线性代数第四章分解

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.。

线性代数知识点总结（第4章）（一）方程组的表达形与解向量1、解的形式：(1)一般形式(2)矩阵形式：Ax=b；(3)向量形式：A=（α1，α2，…，αn）2、解的定义：若η=（c1，c2，…，c n）T满足方程组Ax=b，即Aη=b，称η是Ax=b的一个解（向量）（二）解的判定与性质3、齐次方程组：（1）只有零解←→r（A）=n（n为A的列数或是未知数x的个数）（2）有非零解←→r（A）＜n4、非齐次方程组：（1）无解←→r（A）＜r（A|b）←→r（A）=r（A）-1（2）唯一解←→r（A）=r（A|b）=n（3）无穷多解←→r（A）=r（A|b）＜n5、解的性质：（1）若ξ1，ξ2是Ax=0的解，则k1ξ1+k2ξ2是Ax=0的解（2）若ξ是Ax=0的解，η是Ax=b的解，则ξ+η是Ax=b的解（3）若η1，η2是Ax=b的解，则η1-η2是Ax=0的解【推广】（1）设η1，η2，…，ηs是Ax=b的解，则k1η1+k2η2+…+k sηs为Ax=b的解（当Σk i=1）Ax=0的解（当Σk i=0）（2）设η1，η2，…，ηs是Ax=b的s个线性无关的解，则η2-η1，η3-η1，…，ηs-η1为Ax=0的s-1个线性无关的解。

变式：①η1-η2，η3-η2，…，ηs-η2②η2-η1，η3-η2，…，ηs-ηs-1（三）基础解系6、基础解系定义：（1）ξ1，ξ2，…，ξs是Ax=0的解（2）ξ1，ξ2，…，ξs线性无关（3）Ax=0的所有解均可由其线性表示→基础解系即所有解的极大无关组注：基础解系不唯一。

任意n-r（A）个线性无关的解均可作为基础解系。

★7、重要结论：（证明也很重要）设A施m×n阶矩阵，B是n×s阶矩阵，AB=O（1）B的列向量均为方程Ax=0的解（2）r（A）+r（B）≤n（第2章，秩）8、总结：基础解系的求法（1）A为抽象的：由定义或性质凑n-r（A）个线性无关的解（2）A为数字的：A→初等行变换→阶梯型自由未知量分别取1,0,0；0,1,0；0,0,1；代入解得非自由未知量得到基础解系（四）解的结构（通解）9、齐次线性方程组的通解（所有解）设r（A）=r，ξ1，ξ2，…，ξn-r为Ax=0的基础解系，则Ax=0的通解为k1η1+k2η2+…+k n-rηn-r （其中k1，k2，…，k n-r为任意常数）10、非齐次线性方程组的通解设r（A）=r，ξ1，ξ2，…，ξn-r为Ax=0的基础解系，η为Ax=b的特解，则Ax=b的通解为η+ k1η1+k2η2+…+k n-rηn-r （其中k1，k2，…，k n-r为任意常数）（五）公共解与同解11、公共解定义：如果α既是方程组Ax=0的解，又是方程组Bx=0的解，则称α为其公共解12、非零公共解的充要条件：方程组Ax=0与Bx=0有非零公共解←→有非零解←→13、重要结论（需要掌握证明）（1）设A是m×n阶矩阵，则齐次方程A T Ax=0与Ax=0同解，r（A T A）=r（A）（2）设A是m×n阶矩阵，r（A）=n，B是n×s阶矩阵，则齐次方程ABx=0与Bx=0同解，r（AB）=r（B）。

矩阵分析第四章 矩阵分解§4.1: 矩阵的满秩分解 §4.2: 矩阵的正交三角分解 §4.3: 矩阵的奇异值分解 §4.4: 矩阵的极分解 §4.5: 矩阵的谱分解矩阵分解前言矩阵分解定义: 将一个已知矩阵表示为另一些较为简单或 较为熟悉的矩阵的积(或和)的过程称为矩阵分解. 例:(1)对任意n阶正规矩阵A,存在酉阵U∈Un×n使 A=Udiag(λ1,…,λn)U*, 其中λ1,…,λn为A的所有特征值的任一排列. (2)对任意n阶正定矩阵A,存在可逆阵Q∈Cnn×n使A=Q*Q,或存 在唯一正定阵B使A=BB. 矩阵分解意义:有利于研究已知的矩阵. 例如,利用正定阵A的平方根B为正定阵可证: 对任意Hermite阵H,AH或HA都有实特征值.1( AH∼(A1/2)-1AHA1/2=A1/2HA1/2∈Hn×n )2初等变换与初等矩阵(p73)三类初等变换: (行(列)变换←→左(右)乘) (1)将矩阵A的两行互换等价于用第一类初等矩阵P(i,j)左 乘A; (2)将矩阵A的第i行乘以k≠0等价于用第二类初等矩阵 P(i(k))=diag(1,…,1,k,1,…,1)左乘A. (3)将矩阵A的第j行乘以k≠0后再加到第i行等价于左乘第 三类初等矩阵P(i,j(k)).P (i , j ) =⎛1 ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ 1 0 1 1 1 0 1 1初等变换与初等矩阵举例⎛1 ⎞⎛ 1 4 7 ⎞ ⎛ 1 4 7 ⎞ ⎜ 0 1 ⎟⎜ 2 5 8 ⎟ = ⎜ 3 6 9 ⎟ ; ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ 1 0 ⎟⎜ 3 6 9 ⎟ ⎜ 2 5 8 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠ ⎛1 4 7⎞⎛1 ⎞ ⎛ 1 7 4⎞ ⎜ 2 5 8⎟⎜ 0 1⎟ = ⎜ 2 8 5⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ 3 6 9⎟⎜ 1 0⎟ ⎜ 3 9 6⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠⎛1 ⎞⎛1 4 7⎞ ⎛ 1 4 7 ⎞ ⎜ ⎟⎜ ⎟ ⎜ ⎟ 0.2 ⎟ ⎜ 2 5 8 ⎟ = ⎜ 0.4 1 1.6 ⎟ ; ⎜ ⎜ 1⎟⎜ 3 6 9 ⎟ ⎜ 3 6 9 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠⎛1 4 7⎞⎛1 ⎞ ⎛ 1 4 7 / 9⎞ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ 2 5 8⎟⎜ 1 ⎟ = ⎜ 2 5 8/9⎟ ⎜ 3 6 9⎟⎜ 1/ 9 ⎟ ⎜ 3 6 1 