
组
的
一
般
解
,
其
中
以
主
元
为
系
数
的
未
知
量
x
1
,
x
3
被
称
为
主
变
量
,
x
2
被
称
为
自
由
未
知
量
\left\{\begin{matrix} x_1-x_2=2 \\ x_3=-1 \end{matrix}\right.\\显然这个方程组有无穷多个解,这无穷多个解可以用下列表达式表示\\\left\{\begin{matrix} x_1=x_2+2 \\ x_3=-1 \end{matrix}\right.\\这个表达式被称为原线性方程组的一般解,\\其中以主元为系数的未知量x_1,x_3被称为主变量,x_2被称为自由未知量
{x1−x2=2x3=−1显然这个方程组有无穷多个解,这无穷多个解可以用下列表达式表示{x1=x2+2x3=−1这个表达式被称为原线性方程组的一般解,其中以主元为系数的未知量x1,x3被称为主变量,x2被称为自由未知量
2.3n元齐次线性方程组
如 果 n 元 线 性 方 程 组 中 的 每 一 个 方 程 的 常 数 项 都 是 0 , 则 称 这 样 的 方 程 组 为 n 元 齐 次 线 性 方 程 组 : { a 11 x 1 + a 12 x 2 + . . . + a 1 n x n = 0 a 21 x 1 + a 22 x 2 + . . . + a 2 n x n = 0 . . . . . . . . . . . . . . a s 1 x 1 + a s 2 x 2 + . . . + a s n x n = 0 显 然 ( 0 , 0 , . . . , 0 ) 是 齐 次 线 性 方 程 组 的 一 个 解 , 称 为 零 解 , 任 何 一 个 齐 次 线 性 方 程 组 都 有 零 解 , 如 果 一 个 齐 次 线 性 方 程 组 除 了 零 解 之 外 还 有 其 他 解 , 则 称 其 他 解 为 非 零 解 。 如果n元线性方程组中的每一个方程的常数项都是0,则称这样的方程组为n元齐次线性方程组:\\\left\{\begin{matrix} a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=0 \\ a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=0 \\ ... ... ... ... .. \\ a_{s1}x_1+a_{s2}x_2+...+a_{sn}x_n=0 \\\end{matrix}\right.\\显然(0,0,...,0)是齐次线性方程组的一个解,称为零解,任何一个齐次线性方程组都有零解,\\如果一个齐次线性方程组除了零解之外还有其他解,则称其他解为非零解。 如果n元线性方程组中的每一个方程的常数项都是0,则称这样的方程组为n元齐次线性方程组:⎩⎪⎪⎨⎪⎪⎧a11x1+a12x2+...+a1nxn=0a21x1+a22x2+...+a2nxn=0..............as1x1+as2x2+...+asnxn=0显然(0,0,...,0)是齐次线性方程组的一个解,称为零解,任何一个齐次线性方程组都有零解,如果一个齐次线性方程组除了零解之外还有其他解,则称其他解为非零解。
它有如下性质:
1.如果一个齐次线性方程组有非零解,那么他一定有无穷多解;
2.n元齐次线性方程组有非零解的充要条件是:他的系数矩阵经过初等行变换成的阶梯形矩阵中,非零行的个数r<n;
3.n元齐次线性方程组如果方程的个数s<n,那么它一定有非零解。
2.4从线性表出的角度审视线性方程组
则:
{ a 11 x 1 + a 12 x 2 + . . . + a 1 n x n = b 1 a 21 x 1 + a 22 x 2 + . . . + a 2 n x n = b 2 . . . . . . . . . . . . . . a s 1 x 1 + a s 2 x 2 + . . . + a s n x n = b s 上 述 方 程 组 有 解 , 等 价 于 β 可 以 由 α 1 ⃗ 、 . . . 、 α n ⃗ 线 性 表 出 其 中 α 1 ⃗ ( α 11 . . . α s 1 ) . . . α n ⃗ ( α 1 n . . . α s n ) 、 β ⃗ ( b 1 . . . b s ) β ⃗ = x 1 ∗ α 1 ⃗ + . . . . + x n ∗ α n ⃗ \left\{\begin{matrix} a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=b_1 \\ a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=b_2 \\ ... ... ... ... .. \\ a_{s1}x_1+a_{s2}x_2+...+a_{sn}x_n=b_s \\\end{matrix}\right.\\上述方程组有解,等价于β可以由\vec{α_1}、...、\vec{α_n}线性表出\\其中\vec{α_1}\begin{pmatrix}α_{11}\\.\\.\\.\\α_{s1}\\\end{pmatrix}...\vec{α_n}\begin{pmatrix}α_{1n}\\.\\.\\.\\α_{sn}\\\end{pmatrix}、\vec{β}\begin{pmatrix}b_1\\.\\.\\.\\b_s\\\end{pmatrix}\\\vec{β}=x_1*\vec{α_1}+....+x_n*\vec{α_n} ⎩⎪⎪⎨⎪⎪⎧a11x1+a12x2+...+a1nxn=b1a21x1+a22x2+...+a2nxn=b2..............as1x1+as2x2+...+asnxn=bs上述方程组有解,等价于β可以由α1、...、αn线性表出其中α1⎝⎜⎜⎜⎜⎛α11...αs1⎠⎟⎟⎟⎟⎞...αn⎝⎜⎜⎜⎜⎛α1n...αsn⎠⎟⎟⎟⎟⎞、β⎝⎜⎜⎜⎜⎛b1...bs⎠⎟⎟⎟⎟⎞β=x1∗α1+....+xn∗αn
3.由线性方程组引出线性相关与线性无关
3.1线性相关与线性无关定义
3.2线性关系->齐次线性方程组->行列式
结合第2.4节内容,从齐次线性方程组的角度看
所以判断向量组是否线性相关,可以直接判断其齐次线性方程组是否有非零解。
再结合2.4节内容,即齐次线性方程组解的判断条件可知:
(
1
)
上
述
向
量
组
α
1
,
α
2
,
.
