当前位置: 首页 > news >正文

第三章,矩阵,09-线性方程组解的判断与求法、矩阵方程

第三章,矩阵,09-线性方程组解的判断与求法、矩阵方程

    • 定理
      • 推论1
      • 推论2
      • 推论3
      • 推论4
    • 矩阵方程AX=B
      • 解法
      • 解的存在性
        • 推论

玩转线性代数(21)线性方程组解的判断与求法的笔记,相关证明以及例子见原文

定理

对n元线性方程组 A x = b Ax=b Ax=b,A为系数矩阵, B = ( A ∣ b ) B=(A|b) B=(Ab)为增广矩阵,则有
(1) A x = b Ax=b Ax=b无解 ⇔ R ( A ) < R ( A , b ) \Leftrightarrow R(A)\lt R(A,b) R(A)<R(A,b);
(2) A x = b Ax=b Ax=b有唯一解 ⇔ R ( A ) = R ( A , b ) = n \Leftrightarrow R(A)=R(A,b)=n R(A)=R(A,b)=n;
(3) A x = b Ax=b Ax=b有无穷多解 ⇔ R ( A ) = R ( A , b ) < n \Leftrightarrow R(A)= R(A,b)\lt n R(A)=R(A,b)<n.

推论1

对n元线性方程组 A x = b Ax=b Ax=b,A为系数矩阵, B = ( A ∣ b ) B=(A|b) B=(Ab)为增广矩阵,则有
(1) A x = b Ax=b Ax=b无解 ⇔ R ( A ) < R ( A , b ) \Leftrightarrow R(A)\lt R(A,b) R(A)<R(A,b);
(2) A x = b Ax=b Ax=b有解 ⇔ R ( A ) = R ( A , b ) \Leftrightarrow R(A)=R(A,b) R(A)=R(A,b).

推论2

对n元线性方程组 A x = b Ax=b Ax=b,A为系数矩阵,或A为方阵,则有:
(1) A x = b Ax=b Ax=b有唯一解 ⇔ R ( A ) = n ⇔ ∣ A ∣ ≠ 0 \Leftrightarrow R(A)=n\Leftrightarrow |A|\neq 0 R(A)=nA=0,其解为 x = A − 1 b x=A^{-1}b x=A1b; ( R ( A ) = R ( B ) = n R(A)=R(B)=n R(A)=R(B)=n);
(2) ∣ A ∣ = 0 ⇔ |A|=0\Leftrightarrow A=0有无穷多解或无解.

推论3

对n元线性方程组 A x = 0 Ax=0 Ax=0,A为系数矩阵,方程必有零解,故不存在无解的情况,另外增广矩阵的最后一列为零,故其秩与系数矩阵A相同。
(1) A x = 0 Ax=0 Ax=0只有零解 ⇔ R ( A ) = n \Leftrightarrow R(A)=n R(A)=n;
(2) A x = 0 Ax=0 Ax=0有非零解 ⇔ R ( A ) < n \Leftrightarrow R(A)\lt n R(A)<n.
如果推论3中的A为方阵,则又有如下结论:

推论4

对n元线性方程组 A x = 0 Ax=0 Ax=0,A为系数矩阵且为方阵,则有
(1) A x = 0 Ax=0 Ax=0只有零解 ⇔ R ( A ) = n ⇔ ∣ A ∣ ≠ 0 \Leftrightarrow R(A)=n \Leftrightarrow |A| \neq 0 R(A)=nA=0;
(2) A x = 0 Ax=0 Ax=0有非零解 ⇔ R ( A ) < n ⇔ ∣ A ∣ = 0 \Leftrightarrow R(A) \lt n \Leftrightarrow |A| = 0 R(A)<nA=0.

矩阵方程AX=B

解法

若A是方阵,先确定A是否可逆,若A可逆,则有唯一解 X = A − 1 B X=A^{-1}B X=A1B
若A不是方阵或不可逆,这时需要用待定元素法来求解。设未知矩阵X的元素为 x i j x_{ij} xij,即 X = ( x i j ) X=(x_{ij}) X=(xij),然后根据所给的矩阵方程列出 x i j x_{ij} xij所满足的线性方程组,通过解线性方程组求出所有元素 x i j x_{ij} xij,从而得到X.