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠---- i ---- j⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ 1⎠P (i , j ( k )) =⎛1 ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝1k 1⎞ ⎟ ⎟ ⎟ ---⎟ ⎟ ⎟ ---⎟ ⎟ ⎟ 1⎠i j3⎛1 ⎞⎛ 1 2 3⎞ ⎛ 1 2 3 ⎞ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ −4 1 ⎟ ⎜ 4 5 6 ⎟ = ⎜ 0 −3 −6 ⎟ ; ⎜ 1⎟⎜ 7 8 9⎟ ⎜ 7 8 9 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠−3 ⎞ ⎛ 1 2 0 ⎞ ⎛ 1 2 3⎞⎛1 ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ 4 5 6⎟⎜ 1 ⎟ = ⎜ 4 5 −6 ⎟ ⎜7 8 9⎟⎜ 1 ⎟ ⎜ 7 8 −12 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠4初等变换与初等矩阵的性质3类初等矩阵都是可逆的(行列式不为0). 将A依次作初等矩阵P1,…,Pr对应的行(列)初等变换等价 于左(右)乘A以可逆矩阵Pr…P1(P1…Pr). 可适当选第一类初等矩阵的乘积P使PA(AP)的行(列)是A 的行(列)的任意排列; 可适当选第三类初等矩阵 P(i,j(k))中的k使P(i,j(k))A的(i,j)元变为0; 可适当选第二类初等矩阵P(i(k))中的k使P(i(k))A的非 零(i,i)元变为1. 存在初等矩阵的乘积P和Q,使PAQ= ,其中r=rankA.初等变换与初等矩阵的性质续命题:设A∈Crm×n前r列线性无关,则用初等行变换可把A变为⎛ Er ⎜ ⎝ 0 ⎛1 ⎜ ⎜ D⎞ ⎜ = ⎜ ⎟ 0 ⎠ ⎜ ⎜ ⎜ ⎜ ⎝ 1 1 * * * * *⎞ ⎟ *⎟ *⎟ ⎟ *⎟ ⎟ ⎟ ⎟ ⎠一般地,∀A∈Crm×n都存在m,n阶可逆阵P和Q使PAQ=5证:因前r列线性无关,故用第一类初等矩阵左乘可使A的 (1,1)元≠0. 再用第二类初等矩阵左乘可使a11=1; 最后用若干第三类初等矩阵左乘可使A的第一列=e1. 因前2列线性无关,故新的第2列与e1线性无关且≠0, 故用第一类行变换可使(2,2)元≠0,…可使A的第2列=e2. ….可使A的第r列=er.此时空白处必为0元.安徽大学 章权兵1矩阵分析§4.1: 矩阵的满秩分解⎛ 1 ⎜ A = ⎜ −2 ⎜ 0 ⎝ 0 0 0 0⎞ ⎛1 ⎟ ⎜ 1 ⎟ , 没 有 P ∈ C 33 × 3 使 P A = ⎜ ⎟ ⎜ 0⎠ ⎝0 0 0 0⎞⎛1 ⎟⎜ 1⎟⎜0 0⎟⎜0 ⎠⎝ 0 0 1 0⎞ ⎛ 1 ⎟ ⎜ 1 ⎟ = ⎜ −2 0⎟ ⎜ 0 ⎠ ⎝ 0 1 0 0⎞ ⎟ 0⎟ 0⎟ ⎠1⎞ ⎟ ⎟. 0⎟ ⎠定义:对任意矩阵A∈Crm×n,A=BC 称为A的一个满秩分 解,如果B∈Crm×r,C∈Crr×n. 例:⎛1 ⎜ ⎜1 ⎜0 ⎝ 1 2 1 2 3 1 3 ⎞ ⎛1 ⎟ ⎜ 2 ⎟ = ⎜1 − 1⎟ ⎜ 0 ⎠ ⎝ 1⎞ ⎟⎛ 1 2 ⎟⎜ ⎜0 1 ⎟⎝ ⎠ ⎛1 4 ⎞ ⎜ ⎟ = ⎜1 ⎟ 1 1 − 1⎠ ⎜ ⎝0 0 1 2⎞ ⎟⎛ 1 3 ⎟⎜ ⎜0 1 ⎟⎝ ⎠ −1 0 1 1 5 ⎞ ⎟ − 1⎟ ⎠⎛ 1 ⎜ A P ( 2, 3) = ⎜ − 2 ⎜ 0 ⎝⎛ 1 0 0 ⎞ ⎛ 1 0 0 ⎞ ⎛ 1 0.5 0 ⎞ ⎜ ⎟⎜ ⎟ ⎜ ⎟ PAQ = P (2,1(0.5)) AP (2, 3) = ⎜ 0.5 1 0 ⎟ ⎜ −2 1 0 ⎟ = ⎜ 0 1 0 ⎟ ⎜ 0 0 1⎟⎜ 0 0 0⎟ ⎜ 0 0 0⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠m=3,n=4,r=2. 注:可能存在不仅是常数差别的两个实质不同的满 秩分解.矩阵满秩分解的存在定理定理4.1.1:任意矩阵A∈Crm×n,都有满秩分解: A=BC,B∈Crm×r,C∈Crr×n. 证:由初等矩阵性质知: 存在可逆阵P∈Cmm×m和Q∈Cnn×n,使 PAQ= 从而 A⎛ Er ⎜ ⎜ 0 ⎝ 0 ⎞ ⎛ Er ⎟=⎜ 0⎟ ⎜ 0 ⎠ ⎝ ⎛ Er ⎞ -1 ⎜ ⎟ ( E r =P ⎝ 0 ⎠ ⎞ ⎟ ⎟ (E r ⎠ 0)存在定理中矩阵B,C的决定对于A的前r列线性无关的情形:⎛E PA = ⎜ r ⎝ 0 D ⎞ ⎛ Er ⎞ = (Er 0 ⎟ ⎜ 0 ⎟ ⎠ ⎝ ⎠ D)⎛E A = P −1 ⎜ r ⎝ 0D⎞ Er ⎞ −1 ⎛ ⎟= P ⎜ ⎟ (Er 0 ⎠ ⎝ 0 ⎠D ) = BC其中0)⎛E ⎞ B = P −1 ⎜ r ⎟ ; C = ( Er ⎝0⎠D)Q-10)= BC,⎛ 其中B=P-1 ⎜Er ⎞ ⎜ 0 ⎟ ,C= ⎟ ⎝ ⎠(ErQ-1满足所要求的条件.C是PA的前r行(即所有非0行)组成的矩阵, B和C的秩显然都是r.10矩阵B的进一步决定对于A的前r列线性无关的情形: 要求PA的前r列化为(Er,0)T,故有 B=P-1(Er,0)T ⇒ PB=(Er,0)T=PA1, 其中,A1为A前r列组成的子矩阵,由此推出B=A1. (参看P.183-184定理的证明及例4.1.1,例4.1.2) 对下例,A的第1,3两列也线性无关. 令A1为A第1,3两列组成的子矩阵,并将A的第1,3 两列化为(E2,0)T,C为所得矩阵的前2行. 则不难看出也有 A=BC和B=A1.