线性方程组（四）- 矩阵方程

作者: mHubery | 来源:发表于2019-02-24 19:48 被阅读0次

线性方程组（十）- 小结
线性代数——(2)线性方程组
线性代数——2. 矩阵及其运算
线性方程组（四）- 矩阵方程
【线性代数学习笔记（一）】矩阵表示法和矩阵乘法规则是怎么来的？
矩阵基础4-线性方程组详解
线性代数——4. 向量组的线性相关性
线性代数——3. 矩阵的初等变换与线性方程组
2019-03-26
线性代数(四)线性方程组

小结

矩阵方程的定义
矩阵方程的求解
矩阵方程、向量方程和线性方程组拥有相同的解集
$\boldsymbol{Ax}$ 的计算、行-向量规则和性质

$\boldsymbol{Ax} = \boldsymbol{b}$

若 $\boldsymbol{A}$ 是 $m \times n$ 矩阵，它的各列为 $\boldsymbol{a_1,\cdots,a_n}$ 。若 $\boldsymbol{x}$ 是 $\mathbb{R}^{n}$ 中的向量，则 $\boldsymbol{A}$ 与 $\boldsymbol{x}$ 的积（记为 $\boldsymbol{Ax}$ ）就是 $\boldsymbol{A}$ 的各列以 $\boldsymbol{x}$ 中对应元素为权的线性组合，即
$\boldsymbol{Ax} = \begin{bmatrix} \boldsymbol{a_1} & \cdots & \boldsymbol{a_n} \\\end{bmatrix} \begin{bmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \\ \end{bmatrix} = x_1\boldsymbol{a_1} + x_2\boldsymbol{a_2} + \cdots + x_n\boldsymbol{a_n}$
注意 $\boldsymbol{Ax}$ 仅当 $\boldsymbol{A}$ 的列数等于 $\boldsymbol{x}$ 中的元素个数时才有定义。

对 $\mathbb{R}^{m}$ 中的 $\boldsymbol{v_1, v_2, v_3}$ ，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：把 $\boldsymbol{v_1, v_2, v_3}$ 排列成矩阵 $\boldsymbol{A}$ ，把数3，-5，7排列成向量 $\boldsymbol{x}$ ，即
$3\boldsymbol{v_1} - 5\boldsymbol{v_2} + 7\boldsymbol{v_3} = \begin{bmatrix} \boldsymbol{v_1} & \boldsymbol{v_2} & \boldsymbol{v_3} \\ \end{bmatrix} \begin{bmatrix} 3 \\ -5 \\ 7 \\ \end{bmatrix} = \boldsymbol{Ax}$

方程有形式 $\boldsymbol{Ax} = \boldsymbol{b}$ ，我们称这样的方程为矩阵方程。由定义 $\boldsymbol{Ax} = x_1\boldsymbol{a_1} + x_2\boldsymbol{a_2} + \cdots + x_n\boldsymbol{a_n}$ 可知，任何向量方程都可以写成等价的形式为 $\boldsymbol{Ax} = \boldsymbol{b}$ 的矩阵方程。而向量方程 $x_1\boldsymbol{a_1} + x_2\boldsymbol{a_2} + \cdots + x_n\boldsymbol{a_n} = \boldsymbol{b}$ 又和增广矩阵为 $\begin{bmatrix} \boldsymbol{a_1} & \boldsymbol{a_2} & \cdots & \boldsymbol{a_n} & \boldsymbol{b} \end{bmatrix}$ 的线性方程有相同的解集。

若 $\boldsymbol{A}$ 是 $m \times n$ 矩阵，它的各列为 $\boldsymbol{a_1,\cdots,a_n}$ ，而 $\boldsymbol{b}$ 属于 $\mathbb{R}^{m}$ ，则矩阵方程与向量方程 $x_1\boldsymbol{a_1} + x_2\boldsymbol{a_2} + \cdots + x_n\boldsymbol{a_n} = \boldsymbol{b}$ 由相同的解集。它又与增广矩阵为 $\begin{bmatrix} \boldsymbol{a_1} & \boldsymbol{a_2} & \cdots & \boldsymbol{a_n} & \boldsymbol{b} \end{bmatrix}$ 的线性方程组有相同的解集。

我们现在可将线性方程组用三种不同但彼此等价的观点来研究：作为矩阵方程、作为向量方程或作为线性方程组。任何情况下，矩阵方程、向量方程以及线性方程组都用相同方法来解---用行化简算法来化简增广矩阵。

解的存在性

方程 $\boldsymbol{Ax} = \boldsymbol{b}$ 有解当且仅当 $\boldsymbol{b}$ 是 $\boldsymbol{A}$ 的各列的线性组合。

