Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b与Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0的区别在于:
- 对于齐次线性方程组Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0,无论左侧系数矩阵如何做行变换,右侧的系数始终为0\boldsymbol 00;
Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0必定有解,只是解空间可能有大有小(唯一零解?无穷解?) - 然而对于Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b,消元时,右侧的b\boldsymbol bb和左侧系数矩阵A\mathbf AA一同变换,我们需要考虑增广矩阵[Ab]\begin{bmatrix}\mathbf A&\boldsymbol b\end{bmatrix}[Ab]
Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b可能无解,也可能有解;有解可能是唯一解/无穷解
Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b有解,一定要保证:一旦左侧某几行的线性组合为全0,右侧的系数也必须为0(消元后方程始终满足"0=0"的约束)
例如,[Ab]=[1222b12468b236810b3]\begin{bmatrix}\mathbf A&\boldsymbol b\end{bmatrix}=\begin{bmatrix}1&2&2&2&b_1\\2&4&6&8&b_2\\3&6&8&10&b_3\end{bmatrix}[Ab]=1232462682810b1b2b3,消元后得到[1222b10024b2−2b10000b3−b2−b1]\begin{bmatrix}1&2&2&2&b_1\\0&0&2&4&b_2-2b_1\\0&0&0&0&b_3-b_2-b_1\end{bmatrix}100200220240b1b2−2b1b3−b2−b1,则必须满足b3−b2−b1=0b_3-b_2-b_1=0b3−b2−b1=0
Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b有解的条件
- 对于增广矩阵[Ab]\begin{bmatrix}\mathbf A&\boldsymbol b\end{bmatrix}[Ab],若A\mathbf AA某几行的线性组合得到全0行,对应的b\boldsymbol bb侧也为0,则方程Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b有解;或者说:方程消元后不会出现“0=1”的情况
为什么这样就能肯定方程有解呢?
首先这是在说,各个方程之间没有“互相矛盾”(消元后没出现"0=1")
其次,我们从最后一个主元开始求解,依次向上回带,一定根据方程的约束解出未知量,但具体有多少个解就不一定了
- 上一条为“现象”,其本质在于:
- 当A\mathbf AA的列空间C(A)C(\mathbf A)C(A)包含向量b\boldsymbol bb时,方程Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b有解
或者等价地说:Rank(A)=增广矩阵的秩Rank(A∣b)Rank(\mathbf A)=增广矩阵的秩Rank(\mathbf A|\mathbf b)Rank(A)=增广矩阵的秩Rank(A∣b)
[矩阵乘法角度]这就是说,列向量的线性组合能够得到b\boldsymbol bb
[几何意义角度]矩阵A\mathbf AA线性变换后的空间(基为列向量),包含b\boldsymbol bb
因此,我们可以先求列空间,然后判断是否有解
求解Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b
求解Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b,Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b的一个特解 + Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0的所有可能解 = Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b的所有可能解
具体步骤:Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b使用5-3所讲的消元法得到一个特解,Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0使用消元法得到解空间/零空间,两者叠加即可
也就是说,Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b的解x\boldsymbol xx对应不过原点的平面,因此称为通解(不是线性空间);
而Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0的解x\boldsymbol xx对应过原点的平面,称为解空间(是一个线性空间)
- 原因:xpx_pxp为Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b的特解,xnx_nxn为Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0的所有可能解(A\mathbf AA的零空间中的所有向量),那么有Axp=b\mathbf A \boldsymbol x_p=\boldsymbol bAxp=b和Axn=0\mathbf A \boldsymbol x_n=\boldsymbol 0Axn=0,两个方程相加,得到A(xp+xn)=b\mathbf A \boldsymbol {(x_p+x_n)}=\boldsymbol bA(xp+xn)=b,从而所有(xp+xn)\boldsymbol {(x_p+x_n)}(xp+xn)都是方程Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b的解