求矩阵满秩分解的初等变换方法再以A= ⎜ 1 ⎜⎛1 1 2 3 ⎞ ⎟ 2 3 2 ⎟ 为例作说明如下: ⎜ 0 1 1 −1⎟ ⎝ ⎠①用初等行变换把A前两列变为(E2 0)T⎛1 1 2 3 ⎞ ⎛1 1 2 3 ⎞ ⎛1 0 1 4 ⎞ ⎛1 1⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎛1 0 1 4 ⎞ ⎜ 1 2 3 2 ⎟ → ⎜ 0 1 1 −1 ⎟ → ⎜ 0 1 1 −1⎟ = ⎜ 1 2 ⎟ ⎜ 0 1 1 −1⎟ ⎠ ⎜ 0 1 1 −1 ⎟ ⎜ 0 1 1 −1 ⎟ ⎜ 0 0 0 0 ⎟ ⎜ 0 1 ⎟ ⎝ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ a1 a2 ②用初等行变换把A的1,3两列变为(E2 0)T ⎛1 1 2 3 ⎞ ⎛1 1 2 ⎜ ⎟ ⎜ ⎜1 2 3 2 ⎟ → ⎜0 1 1 ⎜ 0 1 1 −1 ⎟ ⎜ 0 1 1 ⎝ ⎠ ⎝ 3 ⎞ ⎛ 1 −1 0 5 ⎞ ⎛ 1 2 ⎞ ⎟ ⎜ ⎟ ⎜ ⎟ ⎛ 1 −1 0 5 ⎞ −1 ⎟ → ⎜ 0 1 1 − 1 ⎟ = ⎜ 1 3 ⎟ ⎜ ⎟ 0 1 1 −1 ⎠ −1 ⎟ ⎜ 0 0 0 0 ⎟ ⎜ 0 1 ⎟ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠a1 a3安徽大学 章权兵2矩阵分析关于矩阵满秩分解的注矩阵满秩分解不唯一;但同一矩阵的两个满秩分 解的因式矩阵之间存在密切关系(见定理4.1.2). A∈Crm×n ⇒ r=rank A ≤ min{m,n} A的秩等于它的行秩,列秩或行列式秩. A的行(列)秩是它的行(列)最大线性无关组的行 (列)数;A的行列式秩是其非0子式的最大阶数. A=BC ⇒ rank A≤rank B 且 rank A≤rank C rank A=rank A*13引理4.3.1引理4.3.1:对任意矩阵A∈Crm×n有 rank(AA*)=rank(A*A)=rank A*=rank A=r. 证:因方程组Ax=0的解空间维数等于n-rank A, (*) 故为了证明 rank(A*A)=rank A 只须证明下列两个方程组有相同的解空间即可 Ax=0 ⑴ ⑵ A*Ax=0 显然,x满足⑴ ⇒ x满足⑵. x满足⑵ ⇒ x*A*Ax=0,即(Ax,Ax)=0 ⇒ Ax=0,即x满足⑴. 注:利用A的任意性以A*代A由(*)得 rank A=rank A*=rank((A*)*A*)=rank(AA*)同一矩阵两个满秩分解间的关系定理4.1.2:若A=BC=B1C1均为A∈Crm×n 的满秩分解, 则存在θ∈Crr×r,使得B=B1θ,C=θ-1C1. 证:若A=BC=B1C1,则BCC*=B1C1C*. 由p.190引理4.3.1知:rank(CC*)=rank C=r, 从而 CC*∈Crr×r为可逆矩阵,且满足B=B1C1C*(CC*)-1. 由上式推出r≥rank(C1C*)≥rank B=r,即rank(C1C*)=r. 进而 θ=C1C*(CC*)-1∈Crr×r,满足B=B1θ. 同理可证 C=(B*B)-1B*B1C1=θ′C1,θ′∈Crr×r. 因此,BC=B1C1 ⇒ B1θθ′C1=B1C1 ⇒ B1*B1θθ′C1C1* = B1*B1C1C1* 引理4.3.1 ⇒ θθ′=E ⇒ θ′=θ-1定理4.1.2的补充命题:设A=B1C1为A∈Crm×n的满秩分解, 则A=BC是A的满秩分解,当且仅当 ∃θ∈Crr×r, B=B1θ,C=θ-1C1. 证: 必要性由定理4.1.2给出. 充分性. 若存在θ使(*)成立,则B,C给出A的满秩分解： BC=B1C1=A. (*)§4.2: 矩阵的正交三角分解满秩矩阵的分解 行(列)满秩矩阵的分解 一般矩阵的分解满秩矩阵的正交三角分解定理4.2.1:∀A∈Cnn×n都可唯一地分解为A=UR(或A=LU),其中 U∈Un×n,R(L)为正线上(或下)三角矩阵. 证:(存在性)令A=(α1, … ,αn),则α1, … ,αn线性无关, 用Schmidt方法从α1, … ,αn得标准正交组ν1,…,νn满足⎧ ⎪ ⎪ ⎨ ⎪ ⎪α ⎩α 1 = C 11ν 11αn2= C 21ν1+ C 22 ν22∀i,Cii=‖βi‖>0n= C n 1ν+ Cn2ν+ ... + C nn νC 21 C 22于是其中,U=(ν1,…,νn)为酉矩阵,R为正线上三角矩阵.⎛ C 11 ⎜ A= (α 1 ,..., α n ) = (ν 1 ,..., ν n ) ⎜ ⎜ ⎜ ⎜ ⎝C n1 ⎞ ⎟ C n2 ⎟ ⎟ ⎟ C nn ⎟ ⎠=UR,安徽大学 章权兵3矩阵分析β1=α1 , β2=α2-((α2,β1)/(β1,β1))β1 , β3=α3-((α3,β1)/(β1,β1))β1-((α3,β2)/(β2,β2))β2 , . . . νi=(1/‖βi‖)βi, βi=‖βi‖νi, i=1,2,… α1=β1=‖β1‖ν1; C11=‖β1‖>0 α2=((α2,β1)/(β1,β1))β1+β2=C21ν1+‖β2‖ν2;C22=‖β2‖>0正交三角分解唯一性证明定理4.2.1:∀A∈Cnn×n都可唯一地分解为A=UR(或A=LU), 其中U∈Un×n,R(L)为正线上三角矩阵. (唯一性) 设还有U′∈Un×n和正线上三角矩阵R′使A=U′R′. 则有 UR=U′R′ ⇒ U′*U = R′R-1 = W 矩阵 W=U′*U∈Un×n,且W=R′R-1 仍然是正线上三角矩阵. (正线上三角阵的逆和积仍是正线上三角阵) 于是,由p.162的引理3.9.1知 W=E. 即 (U′)*U=R′R-1=E. 由此式立即推出:U=U′E=U′ & R′=ER=R. 得证唯一性.α3=C31ν1+C32ν2+‖β3‖ν3; . . .C33=‖β3‖>0正交三角分解下三角情形的证明定理4.2.1:∀A∈Cnn×n都可唯一地分解为A=LU,其中 U∈Un×n,L为正线下三角矩阵. 证: ∀A∈Cnn×n ⇒ AT∈Cnn×n. 存在唯一的U′∈Un×n和正线上三角矩阵R,使AT=U′R. 于是A=(AT)T=(U′R)T=RTU′T=LU, 其中,U=U′T∈Un×n,L=RT为正线下三角矩阵.