设 $\boldsymbol{Ax}=\begin{bmatrix} 1 & 3 & 4 \\ -4 & 2 & -6 \\ -3 & -2 & -7 \\ \end{bmatrix}$ ， $\boldsymbol{b}=\begin{bmatrix} b_1 \\ b_2 \\ b_3 \\ \end{bmatrix}$ 。方程 $\boldsymbol{Ax} = \boldsymbol{b}$ 是否对一切可能的 $b_1, b_2, b_3$ 有解？
解：把 $\boldsymbol{Ax} = \boldsymbol{b}$ 的增广矩阵进行行化简：
$\begin{bmatrix} 1 & 3 & 4 & b_1\\ -4 & 2 & -6 & b_2\\ -3 & -2 & -7 & b_3 \\ \end{bmatrix}$ ~ $\begin{bmatrix} 1 & 3 & 4 & b_1\\ 0 & 14 & 10 & b_2 + 4b_1\\ 0 & 7 & 5 & b_3 + 3b_1 \end{bmatrix}$ ~ $\begin{bmatrix} 1 & 3 & 4 & b_1\\ 0 & 14 & 10 & b_2 + 4b_1\\ 0 & 0 & 0 & {b_3 + 3b_1 - \frac{1}{2}(b_2 + 4b_1)} \end{bmatrix}$
第4列的第3个元素为 $b_1 - \frac{1}{2}b_2 + b_3$ 。故方程 $\boldsymbol{Ax} = \boldsymbol{b}$ 并不是对一切的 $\boldsymbol{b}$ 都相容，因为 $b_1 - \frac{1}{2}b_2 + b_3$ 可能不为零。

上述方程 $\boldsymbol{Ax} = \boldsymbol{b}$ 并非对所有的 $\boldsymbol{b}$ 都相容，这是因为 $\boldsymbol{A}$ 的阶梯形含有零行。假如 $\boldsymbol{A}$ 在所有三行都有主元，这时增广矩阵的阶梯形不可能产生如 $\begin{bmatrix} 0 & 0 & 0 & 1 \\ \end{bmatrix}$ 的行。

当我们说“ $\boldsymbol{A}$ 的列生成 $\mathbb{R}^{m}$ ”时，意思是说 $\mathbb{R}^{m}$ 中的每个向量 $\boldsymbol{b}$ 都是 $\boldsymbol{A}$ 的列的线性组合。一般地， $\mathbb{R}^{m}$ 中向量集{ $\boldsymbol{v_1,\cdots,v_p}$ }生成 $\mathbb{R}^{m}$ 的意思是说， $\mathbb{R}^{m}$ 中的每个向量都是 $\boldsymbol{v_1,\cdots,v_p}$ 的线性组合，即 $\boldsymbol{Span\{v_1,\cdots,v_p\}}=\mathbb{R}^{m}$ 。

设 $\boldsymbol{A}$ 是 $m \times n$ 矩阵，下列命题是逻辑上等价的，也就说，对某个\boldsymbol{A}，它们都成立或者都不成立。

对 $\mathbb{R}^{m}$ 中每个 $\boldsymbol{b}$ ，方程 $\boldsymbol{Ax} = \boldsymbol{b}$ 有解。
$\mathbb{R}^{m}$ 中每个 $\boldsymbol{b}$ 都是 $\boldsymbol{A}$ 的列的一个线性组合。
$\boldsymbol{A}$ 的各列生成 $\mathbb{R}^{m}$ 。
$\boldsymbol{A}$ 在每一行都有一个主元位置。
注意：这里说的矩阵是系统矩阵，而非增广矩阵。

$\boldsymbol{Ax}$ 的计算

计算 $\boldsymbol{Ax}$ ，其中 $\begin{bmatrix} 2 & 3 & 4 \\ -1 & 5 & -3 \\ 6 & -2 & 8 \\ \end{bmatrix}$ ， $\boldsymbol{x} = \begin{bmatrix} x_1 \\ x_2 \\ x_3 \\ \end{bmatrix}$
解：由定义，
$\begin{equation}\begin{aligned} \begin{bmatrix} 2 & 3 & 4 \\ -1 & 5 & -3 \\ 6 & -2 & 8 \\ \end{bmatrix} \begin{bmatrix} x_1 \\ x_2 \\ x_3 \\ \end{bmatrix} &= x_1\begin{bmatrix} 2 \\ -1 \\ 6 \\ \end{bmatrix} + x_2\begin{bmatrix} 3 \\ 5 \\ -2 \\ \end{bmatrix} + x_3\begin{bmatrix} 4 \\ -3 \\ 8 \\ \end{bmatrix} \\ &= \begin{bmatrix} 2x_1 \\ -x_1 \\ 6x_1 \\ \end{bmatrix} + \begin{bmatrix} 3x_2 \\ 5x_2 \\ -2x_2 \\ \end{bmatrix} \\ &= \begin{bmatrix} 4x_3 \\ -3x_3 \\ 8x_3 \\ \end{bmatrix} \\ &= \begin{bmatrix} 2x_1 + 3x_2 + 4x_3 \\ -x_1 + 5x_2 - 3x_3 \\ 6x_1 - 2x_3 + 8x_3 \\ \end{bmatrix} \end{aligned}\end{equation}$

