MIT线性代数:8.求解Ax=b:可解性和解的结构

1.Ax=b

MIT线性代数:8.求解Ax=b:可解性和解的结构_第1张图片

MIT线性代数:8.求解Ax=b:可解性和解的结构_第2张图片

最后消元得到:

MIT线性代数:8.求解Ax=b:可解性和解的结构_第3张图片

所以可以得出有解的条件是:

1.1Ax=b可解性

(1)从列空间看:b必须满足是A各列的线性组合,当然这也是方程组有解的要求。

(2)如果A的各行经过线性组合得到零行,那么b经过相同的线性组合也必须得到零行。

1.2Ax=b的解结构

1.特解(Xp):

经过消元之后,把自由变量全赋值为0(自由变量可以自由赋值,自由变量是经过特定赋值的解叫做特解),并求得主元的值,这样就构成了特解。

对于上面的例子我们可以解出特解:

MIT线性代数:8.求解Ax=b:可解性和解的结构_第4张图片

2.通解(Xn(Null space)):

我们把AXn=0的解加上AXp=b的解相加,就得到Ax=b的所有解。

证明:

MIT线性代数:8.求解Ax=b:可解性和解的结构_第5张图片

我们利用上节课的知识,求出零空间的特解,加上Ax=b的特解就是所有解:

MIT线性代数:8.求解Ax=b:可解性和解的结构_第6张图片

但它不是子空间,因为Xp是原点上方的一点,Xn是过原点的平面,但是解是他们俩相加,也就是过Xp的平面(不过原点)。

2.秩r与Ax=b的解关系

对于一个m*n的矩阵,秩r满足r<=m,r<=n。

2.1列满秩(r=n)

那么就意味着主元变量为n,没有自由变量,此时零空间N(A)只有零向量,因为没有自由变量可以赋值,所以列的线性组合得不到0(因为如果存在非零x使得Ax=0成立,那么A中有一列是没有贡献的,既然没有贡献,那么也就不存在列满秩的情况了)。那么Ax=b的解如何呢?要不0个解,要不1个解等于Xp。

所以列满秩的解的情况:0或1个解。

举例:

MIT线性代数:8.求解Ax=b:可解性和解的结构_第7张图片MIT线性代数:8.求解Ax=b:可解性和解的结构_第8张图片

上述矩阵消元后符合r=n的情况。同时我也一眼能看出来有两个行是多余的,肯定R 下面会有两个0 行,因为行向量是2 维的,因为前两行是线性无关的,2 维平面中有两个向量线性无关,那该平面的所有向量都可以由这两个向量线性组合得到,所有会出现两个0 行。

若此时的b为A中列空间的线性组合(4,3,7,6)时,存在特解Xp(1,1),如果不是列空间的线性组合则无解。

2.2行满秩(r=m

每行都有主元,不存在0行,那么b就没有要求,而且有n-m个自由变量,所以解有无穷多个。

举例:

MIT线性代数:8.求解Ax=b:可解性和解的结构_第9张图片

2.3r=m=n

代表的是满秩方阵,消元到最简形式是单位矩阵,是一个可逆矩阵,结合r=m和r=n的解的情况得出此时一定有一个解b,b满足是A向量的线性组合。

总结:

MIT线性代数:8.求解Ax=b:可解性和解的结构_第10张图片

1. r=m=n R=I 有唯一解b 是A 列向量的线性组合
2. r=n 3. r=m 4. r 则有0 解

你可能感兴趣的:(线性代数)