列(行)满秩矩阵的正交三角分解定理4.2.2:∀A∈Crm×r(Crr×n)都可唯一地分解为A=UR (A=LU), 其中U∈Urm×r(Urr×n),R(L)为r阶正上线(下)三角矩阵. (定理4.2.1为m=n=r时的特例) 证:(存在性)令A=(α1, … ,αr),则α1, … ,αr线性无关, 用Schmidt方法求得标正组ν1,…,νr满足⎧ ⎪ ⎪ ⎨ ⎪ ⎪α ⎩αr2α 1 = C 1 1ν 1 = C 2 1ν 1 + C 2 2ν22∀i,Cii>0.r= C r 1ν 1 + C r 2ν+ . . . + C r rν因此A=UR,其中U=(ν1,…,νr)∈Urm×r, R=⎛ C 11 ⎜ ⎜ ⎜ ⎜ ⎝C 21 C 22C r1 ⎞ ⎟ Cr2 ⎟ ⎟ ⎟ C rr ⎠定理4.2.2唯一性证明定理4.2.2: ∀A∈Crm×r都可唯一地分解为A=UR,其中 U∈Urm×r,R为r阶正线上三角矩阵. (唯一性) 设还有U′∈Urm×r和正线上三角矩阵R′∈Cr×r 使A=U′R′. 则有 R*R=A*A=(R′)*R′, 于是由定理3.9.1⑹,A*A是正定Hermite矩阵. 故A*A可唯一地表示为乘积R*R,其中R为正线上三角阵. 因此必有R=R′. 进而,由UR=U′R′给出U=U′,得证唯一性.一般矩阵的正交三角分解定理4.2.3:∀A∈Crm×n可分解为A=U1R1L2U2,其中U1∈Urm×r, U2∈Urr×n,R1和L2分别为r阶正线上三角和下三角矩阵. 证:由矩阵的满秩分解知: 存在列满秩矩阵B和行满秩矩阵C使A=BC. 存在U1∈Urm×r和r阶正上线上三角矩阵R1使得B=U1R1. 存在r阶正线下三角矩阵L2和U2∈Urr×n使得C=L2U2. 从而A=U1R1L2U2满足条件.安徽大学 章权兵4矩阵分析用UR(LU)分解方法解方程组例4.2.1:用UR(LU)方法解方程组 Ax=b (*) − 2 ⎞ 1 ⎛ 1 ⎞ 其中 ⎛ − 3 ⎜ ⎟ ⎜ ⎟⎜ 1 A = ⎜ 1 ⎜ ⎜ 2 ⎝ 1 1 − 1 − 1 0 1 ⎟ ⎜ 0 ⎟, b = ⎜ 2 ⎟ ⎜ ⎟ ⎜ 1 ⎠ ⎝ ⎟ ⎟. ⎟ ⎟ ⎠§4.3: 矩阵的奇异值分解引理4.3.1:对任意矩阵A∈Crm×n有 rank(AA*)=rank(A*A)=rank A*=rank A=r. 引理4.3.2: ∀A∈Cm×n,AA*∈Cm×m 与 A*A∈Cn×n 均为 半正定Hermite矩阵. 证:由(A*A)*=A*A 和 ∀x∈Cn,x*A*Ax=(Ax,Ax)≥0 得证:A*A∈Cn×n 为半正定Hermite矩阵. 同理可证: AA*∈Cm×m 为半正定Hermite矩阵.解:令A=(α1,α2,α3),易见α1,α2,α3线性无关, 用Schmidt方法得标准正交组ν1,ν2,ν3如教本所示. 则A=UR,R为正线上三角矩阵,U=(ν1,ν2,ν3)∈U34×3 于是 R=U*A,代入(*)式得 URx=b ⇒ Rx=U*b ⇒ x=R-1U*b 最后求得 x=(-5/2,-1/2,3)T.AA*∈Cm×m与A*A∈Cn×n的特征值定理4.3.1: ∀A∈Cm×n, AA*∈Cm×m与A*A∈Cn×n的非零特 征值(正特征值)全同. 证法1:不难验证下列矩阵等式:⎛ AA* 0 ⎞⎛ Em A ⎞ ⎛ AA* ⎜ * ⎟⎜ ⎟=⎜ ⎜ A 0 ⎟⎜ En ⎟ ⎜ A* ⎠ ⎝ ⎝ ⎠⎝⎜ 因S= ⎜ ⎝ ⎛ Em定理4.3.1的另一证法证法2:设λ≠0是AA*的非零特征值: AA*x=λx, λ≠0,x≠0 则 A*x≠0, A*A(A*x)=λ(A*x) 所以λ也是A*A的非零特征值. 同理可证： A*A的任一非零特征值也是AA*的非零特征值.AA* A⎞ ⎛ Em A ⎞⎛ 0 ⎟=⎜ ⎟⎜ En ⎟⎜ A* A* A ⎟ ⎜ ⎠⎝ ⎠ ⎝0 ⎞ ⎟ A* A⎟ ⎠0 ⎞ −1 0 ⎞ ⎛ AA * 0 ⎞ A⎞ ⎛ 0 ⎛ 0 ⎟ = S⎜ * ⎜ ⎜ ⎟S ~ ⎜ * ⎜ ⎟ ⎟ * ⎟ * ⎟ En ⎟ 可逆,故 ⎜ A* 0 ⎟ ⎝ A A A⎠ ⎝ A A A⎠ ⎠ ⎠ ⎝ *)=0与det(λE-A*A)=0有相同非零解, 从而det(λE-AA得证AA*与A*A有相同的非零特征值.奇异值的概念定义4.3.1:∀A∈Crm×n,AA*∈Cm×m或A*A∈Cn×n 的正特征 值的算术平方根称为A的正奇异值(简称奇异值, 共有r个记为 α1,…,αr). 例:求A= ⎜ − 1 ⎜⎜ 0 ⎝ ⎛ 1 0⎞ ⎟ 1⎟∈ C 0⎟ ⎠3× 2 2正规矩阵的奇异值定理4.3.2:正规矩阵的奇异值是其非零特征值的模. 证:设A为正规矩阵,则有U∈Un×n使 A=Udiag(λ1, … ,λn)U* A*=Udiag(λ 1 ,..., λ n )U* 从而 AA*=Udiag(|λ1|2, … ,|λn|2)U* 得证A的正奇异值是A的非零特征值的模.的奇异值.解: A*A=⎜ −1 ⎜⎝⎛2−1⎞ ⎟ 1⎟ ⎠,det(λE-A)=λ2-3λ+1的两个根:(3±√5)/2 均为正, A的奇异值为:α1=((3+√5)/2)1/2;α2=((3-√5)/2)1/2. 例4.3.1:见P.191.安徽大学 章权兵5矩阵分析矩阵的酉等价关系定义:设A,B∈Cm×n,若有S∈Cmm×m,T∈Cnn×n 使B=SAT,则称B 与A等价;若有U∈Um×m,V∈Un×n使B=UAV,则称B与A酉等价. 不难证明Cm×n中的等价或酉等价关系R是等价关系. ∀A∈Cm×n,ARA：A=EmAEn (ARB⇒BRA)： A=UBV⇒B=U*AV*,U*∈Um×m,V*∈Un×n (ARB & BRC⇒ARC)：A=UBV & B=U′CV′⇒A=UU′CV′V 注1: A与B酉等价当且仅当它们有相同的奇异值. 