Lecture 08 求解Ax=b 可解性和解的结构

满秩

列满秩 r=n 没有自由变量 N(A) = zero vector x=xp -- 如果解存在 解唯一 要么无解

行满秩 r=m 没有零行 对任意b都有解

r=n=m 可逆矩阵 R=I 零空间 0向量 b什么要求都没有

today's agenda: 求解Ax=b 有解还是无解? 有解的话是唯一解还是无数解?

仍然还是上个Lecture的例子

x1+2x2+2x3+2x4=b12x1+4x2+6x3+8x4=b23x1+6x2+8x3+10x4=b3

仍然还是消元法,之前学过,消元法实际本质上就是做的是行变换,同样的变换要作用在b上面,这里直接写到一个矩阵里,这个矩阵就是增广矩阵

[1222b12468b236810b3]

处理成 -- 行阶梯型矩阵

[1222b12468b236810b3]=[1222b10024b2b10000b3b2b1]

其实很明显最后一行所对应的方程是0x1+0x2+0x3+0x4=b3b2b1 也就是说,要想Ax=b有解,b3b2b1需要等于0 -- 换句话说,如果A各行的线性组合得到零行 b同样组合也必须为零。

再换句话说就是b要在A的列空间中

这两句话是等价的

具体求解的算法是这样的

对于一个具体的例子是这样的

ee1a9705347331ea31c3c4411cc52d46.jpg|400

其实特解+零空间是合理的,因为

Axnullsapce=0Axspecial=bA(xnullspace+xspecial)=b

对于上面的例子,其实能发现最后的解的空间实际上是类似四维子空间的一个空间,后面的零空间是一个子空间,然后子空间的每个向量都加上了一个特解的向量,构成了一个新的平面(就像平移了一样)

上一个Lecture提到过秩的定义,当时提到的秩实际上就是主元变量或者说主元列的个数

这里更加深入的来探讨了对于不同秩的矩阵A的Ax=b的可解性

对于一个m by n的矩阵,秩为r

对于列满秩的一个矩阵A, 也就是说有多少列就有多少个主元,比如

[1228310][120400]

由于上个lecture的笔记中其实提到过,自由变量的个数实际上是零空间的维度,所以其实对于Ax=0来说,零空间只有零向量,那么最后的通解就取决于Ax=b有没有特解

对于行满秩的一个矩阵A, 也就是说有都少行就有多少个主元,比如

[12222468][12220012]

在消元过程中不会出现零行 所以对b实际上没有要求,b取什么都会在A中的列空间中

同样的,根据上个Lecture的内容,Ax=0存在零空间

所以对于行满秩实际上是无数解

对于r=n=m的矩阵 -- 满秩方阵 比如

[1231]

最终的最简行阶梯型矩阵一定是I,同样的,零空间是zero vector

所以Ax=b 肯定有解 且是唯一解