【考研数学】线性代数第四章 —— 线性方程组(2,线性方程组的通解 | 理论延伸)

文章目录


引言

承接前文,继续学习线性方程组的内容,从方程组的通解开始。


四、线性方程组的通解

4.1 齐次线性方程组

(1)基础解系 ------ 设 r ( A ) = r < n r(A)=r<n r(A)=r<n ,则 A X = 0 \pmb{AX=0} AX=0 所有解构成的解向量组的极大线性无关组称为方程组 A X = 0 \pmb{AX=0} AX=0 的一个基础解系。基础解系中所含有的线性无关的解向量的个数为 ( n − r ) (n-r) (n−r) 个。

因为是 r ( A ) = n r(A)=n r(A)=n 呢?因为如果 r ( A ) = n r(A)=n r(A)=n 的话,那齐次方程就只有零解了,也没什么好讨论的。

求齐次线性方程组的基础解系时,把其系数矩阵通过初等行变换进行阶梯化(系数矩阵进行初等行变换相当于方程组的同解变形),每行第一个非零元素所在的列对应的未知数是约束变量,其余变量是自由变量,从而可以确定基础解系(最好把每行第一个非零元素化为 1 ,且其所在的列其余元素都化为零)。

举个例子,假设方程组 A X = 0 \pmb{AX=0} AX=0 的系数矩阵 A \pmb{A} A 经过初等行变换可以化为如下形式:

则 r ( A ) = 3 < 5 r(A)=3<5 r(A)=3<5 ,方程组 A X = 0 \pmb{AX=0} AX=0 的基础解系中含有 n − r = 5 − 3 = 2 n-r=5-3=2 n−r=5−3=2 个解向量,其中 x 1 , x 2 , x 3 x_1,x_2,x_3 x1,x2,x3 为约束变量, x 4 , x 5 x_4,x_5 x4,x5 为自由变量, ( x 4 , x 5 ) (x_4,x_5) (x4,x5) 分别取 ( 1 , 0 ) (1,0) (1,0) 和 ( 0 , 1 ) (0,1) (0,1) ,则基础解系为: ξ 1 = ( − 2 , 1 , − 3 , 1 , 0 ) T , ξ 2 = ( 3 , − 4 , 2 , 0 , 1 ) T . \xi_1=(-2,1,-3,1,0)^T,\xi_2=(3,-4,2,0,1)^T. ξ1=(−2,1,−3,1,0)T,ξ2=(3,−4,2,0,1)T. (2)通解 ------ 设 ξ 1 , ξ 2 , ... , ξ n − r \xi_1,\xi_2,\dots,\xi_{n-r} ξ1,ξ2,...,ξn−r 为齐次线性方程组 A X = 0 \pmb{AX=0} AX=0 的一个基础解系,称 k 1 ξ 1 + k 2 ξ 2 + ⋯ + k n − r ξ n − r k_1\xi_1+k_2\xi_2+\dots+k_{n-r}\xi_{n-r} k1ξ1+k2ξ2+⋯+kn−rξn−r 为齐次线性方程组 A X = 0 \pmb{AX=0} AX=0 的通解,其中 k 1 , k 2 , ... , k n − r k_1,k_2,\dots,k_{n-r} k1,k2,...,kn−r 为任意常数。

4.2 非齐次线性方程组

设 r ( A ) = r ( A ‾ ) < n r(A)=r(\overline{A})<n r(A)=r(A)<n ,且 ξ 1 , ξ 2 , ... , ξ n − r \xi_1,\xi_2,\dots,\xi_{n-r} ξ1,ξ2,...,ξn−r 为 A X = b \pmb{AX=b} AX=b 的导出方程组 A X = 0 \pmb{AX=0} AX=0 的一个基础解系, η 0 \pmb{\eta_0} η0 为 A X = b \pmb{AX=b} AX=b 的一个解,则 A X = b \pmb{AX=b} AX=b 的通解为 k 1 ξ 1 + k 2 ξ 2 + ⋯ + k n − r ξ n − r + η 0 , k_1\xi_1+k_2\xi_2+\dots+k_{n-r}\xi_{n-r}+\eta_0, k1ξ1+k2ξ2+⋯+kn−rξn−r+η0, 其中 k 1 , k 2 , ... , k n − r k_1,k_2,\dots,k_{n-r} k1,k2,...,kn−r 为任意常数。

1,齐次线性方程组 A X = 0 \pmb{AX=0} AX=0 的基础解系不唯一,但线性无关的解向量的个数是唯一的。

2, r ( A ) = r ( A ‾ ) < n r(A)=r(\overline{A})<n r(A)=r(A)<n 时,非齐次线性方程组 A X = b \pmb{AX=b} AX=b 所有解向量的极大线性无关的向量个数为 ( n − r + 1 ) (n-r+1) (n−r+1) 个。