注2: ∀A∈Cm×n的酉等价类中有一个最简单形状的矩阵 (见定理4.3.3). ( A∈Crm×n等价于diag(Er,0)=PAQ )奇异值分解定理1定理4.3.3:令α1,…,αr为A∈Crm×n的全部正奇异值; ∆=diag(α1,…,αr),则有U∈Um×m,V∈Un×n使 U*AV= ⎜ 0 ⎜⎛ ∆ 0⎞ ⎟ =D∈C m×n r 0⎟ ⎝ ⎠(*)U满足U*AA*U是对角矩阵,V满足V*A*AV是对角矩阵. ( A=UDV*称为A的奇异值分解式) 证: 因AA*为m阶半正定矩阵,故有U∈Um×m使⎛ ∆2 0⎞ ⎟ 0⎟ ⎝ ⎠ 分块U=(U1,U2),则U1∈Urm×r,U2∈Um-rm×(m-r)U*AA*U=diag(α12,…,αr2,0,…0)= ⎜ 0 ⎜对角阵 次酉阵奇异值分解定理1续⎛ ∆2 ⎜ ⎝ 0 ⎛ U1* ⎞ ⎛ U1* AA *U1 U1* AA *U 2 ⎞ 0 ⎞ ⎛ U1* ⎞ ⎟ ⎟ = ⎜ * ⎟ AA *(U1 , U 2 ) = ⎜ * ⎟ ( AA *U1 , AA *U 2 ) = ⎜ * * U2 ⎠ 0 ⎠ ⎝U 2 ⎠ ⎝ ⎝ U 2 AA *U1 U 2 AA *U 2 ⎠奇异值分解定理1续令 V1=(v1,…,vr),则v1,…,vr为标准正交组. 将此标正组扩大为Cn的标正基:v1,…,vr,vr+1,…,vn, 令V=(v1,…,vn)=(V1,V2)∈Un×n,其中V2=(vr+1,…,vn). 易见 0=V1*V2=∆-1U1*AV2 ⇒ U1*AV2=0 综合以上得⎛ U * AV U 1* AV2 ⎞ ⎛U * ⎞ ⎟ U * AV = ⎜ 1* ⎟ A(V1 , V2 ) = ⎜ 1* 1 ⎜ U AV U * AV ⎟ ⎜U ⎟ 2 2⎠ ⎝ 2 1 ⎝ 2⎠ ⎛ U * AA * U 1∆−1 =⎜ 1 ⎜ 0 ⎝ 0 ⎞ ⎛ ∆2 ∆−1 ⎟=⎜ 0⎟ ⎜ 0 ⎠ ⎝ 0⎞ ⎛ ∆ 0⎞ ⎟=⎜ ⎟ 0⎟ ⎜ 0 0⎟ ⎠ ⎠ ⎝比较(1,1)块得 ∆2=U1*AA*U1 比较(2,2)块得 0=U2*AA*U2=(U2*A)(U2*A)* ⇒ U2*A=0. ( ∀M∈Cm×n,MM*=0 ⇒ 0=tr(MM*)=Σ2 i,j|mij|⇒ ∀i,j,mij=0 ⇒ M=0 ) 令 V1=A*U1∆-1∈Cn×r 则 V1*V1=∆-1U1*AA*U1∆-1=∆-1∆2∆-1=E ⇒ V1∈Urn×r奇异值分解定理2定理4.3.4:令α1,…,αr为A∈Crm×n的全部正奇异值; ∆=diag(α1,…,αr),则有U1∈Urm×r,V1∈Urn×r 使 A=U1ΔV1 . 证:由定理4.3.3直接推出⎛∆ A = U ⎜ ⎜ 0 ⎝ 0 0 ⎞ ⎟V ⎟ ⎠*关于奇异值分解定理的注(1)定理4.3.3的证明同时给出了因子矩阵U,V的求法. (U(V)是使AA*(A*A)酉相似对角化的变换矩阵) (2)矩阵U,V的列分别是AA*,A*A的对应特征向量. 证: 只证U(类似可证V). U*AA*U=diag(λ1,…,λm),λi为AA*的特征值. 令 U=(u1,…,um), 则 (AA*u1,…,AA*um)=AA*(u1,…,um) =(u1,…,um)diag(λ1,…,λm) =(λ1u1,…,λmum) ⇒ ∀i,AA*ui=λiui A*A=VD*U*UDV*=Vdiag(λ1,…,λm)V* ⇒ ∀i,A*Avi=λivi= (U 1 , U2⎛∆ )⎜ ⎜ 0 ⎝0 0⎞ ⎛ V 1* ⎟⎜ * ⎟⎜ V ⎠⎝ 2⎞ ⎟ ⎟ ⎠⎛V * ⎞ = (U 1∆ , 0 )⎜ 1* ⎟ = U 1∆ V1* ⎜V ⎟ ⎝ 2⎠安徽大学 章权兵6矩阵分析奇异值分解例1例4.3.1: 求 A=⎛1 ⎜ ⎜0 ⎜0 ⎝ 2⎞ ⎟ 0⎟ 0⎟ ⎠奇异值分解例2例:求 A= 解: AA* =⎛1 ⎜ ⎜2 ⎝ 0 0 0⎞ ⎟ 0⎟ ⎠的奇异值分解式.的奇异值分解式.解: AA*=diag(5,0,0),σ(AA*)={5,0,0},Δ=(√5). U1∈U13×1是AA*对应于5的单位特征向量x=(1,0,0)T,U=E3. V1=A*U1∆-1= ⎜ ⎜⎛1 ⎝2 0 0 ⎛1⎞ 0 ⎞⎜ ⎟ ⎟⎜ 0 ⎟ ⎟ 0 ⎠⎜ ⎟ ⎝0⎠⎛1 ⎜ ⎜2 ⎝2⎞ * ⎟ 4 ⎟ ,σ(AA )={5,0},r=1,Δ=(√5). ⎠U1∈U12×1是AA*对应于5的单位特征向量x=(1/√5,2/√5)T V1=A*U1∆-1 = ⎜ 0⎜0 ⎝ ⎛1 ⎜ 2⎞ ⎟⎛ 0 ⎟⎜ ⎜ 0 ⎟⎝ ⎠1 5 2 5( )=1 51 5⎛1⎞ ⎜ ⎟ ⎜ 2⎟ ⎝ ⎠, V=1 5⎛1 ⎜ ⎜2 ⎝− 2⎞ ⎟ 1 ⎟ ⎠⎞ ⎟ ⎟ ⎠( )=1 51 5⎛1 ⎜ ⎜0 ⎜0 ⎝2⎞ ⎛1⎞ ⎟⎛ 1 ⎞ ⎜ ⎟ 0 ⎟⎜ ⎟ = ⎜ 0 ⎟ ⎜2⎟ 0 ⎟⎝ ⎠ ⎜ 0 ⎟ ⎠ ⎝ ⎠所以A的奇异值分解式是 A=UDV*= ⎜ 0 ⎜⎝0 ⎛1 ⎜ 0 1 0 0⎞⎛ 5 ⎜ 0⎟⎜ 0 ⎟ 1⎟⎜ 0 ⎠⎝ 0⎞ ⎟⎛ 0⎟⎜ 0⎟⎝ ⎠1 5 −2 5 1 2 5⎛1⎞ ⎞ ⎜ ⎟ ⎟ = ⎜0⎟ 5 ⎠ ⎜0⎟ ⎝ ⎠( 5 )(1 52 5)=U1∆ V 1*所以A的奇异值分解式是 ⎛ 15 * = ⎜ A = U1ΔV1 ⎜ 2 ⎝ 5⎞ ⎟( ⎟ ⎠5 ) (1, 0 , 0 )§4.4: 矩阵的极分解定义:令A∈Cn×n,A=HU或A=UH称为A的极分解式,如果 U∈Un×n,H∈Cn×n 是半正定Hermite矩阵. 特例: n=1时,由复数的指数表示式 a=ρeiθ 有 A=(a)=(ρ)(eiθ)=HU, H=(ρ)是半正定Hermite矩阵,U=(eiθ)是酉矩阵. 下面的定理证明： 矩阵的极分解式存在并且是唯一的.满秩方阵的极分解定理4.4.1: ∀A∈Cnn×n,存在U∈Un×n 和n阶正定Hermite矩阵 H1,H2 使 A=H1U (H12=AA*,即H1=√(AA*))或 A=UH2;并且这 样的分解式是唯一的. 证: 由定理3.9.1和定理3.9.4, 正定Hermite矩阵A*A存在唯一正定矩阵H2=(A*A)1/2. 令U=AH2-1, 则 U*U=(AH2-1)*AH2-1 =H2-1A*AH2-1=H2-1H22H2-1=E, 从而U∈Un×n使A=UH2;因H2可逆且唯一,故U也唯一. ( 另一半的证明: A=UH2=UH2U*U=H1U, H1=UH2U*为正定Hermite矩阵. AA*=H1UU*H1=H12 & H1为正定Hermite阵 ⇒ H1唯一. )非满秩方阵的极分解定理4.4.2: ∀A∈Crn×n,存在U∈Un×n和唯一n阶秩r半正定 Hermite矩阵H1,H2使A=H1U (H12=AA*,即H1=√(AA*)) 或 A=UH2 (即H2=√(A*A)). 