【考研数学】矩阵、向量与线性方程组解的关系梳理与讨论 |
您所在的位置:网站首页 › 解方程组用行列式还是矩阵 › 【考研数学】矩阵、向量与线性方程组解的关系梳理与讨论 |
文章目录
引言一、回顾二、梳理齐次线性方程组非齐次线性方程组
写在最后
引言
两个原因让我想写这篇文章,一是做矩阵题目的时候就发现这三货经常绑在一起,让人想去探寻其中奥秘;另一就是今天学了向量组的秩,让我想起来了之前遗留下来的一个问题:到底存不存在系数矩阵的秩和增广矩阵的秩之差比 1 大的情况?可能这个问题有点抽象,不过看了下面的具体说明应该就能理解了。 一、回顾问题起因是这样,我在写行列式的文章中关于克莱姆法则应用的说法是这样的: 有读者建议,把方程组无解的情况写成 r ( A ) + 1 = r ( A ‾ ) r(A) +1 = r(\overline{A}) r(A)+1=r(A) 而非写成 r ( A ) ≠ r ( A ‾ ) r(A) \ne r(\overline{A}) r(A)=r(A) 。 我当时还未复习到方程组和向量部分,有这样的疑问:为什么非得是相差 1 ,我如果 A A A 有很多行为 0 ,增广矩阵的秩不就可以比系数矩阵大不止 1 吗? 我当时隐约感觉是行秩和列秩模糊的问题。一方面矩阵中,我们比较常用的是初等行变换,忽视了列变换以及列秩,另一方面,列秩在方阵中和行秩是一样的。 起初我也是认为,列秩没什么用的,直到学到了向量这一部分。由于一般我们指的向量是列向量,那么由一个向量组构成的矩阵,自然考虑的是列秩。 因此我们针对一个一般性的 m × n m \times n m×n 矩阵和 n n n 个 m m m 维的向量组进行梳理,请看下文。 二、梳理对于一般齐次线性方程组: 以及一般非齐次线性方程组: 令 α 1 = ( a 11 , a 21 , … , a m 1 ) T , α 2 = ( a 12 , a 22 , … , a m 2 ) T , … , α n = ( a 1 n , a 2 n , … , a m n ) T , b = ( b 1 , b 2 , … , b m ) T \alpha_1=(a_{11},a_{21},\dots,a_{m1})^T,\alpha_2=(a_{12},a_{22},\dots,a_{m2})^T,\dots,\alpha_n=(a_{1n},a_{2n},\dots,a_{mn})^T,\pmb{b}=(b_{1},b_{2},\dots,b_{m})^T α1=(a11,a21,…,am1)T,α2=(a12,a22,…,am2)T,…,αn=(a1n,a2n,…,amn)T,b=(b1,b2,…,bm)T ,则方程组(I)(II)可表示为如下向量形式: x 1 α 1 + x 2 α 2 + ⋯ + x n α n = 0 ( 1.1 ) x_1\alpha_1+x_2\alpha_2+\dots+x_n\alpha_n=0 (1.1) x1α1+x2α2+⋯+xnαn=0(1.1) x 1 α 1 + x 2 α 2 + ⋯ + x n α n = b ( 2.1 ) x_1\alpha_1+x_2\alpha_2+\dots+x_n\alpha_n=b (2.1) x1α1+x2α2+⋯+xnαn=b(2.1) 令 X = ( x 1 , x 2 , … , x n ) T X=(x_1,x_2,\dots,x_n)^T X=(x1,x2,…,xn)T ,矩阵 A = [ α 1 , α 2 , … , α n ] A=[\alpha_1,\alpha_2,\dots,\alpha_n] A=[α1,α2,…,αn] ,即 则方程组(I)(II)可表示为如下矩阵形式: A X = 0 ( 1.2 ) AX=0(1.2) AX=0(1.2) A X = b ( 2.2 ) AX=b(2.2) AX=b(2.2) 齐次线性方程组对于齐次线性方程组(I),它有 m m m 个约束方程, n n n 个未知数。首先我们应了解的是,不管方程个数和未知数个数多少,不可能无解,都是存在零解的。我们要讨论,就是讨论有没有非零解。我们分三种情况: (一) m < n . m < n. m |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |