线性代数|定义:行阶梯形矩阵、行最简形矩阵和标准形

这篇具有很好参考价值的文章主要介绍了线性代数|定义:行阶梯形矩阵、行最简形矩阵和标准形。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。

前置知识:

  • 【定义】矩阵
  • 【定义】矩阵初等变换和矩阵等价

定义 1(行阶梯形矩阵) 非零矩阵若满足:

  1. 非零行在零行的上面;
  2. 非零行的首非零元在列的上一行(如果存在的话)的首非零元所在列的后面;

则称此矩阵为 行阶梯形矩阵

例如,下面的矩阵 A \boldsymbol{A} A 就是一个行阶梯形矩阵。
A = ( 1 1 − 2 1 4 0 1 − 1 1 0 0 0 0 1 − 3 0 0 0 0 0 ) \boldsymbol{A} = \begin{pmatrix} 1 & 1 & -2 & 1 & 4 \\ 0 & 1 & -1 & 1 & 0 \\ 0 & 0 & 0 & 1 & -3 \\ 0 & 0 & 0 & 0 & 0 \\ \end{pmatrix} A= 10001100210011104030
定义 2(行最简形矩阵) 若行阶梯形矩阵满足:

  1. 非零行的首非零元为 1 1 1
  2. 首非零元所在的列的其他元均为 0 0 0

则称此矩阵为 行最简形矩阵

例如,下面的矩阵 B \boldsymbol{B} B 就是一个行最简形矩阵。
B = ( 1 0 − 1 0 4 0 1 − 1 0 3 0 0 0 1 − 3 0 0 0 0 0 ) \boldsymbol{B} = \begin{pmatrix} 1 & 0 & -1 & 0 & 4 \\ 0 & 1 & -1 & 0 & 3 \\ 0 & 0 & 0 & 1 & -3 \\ 0 & 0 & 0 & 0 & 0 \\ \end{pmatrix} B= 10000100110000104330
定理 1 对于任何非零矩阵 m × n \boldsymbol{m \times n} m×n,总可经有限次初等行变换将它变为行阶梯形矩阵和行最简形矩阵。

证明 首先证明对于任何非零矩阵 m × n \boldsymbol{m \times n} m×n,总可经有限次初等行变换将它变为行阶梯形矩阵。

不妨设有 m × n m \times n m×n 矩阵 A \boldsymbol{A} A,不妨设其第 i i i 行第 j j j 列的元素为 a i j a_{ij} aij

首先对第 1 1 1 列进行如下处理。若第 1 1 1 列中的元素全部为 0 0 0,则没有非零行的首非零元处于第 1 1 1 列。若第 1 1 1 列中的元素不全为 0 0 0,则进行如下操作:

  1. 通过 “对换两行” 的操作,将第 1 1 1 列的元素不为 0 0 0 的行对换到第 1 1 1 行;
  2. 通过 “将第 1 1 1 行所有元的 k k k 倍加到另一行对应的元上去” 的操作,令第 i i i 行( i ≠ 1 i \ne 1 i=1)加上第 1 1 1 行所有元的 a i 1 a 11 \frac{a_{i1}}{a_{11}} a11ai1 倍,从而使除第 1 1 1 行外其他行第 1 1 1 列的元素均为 0 0 0

通过上述处理,可以保证第 1 1 1 列最多只有第 1 1 1 行一个非零元。接着一次对第 2 , 3 , ⋯   , n 2,3,\cdots,n 2,3,,n 列均进行上述处理。处理后的矩阵 B \boldsymbol{B} B 满足:

  • 每一行的首非零元一定在上一行(如果存在的话)的首非零元的列的右侧;
  • 如果有非零行的话,一定在矩阵的最下面;

因此矩阵 B \boldsymbol{B} B 为行阶梯形矩阵。

类似地,可以证明对于任何非零矩阵 m × n \boldsymbol{m \times n} m×n,总可经有限次初等行变换将它变为行最简形矩阵。

定义 3(标准形) 如果一个行最简形矩阵满足:

  1. 左上角是一个单位矩阵;
  2. 其他元全为 0 0 0

则此矩阵称为 标准形

例如,下面的矩阵 F \boldsymbol{F} F 就是标准形矩阵。
F = ( 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 ) \boldsymbol{F} = \begin{pmatrix} 1 & 0 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 & 0 \\ 0 & 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 \\ \end{pmatrix} F= 10000100001000000000
定理 2 对于 m × n m \times n m×n 矩阵 A \boldsymbol{A} A,总可经过有限次初等变换将它化为标准形
F = ( E r O O O ) m × n \boldsymbol{F} = \begin{pmatrix} \boldsymbol{E}_r & \boldsymbol{O} \\ \boldsymbol{O} & \boldsymbol{O} \end{pmatrix}_{m \times n} F=(ErOOO)m×n
此标准形由 m , n , r m,n,r m,n,r 三个数完全确定,其中 r r r 就是行阶梯形矩阵中非零行的行数。