证:存在性 由奇异值分解定理有U1,V∈Un×n使A=U1DV*, D=diag(α1,…,αr,0,…,0). 令H1=U1DU1*,H2=VDV*,U=U1V*,则H1,H2,U满足要求 A=U1DU1*U1V*=H1U; A=U1V*VDV*=UH2. 唯一性 若A=H1U,则AA*=H12 ⇒H1=(AA*)1/2唯一. 注:也可用上述方法证明定理4.4.1. 思考:定理4.4.2中U是否唯一? 不一定唯一! 没有U=AH2-1矩阵极分解的一个经典应用定理4.4.3: ∀A∈Cn×n 为正规矩阵当且仅当存在 U,U′∈Un×n和(同一个)n阶半正定Hermite矩阵H使 A=HU=U′H. 证:必要性 设A*A=AA*.由定理4.4.2,存在U∈Un×n和n 阶半正定Hermite矩阵H1,H′使A=H1U=UH′. 因此 H1=(AA*)1/2=(A*A)1/2 =H′. (AA*=H1UU*H1=(H1)2,A*A=H′U*UH′=(H′)2) 充分性 设A=HU=U′H. 则 AA*=HU(HU)*=H2 , A*A=(U′H)*U′H=H2 =AA*安徽大学 章权兵7。

第四章 向量组的线性相关性1．设TT T v v v )0,4,3(,)1,1,0(,)0,1,1(321===, 求21v v -及32123v v v -+. 解 21v v -TT)1,1,0()0,1,1(-=T)10,11,01(---=T)1,0,1(-=32123v v v -+T T T )0,4,3()1,1,0(2)0,1,1(3-+=T )01203,41213,30213(-⨯+⨯-⨯+⨯-⨯+⨯= T )2,1,0(=2．设)(5)(2)(3321a a a a a a +=++-其中T a )3,1,5,2(1=, Ta )10,5,1,10(2=,T a )1,1,1,4(3-=,求a . 解由)(5)(2)(3321a a a a a a +=++-整理得)523(61321a a a a -+=])1,1,1,4(5)10,5,1,10(2)3,1,5,2(3[61T T T --+=T )4,3,2,1(=3. 已知向量组A :a 1=(0,1,2,3)T ,a 2=(3,0,1,2)T , a 3=(2,3,0,1)T ;B :b 1=(2,1,1,2)T ,b 2=(0,-2,1,1)T , b 3=(4,4,1,3)T ,证明B 组能由A 组线性表示, 但A 组不能由B 组线性表示. 证明 由⎪⎪⎪⎭⎫⎝⎛-=312123111012421301402230) ,(B A ⎪⎪⎪⎭⎫ ⎝⎛-------971820751610402230421301~r ⎪⎪⎪⎭⎫ ⎝⎛------531400251552000751610421301~r ⎪⎪⎪⎭⎫⎝⎛-----000000531400751610421301~r 知R (A )=R (A ,B )=3, 所以B 组能由A 组线性表示. 由⎪⎪⎪⎭⎫ ⎝⎛-⎪⎪⎪⎭⎫ ⎝⎛---⎪⎪⎪⎭⎫ ⎝⎛-=000000110201110110220201312111421402~~r r B 知R (B )=2. 因为R (B )≠R (B ,A ), 所以A 组不能由B 组线性表示.4. 已知向量组A :a 1=(0, 1, 1)T ,a 2=(1, 1, 0)T ;B :b 1=(-1, 0, 1)T ,b 2=(1, 2, 1)T , b 3=(3, 2,-1)T , 证明A 组与B 组等价. 证明 由⎪⎪⎭⎫⎝⎛-⎪⎪⎭⎫ ⎝⎛-⎪⎪⎭⎫ ⎝⎛--=000001122010311112201122010311011111122010311) ,(~~r r A B ,知R (B )=R (B ,A )=2. 显然在A 中有二阶非零子式, 故R (A )≥2, 又R (A )≤R (B ,A )=2, 所以R (A )=2, 从而R (A )=R (B )=R (A ,B ). 因此A 组与B 组等价.5. 已知R (a 1,a 2,a 3)=2,R (a 2,a 3,a 4)=3, 证明 (1) a 1能由a 2,a 3线性表示; (2) a 4不能由a 1,a 2,a 3线性表示.证明 (1)由R (a 2,a 3,a 4)=3知a 2,a 3,a 4线性无关, 故a 2,a 3也线性无关. 又由R (a 1,a 2,a 3)=2知a 1,a 2,a 3线性相关, 故a 1能由a 2,a 3线性表示.(2)假如a 4能由a 1,a 2,a 3线性表示, 则因为a 1能由a 2,a 3线性表示, 故a 4能由a 2,a 3线性表示, 从而a 2,a 3,a 4线性相关, 矛盾. 因此a 4不能由a 1,a 2,a 3线性表示.6. 判定下列向量组是线性相关还是线性无关: (1) (-1, 3, 1)T ,(2, 1, 0)T ,(1, 4, 1)T ; (2) (2, 3, 0)T ,(-1, 4, 0)T ,(0, 0, 2)T .解 (1)以所给向量为列向量的矩阵记为A . 因为⎪⎪⎭⎫⎝⎛-⎪⎪⎭⎫ ⎝⎛-⎪⎪⎭⎫ ⎝⎛-=000110121220770121101413121~~r r A , 所以R (A )=2小于向量的个数, 从而所给向量组线性相关. (2)以所给向量为列向量的矩阵记为B . 因为022200043012||≠=-=B ,所以R (B )=3等于向量的个数, 从而所给向量组线性相无关.7. 问a 取什么值时下列向量组线性相关？ a 1=(a ,1,1)T ,a 2=(1,a ,-1)T , a 3=(1,-1,a )T .解 以所给向量为列向量的矩阵记为A . 由)1)(1(111111||+-=--=a a a aa a A知, 当a =-1、0、1时,R (A )<3, 此时向量组线性相关.8. 设a 1,a 2线性无关,a 1+b ,a 2+b 线性相关, 求向量b 用a 1,a 2线性表示的表示式.