解的存在性

设A为m * n矩阵,X为n * l矩阵,则B为m * l矩阵,把X和B按列分块,记为
X = ( x 1 , x 2 , . . . , x l ) , B = ( b 1 , b 2 , . . . b l ) X=(x_1,x_2,...,x_l), B=(b_1,b_2,...b_l) X=(x1,x2,...,xl),B=(b1,b2,...bl)
则矩阵方程 A X = B AX=B AX=B等价于l个向量方程
A x i = b i , ( i = 1 , 2 , . . . l ) Ax_i=b_i, (i=1,2,...l) Axi=bi,(i=1,2,...l)
又设 R ( A ) = r R(A)=r R(A)=r,且A的行最简形矩阵为 A ~ \tilde{A} A~,则 A ~ \tilde{A} A~一定有r个非零行。
再设 ( A , B ) = ( A , b 1 , b 2 , . . . , b i ) ∼ r ( A ~ , b ~ 1 , b ~ 2 , . . . , b ~ l ) (A,B)=(A, b_1, b_2,..., b_i)_{\sim}^r (\tilde{A}, \tilde{b}_1, \tilde{b}_2, ..., \tilde{b}_l) (A,B)=(A,b1,b2,...,bi)r(A~,b~1,b~2,...,b~l)
从而 ( A , b i ) r ∼ ( A ~ , b ~ i ) , ( i = 1 , 2 , . . . , l ) (A,b_i)_r^{\sim}(\tilde{A}, \tilde{b}_i), (i=1,2,...,l) (A,bi)r(A~,b~i),(i=1,2,...,l)
A X = B AX=B AX=B有解
⇔ \Leftrightarrow A x i = b i Ax_i=b_i Axi=bi有解, ( i = 1 , 2 , . . . , l ) (i=1,2,...,l) (i=1,2,...,l)
⇔ \Leftrightarrow R ( A ) = R ( A , b i ) , ( i = 1 , 2 , . . . , l ) R(A)=R(A,b_i), (i=1,2,...,l) R(A)=R(A,bi),(i=1,2,...,l)
⇔ \Leftrightarrow ( A , b i ) (A,b_i) (A,bi)化为行最简形 ( A ~ , b ~ i ) (\tilde{A}, \tilde{b}_i) (A~,b~i),此时 b ~ i \tilde{b}_i b~i的后m-r行全为零, ( i = 1 , 2 , . . . , l ) (i=1,2,...,l) (i=1,2,...,l).
⇔ \Leftrightarrow ( A ~ , b ~ 1 , b ~ 2 , . . . , b ~ l ) (\tilde{A}, \tilde{b}_1, \tilde{b}_2, ..., \tilde{b}_l) (A~,b~1,b~2,...,b~l)的后m-r行全为零,
⇔ \Leftrightarrow R ( A ) = R ( A , B ) R(A)=R(A,B) R(A)=R(A,B).

推论

A B = C AB=C AB=C,则 R ( C ) ≤ m i n { R ( A ) , R ( B ) } R(C)\leq min \{R(A), R(B) \} R(C)min{R(A),R(B)}
证明:
∵ A B = C , ∴ A X = B \because AB=C, \therefore AX=B AB=C,AX=B有解 ⇒ R ( A ) = R ( A , C ) ≥ R ( C ) \Rightarrow R(A)=R(A, C) \geq R(C) R(A)=R(A,C)R(C)
B T A T = C T ∴ B T X = C T B^TA^T=C^T \therefore B^TX=C^T BTAT=CTBTX=CT有解 ⇒ R ( B ) = R ( B T ) = R ( B T , c T ) ≥ R ( C T ) = R ( C ) \Rightarrow R(B)=R(B^T)=R(B^T, c^T) \geq R(C^T)=R(C) R(B)=R(BT)=R(BT,cT)R(CT)=R(C)
∴ R ( C ) ≤ m i n { R ( A ) , R ( B ) } \therefore R(C) \leq min\{R(A), R(B)\} R(C)min{R(A),R(B)}.

