目录
8.可解性和解的结构
-
A x ⃗ = b ⃗ A \vec{x} = \vec{b} Ax=b的特解和通解
将 b ⃗ \vec{b} b以增广矩阵的方式加入 A A A,消元后令自由变量全部为 0 0 0,带入并表示为方程组求解,即可得到一个自由变量全部为 0 0 0的特解,记作 x p ⃗ \vec{x_{p}} xp
求出 A x ⃗ = 0 ⃗ A \vec{x} = \vec{0} Ax=0的通解, x p ⃗ \vec{x_{p}} xp与 A x ⃗ = 0 ⃗ A \vec{x} = \vec{0} Ax=0的通解的和即为 A x ⃗ = b ⃗ A \vec{x} = \vec{b} Ax=b的通解
因而 A x ⃗ = b ⃗ A \vec{x} = \vec{b} Ax=b的通解相当于由 A A A的零空间平移后得到,不过平移后不过原点,而是经过 x p ⃗ \vec{x_{p}} xp的终点
证明自由变量全部为 0 0 0时主变量一定有一组唯一解:
消元后的每个方程中至少有一个主变量,且方程数等于主变量数,将自由变量赋值为 0 0 0,相当于得到一个 r r r个未知数, r r r个方程的方程组,一定有一组唯一解
-
r r r与 m , n m,n m,n的数量关系
-
恒有 r ⩽ n , r ⩽ m r \leqslant n , r \leqslant m r⩽n,r⩽m
-
列满秩( r = n r = n r=n)
-
简化行阶梯形式 R = [ I O ] R = \begin{bmatrix} I \\ O \end{bmatrix} R=[IO](下方的 O O O可能不存在)
-
不存在自由变量
-
零空间中只有 0 ⃗ \vec{0} 0
-
A x ⃗ = b ⃗ A \vec{x} = \vec{b} Ax=b有 0 0 0或 1 1 1个解(消元后若末尾 m − r m - r m−r行的增广矩阵部分只有 0 0 0则有解,否则无解)
-
-
行满秩( r = m r = m r=m)
-
简化行阶梯形式 R = [ I F ] R = \begin{bmatrix} I & F \end{bmatrix} R=[IF](右方的 F F F可能不存在,也有可能与 I I I交错混合)
-
有 n − m n - m n−m个自由变量
-
对 ∀ b ⃗ , A x ⃗ = b ⃗ \forall \vec{b} , A \vec{x} = \vec{b} ∀b,Ax=b均有解(若 m = n m = n m=n则有一个解,否则有无数解)
-
-
满秩方阵( r = n = m r = n = m r=n=m)
-
简化行阶梯形式 R = I R = I R=I
-
零空间中只有 0 ⃗ \vec{0} 0
-
A x ⃗ = b ⃗ A \vec{x} = \vec{b} Ax=b只有一个解
-
-
r < n , r < m r < n , r < m r<n,r<m
-
简化行阶梯形式 R = [ I F O O ] R = \begin{bmatrix} I & F \\ O & O \end{bmatrix} R=[IOFO](右方的 F F F可能与 I I I交错混合)
-
A x ⃗ = b ⃗ A \vec{x} = \vec{b} Ax=b有 0 0 0或无数个解(消元后若末尾 m − r m - r m−r行的增广矩阵部分只有 0 0 0则有解,否则无解)
-
-
打赏
制作不易,若有帮助,欢迎打赏!