已知基础解系反求有效方程(矩阵)
2016-10-17 19:26
2206 查看
已知基础解系反求有效方程(矩阵)
@(数学)这个是很有趣的推导过程,原理需要弄清楚。
即:已知Ax = 0的基础解系,由Ax = 0的系数行向量与解向量的关系可以反过来求解A.
具体推导如下:
齐次方程组:
⎧⎩⎨⎪⎪a11x1+a12x2+a13x3+...+a1nxn=0a21x1+a22x2+a23x3+...+a2nxn=0................................an1x1+an2x2+an3x3+...+annxn=0
有解βi=[bi1,bi2,bi3,bi4,...,bin]T,即:
ai1bi1+ai2bi2+ai3bi3+...+ainbin=0
记αi=[ai1,ai2,ai3,...,ain],上面的式子可以转化为:
αiβi=0
转置可得:βTiαT=0,β是列向量
也即:βTiAT=0
这个式子的解读为:以基础解系βi构成转置矩阵为该系数矩阵,该方程组的解(AT列向量)即为A的行向量。注意到解向量一般是列向量,这里恰好对应的是A的转置,也即求得的解向量即为A的行向量。
简单运用起来就是,把基础解系的线性无关向量,写成行向量,往下排起来,组成一个矩阵B,则去解Bx=0,得到的基础解系恰好是待求的A的行向量。
此外,更好的从第一原理推导的思路不是从完全展开思考。而是从Ax=0着手。比如假定Ax=0有i个基础解系:β1,β2,...,βi。则:
Aβ1=0;Aβ2=0;Aβ3=0;...Aβi=0;
即:A(β1,β2,...,βi)=0
现在已知基础解系,则把基础解系的组成的矩阵拿到A的左边,就可以用我们比较喜欢用的初等行变换思考了。按照上面的列式,实际上可以直接进行初等列变换求解。但是不常用。
那么,只用注意到分块矩阵的转置是公转自转一起来,就很容易可以得到:
⎡⎣⎢⎢⎢⎢βT1βT2...βTi⎤⎦⎥⎥⎥⎥AT=0
和上面得到的结论一致。注意我写的字母不一定完全一致。
上面是抽象的部分,下面是实际的应用,更加容易理解掌握。
已知两个方程四个未知量的齐次线性方程组的通解为X=k1[1,0,2,3]T+k2[0,1,−1,1]T,求原齐次线性方程。
一般来说,一个过程的逆过程往往是好解的,因为只需要过程逆向即可。但也有一部分需要换新的思路才能回去。本篇中出现的逆过程实际上是新的思路。
解:不妨令ξ1=[1,0,2,3]T,ξ2=[0,1,−1,1]T
于是问题转成A[ξ1,ξ2]=0,→[ξ1,ξ2]TAT=0,变成以[ξ1,ξ2]T为系数矩阵的方程解的问题求解。
这里是具体的数,可以不用管“公转自转的问题,即:
[ξT1ξT2]AT=0
公转:宏观的行变列,具体的行内部也转置。
[10012−131]AT=0
通常系数矩阵的右部是一个向量,这里的右部是多个向量,只需要对AT列分块就是一样的了。
因此我们只需要求得:
[10012−131]y=0
得出:
y1=[−2,1,1,0]T,y2=[−3,−1,0,1]T
解向量是列向量,对应的是A的行向量。因此:
A=[−2−31−11001]
由此可写出原方程组:
{−2x1+x2+x3=0−3x1−2x2+x4=0
The End
相关文章推荐
- 已知3点,求平面方程,点到面的距离
- hdu3802 矩阵快速幂&特征方程&降幂
- matlab自学经验成果分享 产生一个与已知矩阵同大小的随机数矩阵
- 已知直线斜率是k, 且经过A(x1, y1), 求直线方程
- 已知n阶矩阵A的行列式满足|A|=1,求|A^(-1)|(A^(-1)表示A的逆矩阵)=?
- matlab-自控原理 已知A矩阵求线性定常系统的矩阵指数函数
- MTL 矩阵逆阵 解线性方程
- 已知递推式求第N项的O(logN)算法 (递推式转化为矩阵)
- 漫谈高数(二) 方程和矩阵的物理含义
- 梯度、Hessian矩阵、平面方程的法线以及函数导数的含义
- 梯度、Hessian矩阵、平面方程的法线以及函数导数的含义
- 已知、未知;原因、结果;桥;函数、方程、求解;降维、析构。
- 【矩阵快速幂+递推方程】The Little Architect
- n阶常系数线性递推方程的矩阵乘方解法
- [MATLAB]从已知矩阵中取出子阵
- 已知直线上两点求直线的一般式方程
- 矩阵快速幂加速(常系数递推方程)
- 梯度、Hessian矩阵、平面方程的法线以及函数导数的含义
- C++里已知三个三维点,求他们的平面方程,怎么做?
- MTL 解下三角带状矩阵线形方程