线性代数及其应用笔记

本文详述了线性代数的基础概念,包括线性方程组、矩阵代数及其在计算机图形学中的应用。通过矩阵的性质讨论了线性变换、特征值与特征向量,并介绍了正交性和最小二乘法。文章强调线性代数在解决实际问题中的重要性,适合复习和查阅。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

线代最近好多地方都要用到,然而之前学的太渣啦,这次复yu习xi一遍记一下~
本文应配合原书食用,只是作为通读全书之后方便查阅的参考,而非用作单独学习线代

第1章 线性代数中的线性方程组

  1. 线性方程组等价解集相同增广矩阵行等价
  2. 线性方程组的解:null/one/infinite
  3. 线性方程组相容:有解(one/infinite)
  4. 行初等变换
    • 倍加:加上另一行的倍数
    • 对换:两行互换
    • 倍乘:一行各元素乘一个标量
  5. 行初等变换是可逆
  6. (行)阶梯形矩阵(缩写为REF)
    • 每一非零行在每一零行之上
    • 下方的行的先导元素在右方
    • 推论:先导元素(一行的最左非零元素)所在列的下面全是零
  7. 简化(行)阶梯形(缩写为RREF)
    • 先导元素都是1
    • 先导元素是所在列唯一的非零元素
  8. 简化阶梯形是唯一的
  9. 主元位置:阶梯形中先导元素的位置;主元列*:含主元位置的列
  10. 主元列对应基本变量,非主元列对应自由变量
  11. 方程组通解的形式(举例说明):
    x1=5x3+1x2=x3+4x3is free{ x1=5x3+1x2=−x3+4x3is free
  12. 线性方程组相容增广矩阵最右列不是主元列(没有0=b0=b情况出现,其中bb为非零常数)
  13. 线性组合 c 1 v 1 + c 2 v 2 + c n v n
  14. 向量方程x1a1+x2a2++xnan=b⃗ x1a1→+x2a2→+⋯+xnan→=b→与增广矩阵[a1a2anb⃗ ][a1→a2→⋯an→b→]解集相同
  15. Span{ v⃗ 1,v⃗ 2,,v⃗ p}Span{ v→1,v→2,⋯,v→p}为这些向量生成的子集,即它们线性组合产生的向量的集合
  16. Ax⃗ Ax→可以理解为AA中各列以 x 中对应分量为权重的线性组合
  17. Ax⃗ =b⃗ Ax→=b→有解 b⃗ b→中各列是AA中各列的线性组合
  18. 下列命题等价:
    • A x = b RmRm中的每个b⃗ b→都有解
    • RmRm中的每个b⃗ b→都是AA的列的线性组合
    • A 的各列生成RmRm
    • AA的每一行都有一个主元位置
    • (注意 A 是系数矩阵而非增广矩阵)
    • 齐次线性方程组Ax⃗ =0⃗ Ax→=0→(等式右边不为0⃗ 0→称为非齐次线性方程组)
    • Ax⃗ =0⃗ Ax→=0→存在非平凡解存在自由变量
    • 非齐次线性方程组的解:若Ax⃗ =b⃗ Ax→=b→有一个特解p⃗ p→,则它的通解为所有形如w⃗ =p⃗ +v⃗ hw→=p→+v→h的向量,其中v⃗ hv→hAx⃗ =0⃗ Ax→=0→的任意一个解
    • 线性无关x1v⃗ +x2+xpv⃗ p=0⃗ x1v→+x2⋯+xpv→p=0→仅有平凡解,那么这些向量线性无关
    • 线性相关集的特征:S={ v1,v2,vp}S={ v1,v2,⋯vp}线性相关至少有一个向量是其他向量的线性组合
    • RnRn中的pp个向量的集合,当 p > n 时一定为线性相关集
    • 若向量集中含有0⃗ 0→,则它们线性相关
    • RnRnRmRm的变换TT是一个规则将 R n 每个向量x⃗ x→对应到RmRm中的向量T(x
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值