定义1设a1,a2,…,am,β是一组n维 向量,若存在m个实数k1,k2,…km使得 β=ka1+k2a2++kmam,则称β可以 由a1,a2,…,an线性表示( linear representation).或称a1,a2,…,an线性 表示(linear generate) 例如:a1=(1,2,0)T,a2=(1,0,3)T,a3= (3,4,3)T,则a3=2a1+a2,即存在实数k =2,k2=1使得a3=ka1+k2a2,故a3可以 由a1,a2线性表示。(大家想一想,这里的常 数k1=2,k2=1是怎么求出来的?)

第四章线性方程组 4.2线性方程组的解法 个线性方程组AX=B的解的数量有三种情况:0,1,∞ 对于第三种情况,逐个写出这些解是不可能的 解线性方程组的本质就是用一组可自由取值的变量 (称为自由变量)来表示其余的变量(称为主变量)使得对于自由 变量的任一组值,都能唯一确定主变量的值,它们一起构成方程 组的一个解.注意:主变量和自由变量的分法并不是唯一的 自然地我们应解决以下问题

本章总结 1.通过消元法(Gauss'Method)解线性方程组来引进矩阵的初等变换。 2.利用矩阵的“秩”来讨论线性方程组的解的情况。 3.最后介绍单位矩阵经初等变换得到“初等矩阵

第六章线性变换 第一节线性变换的概念 第二节线性变换和矩阵 第三节特征值与特征向量 第四节线性变换的不变子空间,象与核

4 奇异值分解 4.1 奇异值，奇异向量和奇异值分解 4.2 奇异值基本性质 4.3 奇异值更多性质 ∗ 5 线性最小二乘问题的求解方法 5.1 正规方程法 5.2 QR 分解法 5.3 奇异值分解法 6 最小二乘问题的推广及其应用 ∗ 6.1 正则化与加权正则化 6.2 约束最小二乘 6.3 多项式数据拟合 6.4 线性预测 6.5 信号恢复 6.6 SVD：图像压缩 — 截断 SVD 6.7 SVD：图像配准 Rigid Alignment / Shape Registration

一、线性方程组有解的判定条件 1. 齐次线性方程组Ax=O有非零解的条件 . 由方程的向量形式x11 + x22 ++ xnn = O可得结论 定理1

利用系数矩阵A和增广矩阵B的秩可方便地 数讨论线性方程组Ax=b的解其结论是: 定理2n元齐次线性方程组Amnx=0有 非零解的充分必要条件是系数矩阵的秩R(4)