-
线性方程组的解:
无解形式:增广矩阵存在$[0,0,0,...,b]$的形式,方程组无解
有解:增广矩阵不存在$[0,0,0,...,b]$的形式,方程组有解
-
pivot position是进行行化简后每一行第一个非0的位置,包含pivot postion的列是pivot column
-
pivot position上的变量的是基础变量,其他的是自由变量,基本变量需要通过自由变量表示
-
当增广矩阵的行最简形式不存在自由变量时,方程组有唯一解
-
当增广矩阵的行最简形式存在自由变量时,方程组有无穷多解
另一种理解:
方程$Ax=b$有解当且仅当$b$为$A$中各列的线性组合。A中各列组成的线性空间$span{a_1,a_2,...,}$,也就是说b是否在这个线性空间中
-
-
齐次线性方程组
形如$AX=0$的线性方程组就是齐次线性方程组,其中$X=0$是平凡解。
- 化简增广矩阵后,如果没有自由变量,则只有平凡解
- 若解集中有p个自由变量,则解空间为m维空间中,p个自由变量张成的空间
-
列空间
矩阵$A$的各个列向量线性组合组成的集合,就是$A$的列空间$span{a_1,a_2,...,}$
矩阵的秩说明了这个矩阵的列向量最多能张成多少维
初等行变换不会改变列之间的线性关系。因此存在自由变量意味着矩阵A的各列是线性相关的,也就是不满秩的
要找列空间的basis,就取pivot position所在的列即可
-
零空间
齐次方程$AX=0$的全部解组成的集合,称为矩阵$A$的零空间,记为$NulA$
基本变量+自由变量等于变量数
$RankA+dim\ NulA=n$ 当A中的各列线性无关,则说明$AX=0$只有平凡解。
各列线性相关(多列线性组合组成其中一列),则存在非平凡解。等价于行化简后存在自由变量
-
线性变换
把矩阵A看作一个整体,他将向量x进行一个线性变换变成了另外一个向量b。此时A就相当于一个从一个向量集映射到另一个向量集的函数
-
可逆矩阵
首先,并不是所有的方阵都有逆;而如果逆存在,则有$A^{−1}A=I=AA^{−1}$
初等矩阵=把单位矩阵进行一次行变换,因此所有行操作都可以写成一个初等矩阵$\times A$
因此$A^{−1}A=I$可以看作很多初等矩阵聚合而成的$A^{-1}$对A进行行操作得到$I$。
得:
$A$ 可逆当且仅当A行等价于$I$有可逆矩阵的算法:$[A, I]\rightarrow[I,A^{-1}]$
-
行列式
行操作对行列式影响:
- 一行加倍后加到另一行上,det不变
- 行交换,det变为负数
- 某行乘K后,det变为K倍
因此一个方阵可逆,则行列式不等于0。因为它等价于单位阵,单位阵的det不为0.
-
特征值和特征向量
对于特征值$\lambda$,方阵A的特征向量是一个非零的向量x满足$Ax=\lambda x$
一般解法为:$(A-\lambda)x=0$,要求这个齐次方程组存在非平凡解,也就是特征值为0。因此对矩阵$A-\lambda$进行行化简后,对角线元素要有为0才能满足det=0。
特征值可以应用于矩阵的对角化,方便矩阵的乘方运算