相关文章:

第三章,矩阵,09-线性方程组解的判断与求法、矩阵方程

第三章&#xff0c;矩阵&#xff0c;09-线性方程组解的判断与求法、矩阵方程 定理推论1推论2推论3推论4 矩阵方程AXB解法解的存在性推论 玩转线性代数(21)线性方程组解的判断与求法的笔记&#xff0c;相关证明以及例子见原文 定理 对n元线性方程组 A x b Axb Axb&#xff0c;…...

Vue-4.编译器VsCode

准备 Vue-1.零基础学习Vue Vue-2.nodejs的介绍和安装 Vue-3.vue简介 为什么用VsCode VsCode 是Vue官网首推的编译器它是完全免费的 下载安装VsCode 下载地址 安装的时候不停地下一步直到完成即可 安装插件 安装汉化插件 要将 Visual Studio Code&#xff08;VSCode&am…...

Neo4j之Aggregation基础

在 Neo4j 中&#xff0c;聚合&#xff08;Aggregation&#xff09;是对数据进行计算、汇总和统计的过程。以下是一些使用聚合函数的常见例子&#xff0c;以及它们的解释&#xff1a; 计算节点数量&#xff1a; MATCH (p:Person) RETURN count(p) AS totalPersons;这个查询会计…...

Python 函数

Built-in Functions — Python 3.11.4 documentation...

Spring(三):Spring中Bean的生命周期和作用域

前言 在 Spring 中&#xff0c;那些组成应用程序的主体及由 Spring IOC 容器所管理的对象&#xff0c;被称之为 bean。简单地讲&#xff0c;bean 就是由 IOC 容器初始化、装配及管理的对象&#xff0c;除此之外&#xff0c;bean 就与应用程序中的其他对象没有什么区别了。而 b…...

【AutoLayout案例03-设置底部按钮之间相同间距 Objective-C语言】

一、好,咱们继续啊 1.咱们继续把autoLayout介绍一下 咱们的自动布局 给大家介绍一下 那么,自动布局呢 继续咱们给大家做的案例 做几个例子 把这几个例子做完以后 我们再给它 我们再给大家说一下,如何通过代码,来实现自动布局 虽然说,通过代码来实现自动布局,并不推荐 但…...

代码随想录算法训练营20期|第七天|哈希表part02|454.四数相加II ● 383. 赎金信 ● 15. 三数之和 ● 18. 四数之和 ● 总结

454.四数相加II 比较巧思的解法&#xff0c;先把nums1 和nums2的数两两相加&#xff0c;并存储sum和次数 再在nums3和nums4里找对应和sum和为0的数值i,j Time: N^2 Space:N^2, 最坏情况下A和B的值各不相同&#xff0c;相加产生的数字个数为 n^2 class Solution {public int fo…...

NavMeshPlus 2D寻路插件

插件地址:h8man/NavMeshPlus&#xff1a; Unity NavMesh 2D Pathfinding (github.com) 我对Unity官方是深恶痛觉,一个2D寻路至今都没想解决,这破引擎早点倒闭算了. 这插件是githun的开源项目,我本身是有写jps寻路的,但是无法解决多个单位互相阻挡的问题(可以解决但是有性能问…...

【03】基础知识:typescript中的函数

一、typescript 中定义函数的方法 函数声明法 function test1(): string {return 返回类型为string }function test2(): void {console.log(没有返回值的方法) }函数表达式/匿名函数 const test3 function(): number {return 1 }二、typescript 中 函数参数写法 1、typesc…...

ssm社区文化宣传网站源码和论文

ssm社区文化宣传网站源码和论文019 开发工具&#xff1a;idea 数据库mysql5.7 数据库链接工具&#xff1a;navcat,小海豚等 技术&#xff1a;ssm 研究或设计的目的和意义&#xff1a; (一)研究目的&#xff1a; 通过本次课题能够将所学的Java编程知识以及Mysql数据库知…...

