Merge remote-tracking branch 'origin/develop' into develop

素材/线性方程组的系数矩阵与解关系.md

@@ -1,10 +1,10 @@
 在研究线性方程组的解的性质（例如维数）时，我们通常要与其系数矩阵本身的性质产生联系：
+
 >[!note] 定理1：
 >对于齐次方程组 $\boldsymbol{A}_{m \times n}\boldsymbol{x}=\boldsymbol{0}$，设$\mathrm{rank}\boldsymbol{A}=r$，则
 > $$\dim N(\boldsymbol{A})=n-r$$
 
 
-
 已知三阶方阵 $A=\begin{bmatrix}\alpha_1&\alpha_2&\alpha_3\end{bmatrix}$ 有三个不同的特征值，其中$\alpha_3=2\alpha_1+\alpha_2$，若 $\beta=\alpha_1+3\alpha_2+4\alpha_3$ ，求线性方程组 $Ax=\beta$ 的通解.
  $\begin{bmatrix}1\\3\\4\end{bmatrix}+k\begin{bmatrix}2\\1\\-1\end{bmatrix}, k\in\mathbb{R}$
 >解析：由 $\alpha_3=2\alpha_1+\alpha_2$ 可得 $A$ 的列向量组线性相关， $|A|=0$；又因为 $A$ 的三个特征值各不相同，故 $A$ 有两个不为零的特征值 $\lambda_1,\lambda_2$，且 $A$ 可相似对角化，即 $A=P^{-1}\begin{bmatrix}\lambda_1&&\\&\lambda_2&\\&&0\end{bmatrix}P$，$\mathrm{rank}A=\mathrm{rank}(P^{-1}\begin{bmatrix}\lambda_1&&\\&\lambda_2&\\&&0\end{bmatrix}P)=\mathrm{rank}\begin{bmatrix}\lambda_1&&\\&\lambda_2&\\&&0\end{bmatrix}=2$