.
.
,
α
s
线
性
相
关
等
价
于
n
个
n
维
列
向
量
组
成
的
矩
阵
的
行
列
式
等
于
0.
(
2
)
上
述
向
量
组
α
1
,
α
2
,
.
.
.
,
α
s
线
性
无
关
等
价
于
n
个
n
维
列
向
量
组
成
的
矩
阵
的
行
列
式
非
0.
(1)上述向量组α_1,α_2,...,α_s线性相关等价于n个n维列向量组成的矩阵的行列式等于0.\\(2)上述向量组α_1,α_2,...,α_s线性无关等价于n个n维列向量组成的矩阵的行列式非0.\\
(1)上述向量组α1,α2,...,αs线性相关等价于n个n维列向量组成的矩阵的行列式等于0.(2)上述向量组α1,α2,...,αs线性无关等价于n个n维列向量组成的矩阵的行列式非0.
3.3向量组等价
3.4极大线性无关组
3.5基本性质
1.仍然需要注意,矩阵本质上就是向量组!!
2.如果一个向量组的一个部分组线性相关,则整个向量组也线性相关。如果向量组线性无关,则他的任何一个部分组也线性无关。
3.如果一个向量组线性无关,则他的延伸组也线性无关。如果一个向量组线性相关,则他的缩短组也线性相关。
4.向量组与他的极大线性无关组等价。
5.向量组的任意两个极大线性无关组等价。
6.若向量组β1,β2,...,βr可以由向量组α1,α2,...αn线性表出。如果r>s,则向量组β1,β2,...,βr线性相关。
7.若向量组β1,β2,...,βr可以由向量组α1,α2,...αn线性表出。如果向量组β1,β2,...,βr线性无关,则r≤s.
8.等价的相信线性无关向量组所含的向量个数相同。
9.向量组的任意两个极大线性无关组所含向量个数相等。
4.线性无关与矩阵的秩
在进行后面说明之前,仍然指出矩阵本质上就是向量组!!
4.1向量组的秩
若向量组A可以由向量组B线性表出,则rank(A)≤rank(B),显然等价向量组具有相同的秩。
4.2矩阵的秩
4.3矩阵秩的相关性质
1.矩阵的初等行变换不改变矩阵的行秩
2.矩阵的初等行变换不改变矩阵向量组的线性相关性,从而不改变矩阵的列秩
说明: 设α1,α2,…,αn是n个m维列向量,则它们的线性相关性等价于线性方程组AX=0(其中A=(α1,α2,…,αn),X=(x1,x2,…,xn)T)是否有非零解,即α1,α2,…,αn线性相关等价于AX=0有非零解,α1,α2,…,αn线性无关等价于AX=0只有零解。而对A进行三种行初等变换分别相当于对线性方程组中的方程进行:两个方程交换位置,对一个方程乘一个非零常数,将一个方程的常数倍对应加到另一个方程上。显然进行三种变换后所得方程组与原方程组同解,若设所得方程组为BX=0,则B即为对A进行行初等变换后所得矩阵。B的列向量的线性相关性与BX=0是否有解等价,也就是与AX=0是否有解等价,即与A的列向量的线性相关性等价!
