1.4 矩阵方程（第1章线性代数中的线性方程组）

最新推荐文章于 2025-01-13 18:15:14 发布

泰克尼客

最新推荐文章于 2025-01-13 18:15:14 发布

阅读量2.4k

点赞数 5

分类专栏：线性代数及其应用系列笔记文章标签：线性代数机器学习矩阵向量

本文链接：https://blog.csdn.net/wo94chunjie/article/details/102949405

版权

内容概述

本节引入了矩阵方程的概念，并指出了矩阵方程、向量方程、线性方程组之间的等价关系，这种等价关系可以指导我们在解决现实问题时根据不同的情况灵活运用。接着，讲了矩阵方程 $A\boldsymbol x =\boldsymbol b$ 的一些基本性质，例如解的存在性， $A\boldsymbol x$ 如何计算，以及 $A\boldsymbol x$ 这一矩阵-向量积的运算法则。

矩阵方程及其与向量方程、线性方程组的关系

线性代数中的一个基本思想是把向量的线性组合看作矩阵与向量的积。
定义：

若 $A$ 是 $\times n$ 矩阵，它的各列为 $\boldsymbol a_1, \boldsymbol \cdots, \boldsymbol a_n$ 。若 $\boldsymbol x$ 是 $\mathbb R^n$ 中的向量，则 $A$ 与 $\boldsymbol x$ 的积（记为 $A\boldsymbol x$ ）就是 $A$ 的各列以 $\boldsymbol x$ 中对应元素为权的线性组合，即：
$A\boldsymbol x=[\boldsymbol a_1\quad \boldsymbol a_2 \quad\cdots \quad\boldsymbol a_n] \begin{bmatrix}x_1 \\ x_2 \\ \cdots \\ x_n\end{bmatrix}=x_1\boldsymbol a_1 + x_2\boldsymbol a_2 + \cdots + x_n\boldsymbol a_n$
注意 $A\boldsymbol x$ 仅当 $A$ 的列数等于 $x$ 中的元素个数时才有定义。
例：
对 $\mathbb R^m$ 中的 $\boldsymbol v_1$ , $\boldsymbol v_2$ , $\boldsymbol v_3$ ，把线性组合 $3\boldsymbol v_1 - 5\boldsymbol v_2 + 7\boldsymbol v_3$ 表示为矩阵乘向量的形式。
解：
根据上述定义，可以把 $\boldsymbol v1$ , $\boldsymbol v2$ , $\boldsymbol v3$ 排列成矩阵 $A$ ，把数 $3$ ， $- 5$ ， $7$ 排列成向量 $\boldsymbol x$ ，即：
$3\boldsymbol v_1 - 5\boldsymbol v_2 + 7\boldsymbol v_3 = [\boldsymbol v_1\quad \boldsymbol v_2\quad \boldsymbol v_3]\begin{bmatrix}3 \\ -5 \\ 7\end{bmatrix}$