MIT 18.06 线性代数公开课笔记 Lecture08 Ax=b, 可解性及解的结构

本文深入解析了线性代数中的矩阵方程Ax=b的求解过程,详细介绍了通过矩阵消元法求解方程组的方法,并讨论了方程可解性的条件。文章还阐述了矩阵秩的概念及其对方程解的影响,包括列满秩、行满秩和完美矩阵的情况。

还是以上节课的 A=[1222246836810]A=\begin{bmatrix} 1&2&2&2\\2&4&6&8\\3&6&8&10 \end{bmatrix}A=1232462682810 为例, 解方程组:
Ax=[1222246836810][x1x2x3x4]=[b1b2b3]A\mathbf{x}=\begin{bmatrix} 1&2&2&2\\2&4&6&8\\3&6&8&10 \end{bmatrix}\begin{bmatrix} x_1\\x_2\\x_3\\x_4 \end{bmatrix}=\begin{bmatrix} b_1\\b_2\\b_3 \end{bmatrix} Ax=1232462682810x1x2x3x4=b1b2b3
我们把整个方程组写成增广矩阵的形式并进行消元:
[1222b12468b236810b3]⟶[1222b10024b2−2b10024b3−3b1]⟶[1222b10024b2−2b10000b3−b2−b1] \left[\begin{array}{cccc:c} 1&2&2&2&b_1\\2&4&6&8&b_2\\3&6&8&10&b_3 \end{array}\right]\longrightarrow\left[\begin{array}{cccc:c} 1&2&2&2&b_1\\0&0&2&4&b_2-2b_1\\0&0&2&4&b_3-3b_1 \end{array}\right]\\[2ex]\longrightarrow\left[\begin{array}{cccc:c} 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{array}\right] 1232462682810b1b2b3100200222244b1b22b1b33b1100200220240b1b22b1b3b2b1
我们得到 0=b3−b2−b10=b_3-b_2-b_10=b3b2b1 .

方程的可解性

b\mathbf{b}b 要满足什么条件才能使得方程 Ax=bA\mathbf{x}=\mathbf{b}Ax=b 总是有解? 回想一下前几节课, 当且仅当 b\mathbf{b}b 属于 C(A)C(A)C(A) , 也就是说 b\mathbf{b}b 必须是 AAA 列向量的线性组合, 方程有解.

另一种等价的描述方式: 如果 AAA 各行的线性组合得到零行, 那么 b\mathbf{b}b 中元素的同样组合必须也是0. 这样方程才会有解.

方程求解的算法

Ax=bA\mathbf{x}=\mathbf{b}Ax=b 的所有解.

  1. 首先验证 0=00=00=0 , 即方程有解.
  2. 第一步只求一个特定的解 xp\mathbf{x_p}xp , 即特解: 将所有自由变量置零, 然后解出 Ax=bA\mathbf{x}=\mathbf{b}Ax=b 中的主变量.
  3. 加上零空间中的任意解 xn\mathbf{x_n}xn . 由于 Axp=bA\mathbf{x_p}=\mathbf{b}Axp=b , Axn=0A\mathbf{x_n}=\mathbf{0}Axn=0 , 所以 Axp+xn=bA\mathbf{x_p+x_n}=\mathbf{b}Axp+xn=b .

于是对于上面的 Ax=bA\mathbf{x}=\mathbf{b}Ax=b , b=[156]\mathbf{b}=\begin{bmatrix} 1\\5\\6 \end{bmatrix}b=156 , 全部解为:
xcomplete=[−20320]+c1[−2100]+c2[20−21] \mathbf{x}_{complete}=\begin{bmatrix} -2\\0\\\frac32\\0 \end{bmatrix}+c_1\begin{bmatrix} -2\\1\\0\\0 \end{bmatrix}+c_2\begin{bmatrix} 2\\0\\-2\\1 \end{bmatrix} xcomplete=20230+c12100+c22021
这是一个 R4R^4R4 中的二维平面, 但是不经过原点, 所以不是一个子空间.

m×nm\times nm×n 矩阵 AAA 的秩 rrr

矩阵有 m 行和 r 个主元, 一定有 r≤mr\le mrm .

同时矩阵有 n 列, 于是也一定有 r≤nr\le nrn , 因为主元个数不可能超过未知数个数.

列满秩, r=n&lt;mr=n&lt;mr=n<m

此时所有列都含主元, 没有自由变量, 于是零空间只有零向量, 此时 R=[I0]R=\begin{bmatrix} I\\0 \end{bmatrix}R=[I0] . Ax=bA\mathbf{x}=\mathbf{b}Ax=b 将只有唯一解, 也就是特解 xp\mathbf{x_p}xp , 或者无解. 换句话说此时只有0或1个解.

行满秩, r=m&gt;nr=m&gt;nr=m>n

每一行都有主元, 不会出现零行, 对任何 b\mathbf{b}b 都一定有解. 自由变量有 n−rn-rnr 个, 此时 R=[IF]R=\begin{bmatrix} I&amp;F \end{bmatrix}R=[IF] , 有无数解.

最完美的矩阵r=m=nr=m=nr=m=n

对于满秩方阵, 将得到一个可逆矩阵. 此时的 R=IR=IR=I , 其零空间只包含零向量. 此时对任何 b\mathbf{b}b 都一定有唯一解.

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