【李永乐老师】线性代数第19练-m>n时有|AB|=0|秩法 vs 方程组法

合集 · 【李永乐老师】考研数学线性代数·每日一练(持续更新) (21)

  1. 3:55
    【李永乐老师】线性代数第01练-含参行列式的计算|赋值法 vs 逆序数
  2. 2:23
    【李永乐老师】线性代数第02练-行列式的计算|逐行相加
  3. 8:08
    【李永乐老师】线性代数第03练-行列式多项式方程|行列式拆分性质 vs 拉普拉斯展开
  4. 10:29
    【李永乐老师】线性代数第04练-n 阶行列式证明|归纳法
  5. 7:39
    【李永乐老师】线性代数第05练-n 阶行列式计算|提公因数 vs 行倍加 vs 列拆分法
  6. 4:06
    【李永乐老师】线性代数第06练-特殊行列式(三对角线)的计算|常规行变换法 vs 凑整消元法
  7. 8:05
    【李永乐老师】线性代数第07练-抽象型行列式的计算|行列式的性质 vs 矩阵运算
  8. 5:38
    【李永乐老师】线性代数第08练-分块行列式计算|拉普拉斯展开(含逆+伴随混合运算)
  9. 3:17
    【李永乐老师】线性代数第09练-抽象型行列式计算|配E恒等变形(A+B无运算法则!)
  10. 4:00
    【李永乐老师】线性代数第10练-正交矩阵行列式计算|AA^T配E恒等变形
  11. 3:57
    【李永乐老师】线性代数第11练-抽象矩阵行列式|特征值法(向量条件如何翻译成特征值?)
  12. 2:01
    【李永乐老师】线性代数第12练-相似矩阵行列式|多项式行列式恒等(kE别漏掉!)
  13. 2:09
    【李永乐老师】线性代数第13练-特征值反求行列式|均不可逆→特征值翻译
  14. 3:07
    【李永乐老师】线性代数第14练-特征多项式求根|因式分解法(行变换凑公因子·不含参)
  15. 3:18
    【李永乐老师】线性代数第15练-特征多项式求根|因式分解法(行变换凑公因子·含参)
  16. 2:42
    【李永乐老师】线性代数第16练-矩阵方程与齐次方程组|克拉默法则
  17. 1:52
    【李永乐老师】线性代数第17练-范德蒙行列式应用|克拉默法则(范德蒙≠0判唯一解)
  18. 6:29
    【李永乐老师】线性代数第18练-A²=A且A≠E⇒|A|=0|反证法 vs 秩法 vs 方程组法
  19. 8:09
    【李永乐老师】线性代数第19练-m>n时有|AB|=0|秩法 vs 方程组法
  20. 4:01
    【李永乐老师】线性代数第20练-代数余子式组合求值|按行展开逆用(构造法)
  21. 9:30
    【李永乐老师】线性代数第21练-代数余子式列和求值|伴随矩阵法 vs 初等列变换法
Description
线性代数第19练打卡处!✅ 两种方法你更习惯哪一种?评论区聊聊👀

📖 核心结论:
当 m>n 时,任意 m×n 矩阵 A 与 n×m 矩阵 B 的乘积 AB 的行列式必为 0。

方法一(秩法):
r(AB) ≤ r(B) ≤ n < m → r(AB)<m → |AB|=0。
三行结束,最快。

方法二(方程组法):
① BX=0,未知数 m 个,方程 n 个,m>n ⇒ 有非零解;
② 设 d 是它的非零解,则 Bd=0,左乘 A 得 ABd=0;
③ 所以 d 也是 ABX=0 的非零解 ⇒ |AB|=0。
步骤稍多,但把“为什么”讲透了。

⚠️ 易错点:
① 秩法中,r(AB)≤r(B) 和 r(B)≤n 两条都要写,缺一不可。最终得出 r(AB)<m,不是 ≤,因为 n<m 是严格小于;
② 方程组法中,如果 BX=0 有非零解,它们一定也是 ABX=0 的解。反过来不成立——ABX=0 的解不一定是 BX=0 的解。这一步不要搞反方向;
③ 最后一步“ABX=0 有非零解 ⇒ |AB|=0”依据是克拉默法则的逆否命题。

Comments

AI全文总结 2d ago

本视频深入解析了当 $m > n$ 时,矩阵乘积 $AB$ 的行列式必为零的证明方法。 🚀 **核心知识点总结:** 🔹 **秩法视角**:利用 $\text{rank}(AB) \le \min(\text{rank}(A), \text{rank}(B))$ 快速判定。 🔹 **降维打击**:通过 $B$ 是 $n \times m$ 矩阵且 $n < m$ 推导其秩的上限。 🔹 **方程组转化**:尝试将行列式问题转化为齐次方程组是否存在非零解的问题。 🔹 **逻辑递进**:探讨如何从“解集包含关系”巧妙推导出原方程组的性质。 ⚠️ **高能预警**:面对这种“扁长型”方程组,到底该用哪种思路最快?两种方法竟有如此奇妙的联系! --内容由@AI视频总结 生成,仅供参考【很棒的视频,快给up主点赞】