赞
踩
对于一个
n
×
m
n\times m
n×m的矩阵
A
=
[
a
i
j
]
A=[a_{ij}]
A=[aij],我们可以在它的右边加上一个
n
×
1
n\times1
n×1的列向量
b
b
b,得到一个
n
×
(
m
+
1
)
n\times(m+1)
n×(m+1)的矩阵
[
A
∣
b
]
A
=
[
a
11
a
12
⋯
a
1
m
a
21
a
22
⋯
a
2
m
⋮
⋮
⋱
⋮
a
n
1
a
n
2
⋯
a
n
m
]
,
[
A
∣
b
]
=
[
a
11
a
12
⋯
a
1
m
∣
b
1
a
21
a
22
⋯
a
2
m
∣
b
2
⋮
⋮
⋱
⋮
∣
⋮
a
n
1
a
n
2
⋯
a
n
m
∣
b
n
]
A=
对于矩阵
A
=
[
1
2
3
4
5
6
]
A=
[
A
∣
b
]
=
[
1
2
3
∣
7
4
5
6
∣
8
]
一个线性方程组可以表示为 A x = b Ax=b Ax=b的形式,其中 A A A是系数矩阵, x x x和 b b b都是列向量。
设
A
A
A为
m
×
n
m\times n
m×n的矩阵,
x
x
x和
b
b
b都是
n
n
n维列向量,则
A
x
=
b
Ax=b
Ax=b是一个包含
m
m
m个线性方程的线性方程组。这个线性方程组可以转化为增广矩阵
[
A
∣
b
]
下面的线性方程组可以表示为 A x = b Ax=b Ax=b的形式:
{
x
1
+
2
x
2
−
3
x
3
=
−
1
4
x
1
+
5
x
2
+
6
x
3
=
2
7
x
1
+
8
x
2
+
9
x
3
=
5
对应的系数矩阵 A A A和列向量 b b b分别为:
A
=
[
1
2
−
3
4
5
6
7
8
9
]
,
b
=
[
−
1
2
5
]
A=
将它们组合在一起,得到增广矩阵
[
A
∣
b
]
[
A
∣
b
]
=
[
1
2
−
3
∣
−
1
4
5
6
∣
2
7
8
9
∣
5
]
3 3 3种初等行变换可以在增广矩阵上进行,它们分别是:
下面是一个增广矩阵的例子:
[
1
2
−
3
∣
−
1
4
5
6
∣
2
7
8
9
∣
5
]
对它进行以下初等行变换:
得到新的增广矩阵为:
[
1
2
−
3
∣
−
1
0
−
3
18
∣
6
0
−
6
12
∣
4
]
→
[
1
2
−
3
∣
−
1
0
−
6
12
∣
4
0
−
3
18
∣
6
]
→
[
1
2
−
3
∣
−
1
0
−
2
4
∣
4
3
0
−
3
18
∣
6
]
→
[
1
2
−
3
∣
−
1
0
1
−
2
∣
−
2
3
0
−
3
18
∣
6
]
→
[
1
2
−
3
∣
−
1
0
1
−
2
∣
−
2
3
0
0
0
∣
0
]
一个矩阵是行阶梯形式的,当且仅当它满足以下两个条件:
对于增广矩阵
[
A
∣
b
]
[
1
2
−
3
∣
−
1
0
1
−
2
∣
−
2
3
0
0
0
∣
0
]
则我们可以直接得到线性方程组的解:
x 1 = − 5 x 2 + 7 , x 3 = k x_1=-5x_2+7,\quad x_3=k x1=−5x2+7,x3=k
其中 k k k为任意实数。
一个矩阵是简化行阶梯形式的,当且仅当它是行阶梯形式的,并且满足以下两个条件:
对于增广矩阵
[
A
∣
b
]
[
1
0
0
∣
−
5
3
0
1
0
∣
4
3
0
0
1
∣
0
]
则我们可以直接得到线性方程组的解:
x 1 = − 5 3 , x 2 = 4 3 , x 3 = 0 x_1=-\frac{5}{3},\quad x_2=\frac{4}{3},\quad x_3=0 x1=−35,x2=34,x3=0
一个矩阵的秩是指其行阶梯形式的非零行数。
对于增广矩阵
[
A
∣
b
]
[
1
2
−
3
∣
−
1
0
−
2
4
∣
4
3
0
0
0
∣
0
]
则该矩阵的秩为 2 2 2。
本文介绍了增广矩阵的定义和与线性方程组的关系,以及增广矩阵的初等行变换、矩阵的行阶梯形式和简化行阶梯形式、矩阵的秩等概念。在学习线性代数时,这些概念都非常重要,希望读者能够掌握。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。