Go语言工程实践之测试与Gin项目实践

Go 语言并发编程 及 进阶与依赖管理_软工菜鸡的博客-CSDN博客 03 测试 回归测试一般是QA(质量保证)同学手动通过终端回归一些固定的主流程场景 集成测试是对系统功能维度做测试验证,通过服务暴露的某个接口,进行自动化测试 而单元测试开发阶段&#xff0c;开发者对单独的函数…...

排查docker无法启动问题

查看Linux系统操作日志(最后200行就可以排查)&#xff1a; tail -200f /var/log/messages...

[C++ 网络协议] 套接字和地址族、数据序列

目录 1. 套接字 1.1 在Linux平台下构建套接字 1.1.1 用于接听的套接字(服务器端套接字) 1.1.2 用于发送请求的套接字(客户端套接字) 1.2 在Windows平台下构建套接字 1.2.1 Winsock的初始化 1.2.2 用于接听的套接字(服务器端套接字) 1.2.3 用于发送请求的套接字(客户端套…...

AI 绘画Stable Diffusion 研究(八)sd采样方法详解

大家好&#xff0c;我是风雨无阻。 本文适合人群&#xff1a; 希望了解stable Diffusion WebUI中提供的Sampler究竟有什么不同&#xff0c;想知道如何选用合适采样器以进一步提高出图质量的朋友。 想要进一步了解AI绘图基本原理的朋友。 对stable diffusion AI绘图感兴趣的朋…...

线程池满了如何处理

某天搬砖时遇到一个问题&#xff0c;我创建了一个线程池执行任务&#xff0c;刚开始的时候还是一切&#xff0c;结果第二天发现有些任务没有正常执行。一看日志才发现是高峰期时线程池给我占用慢了&#xff0c;任务被丢掉了。 ​ 举个例子&#xff0c;我创建了一个线程池&#…...

Java多线程编程中的线程间通信

Java多线程编程中的线程间通信 基本概念&#xff1a; ​ 线程间通信是多线程编程中的一个重要概念&#xff0c;指的是不同线程之间如何协调和交换信息&#xff0c;以达到共同完成任务的目的。 线程间通信的目的 ​ 是确保多个线程能够按照一定的顺序和规则进行协作&#xff…...

write javaBean error, fastjson version 1.2.76

fastjson JSON.toJSONString 报错&#xff1a; > [0] JavaBeanSerializer.java->541: com.alibaba.fastjson.serializer.JavaBeanSerializer->write()> [1] JavaBeanSerializer.java->154: com.alibaba.fastjson.serializer.JavaBeanSerializer->write()>…...

Tomcat的部署及优化(多实例和动静分离)

目录 绪论 1、tomact 1.1 核心组件 1.2 什么是 servlet 1.3 什么是 JSP? 1.4 Tomcat 功能组件结构 1.5 Tomcat 请求过程 2、Tomcat 服务部署 2.1 tomcat自身优化&#xff1a; 2.2 内核优化 2.3 jvm 2.3.1 jvm配置 2.3.2 Tomcat配置JVM参数 2.3.3 jvm优化 3、tom…...

品牌推广革新之道:海外网红与内容营销的融合

随着数字时代的来临&#xff0c;品牌推广的方式正在经历着革命性的变化。传统的广告手段逐渐失去了吸引力&#xff0c;而内容营销正成为品牌推广的新宠儿。尤其是海外网红的崛起&#xff0c;不仅改变了推广方式&#xff0c;更重新定义了品牌与消费者之间的互动关系。本文Nox聚星…...

【 BERTopic应用 02/3】 分析卡塔尔世界杯推特数据

摄影&#xff1a;Fauzan Saari on Unsplash 一、说明 这是我们对世界杯推特数据分析的第3部分&#xff0c;我们放弃了。我们将对我们的数据进行情绪分析&#xff0c;以了解人们对卡塔尔世界杯的感受。我将在这里介绍的一个功能强大的工具包是Hugging Face&#xff0c;您可以在…...

