线性代数拾遗(2)—— 何时用初等行变换,何时用初等列变换?

这篇具有很好参考价值的文章主要介绍了线性代数拾遗(2)—— 何时用初等行变换,何时用初等列变换?。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. 适用场合

  1. 初等行、列变换可以混用
    1. 求矩阵/向量组的秩:初等变化不改变矩阵的秩(求向量组的秩也是先排成矩阵然后求矩阵的秩)
    2. 矩阵化行阶梯型矩阵(用来求秩):同上
    3. 矩阵化为等价标准形:根据定义,化标准形时要同时左乘和右乘可逆矩阵,相当于初等行列变换都做了
    4. 求行列式的值:只要求出数值就行。注意在初等变换时要同步记录对行列式值的影响(互换→反号,倍乘→变k倍,倍加→不变)
  2. 只能用初等行变换:
    1. 解线性方程组:只有行变换是线性方程组的同解变换
    2. 矩阵化行阶梯型矩阵(用来解线性方程组):同上
    3. 求特征向量:本质是解齐次线性方程组
    4. 求(列向量)极大线性无关组:对于列向量而言,初等行变换保持线性相关性(证明见第2节)
    5. 求逆矩阵(横向排列)
      线性代数拾遗(2)—— 何时用初等行变换,何时用初等列变换?
  3. 只能用初等列变换:
    1. 求(行向量)极大线性无关组:对于行向量而言,初等列变换保持线性相关性(证明见第2节)
    2. 求逆矩阵(纵向排列)
      线性代数拾遗(2)—— 何时用初等行变换,何时用初等列变换?

2. 初等行变换保持列向量的线性相关性

  • 考虑一个 n n n 元齐次线性方程组如下,它总共有 m m m 个显式约束
    { a 11 x 1 + a 12 x 2 + a 13 x 3 + . . . + a 1 n x n = 0 a 21 x 1 + a 22 x 2 + a 23 x 3 + . . . + a 2 n x n = 0 . . . a m 1 x 1 + a m 2 x 2 + a m 3 x 3 + . . . + a m n x n = 0 \left\{\begin{matrix} a_{11}x_1+a_{12}x_2+a_{13}x_3+...+a_{1n}x_n=0\\ a_{21}x_1+a_{22}x_2+a_{23}x_3+...+a_{2n}x_n=0 \\...\\ a_{m1}x_1+a_{m2}x_2+a_{m3}x_3+...+a_{mn}x_n=0 \end{matrix}\right. a11x1+a12x2+a13x3+...+a1nxn=0a21x1+a22x2+a23x3+...+a2nxn=0...am1x1+am2x2+am3x3+...+amnxn=0 提取出系数矩阵 A m × n \pmb{A}_{m\times n} AAAm×n,并把它用 n n n m m m 维列向量 a i = [ a 1 i , a 2 i , . . . , a m i ] ⊤ \pmb{a}_i=[a_{1i},a_{2i},...,a_{mi}]^\top aaai=[a1i,a2i,...,ami] 表示,原方程组变形为
    A x = [ a 1 , a 2 , . . . , a n ] x = x 1 a 1 + x 2 a 2 + . . . + x n a n = 0 \begin{aligned} \pmb{Ax} &= [\pmb{a}_1,\pmb{a}_2,...,\pmb{a}_n]\pmb{x} \\&= x_1\pmb{a}_1+x_2\pmb{a}_2 +...+x_n\pmb{a}_n \\&= \pmb{0} \end{aligned} AxAxAx=[aaa1,aaa2,...,aaan]xxx=x1aaa1+x2aaa2+...+xnaaan=000 这样,任意一个列向量都可以写成用其他列向量表示的形式
    a i = − ∑ j ≠ i x j x i a j \pmb{a}_i = -\sum_{j\neq i} \frac{x_j}{x_i}\pmb{a}_j aaai=j=ixixjaaaj 这意味着,这组向量的线性相关性由线性方程组的解唯一确定

    1. ∃ x i ≠ 0 \exist x_i \neq 0 xi=0,对应的 a i \pmb{a}_i aaai 就真的能由其他列向量线性表示,这一组向量就线性相关了(这时有效方程数量少于未知数个数,齐次线性方程组有无穷多非零解)
    2. ∀ x i = 0 \forall x_i = 0 xi=0(即 x = 0 \pmb{x}=\pmb{0} xxx=000)时,这一组向量线性无关(这时有效方程数量等于未知数个数,齐次线性方程组有唯一的零解)
  • 对于线性方程组来说,对它做初等行变换是不改变解的(这正是高斯消元法的理论基础)。因此,对矩阵做初等行变换得到新矩阵

    1. 变换前后,任何相应部分的列向量组有相同的线性相关性
    2. 变换前后,行向量组等价(可以相互线性表出)
  • 由于行列的等价性,把上述讨论中所有 “行”,“列” 交换,仍成立文章来源地址https://www.toymoban.com/news/detail-447063.html

