MIT 线性代数导论 第七讲:Ax=0求解

本讲的主要内容有:

  • 计算 A x = 0 Ax=0 的解(求零空间)
  • 理解主变量以及自由变量的概念
  • A x = 0 Ax=0 的特殊解

求解 A x = 0 Ax=0

首先举一个例子,并进行消元过程,消元过程在之前讲到过:
A = ( 1 2 2 2 2 4 6 8 3 6 8 10 ) ( 1 2 2 2 0 0 2 4 0 0 2 4 ) ( [ 1 ] 2 2 2 0 0 [ 2 ] 4 0 0 0 0 ) = U A = \begin{pmatrix} 1 & 2 & 2 & 2\\ 2 & 4 & 6 & 8\\ 3 & 6 & 8 & 10 \end{pmatrix} \Rightarrow \begin{pmatrix} 1 & 2 & 2 & 2\\ 0 & 0 & 2 & 4\\ 0 & 0 & 2 & 4 \end{pmatrix} \Rightarrow \begin{pmatrix} \left [ 1 \right ] & 2 & 2 & 2\\ 0 & 0 & \left [ 2 \right ] & 4\\ 0 & 0 & 0 & 0 \end{pmatrix} = U

这里还应该注意几个地方,最后一个矩阵,我们简记为 U U (虽然它不是一个上三角矩阵,但是形式是类似的),其中标记了两个元素,这两个元素之前也提到过,叫做主元,或者主变量,主元所在的列,称为主列(pivot columns),那么剩下的列称为自由列(free columns),另外,这种形式的矩阵称为阶梯形式(echelon form),在消元过程中,我们得到这一步的矩阵之后,接下来就要进行“回代”操作了,也就是恢复成方程形式:
{ x 1 + 2 x 2 + 2 x 3 + 2 x 4 = 0 2 x 3 + 4 x 4 = 0 \left\{\begin{matrix} x_{1}+2x_{2}+2x_{3}+2x_{4} = 0\\ 2x_{3} + 4x_{4} = 0 \end{matrix}\right.

由于自由变量的赋值是任意的,所以为了方便的表示解,我们可以依次取一个自由变量为1,其余的自由变量为0,例如在这里,其中 x 2 x 4 x_{2} ,x_{4} 是自由变量所以我们依次赋值1,另一个自由变量为0,得到下面的两个解:
a = ( 2 1 0 0 ) , b = ( 2 0 2 1 ) a=\begin{pmatrix} -2\\ 1\\ 0\\ 0 \end{pmatrix}, b=\begin{pmatrix} 2\\ 0\\ -2\\ 1 \end{pmatrix}
那么如何表示所有的解呢?或者说如何构造方程的解空间?(在这里方程右侧为0,也就是指零空间),我们可以是说这两个解其实是零空间的基,对它们的线性组合也就构成了整个空间,所以,表示这个任意的线性组合即可:
x = c ( 2 1 0 0 ) + d ( 2 0 2 1 ) x=c\begin{pmatrix} -2\\ 1\\ 0\\ 0 \end{pmatrix}+ d\begin{pmatrix} 2\\ 0\\ -2\\ 1 \end{pmatrix}
其中 c d c,d 均为任意值,也就表示了所有的线性组合了。这个结果,称作 特殊解(special solution)

此外,还可以继续对上面的那个”阶梯形式“矩阵继续进行化简,从而得到一种更加简单的形式:
( 1 2 2 2 0 0 2 4 0 0 0 0 ) ( 1 2 0 2 0 0 1 2 0 0 0 0 ) \begin{pmatrix} 1 & 2 & 2 & 2\\ 0 & 0 & 2 & 4\\ 0 & 0 & 0 & 0 \end{pmatrix} \Rightarrow \begin{pmatrix} 1 & 2 & 0 & -2\\ 0 & 0 & 1 & 2\\ 0 & 0 & 0 & 0 \end{pmatrix}
这种形式的矩阵称为 简化行阶梯矩阵(reduced row echelon),它的特点是:所有的主元所在的列,只有主元为1,其余的元素都是0,其实我们如果将所有的主元列都拿出来,去掉多余的全为0的行,得到的结果就是一个单位矩阵,这个矩阵简记为 R R

关于最简形式

行最简形矩阵 R R 如果调整列的位置,都有如下的形式:
R = ( I F 0 0 ) R=\begin{pmatrix} I & F\\ 0 & 0 \end{pmatrix}
也就是将主列 ( I I ) 排列在前,自由列 ( F F ) 排列在后,矩阵的下面会有0或者若干全为0行。
对于 A x = 0 Ax=0 我们将特殊解的列向量组成一个矩阵,使得这个矩阵的列空间等同于方程为解空间,这个矩阵称为**零空间矩阵(nullspace of matrix)**简记为 N N ,则会有一个规律:
N = ( F I ) N = \begin{pmatrix} -F\\ I \end{pmatrix}
其实使用上述过程计算一个方程的例子就很容易发现,因为这其实只是将方程最简形式移项即可,最后附上一个更清楚的例子:
A = ( 1 2 3 2 4 6 2 6 8 2 8 10 ) ( 1 2 3 0 0 0 0 2 2 0 4 4 ) ( 1 0 1 0 1 1 0 0 0 0 0 0 ) A=\begin{pmatrix} 1 &2 &3 \\ 2 &4 &6 \\ 2 & 6 &8 \\ 2 & 8 &10 \end{pmatrix} \Rightarrow \begin{pmatrix} 1 &2 &3 \\ 0 &0 &0 \\ 0 & 2 &2 \\ 0 & 4 &4 \end{pmatrix}\Rightarrow \begin{pmatrix} {\color{Red} 1} &{\color{Red} 0} &1 \\ {\color{Red} 0} &{\color{Red} 1} &1 \\ 0 & 0 &0 \\ 0 & 0 &0 \end{pmatrix}
其中标红的部分为主元,最后构成一个单位矩阵,右侧就是自由变量构成的矩阵 F F ,我们将这个方程解出来,
可以看出:
x = c ( 1 1 1 ) = c ( F I ) x=c\begin{pmatrix} -1\\ -1\\ 1 \end{pmatrix}= c\begin{pmatrix} -F\\ I \end{pmatrix}

以上~

猜你喜欢

转载自blog.csdn.net/sinat_34328764/article/details/82949325