解 因为a 1+b ,a 2+b 线性相关, 故存在不全为零的数λ1,λ2使λ1(a 1+b )+λ2(a 2+b )=0,由此得 2211121122121211)1(a a a a b λλλλλλλλλλλλ+--+-=+-+-=,设211λλλ+-=c , 则b =c a 1-(1+c )a 2,c ∈R .9.设a 1,a 2线性相关,b 1,b 2也线性相关, 问a 1+b 1,a 2+b 2是否一定线性相关？试举例说明之. 解 不一定.例如, 当a 1=(1,2)T ,a 2=(2,4)T , b 1=(-1,-1)T ,b 2=(0,0)T 时, 有 a 1+b 1=(1,2)T +b 1=(0,1)T ,a 2+b 2=(2,4)T +(0,0)T =(2,4)T , 而a 1+b 1,a 2+b 2的对应分量不成比例, 是线性无关的.10．举例说明下列各命题是错误的:(1) 若向量组m a a a ,,,21 是线性相关的,则1a 可由,,2m a a 线性表示.(2) 若有不全为0的数m λλλ,,,21 使01111=+++++m m m m b b a a λλλλ 成立, 则m a a ,,1线性相关, m b b ,,1 亦线性相关.(3) 若只有当m λλλ,,,21 全为0时,等式01111=+++++m m m m b b a a λλλλ 才能成立,则m a a ,,1 线性无关, m b b ,,1 亦线性无关.(4) 若m a a ,,1 线性相关, m b b ,,1 亦线性相关,则有不全为0的数, m λλλ,,,21 使.0 ,01111=++=++m m m m b b a a λλλλ 同时成立.解 (1) 设)0,,0,0,1(11 ==e a , 032====m a a a 满足m a a a ,,,21 线性相关, 但1a 不能由,,,2m a a 线性表示.(2) 有不全为零的数m λλλ,,,21 使01111=+++++m m m m b b a a λλλλ原式可化为0)()(111=++++m m m b a b a λλ取m m m b e a b e a b e a -==-==-==,,,222111 . 其中m e e ,,1 为单位向量,则上式成立,而m a a ,,1 ,m b b ,,1 均线性相关.(3) 由01111=+++++m m m m b b a a λλλλ (仅当01===m λλ )m m b a b a b a +++⇒,,,2211 线性无关取021====m ααα , 取m b b ,,1 为线性无关组. 满足以上条件,但不能说是m ααα,,,21 线性无关的. (4)Ta )0,1(1=Ta )0,2(2=Tb )3,0(1=Tb )4,0(2=⎪⎭⎪⎬⎫-=⇒=+-=⇒=+21221121221143020λλλλλλλλb b a a 021==⇒λλ与题设矛盾.11．设144433322211,,,a a b a a b a a b a a b +=+=+=+=,证明向量组4321,,,b b b b 线性相关. 证明设有4321,,,x x x x 使得044332211=+++b x b x b x b x 则0)()()()(144433322211=+++++++a a x a a x a a x a a x0)()()()(443332221141=+++++++a x x a x x a x x a x x(1) 若4321,,,a a a a 线性相关,则存在不全为零的数4321,,,k k k k ,411x x k +=; 212x x k +=; 323x x k +=; 434x x k +=;由4321,,,k k k k 不全为零,知4321,,,x x x x 不全为零,即4321,,,b b b b 线性相关.(2) 若4321,,,a a a a 线性无关, 则⎪⎪⎩⎪⎪⎨⎧=+=+=+=+000043322141x x x x x x x x 011000110001110014321=⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎭⎫ ⎝⎛⇒x x x x 由01100011000111001=知此齐次方程存在非零解. 则4321,,,b b b b 线性相关. 综合得证.12．设r r a a a b a a b a b +++=+== 2121211,,,,且向量组r a a a ,,,21 线性无关,证明向量组r b b b ,,,21 线性无关.证明设02211=+++r r b k b k b k 则++++++++++p r p r r a k k a k k a k k )()()(2211 0=+r r a k因向量组r a a a ,,,21 线性无关,故⎪⎩⎪⎨⎧==++=+++000221r r r k k k k k k ⇔⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎭⎫ ⎝⎛0001001101121 r k k k 因为0110011011≠= 故方程组只有零解. 则021====r k k k . 所以r b b b ,,,21 线性无关13．求下列向量组的秩,并求一个最大无关组:(1) ⎪⎪⎪⎪⎭⎫ ⎝⎛-=41211a ,⎪⎪⎪⎪⎭⎫ ⎝⎛=41010092a ,⎪⎪⎪⎪⎭⎫ ⎝⎛---=82423a ; (2) )3,1,2,1(1=T a ,)6,5,1,4(2---=Ta ,)7,4,3,1(3---=T a .解(1)3131,2a a a a ⇒=-线性相关.由⎪⎪⎪⎭⎫ ⎝⎛----=⎪⎪⎪⎭⎫ ⎝⎛824241010094121321T T T a a a ⎪⎪⎪⎭⎫⎝⎛--000032198204121~秩为2,一组最大线性无关组为21,a a .(2) ⎪⎪⎪⎭⎫ ⎝⎛------=⎪⎪⎪⎭⎫ ⎝⎛743165143121321T T T a a a ⎪⎪⎪⎭⎫⎝⎛------10550189903121~⎪⎪⎪⎭⎫⎝⎛---0000189903121~ 秩为2,最大线性无关组为TT a a 21,.14．利用初等行变换求下列矩阵的列向量组的一个最大无关组,并把其余列向量用最大无关组线性表示:(1) ⎪⎪⎪⎪⎭⎫⎝⎛4820322513454947513253947543173125; (2)⎪⎪⎪⎪⎭⎫ ⎝⎛---14011313021512012211.解(1)⎪⎪⎪⎪⎭⎫⎝⎛482032251345494751325394754317312514131233~r r r r r r ---⎪⎪⎪⎪⎭⎫⎝⎛531053103210431731252334~r r r r --⎪⎪⎪⎪⎭⎫⎝⎛00003100321043173125所以第1、2、3列构成一个最大无关组.(2)⎪⎪⎪⎪⎭⎫⎝⎛---1401131302151201221114132~r r r r --⎪⎪⎪⎪⎭⎫ ⎝⎛------222001512015120122114323~rr r r ↔+⎪⎪⎪⎪⎭⎫⎝⎛---00000222001512012211，所以第1、2、3列构成一个最大无关组．15. 设向量组(a ,3,1)T ,(2,b ,3)T ,(1,2,1)T ,(2,3,1)T的秩为2, 求a ,b .解 设a 1=(a ,3,1)T ,a 2=(2,b ,3)T ,a 3=(1,2,1)T ,a 4=(2,3,1)T . 因为⎪⎪⎭⎫ ⎝⎛----⎪⎪⎭⎫ ⎝⎛---⎪⎪⎭⎫ ⎝⎛=52001110311161101110311131********) , , ,(~~2143b a a b a b a r r a a a a ,而R (a 1,a 2,a 3,a 4)=2, 所以a =2,b =5.16．设n a a a ,,,21 是一组n 维向量,已知n 维单位坐标向量n e e e ,,,21 能由它们线性表示,证明n a a a ,,,21 线性无关.证明 n 维单位向量n e e e ,,,21 线性无关. 不妨设:nnn n n n nn n n a k a k a k e a k a k a k e a k a k a k e +++=+++=+++= 22112222121212121111所以⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎭⎫ ⎝⎛T n T Tnn n n n n T n T T a a a k k k k k k k k k e ee2121222211121121两边取行列式，得T n T T nn n n n n TnTTa a a k k k k k k k k k e e e2121222211121121=由002121≠⇒≠T nT TT n T T a a a e e e 即n 维向量组n a a a ,,,21 所构成矩阵的秩为n . 故n a a a ,,,21 线性无关.17．设n a a a ,,,21 是一组n 维向量,证明它们线性无关的充分必要条件是：任一n 维向量都可由它们线性表示.证明 设n εεε,,,21 为一组n 维单位向量，对于任意n 维向量T n k k k a ),,,(21 =则有n n k k k a εεε+++= 2211即任一n 维向量都可由单位向量线性表示.必要性⇒n a a a ,,,21 线性无关，且n a a a ,,,21 能由单位向量线性表示，即nnn n n n nn n n k k k k k k k k k εεεαεεεαεεεα+++=+++=+++= 22112222121212121111故⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎭⎫ ⎝⎛n T T T nn n n n n T n T Tk k k k k k k k k a a a εεε 2121222211121121 两边取行列式，得Tn TT nn n n n n T nT Tk k k k k k k k k a a a εεε 212122*********1=由0021222211121121≠⇒≠nnn n nn T nT T k k k k k k k k k a a a令⎪⎪⎪⎪⎭⎫ ⎝⎛=⨯nn n n n n n n k k k k k k k k k A212222111211 . 由⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎭⎫ ⎝⎛⇒⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎭⎫⎝⎛-T n T T T n T TT n T T T n T Ta a a A A a aa εεεεεε 212112121即n εεε,,,21 都能由n a a a ,,,21 线性表示，因为任一n 维向量能由单位向量线性表示，故任一 n 维向量都可以由n a a a ,,,21 线性表示.充分性⇐已知任一n 维向量都可由n a a a ,,,21 线性表示，则单位向量组：n εεε,,,21 可由n a a a ,,,21 线性表示，由16题知n a a a ,,,21 线性无关.18. 设向量组a 1,a 2,⋅⋅⋅,a m 线性相关, 且a 1≠0, 证明存在某个向量a k (2≤k ≤m ), 使a k 能由a 1,a 2,⋅⋅⋅,a k -1线性表示.证明 因为a 1,a 2,⋅⋅⋅,a m 线性相关, 所以存在不全为零的数λ1,λ2,⋅⋅⋅,λm ,使λ1a 1+λ2a 2+⋅⋅⋅+λm a m =0,而且λ2,λ3,⋅⋅⋅,λm 不全为零. 这是因为, 如若不然, 则λ1a 1=0,由a 1≠0知λ1=0, 矛盾. 因此存在k (2≤k ≤m ), 使λk ≠0,λk +1=λk +2=⋅⋅⋅=λm =0,于是λ1a 1+λ2a 2+⋅⋅⋅+λk a k =0,a k =-(1/λk )(λ1a 1+λ2a 2+⋅⋅⋅+λk -1a k -1),即a k 能由a 1,a 2,⋅⋅⋅,a k -1线性表示.19．设向量组:B r b b ,,1 能由向量组:A s a a ,,1 线性表示为K a a b b s r ),,(),,(11 =，其中K 为r s ⨯矩阵，且A 组线性无关。