RestClient

什么是RestClient RestClient 是 Elasticsearch 官方提供的 Java 低级 REST 客户端&#xff0c;它允许HTTP与Elasticsearch 集群通信&#xff0c;而无需处理 JSON 序列化/反序列化等底层细节。它是 Elasticsearch Java API 客户端的基础。 RestClient 主要特点 轻量级&#xff…...

大话软工笔记—需求分析概述

需求分析&#xff0c;就是要对需求调研收集到的资料信息逐个地进行拆分、研究&#xff0c;从大量的不确定“需求”中确定出哪些需求最终要转换为确定的“功能需求”。 需求分析的作用非常重要&#xff0c;后续设计的依据主要来自于需求分析的成果&#xff0c;包括: 项目的目的…...

React Native在HarmonyOS 5.0阅读类应用开发中的实践

一、技术选型背景 随着HarmonyOS 5.0对Web兼容层的增强&#xff0c;React Native作为跨平台框架可通过重新编译ArkTS组件实现85%以上的代码复用率。阅读类应用具有UI复杂度低、数据流清晰的特点。 二、核心实现方案 1. 环境配置 &#xff08;1&#xff09;使用React Native…...

Auto-Coder使用GPT-4o完成:在用TabPFN这个模型构建一个预测未来3天涨跌的分类任务

通过akshare库&#xff0c;获取股票数据&#xff0c;并生成TabPFN这个模型 可以识别、处理的格式&#xff0c;写一个完整的预处理示例&#xff0c;并构建一个预测未来 3 天股价涨跌的分类任务 用TabPFN这个模型构建一个预测未来 3 天股价涨跌的分类任务&#xff0c;进行预测并输…...

如何在最短时间内提升打ctf(web)的水平?

刚刚刷完2遍 bugku 的 web 题&#xff0c;前来答题。 每个人对刷题理解是不同&#xff0c;有的人是看了writeup就等于刷了&#xff0c;有的人是收藏了writeup就等于刷了&#xff0c;有的人是跟着writeup做了一遍就等于刷了&#xff0c;还有的人是独立思考做了一遍就等于刷了。…...

是否存在路径(FIFOBB算法)

题目描述 一个具有 n 个顶点e条边的无向图&#xff0c;该图顶点的编号依次为0到n-1且不存在顶点与自身相连的边。请使用FIFOBB算法编写程序&#xff0c;确定是否存在从顶点 source到顶点 destination的路径。 输入 第一行两个整数&#xff0c;分别表示n 和 e 的值&#xff08;1…...

MySQL 知识小结(一)

一、my.cnf配置详解 我们知道安装MySQL有两种方式来安装咱们的MySQL数据库&#xff0c;分别是二进制安装编译数据库或者使用三方yum来进行安装,第三方yum的安装相对于二进制压缩包的安装更快捷&#xff0c;但是文件存放起来数据比较冗余&#xff0c;用二进制能够更好管理咱们M…...

MySQL JOIN 表过多的优化思路

当 MySQL 查询涉及大量表 JOIN 时&#xff0c;性能会显著下降。以下是优化思路和简易实现方法&#xff1a; 一、核心优化思路 减少 JOIN 数量 数据冗余&#xff1a;添加必要的冗余字段&#xff08;如订单表直接存储用户名&#xff09;合并表&#xff1a;将频繁关联的小表合并成…...

Web中间件--tomcat学习

Web中间件–tomcat Java虚拟机详解 什么是JAVA虚拟机 Java虚拟机是一个抽象的计算机&#xff0c;它可以执行Java字节码。Java虚拟机是Java平台的一部分&#xff0c;Java平台由Java语言、Java API和Java虚拟机组成。Java虚拟机的主要作用是将Java字节码转换为机器代码&#x…...

MySQL 部分重点知识篇

一、数据库对象 1. 主键 定义 &#xff1a;主键是用于唯一标识表中每一行记录的字段或字段组合。它具有唯一性和非空性特点。 作用 &#xff1a;确保数据的完整性&#xff0c;便于数据的查询和管理。 示例 &#xff1a;在学生信息表中&#xff0c;学号可以作为主键&#xff…...