MIT 线性代数导论 第八讲:Ax=b可解性以及解的结构

本讲的主要内容:

  • A x = b Ax=b 的求解过程
  • 讨论 A x = b Ax=b 各种情况是否存在解

求解过程

这一部分使用的例子,这里我直接写成矩阵形式:
A x = b ( 1 2 2 2 2 4 6 8 3 6 8 10 ) x = ( b 1 b 2 b 3 ) Ax=b\Leftrightarrow \begin{pmatrix} 1& 2 & 2 & 2\\ 2& 4 & 6 & 8\\ 3& 6 & 8 & 10 \end{pmatrix}x= \begin{pmatrix} b_{1}\\ b_{2}\\ b_{3} \end{pmatrix}
接下来使用写成增广矩阵的形式 ( A , b ) (A,b) 进行消元:
( 1 2 2 2 b 1 2 4 6 8 b 2 3 6 8 10 b 3 ) ( 1 2 2 2 b 1 0 0 2 4 b 2 2 b 1 0 0 0 0 b 3 b 2 b 1 ) \begin{pmatrix} 1& 2 & 2 & 2 & b_{1}\\ 2& 4 & 6 & 8 &b_{2}\\ 3& 6 & 8 & 10 &b_{3} \end{pmatrix}\Rightarrow \begin{pmatrix} 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{pmatrix}
至此,我们可以很清楚的看到这个方程可解的条件: b 3 b 2 b 1 = 0 b_{3} - b_{2}-b_{1} = 0
对于方程 A x = b Ax=b 方程可解的条件,或者说可解性(Solvability) 即(其实在之前列空间部分讲到过):

  • b b 存在于 A A 的列空间中,也就是 b C ( A ) b\in C(A)

或者说:

  • A A 的行向量的线性组合为0的时候,右侧向量的组合也必须为0,也就是同步

那么,接下来来写出方程的完整解:
分为两个步骤:

  • 1.找到方程的特殊解(particular solution)
  • 2.找到方程的零空间的任意解(也就是基础解系)

为方便,取 ( b 1 b 2 b 3 ) = ( 1 5 6 ) \begin{pmatrix} b_{1}\\ b_{2}\\ b_{3} \end{pmatrix} = \begin{pmatrix} 1\\ 5\\ 6 \end{pmatrix} 代入方程中,得到消元后增广矩阵:
( 1 2 2 2 1 0 0 2 4 3 0 0 0 0 0 ) \begin{pmatrix} 1& 2 & 2 & 2 & 1\\ 0& 0 & 2 & 4 &3\\ 0& 0 & 0 & 0 &0 \end{pmatrix}
按照求解的算法:
S t e p 1 : Step 1: 求出特定解,也就是将所有的自由变量(free variables)赋值为0,接出来得到: x p a r t i c u l a r = ( 2 0 3 / 2 0 ) x_{particular} =\begin{pmatrix} -2 \\ 0 \\ 3/2 \\ 0\end{pmatrix}

S t e p 2 : Step 2: 求出零空间的任意一个解,也就是求解对应的 A x = 0 Ax=0 的解,具体做法按照之前的算法,将所有的自由变量依次赋值为1,上述方程有两个自由变量,最终结果可以记作: x n u l l s p a c e = c 1 ( 2 1 0 0 ) + c 2 ( 2 0 2 0 ) x_{nullspace}=c1\begin{pmatrix} -2 \\ 1 \\ 0\\ 0\end{pmatrix}+c2\begin{pmatrix} 2 \\ 0 \\ -2\\ 0\end{pmatrix} ,这个结果又叫做基础解系

S t e p 3 : Step 3: 将上述两部分加起来即可得到完整解,也就是: x c o m p e l e t e = x p a r t i c u l a r + x n u l l s p a c e = ( 2 0 3 / 2 0 ) + c 1 ( 2 1 0 0 ) + c 2 ( 2 0 2 0 ) x_{compelete} = x_{particular} + x_{nullspace}=\begin{pmatrix} -2 \\ 0 \\ 3/2 \\ 0\end{pmatrix}+c1\begin{pmatrix} -2 \\ 1 \\ 0\\ 0\end{pmatrix}+c2\begin{pmatrix} 2 \\ 0 \\ -2\\ 0\end{pmatrix}
这个结果即为方程的所有解,这个结果证明如下:
{ A x p a r t i c u l a r = b A x n u l l s p a c e = 0 A ( x p a r t i c u l a r + x n u l l s p a c e ) = b \left\{\begin{matrix} A x_{particular} = b\\ A x_{nullspace} = 0 \end{matrix}\right.\Rightarrow A(x_{particular} + x_{nullspace}) = b
如果从图像中理解这个结果,也就是在四维空间中的一张平面(不太直观):我们可以看到基础解系确定的是这个四维空间的一个过原点的平面,也就是 A x = 0 Ax=0 的情况,将这个平面移动到过 x p a r t i c u l a r x_{particular} 这个点,此时,这个平面就表示结果。

讨论不同情况方程的可解性

总结对于一个 m × n m\times n 的矩阵(秩为 r r )所有的解的可能情况:

  • 1. m = n = r m=n=r : 唯一解,没有自由变量,所以零空间只有零向量,所以解就等于特殊解,最后的形式为
  • 2. r = m < n r=m<n : 有无穷多解,有自由变量,零空间的存在无穷多向量。
  • 3. r = n < m r=n<m : 有唯一解或者只有0解,没有自由变量,所以零空间只有一个零向量,只存在特殊解,特殊解可能存在或者不存在。
  • 4. r < m , r < n r<m,r<n : 无解或者有无穷多解

这几个结论,其实只要画一下矩阵的大致形状就很好理解了。
以上~

猜你喜欢

转载自blog.csdn.net/sinat_34328764/article/details/82956522