- 注意,Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b的解空间一定不是向量空间,因为不含0\boldsymbol 00向量,这个解空间可以理解为:Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0的零空间(向量空间)与方程特解向量xpx_pxp的叠加(零空间做平移,好比y=x到y=x+b的平移),称为线性流形/超平面(2维以上的线性流形)
从(消元后的)行简化阶梯型R\mathbf RR来分析方程解的情况
定义秩Rank(A)=rRank(\mathbf A)=rRank(A)=r:mmm行nnn列的系数矩阵A\mathbf AA消元结束后,rrr也是主元的个数,并且必有r≤mr\leq mr≤m和r≤nr\leq nr≤n
- 方程是否有解,就要看R\mathbf RR是否出现全0行
如果出现了全0行,右边的b\boldsymbol bb对应为0,才有解;否则无解 - 通过R\mathbf RR中的自由变量个数 n−rn-rn−r,可以判断方程解的个数
0个自由变量则方程有唯一解;1个及以上自由变量,方程有无穷解(自由变量有几个,基础解系中的向量就有几个,从而零空间的维度就是几)
具体对应到各个情况:
- Rank(A)=m=nRank(\mathbf A)=m=nRank(A)=m=n,行简化阶梯型R=I\mathbf R=\mathbf IR=I,无全0行,方程必有解,且自由变量个数为000,有唯一解
- Rank(A)=n<mRank(\mathbf A)=n<mRank(A)=n<m,R=[I0]\mathbf R=\begin{bmatrix}\mathbf I\\ \mathbf 0\end{bmatrix}R=[I0],当对应行的b\boldsymbol bb为0时方程才有解;若有解,自由变量个数为000,唯一解
- Rank(A)=m<nRank(\mathbf A)=m<nRank(A)=m<n,R=[IF]\mathbf R=\begin{bmatrix}\mathbf I& \mathbf F\end{bmatrix}R=[IF](重新排列变量后可得到此形式),无全0行,方程必有解,自由变量个数为n−r>0n-r>0n−r>0,有无穷解(零空间至少是一条直线)
- Rank(A)<n且Rank(A)<mRank(\mathbf A)<n且Rank(\mathbf A)<mRank(A)<n且Rank(A)<m,R=[IF00]\mathbf R=\begin{bmatrix}\mathbf I& \mathbf F\\ \mathbf 0&\mathbf 0\end{bmatrix}R=[I0F0],当对应行的b\boldsymbol bb为0时方程才有解;若有解,自由变量个数为n−r>0n-r>0n−r>0,有无穷解
总之,
A\mathbf AA的零空间维数dim[N(A)]dim[N(\mathbf A)]dim[N(A)]=消元后的自由列个数 n−Rank(A)n-Rank(\mathbf A)n−Rank(A)
秩Rank(A)Rank(\mathbf A)Rank(A)=矩阵A\mathbf AA的主元列个数=A\mathbf AA线性无关列向量的最大个数=A\mathbf AA的列空间维数dim[C(A)]dim[C(\mathbf A)]dim[C(A)]
秩Rank(A)Rank(\mathbf A)Rank(A)决定了方程解的结构(有没有解、有唯一/无穷解)
小结:从秩的角度看方程
定义秩Rank(A)=rRank(\mathbf A)=rRank(A)=r:mmm行nnn列的系数矩阵A\mathbf AA消元结束后,主元的个数,并且必有r≤mr\leq mr≤m和r≤nr\leq nr≤n
理论基础是Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b的通解=Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b的一个特解 + Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0的零空间
在此基础上,有下列结论(可以交叉搭配):
- 若r=nr=nr=n,那么那么Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0有唯一零解,进而Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b(如果有解)有唯一解
r=nr=nr=n意味着方程Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0每一列都有一个主元,所有变量都是主变量
⟺ \iff⟺自由变量个数为n−r=0n-r=0n−r=0个
⟺ \iff⟺列向量线性无关(线性无关定义就是Ax=0\mathbf A \boldsymbol x=\boldsymbol 0Ax=0有唯一零解)
⟺ \iff⟺零空间只有零向量(维度n−r=0n-r=0n−r=0,即n=rn=rn=r) - 若r=mr=mr=m,那么对于任意b\boldsymbol bb,Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b必定有解
原因:行满秩意味着消元完成后,左侧的A\mathbf AA不可能出现全0行,因此不会出现方程相互矛盾的情况(如"0=1"),必有解 - 若r<mr<mr<m,则Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b不一定有解(需要观察,若消元后出现0=0的行则无解)
或者说,Ax=b\mathbf A \boldsymbol x=\boldsymbol bAx=b有解的条件:Rank(A)=增广矩阵的秩Rank(A∣b)Rank(\mathbf A)=增广矩阵的秩Rank(\mathbf A|\mathbf b)Rank(A)=增广矩阵的秩Rank(A∣b)
1780

被折叠的 条评论
为什么被折叠?