到了这里,关于线性代数拾遗(2)—— 何时用初等行变换,何时用初等列变换?的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 线性代数拾遗(6)—— 向量空间投影与投影矩阵

    参考:麻省理工线性代数 阅读本文前请先了解矩阵四个基本子空间,参考:线性代数拾遗(5) —— 矩阵的四个基本子空间 考察二维平面投影,如下将向量 b pmb{b} b 投影到向量 a pmb{a} a 方向,得到 a pmb{a} a 的子空间中的向量 p pmb{p} p ,假设是 a pmb{a} a 的 x x x 倍 如图可见

    2024年02月07日
    浏览(39)
  • 线性代数感悟之6 单位矩阵和初等矩阵

    最近在看 liuyubobobo 的  线性代数 课,感觉很妙,有些感悟记录一下~~~ ​  单位矩阵的特点:从左上角到右下角的对角线(称为主对角线)上的元素均为1。 使用行视角,将单位矩阵看成一个变化矩阵。 ​‘  那么 单位矩阵 第1行的作用: 将1行的数据保持不变,第2行,和

    2023年04月10日
    浏览(27)
  • 线性代数(六) 线性变换

    《线性空间》定义了空间,这章节来研究空间与空间的关联性 函数是一个规则或映射,将一个集合中的每个元素(称为自变量)映射到另一个集合中的唯一元素(称为因变量)。 一般函数从 “A” 的每个元素指向 “B” 的一个函数 它不会有一个 “A” 的元素指向多于一个

    2024年02月09日
    浏览(37)
  • 高等代数(七)-线性变换03:线性变换的矩阵

    § 3 § 3 §3 线性变换的矩阵 设 V V V 是数域 P P P 上 n n n 维线性空间, ε 1 , ε 2 , ⋯   , ε n varepsilon_{1}, varepsilon_{2}, cdots, varepsilon_{n} ε 1 ​ , ε 2 ​ , ⋯ , ε n ​ 是 V V V 的一组基, 现在我们来建立线性变换与矩阵的关系. 空间 V V V 中任一向量 ξ xi ξ 可以经 ε 1 , ε 2 , ⋯  

    2024年02月20日
    浏览(38)
  • 【线性代数】20 基变换,基变换公式,坐标变换公式

     前言:基变换在做图像压缩等计算的时候,经常用到。基变换和相似矩阵的定义也有非常密切的联系:基变换的本质就是变换了基向量的一个关联计算,在最小二乘的算法里面,通过选择正确的基可以将计算进行简化。 而正确的的特征向量和特征值的确定,又和本节的基变

    2024年02月07日
    浏览(32)
  • 线性代数:正交变换学习笔记

    在线性代数中,如果一个矩阵 A A A 满足 A T A = A A T = I A^T A = A A^T = I A T A = A A T = I ,则称其为正交矩阵。正交矩阵也常被称为正交变换。 正交变换是线性变换的一种特殊形式,它不改变向量的长度和夹角。因此,它可以用来描述旋转、镜像等几何变换。 正交矩阵有以下性质:

    2024年02月03日
    浏览(44)
  • 线性代数本质系列(二)矩阵乘法与复合线性变换,行列式,三维空间线性变换

    本系列文章将从下面不同角度解析线性代数的本质,本文是本系列第二篇 向量究竟是什么? 向量的线性组合,基与线性相关 矩阵与线性相关 矩阵乘法与复合线性变换 三维空间中的线性变换 行列式 逆矩阵,列空间,秩与零空间 克莱姆法则 非方阵 点积与对偶性 叉积 以线性

    2024年02月02日
    浏览(39)
  • 线性代数|证明:线性变换在两个基下的矩阵相似

    前置定义 1(基变换公式、过渡矩阵) 设 α 1 , ⋯   , α n boldsymbol{alpha}_1,cdots,boldsymbol{alpha}_n α 1 ​ , ⋯ , α n ​ 及 β 1 , ⋯   , β n boldsymbol{beta}_1,cdots,boldsymbol{beta}_n β 1 ​ , ⋯ , β n ​ 是线性空间 V n V_n V n ​ 中的两个基, { β 1 = p 11 α 1 + p 21 α 2 + ⋯ + p n 1 α n β 2

    2024年02月03日
    浏览(36)
  • 线性代数中基向量变换参照原理

    经常需要用到,又记不住,所以这里记录下来方便以后翻阅。 很重要。 截图出自书为:

    2024年02月13日
    浏览(24)
  • MIT线性代数笔记-第31讲-线性变换及对应矩阵

    线性变换相当于是矩阵的抽象表示,每个线性变换都对应着一个矩阵 例: 考虑一个变换 T T T ,使得平面上的一个向量投影为平面上的另一个向量,即 T : R 2 → R 2 T:R^2 to R^2 T : R 2 → R 2 ,如图: ​   图中有两个任意向量 v ⃗ , w ⃗ vec{v} , vec{w} v , w 和一条直线,作 v ⃗

    2024年02月03日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包