3,设 η 1 , η 2 , ... , η n − r + 1 \eta_1,\eta_2,\dots,\eta_{n-r+1} η1,η2,...,ηn−r+1 为非齐次线性方程组 A X = b \pmb{AX=b} AX=b 的一个极大线性无关组,则其通解也可以像齐次方程那样表示为 k 1 η 1 + k 2 η 2 + ⋯ + k n − r + 1 η n − r + 1 k_1\eta_1+k_2\eta_2+\dots+k_{n-r+1}\eta_{n-r+1} k1η1+k2η2+⋯+kn−r+1ηn−r+1 ,其中 k 1 , k 2 , ... , k n − r + 1 k_1,k_2,\dots,k_{n-r+1} k1,k2,...,kn−r+1 为任意常数,且 k 1 + k 2 + ⋯ + k n − r + 1 = 1. k_1+k_2+\dots+k_{n-r+1}=1. k1+k2+⋯+kn−r+1=1.


五、方程组解的理论延伸

定理 1 ------ 设 A A A 是 m × n m\times n m×n 矩阵, B B B 是 n × s n\times s n×s 矩阵,若 A B = O AB=O AB=O ,则 B B B 的列向量组是方程组 A X = 0 AX=0 AX=0 的解。
证明: 令 B = ( β 1 , β 2 , ... , β s ) B=(\beta_1,\beta_2,\dots,\beta_s) B=(β1,β2,...,βs),则 A B = ( A β 1 , A β 2 , ... , A β s ) AB=(A\beta_1,A\beta_2,\dots,A\beta_s) AB=(Aβ1,Aβ2,...,Aβs),若 A B = O AB=O AB=O ,则 A β 1 = 0 , A β 2 = 0 ... , A β s = 0 A\beta_1=0,A\beta_2=0\dots,A\beta_s=0 Aβ1=0,Aβ2=0...,Aβs=0 ,原命题得证。

定理 2 ------ 设方程组 A X = 0 \pmb{AX=0} AX=0 与 B X = 0 \pmb{BX=0} BX=0 为同解方程组,则 r ( A ) = r ( B ) r(A)=r(B) r(A)=r(B) ,反之不对。

定理 3 ------ 设方程组 A X = 0 \pmb{AX=0} AX=0 的解为 B X = 0 \pmb{BX=0} BX=0 的解,则 r ( A ) ≥ r ( B ) . r(A) \geq r(B). r(A)≥r(B).

1,设方程组 A X = 0 \pmb{AX=0} AX=0 的解为 B X = 0 \pmb{BX=0} BX=0 的解,但不全是,则 r ( A ) > r ( B ) . r(A) > r(B). r(A)>r(B).

2,设方程组 A X = 0 \pmb{AX=0} AX=0 的解为 B X = 0 \pmb{BX=0} BX=0 的解,且 r ( A ) = r ( B ) r(A) = r(B) r(A)=r(B) ,则两个方程组同解。

定理 4 ------ 设 A X = b , B X = c \pmb{AX=b},\pmb{BX=c} AX=b,BX=c ,则线性方程组 ( A , B ) T X = ( b , c ) T (A,B)^TX=(b,c)^T (A,B)TX=(b,c)T 的解即为两个方程的公共解。

相关推荐
野渡拾光1 天前
【考研408数据结构-05】 串与KMP算法:模式匹配的艺术
数据结构·考研·算法
点云SLAM2 天前
Eigen中Dense 模块简要介绍和实战应用示例(最小二乘拟合直线、协方差矩阵计算和稀疏求解等)
线性代数·算法·机器学习·矩阵·机器人/slam·密集矩阵与向量·eigen库
岑梓铭3 天前
考研408《计算机组成原理》复习笔记,第五章(1)——CPU功能和结构
笔记·考研·408·计算机组成原理·计组
酌沧3 天前
大模型的底层运算线性代数
线性代数
ankleless3 天前
数据结构(03)——线性表(顺序存储和链式存储)
数据结构·考研·链表·顺序表·线性表
岑梓铭3 天前
考研408《计算机组成原理》复习笔记,第五章(2)——CPU指令执行过程
笔记·考研·408·计算机组成原理·计组
老歌老听老掉牙4 天前
SymPy 矩阵到 NumPy 数组的全面转换指南
python·线性代数·矩阵·numpy·sympy
岑梓铭5 天前
考研408《计算机组成原理》复习笔记,第五章(3)——CPU的【数据通路】
笔记·考研·408·计算机组成原理·计组
图灵学术计算机论文辅导5 天前
傅里叶变换+attention机制,深耕深度学习领域
人工智能·python·深度学习·计算机网络·考研·机器学习·计算机视觉
易木木木响叮当6 天前
有限元方法中的数值技术:行列式、求逆、矩阵方程
线性代数·矩阵