证明 类似定理 1 可以证明。

所有与 A \boldsymbol{A} A 等价的矩阵组成一个集合,标准形 F \boldsymbol{F} F 是这个集合中形状最简单的矩阵。文章来源地址https://www.toymoban.com/news/detail-715101.html

到了这里,关于线性代数|定义:行阶梯形矩阵、行最简形矩阵和标准形的文章就介绍完了。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

  • 线性代数本质系列(一)向量,线性组合,线性相关,矩阵

    本系列文章将从下面不同角度解析线性代数的本质,本文是本系列第一篇 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 以线性变换

    2024年02月04日
    浏览(54)
  • 线性代数:线性方程求解、矩阵的逆、线性组合、线性独立

    本文参考www.deeplearningbook.org一书第二章2.3 Identity and Inverse Matrices 2.4 Linear Dependence and Span 本文围绕 线性方程求解 依次介绍矩阵的逆、线性组合、线性独立等线性代数的基础知识点。 本文主要围绕求解线性方程展开,我们先把线性方程写出来,方程如下: 其中,是已知的;,

    2024年02月08日
    浏览(54)
  • 0203逆矩阵-矩阵及其运算-线性代数

    定义7 对于 n n n 阶矩阵A,如果有一个 n n n 阶矩阵B,使 A B = B A = E AB=BA=E A B = B A = E 则说矩阵A是可逆的,并把矩阵B称为A的逆矩阵,简称逆阵。 定理1 若矩阵A可逆,则 ∣ A ∣ ≠ 0 vert Avert not = 0 ∣ A ∣  = 0 证明: A 可逆,即有 A − 1 ,使得 A A − 1 = E ∣ A A − 1 ∣ = ∣ A

    2024年04月13日
    浏览(60)
  • 线性代数基础--矩阵

     矩阵是由排列在矩形阵列中的数字或其他数学对象组成的表格结构。它由行和列组成,并且在数学和应用领域中广泛使用。 元素:矩阵中的每个数字称为元素。元素可以是实数、复数或其他数学对象。 维度:矩阵的维度表示矩阵的行数和列数。一个 m × n 的矩阵有 m 行和

    2024年02月11日
    浏览(47)
  • 线性代数基础【2】矩阵

    一、基本概念 ①矩阵 像如下图示的为矩阵,记为A=(aij)m*n ②同型矩阵及矩阵相等 若A、B为如下两个矩阵 如果A和B的行数和列数相等,那么A和B为同型矩阵,且A和B的元素相等(即:aij=bij),则称A和B相等 ③伴随矩阵 设A为n阶矩阵(如上图所示),设A的行列式|A|,则A中aij的余子式为Mij,代数余

    2024年02月04日
    浏览(53)
  • 线性代数——矩阵

    学习高等数学和线性代数需要的初等数学知识 线性代数——行列式 线性代数——矩阵 线性代数——向量 线性代数——线性方程组 线性代数——特征值和特征向量 线性代数——二次型 本文大部分内容皆来自李永乐老师考研教材和视频课。 从矩阵的转置章节到方阵和行列式

    2023年04月08日
    浏览(271)
  • 线性代数(七) 矩阵分析

    从性线变换我们得出,矩阵和函数是密不可分的。如何用函数的思维来分析矩阵。 通过这个定义我们就定义了矩阵序列的 收敛性 。 研究矩阵序列收敛性的常用方法,是用《常见向量范数和矩阵范数》来研究矩阵序列的极限。 长度是范数的一个特例。事实上,Frobenius范数对

    2024年02月08日
    浏览(50)
  • 投影矩阵推导【线性代数】

    如果两个向量垂直,那么满足。但如果两个向量不垂直,我们就将 b 投影到 a 上,就得到了二者的距离,我们也称为向量 b 到直线 a 的误差。这样就有出现了垂直:                (1) 投影向量 p 在直线上,不妨假设  ,那么误差 。带入式(1)中得到: 投影矩阵:  

    2024年02月06日
    浏览(61)
  • 线性代数-矩阵的本质

    线性代数-矩阵的本质

    2024年02月11日
    浏览(48)
  • 线性代数:矩阵的秩

    矩阵的秩(Rank)是线性代数中一个非常重要的概念,表示一个矩阵的行向量或列向量的线性无关的数量,通常用 r ( A ) r(boldsymbol{A}) r ( A ) 表示。具体来说: 对于一个 m × n mtimes n m × n 的实矩阵 A boldsymbol{A} A ,它的行秩 r ( A ) r(boldsymbol{A}) r ( A ) 定义为 A boldsymbol{A} A 的各

    2024年02月07日
    浏览(47)

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