下载文档原格式
线性分解定理线性分解定理，又称为线性组合定理，是线性代数中的一个基本定理。
它将一个向量空间中的向量表示为一组基向量的线性组合，从而展示了向量空间的基本性质和结构。
线性分解定理可以用于表示任意一个向量在一组基向量下的坐标。
具体来说，设V是一个n维向量空间，B={v1,v2,...,vn}是V的一组基向量。
对于任意一个向量v∈V，存在唯一的一组标量c1,c2,...,cn，使得v=c1v1+c2v2+...+cnvn。
这就是线性分解定理的主要内容。
线性分解定理的证明可以通过数学归纳法来完成。
首先，当n=1时，线性分解定理显然成立。
假设对于任意n-1维的向量空间，线性分解定理都成立，即任意一个向量都可以表示为n-1个基向量的线性组合。
下面考虑n维向量空间的情况。
设v∈V是一个n维向量，B={v1,v2,...,vn}是V的一组基向量。
可以将B中的最后一个基向量vn表示为vn=b1v1+b2v2+...+bn-1vn-1，其中b1,b2,...,bn-1是标量。
然后，将vn代入到v的表达式中，可得v=c1v1+c2v2+...+cn-1vn-1+bnv1+bn-1v2+...+b1vn，其中c1,c2,...,cn-1,cn是待定的标量。
为了证明线性分解定理成立，需证明上述表达式中的cn=0。
假设cn≠0，则可以将上述表达式重新排列，得到v=c1v1+c2v2+...+cn-1vn-1+(bn+1)v1+bnv2+...+b1vn-1。
将它与已知条件v=c1v1+c2v2+...+cn-1vn-1+bnv1+bn-1v2+...+b1vn进行比较，可以发现这两个表达式表示的向量是相等的。
由于B是向量空间V的一组基向量，根据向量的唯一性原则，这说明了(v1,v2,...,vn-1,(bn+1))也是向量空间V的一组基向量。
然而，这与假设矛盾。
因为bn+1≠0，所以(bn+1)v1+bnv2+...+b1vn-1不等于零向量。
数学-线性代数导论-#4矩阵分解之LU分解的意义、步骤和成⽴条件线性代数导论 - #4 矩阵分解之LU分解的意义、步骤和成⽴条件⽬前我们⽤于解线性⽅程组的⽅法依然是Gauss消元法。
在Gauss消元法中，我们将右侧向量b与A写在⼀起作为⼀个增⼴矩阵进⾏同步的操作，这就默认了对A与b的操作数是相等的且每换⼀个b就要重复⼀遍对A的操作。
然⽽，在实际情况中，右侧向量b经常发⽣变化。
⽽且，研究发现，Gauss消元法中，对n阶矩阵A的消元操作数正⽐于n3，⽽对右侧向量b的回代操作（包括⾏变换和恢复成代数⽅程的形式）数仅仅正⽐于n2。
（操作次数上的相对⼤⼩可以根据A与b元素数量的差距进⾏猜想）在b不变时，两种算法上的复杂度差距不明显，选择同步操作更为⽅便直观。
但是，当b变化时，如果我们将对A和对b的操作进⾏分隔的话，只需对A完成⼀次完整的消元操作，再对b进⾏回代操作。
这样可以⼤⼤减少操作的次数。
所以，在b变化时，我们先对A单独进⾏分解操作。
其中的⼀种分解⽅法是LU分解。
这种⽅法的优势在于分解结果中L（上三⾓矩阵）和U（下三⾓矩阵）都是三⾓形矩阵，后续运算⽐较简便。
⽽且⼆者恰好相配，使⽤计算机进⾏运算时可以存储在⼀个数组中，节约存储空间。
利⽤A的LU分解解线性⽅程组的过程为将Ax=b等价变形成（LU）x=b，根据结合律有L(Ux)=b，再解Ly=b中的y，最后解Ux=y得到线性⽅程组的解。
LU分解的步骤如下：1.求U留E：沿⽤Gauss消元法，将A化为U，不同的是，变换过程中左边乘上的每⼀个E都要记录下来；2.逆E为L：将⽤到的E各⾃求逆（取含变换操作的元素的相反数）再逆序相乘（将消元乘数按照原来的位置写到⼀起，再补齐左上-右下对⾓线上的1和对⾓线上⽅的0），乘积即为L：E求逆的简便⽅法和乘积求逆的运算法则在#3中已经提到。
逆序相乘等价于归置消元乘数于下三⾓矩阵中是⼀个常⽤结论，记忆使⽤可以简化运算。
乘积为L的依据是：假设E为所有E的乘积，EA=U可变形为E-1EA=E-1U=IA=A=LU，其中L=E-1。
