08AX=b可解性及解的结构

本文探讨了通过RREF求解线性方程组Ax=b中的解,区分了满秩、行满秩和列满秩矩阵,以及它们对应的解的性质。特别强调了主元列的重要性,以及如何找到特解和通解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前面讨论了Ax=0Ax=0Ax=0的解的情况:

  • 至少有一个零解
  • 最大的子空间就是列数维度的空间
  • 接着就是一直“坍塌”成零空间

一、Ax=bAx=bAx=b进行RREF

上一节课,我们解决了Ax=0Ax=0Ax=0解的问题,这个问题被由最后的Rx=0Rx=0Rx=0解决,这一节我们讨论更加一般的情况Ax=bAx=bAx=b

[130200141316][x1x2x3x4]=[167] \begin{bmatrix} 1 &3&0&2\\ 0&0&1&4\\ 1&3&1&6 \end{bmatrix}\begin{bmatrix} x_1\\x_2\\x_3\\x_4 \end{bmatrix} =\begin{bmatrix} 1\\6\\7 \end{bmatrix} 101303011246x1x2x3x4=167
四个未知数,三个方程。写成增广矩阵形式:
[130210014613167] \begin{bmatrix} 1 &3&0&2&1\\ 0&0&1&4&6\\ 1&3&1&6&7 \end{bmatrix} 101303011246167
化简成RREF形式:
[130210014600000]=[Rd] \begin{bmatrix} 1 & 3 & 0 & 2 & 1\\ 0 & 0 & 1 & 4 & 6\\ 0 & 0& 0 & 0 & 0\\ \end{bmatrix}=\begin{bmatrix} R&d \end{bmatrix} 100300010240160=[Rd]
最后一行RRR是全零行,对应的同行的ddd也为0。继续考虑一般情况:
[1302b10014b21316b3]=[1302b10014b20000b3−b2−b1] \begin{bmatrix} 1 &3&0&2&b_1\\ 0&0&1&4&b_2\\ 1&3&1&6&b_3 \end{bmatrix}= \begin{bmatrix} 1 &3&0&2&b_1\\ 0&0&1&4&b_2\\ 0&0&0&0&b_3-b_2-b_1 \end{bmatrix} 101303011246b1b2b3=100300010240b1b2b3b2b1
行向量组合如果是零向量,那么对应的结果向量也必须有相同的变换。b3−b2−b1=0b_3-b_2-b_1=0b3b2b1=0时,最后一个等式才成立;从列空间来看,所有向量都无法对bbb的最后一行造成任何影响,所以它必须是0。

二、一个特解

还是以上一段提到的矩阵为例:
[130210014600000] \begin{bmatrix} 1 & 3 & 0 & 2 & 1\\ 0 & 0 & 1 & 4 & 6\\ 0 & 0& 0 & 0 & 0\\ \end{bmatrix} 100300010240160
在确保最后一个方程成立后,方程必然有解,因为单位向量能够组成除了零行的任何向量。自由向量依然可以随意选取,最简单的不就是全零,因此我们得到唯一的特解:xp=[1060]x_p=\begin{bmatrix}1\\0\\6\\0\end{bmatrix}xp=1060,从这个意义上看,特解像是不考虑自由列的,完全由主列决定的唯一解。

主元列是唯一有效输入至结果变量的,其比例是稳定的,再叠加上零空间的解(不会使得已经输出的结果改变)。于是最终方程的解为:
x=xp+xn=[1060]+x2[−3100]+x4[−20−41] x=x_p+x_n=\begin{bmatrix}1\\0\\6\\0\end{bmatrix}+x_2\begin{bmatrix}-3\\1\\0\\0\end{bmatrix}+x_4\begin{bmatrix}-2\\0\\-4\\1\end{bmatrix} x=xp+xn=1060+x23100+x42041

个人觉得可以这么理解,一个三维空间,主列向量其实就类似于基底,因为所有其他自由向量都可以由他们表示,其他都是基底的线性组合。从图像的角度来看,在四维空间中,他表示一个过xpx_pxp的三维空间。

系数矩阵AAA的行数是mmm,列数是nnn,对应的秩为rrr,在线性代数中行秩等于列秩等于矩阵的秩。

如果矩阵AAA是列满秩的,那么其零空间为全零向量,全部列向量都为主元列,没有自由向量。

如果矩阵AAA是行满秩的,那么其列空间为RmR^mRm,他始终有解。

三、矩阵秩与解的关系

对于一个秩为rrrm×nm\times nm×n系数矩阵A:(r<mr<mr<mr<nr<nr<n

  • r=m=nr=m=nr=m=n,满秩矩阵。可逆矩阵,Ax=bAx=bAx=b有唯一解;
    eg:
    [100010001] \begin{bmatrix} 1 &0 &0\\0&1&0\\0&0&1 \end{bmatrix} 100010001
    无论bbb是如何,我总能找到一个系数使你恰好等于bbb

  • r=m<nr=m<nr=m<n,行满秩矩阵。Ax=bAx=bAx=b有无穷多个解;
    eg:[100201030015] \begin{bmatrix} 1 &0 &0&2\\0&1&0&3\\0&0&1&5 \end{bmatrix} 100010001235
    “胖子”矩阵

  • r=n<mr=n<mr=n<m,列满秩矩阵。Ax=bAx=bAx=b唯一解或者无解;
    eg:[100010001000000] \begin{bmatrix} 1 &0 &0\\0&1&0\\0&0&1\\0&0&0\\0&0&0 \end{bmatrix} 100000100000100
    "瘦子"矩阵

  • r<n,r<mr<n,r<mr<nr<m,既不是行满秩也不是列满秩。Ax=bAx=bAx=b要么没有解要么无穷多个解:

  • eg:[100010000000000] \begin{bmatrix} 1 &0 &0\\0&1&0\\0&0&0\\0&0&0\\0&0&0 \end{bmatrix} 100000100000000

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值