文章目錄
- 矩陣方程有解判定定理
- 線性方程組有解判定
- 特化:齊次線性方程組有解判定
- 推廣:矩陣方程 A X = B AX=B AX=B有解判定
- 證明
- 推論
矩陣方程有解判定定理
線性方程組有解判定
-
線性方程組 A x = b A\bold{x}=\bold{b} Ax=b有解的充分必要條件是它的系數矩陣A和增廣矩陣 ( A , b ) (A,\bold{b}) (A,b)具有相同的秩 R ( A ) = R ( A , b ) R(A)=R(A,\bold{b}) R(A)=R(A,b),記 r = R ( A ) = R ( A , b ) r=R(A)=R(A,\bold{b}) r=R(A)=R(A,b):
- 若 r = n r=n r=n有方程組有唯一解
- 若 r < n r<{n} r<n方程組有多解
-
對于非齊次線性方程,需要計算 R ( A ) , R ( A , b ) R(A),R(A,\bold{b}) R(A),R(A,b)
-
對于齊次線性方程只需要計算 R ( A ) R(A) R(A)
特化:齊次線性方程組有解判定
-
這是線性方程組有解的特例,可以將定理進一步簡化
-
齊次線性方程組 A x = 0 A\bold{x}=\bold{0} Ax=0齊次方程組的情況可以理解為 b \bold{b} b中元素全為0
-
容易知道 A x = 0 A\bold{x}=\bold{0} Ax=0總有 R ( A ) = R ( A  ̄ ) = r R(A)=R(\overline{A})=r R(A)=R(A)=r,因此齊次線性方程組總是有解;
- 我們只需要計算系數矩陣 A A A的秩 R ( A ) R(A) R(A)即可得到 r r r
- 若 r = n r=n r=n則方程組有唯一解,并且是零解
- 若 r < n r<n r<n方程組有非零解
-
齊次線性方程組有解判定定理:齊次線性方程組 A x = 0 A\bold{x}=\bold{0} Ax=0有解的充要條件是 R ( A ) ? n R(A)\leqslant{n} R(A)?n;
- 有零解(唯一解)的充要條件是 R ( A ) = n R(A)=n R(A)=n
- 有非零解(多解)的充要條件是 R ( A ) < n R(A)<n R(A)<n;
推廣:矩陣方程 A X = B AX=B AX=B有解判定
- 這里 B B B是常數項矩陣(不再是系數矩陣的增廣矩陣)
- 定理:矩陣方程 A X = B AX=B AX=B有解的充要條件是 R ( A ) = R ( A , B ) R(A)=R(A,B) R(A)=R(A,B)
-
注意這里 X , B X,B X,B不一定是向量,可能是多行多列的矩陣
-
參考同濟線代v6@p76@定理6
-
證明
-
設 A , X , B A,X,B A,X,B分別為 m × n m\times{n} m×n, n × l n\times{l} n×l, m × l m\times{l} m×l的矩陣
-
對X和B按列分塊:
- X X X= ( x 1 , x 2 , ? x l ) (\bold{x}_1,\bold{x}_2,\cdots \bold{x}_l) (x1?,x2?,?xl?),
- B B B= ( b 1 , b 2 , ? b l ) (\bold{b}_1,\bold{b}_2,\cdots \bold{b}_l) (b1?,b2?,?bl?)
-
矩陣方程 A X = B AX=B AX=B等價于 l l l個向量方程(線性方程組)
-
A X = A ( x 1 , x 2 , ? x l ) AX=A(\bold{x}_1,\bold{x}_2,\cdots \bold{x}_l) AX=A(x1?,x2?,?xl?)= ( A x 1 , A x 2 , ? A x l ) (A\bold{x}_1,A\bold{x}_2,\cdots A\bold{x}_l) (Ax1?,Ax2?,?Axl?)
-
所有 A X = B AX=B AX=B等價于 ( A x 1 , A x 2 , ? A x l ) (A\bold{x}_1,A\bold{x}_2,\cdots A\bold{x}_l) (Ax1?,Ax2?,?Axl?)= ( b 1 , b 2 , ? b l ) (\bold{b}_1,\bold{b}_2,\cdots \bold{b}_l) (b1?,b2?,?bl?)
- 又等價于 A x i = b i ( i = 1 , 2 , ? , l ) A\bold{x}_i=\bold{b}_i(i=1,2,\cdots,l) Axi?=bi?(i=1,2,?,l)共 l l l個線性方程組
- 這些線性方程的共同點是有相同的系數矩陣 A A A,這意味著這 l l l個線性方程組以及原矩陣方程的系數矩陣的秩都是相等的,這個結論很重要
- 而位置數矩陣和常數項矩陣又是相對獨立的
-
設 R ( A ) = r R(A)=r R(A)=r,且 A A A的行階梯形矩陣為 A ~ \widetilde{A} A ,則 A ~ \widetilde{A} A 有 r r r個非零行,且 A ~ \widetilde{A} A 的后 m ? r m-r m?r行為全零行
-
( A , B ) (A,B) (A,B)= ( A , b 1 , b 2 , ? b l ) (A,\bold{b}_1,\bold{b}_2,\cdots \bold{b}_l) (A,b1?,b2?,?bl?) ~ r \overset{r}{\sim} ~r ( A ~ , b 1 ~ , ? , b l ~ ) {(\widetilde{A},\widetilde{\bold{b}_1},\cdots,\widetilde{\bold{b}_l})} (A ,b1? ?,?,bl? ?)