第四章线性方程组§1 消元法在实际问题中，我们经常要研究一个线性方程组的解，解线性方程组最常用的方法就是消元法，其步骤是逐步消除变元的系数，把原方程组化为等价的三角形方程组，再用回代过程解此等价的方程组，从而得出原方程组的解.例1 解线性方程组解 将第一个方程加到第二个方程，再将第一个方程乘以（-2）加到第三个方程得在上式中交换第二个和第三个方程，然后把第二个方程乘以-2加到第三个方程得再回代,得.分析上述例子，我们可以得出两个结论：（1） 我们对方程施行了三种变换：① 交换两个方程的位置；② 用一个不等于0的数乘某个方程；③ 用一个数乘某一个方程加到另一个方程上.我们把这三种变换叫作线性方程组的初等变换.由初等代数可知，以下定理成立.定理1 初等变换把一个线性方程组变为一个与它同解的线性方程组.（2） 线性方程组有没有解,以及有些什么样的解完全决定于它的系数和常数项，因此我们在讨论线性方程组时，主要是研究它的系数和常数项.定义1 我们把线性方程组的系数所组成的矩阵叫做线性方程组的系数矩阵，把系数及常数所组成的矩阵叫做增广矩阵.设线性方程组则其系数矩阵是增广矩阵是显然，对一个方程组实行消元法求解，即对方程组实行了初等变换，相当于对它的增广矩阵实行了一个相应的初等变换.而化简线性方程组相当于用行初等变换化简它的增广矩阵，这样，不但讨论起来比较方便，而且能够给予我们一种方法，利用一个线性方程组的增广矩阵来解这个线性方程组，而不必每次把未知量写出.例2 解线性方程组解 增广矩阵是,交换矩阵第一行与第二行，再把第一行分别乘以和(-2)加到第二行和第三行，再把第二行乘以(-2)得,在中将第二行乘以2加到第三行得,相应的方程组变为三角形(阶梯形)方程组：回代得.§2 线性方程组有解判别定理上一节我们讨论了用消元法解方程组(4.1)这个方法在实际解线性方程组时比较方便，但是我们还有几个问题没有解决，就是方程组(4.1)在什么时候无解?在什么时候有解?有解时，又有多少解?这一节我们将对这些问题予以解答.首先，由第三章，我们有下述定理定理2 设A是一个m行n列矩阵，通过矩阵的初等变换能把A化为以下形式这里ｒ≥0，ｒ≤ｍ，ｒ≤ｎ.注：以上形式为特殊标准情况，不过，适当交换变元位置，一般可化为以上形式.由定理2，我们可以把线性方程组(4.1)的增广矩阵进行初等变换化为：（4.２）与(4.2)相应的线性方程组为：（4.3）由定理1知：方程组(4.1)与方程组(4.3)是同解方程组，要研究方程组(4.1)的解，就变为研究方程组(4.3)的解.① 若ｄｒ＋１，ｄｒ＋２，…，ｄｍ中有一个不为0，方程组(4.3)无解，那么方程组(4.1)也无解.② 若ｄｒ＋１，ｄｒ＋２，…，ｄｍ全为0，则方程组(4.3)有解，那么方程组(4.1)也有解.对于情形①，表现为增广矩阵与系数矩阵的秩不相等，情形②表现为增广矩阵与系数矩阵的秩相等，由此我们可以得到如下定理.定理3 (线性方程组有解的判别定理)线性方程组（4.1）有解的充分必要条件是系数矩阵与增广矩阵有相同的秩r.① 当r等于方程组所含未知量个数n时，方程组有惟一的解；② 当r＜ｎ时，方程组有无穷多解.线性方程组（4.1）无解的充分必要条件是：系数矩阵A的秩与增广矩阵B的秩不相等.在方程组有无穷多解的情况下，方程组有n-r个自由未知量，其解如下：其中是自由未知量，若给一组数就得到方程组的一组解例3 研究线性方程组解 写出增广矩阵对进行初等行变换可化为由此断定系数矩阵的秩与增广矩阵的秩不相等，所以方程组无解.例4 在一次投料生产中，获得四种产品，每次测试总成本如下表:生产批次产品（公斤）总成本（元）ⅠⅡⅢⅣ12001001005029002500250200100705031004002013604400180160605500试求每种产品的单位成本.解 设Ⅰ、Ⅱ、Ⅲ、Ⅳ四种产品的单位成本分别为，由题意得方程组：化简，得写出增广矩阵对其进行初等行变换，化为由上面的矩阵可看出系数矩阵与增广矩阵的秩相等，并且等于未知数的个数，所以方程组有唯一解：例5 解线性方程组解 这里的增广矩阵是对其进行初等行变换，化为由上式可看出系数矩阵与增广矩阵的秩相等，所以方程组有解，对应的方程组是把移到右边，作为自由未知量，得原方程组的一般解为给自由未知量一组固定值：，我们就得到方程组的一个解.事实上，在例5中，也可作为自由未知量.我们同样可考察.。