矩阵 $\boldsymbol{Ax}$ 的第一个元素是 $\boldsymbol{A}$ 的第一行与 $\boldsymbol{x}$ 相应元素乘积之和（有时称为点积）。

计算 $\boldsymbol{Ax}$ 的行-向量规则
若乘积 $\boldsymbol{Ax}$ 有定义，则 $\boldsymbol{Ax}$ 中的第 $i$ 个元素是 $\boldsymbol{Ax}$ 的第 $i$ 行元素与 $\boldsymbol{x}$ 的相应元素乘积之和。

$\begin{bmatrix} 1 & 2 & -1 \\ 0 & -5 & 3 \\ \end{bmatrix} \begin{bmatrix} 4 \\ 3 \\ 7 \\ \end{bmatrix} = \begin{bmatrix} 1 \times 4 + 2 \times 3 + (-1) \times 7 \\ 0 \times 4 + (-5) \times 3 + 3 \times 7 \\ \end{bmatrix} = \begin{bmatrix} 3 \\ 6 \\ \end{bmatrix}$
$\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \\ \end{bmatrix} \begin{bmatrix} r \\ s \\ t \\ \end{bmatrix} = \begin{bmatrix} 1 \times r + 0 \times s + 0 \times t \\ 0 \times r + 1 \times s + 0 \times t \\ 0 \times r + 0 \times s + 1 \times t \end{bmatrix} = \begin{bmatrix} r \\ s \\ t \\ \end{bmatrix}$

若矩阵的主对角线上元素为1，其它位置上元素为0，这个矩阵称为单位矩阵，记为 $\boldsymbol{I}$ 。有 $n \times n$ 单位矩阵，记为 $\boldsymbol{I}_{n}$ 。对任意 $\mathbb{R}^{n}$ 中的 $\boldsymbol{x}$ ， $\boldsymbol{I}_{n}\boldsymbol{x}$ = $\boldsymbol{x}$ 。

矩阵-向量积 $\boldsymbol{Ax}$ 的性质

若 $\boldsymbol{A}$ 是 $m \times n$ 矩阵， $\boldsymbol{u}$ 和 $\boldsymbol{v}$ 是 $\mathbb{R}^{n}$ 中向量， $c$ 是标量，则

$\boldsymbol{A}$ ( $\boldsymbol{u}$ + $\boldsymbol{v}$ ) = $\boldsymbol{Au} + \boldsymbol{Av}$
$\boldsymbol{A}(c\boldsymbol{u}) = c(\boldsymbol{Au})$

线性方程组（十）- 小结
本篇文章对线性方程组知识进行一个小结。线性方程组线性方程组：系数矩阵：增广矩阵： m维向量： n维...
线性代数——(2)线性方程组
线性方程组方程组的几何意义二元线性方程组三元线性方程组线性方程组和矩阵
线性代数——2. 矩阵及其运算
1 线性方程组和矩阵一、线性方程组二、矩阵的定义 2.矩阵的运算一、矩阵的加法二、数与矩阵相乘三、矩阵与...
线性方程组（四）- 矩阵方程
小结矩阵方程的定义矩阵方程的求解矩阵方程、向量方程和线性方程组拥有相同的解集的计算、行-向量规则和性质若...
【线性代数学习笔记（一）】矩阵表示法和矩阵乘法规则是怎么来的？
目录求解线性方程组：高斯消元法简化线性方程组的表示——得到原始的矩阵定义用矩阵的表示方法表示高斯消元法解线性方程...
矩阵基础4-线性方程组详解
一. 线性方程组和矩阵 1.1 线性方程组 1.2 线性方程组的解初中学的二元一次方程的解，有可能无解，有可能有...
线性代数——4. 向量组的线性相关性
1 向量组及其线性组合前一章把线性方程组写成矩阵形式，通过矩阵的运算求得它的解，还用矩阵的语言给出了线性方程组的...
线性代数——3. 矩阵的初等变换与线性方程组
1 矩阵的初等变换 2 矩阵的秩 3 线性方程组的解
2019-03-26
抽象矩阵的可逆性分块对角矩阵可逆的的充分必要条件是均可逆，克拉默法则设线性方程组中若,则此线性方程组有唯一的...
线性代数(四)线性方程组
一、齐次线性方程组方程组称为m个方程n个未知量的齐次线性方程组,其向量形式为其中其矩阵形式为其中 1、有解的条件...

线性方程组（四）- 矩阵方程

小结

$\boldsymbol{Ax} = \boldsymbol{b}$

解的存在性

$\boldsymbol{Ax}$ 的计算

矩阵-向量积 $\boldsymbol{Ax}$ 的性质

相关文章

线性方程组（十）- 小结

线性代数——(2)线性方程组

线性代数——2. 矩阵及其运算