- 其中 A ~ \widetilde{A} A 是 A A A的行階梯形矩陣
- 而向量 b 1 ~ , ? , b l ~ \widetilde{\bold{b}_1},\cdots,\widetilde{\bold{b}_l} b1? ?,?,bl? ?是 b 1 , b 2 , ? b l \bold{b}_1,\bold{b}_2,\cdots \bold{b}_l b1?,b2?,?bl?與 A ~ r A ~ A\overset{r}{\sim}\widetilde{A} A~rA 執行相同的行變換后的結果,即 b i ~ \widetilde{\bold{b}_i} bi? ?并不表示某個行階梯形矩陣
-
將等價的第 i i i個線性方程組的增廣矩陣初等行變換為行階梯形矩陣: ( A , b i ) (A,\bold{b}_i) (A,bi?) ~ r \overset{r}{\sim} ~r ( A ~ , b i ~ ) {(\widetilde{A},\widetilde{\bold{b}_i})} (A ,bi? ?), ( i = 1 , 2 , ? , l ) (i=1,2,\cdots,l) (i=1,2,?,l)
-
A X = B AX=B AX=B有解 ? \Leftrightarrow ? A x i = b i {A\bold{x}_i=\bold{b}_i} Axi?=bi? ( i = 1 , 2 , ? , l ) (i=1,2,\cdots,l) (i=1,2,?,l)有解
- ? \Leftrightarrow ? R ( A , b i ) {R(A,\bold{b}_i)} R(A,bi?)= R ( A ) = r R(A)=r R(A)=r, ( i = 1 , 2 , ? , l ) (i=1,2,\cdots,l) (i=1,2,?,l)
- ? \Leftrightarrow ? b i ~ {\widetilde{\bold{b}_i}} bi? ?的后 m ? r m-r m?r個分量(元)全為0 ( i = 1 , 2 , ? , l ) (i=1,2,\cdots,l) (i=1,2,?,l)
- 因為,若后 m ? r m-r m?r個元中存在非零元,會導致 R ( A , b i ) > R ( A ) R(A,\bold{b}_i)>R(A) R(A,bi?)>R(A),導致 A x i = b i {A\bold{x}_i=\bold{b}_i} Axi?=bi?無解
- 而其前 r r r個元的取值情況不會影響 R ( A , b i ) {R(A,\bold{b}_i)} R(A,bi?)= R ( A ) R(A) R(A)的成立,我們不關心
- ? \Leftrightarrow ? 矩陣 ( b 1 ~ , ? , b l ~ ) (\widetilde{\bold{b}_1},\cdots,\widetilde{\bold{b}_l}) (b1? ?,?,bl? ?)的后 m ? r m-r m?r行全為0;
- ? \Leftrightarrow ? 行階梯形矩陣 D ~ \widetilde{D} D = ( A ~ , b 1 ~ , ? , b l ~ ) (\widetilde{A},\widetilde{\bold{b}_1},\cdots,\widetilde{\bold{b}_l}) (A ,b1? ?,?,bl? ?)的后 m ? r m-r m?r行全為0
- ? \Leftrightarrow ? R ( D ~ ) ? m ? ( m ? r ) = r R(\widetilde{D})\leqslant{m-(m-r)=r} R(D )?m?(m?r)=r,又因為 D ~ \widetilde{D} D 包含了 A ~ \widetilde{A} A ,所以 R ( A ~ ) = r ? R ( D ~ ) R(\widetilde{A})=r\leqslant{R(\widetilde{D})} R(A )=r?R(D )
- ? \Leftrightarrow ? R ( D ~ ) = r R(\widetilde{D})=r R(D )=r
- ? R ( A , B ) = R ( A ) \Leftrightarrow{R(A,B)=R(A)} ?R(A,B)=R(A)
-
因此,如果 A X = B AX=B AX=B有解,則 R ( A , B ) = R ( A ) R(A,B)=R(A) R(A,B)=R(A)
推論
- 若 A X = B AX=B AX=B有解,則 R ( B ) ? R ( A , B ) = R ( A ) R(B)\leqslant{R(A,B)}=R(A) R(B)?R(A,B)=R(A),所以 R ( B ) ? R ( A ) R(B)\leqslant{R(A)} R(B)?R(A),即常數項矩陣的秩小于系數矩陣的秩
- 對 A X = B AX=B AX=B兩邊同時取轉置運算,有 X T A T = B T X^TA^T=B^T XTAT=BT,同理有 R ( B T ) ? R ( X T ) R(B^T)\leqslant R(X^T) R(BT)?R(XT),即 R ( B ) ? R ( X ) R(B)\leqslant{R(X)} R(B)?R(X)
- 綜上, R ( B ) ? min ? ( R ( A ) , R ( X ) ) R(B)\leqslant{\min(R(A),R(X))} R(B)?min(R(A),R(X))