3.任意矩阵的行秩等于列秩。
https://www.zhihu.com/question/25524378
4.矩阵A经过初等行变换转化为阶梯型矩阵J,则A的秩等于J的非零行的个数。设J的主元所在的列是第j1,j2,...,jr列,则A的第j1,j2,...,jr列构成A的列向量组的一个极大线性无关组。
5.矩阵的初等行变换和初等列变换都不改变矩阵的秩。
6.任意非零矩阵的秩等于它的非零子式的最高结束。
7.一个n级矩阵A的秩等于n,当且仅当|A|不等于0.如果一个仿真的秩等于它的级数,那么这个方帧维满秩矩阵。
4.4秩与线性方程组解的关系
5.线性方程组解集结构
5.1齐次线性方程组的解集结构
5.5.1定义线性子空间
5.5.2定义解向量与解集
数 域 K 上 的 n 元 齐 次 线 性 方 程 组 x 1 a 1 ⃗ + x 2 a 2 ⃗ + . . . + x n a n ⃗ = 0 的 解 是 一 个 K 上 的 n 元 有 序 数 组 , 换 句 话 来 说 , 他 是 K n 上 的 一 个 向 量 , 故 称 为 方 程 组 的 一 个 解 向 量 , 所 有 解 向 量 构 成 的 集 合 称 为 解 集 。 数域K上的n元齐次线性方程组\\ x_1\vec{a_1}+x_2\vec{a_2}+...+x_n\vec{a_n}=0\\ 的解是一个K上的n元有序数组,换句话来说,他是K^n上的一个向量,\\ 故称为方程组的一个解向量,所有解向量构成的集合称为解集。 数域K上的n元齐次线性方程组x1a1+x2a2+...+xnan=0的解是一个K上的n元有序数组,换句话来说,他是Kn上的一个向量,故称为方程组的一个解向量,所有解向量构成的集合称为解集。
从5.5.1描述可知,W是K^n上的一个子空间。
5.5.3定义基础解系与通解
5.5.4性质
数
域
K
上
的
n
元
齐
次
线
性
方
程
组
x
1
a
1
⃗
+
x
2
a
2
⃗
+
.
.
.
+
x
n
a
n
⃗
=
0
的
系
数
矩
阵
A
的
秩
小
于
未
知
量
个
数
n
时
,
她
一
定
有
基
础
解
系
,
并
且
他
的
每
一
个
基
础
解
系
所
含
的
解
向
量
个
数
为
n
−
r
a
n
k
(
A
)
数域K上的n元齐次线性方程组\\ x_1\vec{a_1}+x_2\vec{a_2}+...+x_n\vec{a_n}=0\\ 的系数矩阵A的秩小于未知量个数n时,她一定有基础解系,并且他的\\每一个基础解系所含的解向量个数为n-rank(A)
数域K上的n元齐次线性方程组x1a1+x2a2+...+xnan=0的系数矩阵A的秩小于未知量个数n时,她一定有基础解系,并且他的每一个基础解系所含的解向量个数为n−rank(A)
5.5.5例题
给出参考:快速学会齐次线性方程组的解法——基础解系,通解一并解决!_哔哩哔哩_bilibili
5.2非齐次线性方程组的解集结构
5.2.1由齐次线性方程组与非齐次线性方程组解的关系
5.2.2例题
给出参考:§4.2 非齐次线性方程组 (edu-edu.com.cn)
6.基与维数
6.1定义基与标准基
1.齐次线性方程组的一个基础解系就是解空间的一个基。
2.定义正交基
3.定义标准正交基
4.任意两个基所含的向量个数相等,基的本质就是极大线性无关组。
6.2定义维数
U 是 K n 的 一 个 非 零 子 空 间 , U 的 一 个 基 所 含 向 量 的 个 数 为 U 的 维 数 , 记 作 d i m U 。 规 定 零 子 空 间 的 维 数 为 0 。 显 然 d i m K n = n U是K^n的一个非零子空间,U的一个基所含向量的个数为U的维数,记作dimU。\\规定零子空间的维数为0。显然dimK^n=n U是Kn的一个非零子空间,U的一个基所含向量的个数为U的维数,记作dimU。规定零子空间的维数为0。显然dimKn=n
6.3坐标
6.4向量组的生成子空间
设 a 1 ⃗ , a 2 ⃗ , . . . , a s ⃗ 是 K n 的 一 个 向 量 组 , 令 U = { k 1 a 1 ⃗ + k 2 a 2 ⃗ + . . . + k s a s ⃗ ∣ k 1 , k 2 , . . . , k s ∈ K } 显 然 U 是 K n 的 一 个 子 空 间 , 我 们 把 U 称 为 a 1 ⃗ , a 2 ⃗ , . . . , a s ⃗ 的 生 成 子 空 间 记 作 < a 1 ⃗ , a 2 ⃗ , . . . , a s ⃗ > 设\vec{a_1},\vec{a_2},...,\vec{a_s}是K^n的一个向量组,令\\U=\{k_1\vec{a_1}+k_2\vec{a_2}+...+k_s\vec{a_s}|k_1,k_2,...,k_s∈K\}\\显然U是K^n的一个子空间,我们把U称为\vec{a_1},\vec{a_2},...,\vec{a_s}的生成子空间\\记作<\vec{a_1},\vec{a_2},...,\vec{a_s}> 设a1,a2,...,as是Kn的一个向量组,令U={k1a1+k2a2+...+ksas∣k1,k2,...,ks∈K}显然U是Kn的一个子空间,我们把U称为a1,a2,...,as的生成子空间记作<a1,a2,...,as>
1.向量组的秩等于其解空间的维数。
2.矩阵的行空间维数等于列空间维数。