线性代数(一)矩阵和方程组

简介: 线性代数(一)矩阵和方程组

一:线性方程组

1.线性方程:

16.png

2.解的情况:

15.png

3.系数矩阵、增广矩阵:

系数矩阵:方程组对应的系数组成的矩阵。

增广矩阵:方程组对应的系数以及最后的常数组成的矩阵。



4.求解线性方程组:

基本思想:

17.png


初等行变换:

18.png



注:可以对比一下基本思想和初等行变换,其实本质是一样的,因为求结过程是一样的,所以对于等价的矩阵来说,其具有相同的解集。其实很重要的一点,就是行变换是可逆的:

19.png

5.结论:求解线性方程组的花间过程利用就是初等行变换。


二:行化简与阶梯形矩阵

1.阶梯型以及行简化阶梯型

20.png


任何非0矩阵都可以行化简为阶梯形矩阵、但用不同的方法可以化为不同的阶梯形矩阵;然而每个矩阵只能化为唯一的行简化阶梯型矩阵。

2.行化简算法

五步法:

其中前4步是用来产生阶梯型矩阵,第5步是产生行简化,详情见下面的例子。

21.png


22.png23.png


24.png

3.线性方程组的解

求解线性方程组的步骤:

25.png


前两步判断是否有解(其中无解形式类似于0=b(b不等于0))、然后根据是否有自由变量分为唯一解和无穷多解。

通解的例子:

26.png


三:向量方程

1.向量空间


27.png



28.png

性质:即满足对可加性、数乘都是封闭的。


2.线性组合

29.png

其中平行四边形法则以及三角形法则不多说,想了解的自行百度查看。


3.向量方程和增广矩阵的关系

30.png


注:可以得出其实求解向量方程就是针对其增广矩阵(线性方程组)求解。


四:矩阵方程

1.本质:

其实矩阵方程Ax=b的由来就是向量方程/向量的线性组合。------线代的另一种表示形式而已。


31.png


注:前面已经得出向量方程组和线性方程组的等价关系,如今向量方程组和矩阵方程也是相同的关系,从而得出如下结论:

32.png2.解的存在性:

33.png


其理解可以看前面的矩阵方程和向量方程/向量的线性组合关系,其实是一样的,而b其实是属于A的列向量的向量空间的,主要见第四章------这个有点遥远。


五:线性方程组的解集

其实前面已经说过线性方程组的解的过程,这里主要从矩阵方程Ax = b出发。

1.齐次线性方程组


34.png


2.非齐次线性方程组

这里只考虑非齐次线性方程组有多个解。

1)先考虑Ax=0,当然这是齐次的。

35.png

2)考虑Ax=b

36.png


3)通解:一个向量+满足对应的齐次方程组通解。

4)几何理解:其实就是在原来过原点的直线基础上进行了平移,所以同样有多个解。

37.png


3.相容方程组下的解集过程

注:相容方程组表示至少有一个解。

38.png


六:阶段总结


其实对于线性方程组、矩阵方程、向量方程/向量的线性组合来说其解都对应了无解、唯一解、无穷多解,现在主要对矩阵方程总结一下。

无解: Ax=b,阶梯型矩阵下出现了0=b(b不等于0)的情况;另外还有矩阵的秩判别情况,这个后面补充。

有解: Ax=0肯定有解。对于Ax=0的无穷解以及唯一解主要看行简化阶梯有无自由变量,没有自由变量就是0解,有自由变量就是过原点的直线/平面;Ax=b有解的时候分为唯一解和无穷解,这个同样是看行简化阶梯有无自由变量,没有自由变量就是唯一解,有的话则无穷解是在Ax=0的无穷解的基础上进行平移,所以一般是不过原点的直线/平面。


七:线性无关

40.png

39.png



八:线性变换

概念: 定义域、值域/余定义域/像的集合等—看看就好

本质: 向量在矩阵的作用下变成另一个向量。

41.png

线性变换的性质:

42.png

九:平移+旋转+缩放(补充)

43.png


44.png

45.png46.png



目录
相关文章
|
11月前
|
物联网 Swift Python
基于qwen模型实现大模型应用探索-党务知识小助手
本项目基于qwen2-7b-instruct模型,采用LoRA技术,在党务知识数据集与通用数据集上进行微调,专为党务领域问答设计,涵盖党员教育等场景。通过数据准备、模型微调、推理测试及部署应用。
451 0
|
7月前
|
SQL JSON NoSQL
esProc SPL vs DuckDB:多源数据处理谁更胜一筹?
DuckDB 和 esProc SPL 均支持多数据源处理,但在功能和灵活性上存在差异。DuckDB 支持常见文件格式(如 CSV、Parquet)、云存储及部分关系型数据库,依赖专用连接器,扩展性有限;esProc 数据源支持更广泛,涵盖多种本地文件、数据库(关系型与 NoSQL)、云存储及远程数据源,使用 Native 接口封装,扩展简便,适合多数据源混合计算。 在数据处理方面,DuckDB 对 CSV 和 Parquet 文件支持成熟,复杂计算需借助 Python,存在体系割裂;esProc 提供 双语法,尤其 SPL 在复杂计算和 JSON 多层结构处理上表现更直观高效。
|
前端开发 JavaScript
Bootstrap中的dropdown、下拉选择框、dropdown-toggle
这篇文章提供了一个使用Bootstrap框架创建带有下拉菜单的标签页的HTML实例,包括如何引用Bootstrap的CSS和JavaScript文件,并展示了具体的HTML代码实现下拉选择框功能。
|
域名解析 Java 开发工具
域名是如何绑定动态IP的?
域名是如何绑定动态IP的?
6828 0
域名是如何绑定动态IP的?
|
存储 缓存 算法
python性能问题(Performance Issues)
【7月更文挑战第19天】
206 5
python性能问题(Performance Issues)
|
Python
Python代码优化避免全局变量
【7月更文挑战第22天】
225 2
|
关系型数据库 MySQL Windows
14. Mysql 开窗函数,一文带你直接通关
14. Mysql 开窗函数,一文带你直接通关
1052 0
|
SQL 关系型数据库 MySQL
必知的 MySQL 索引失效场景【包括实践验证】,别再踩坑了!(上)
必知的 MySQL 索引失效场景【包括实践验证】,别再踩坑了!
1542 2
|
JSON API 数据格式
如何使用京东商品SKU API获取商品的图片信息?
京东商品SKU API是京东开放平台提供的一套API接口,可用于获取京东商城的商品SKU信息。该API提供了丰富的商品信息,包括商品ID、标题、价格、销售量、评论数、评分等。除了这些基本信息之外,商品的图片信息也是商品SKU信息的重要组成部分。本文将详细介绍如何使用京东商品SKU API获取商品的图片信息,包括请求参数、响应数据结构以及示例代码。
|
安全 关系型数据库 MySQL
Mysql安全启动配置向导——mysql_secure_installation(生产环境必做的设置)
Mysql安全启动配置向导——mysql_secure_installation(生产环境必做的设置)
813 0