【线性代数】零空间矩阵

矩阵A零度空间Ax=0解决方案集合。
求零空间:矩阵A消除主要变量获得和自由变量;分配给自由变量值获得特殊的解决方案;特别的解决方案,以获得零空间线性组合。

如果矩阵例如,下面的:


对矩阵A进行高斯消元得到上三角矩阵U。继续化简得到最简矩阵R:


因为方程Ax=0的右側是零向量,所以仅仅对矩阵A进行消元不会影响解,因此不须要增广矩阵,所以有:


从上面的高斯消元的结果能够看出,矩阵A的秩为2,当中第1,3列为主元列,2,4列为自由列,相应于方程主来说,形式转变例如以下:

【线性代数】零空间矩阵_第1张图片

从上式能够看出。x2,x4是自由变量,我们能够任意赋值。x2=0,x4=1。x2=1,x4=0能够分别得到两个特解(几个自由变量就有几个特解):


然后我们将两组特解进行线性组合就得到了矩阵A的零空间:


上面我们从数值解的角度描写叙述了矩阵零空间的求法。以下从公式角度分析:
上面我们经过消元( 行变换,不改变行空间和零空间。仅仅改变列空间)得到了最简形式R。

我们将R经过列变换得到例如以下矩阵:

【线性代数】零空间矩阵_第2张图片

我们能够对方程式作例如以下变形:

【线性代数】零空间矩阵_第3张图片

【线性代数】零空间矩阵_第4张图片

我们之所以进行上述变换。是为了有更好的表示形式(不进行列变换也行,可是要记住哪一列是单位矩阵I中的。哪一列是自由变量矩阵F中的):

【线性代数】零空间矩阵_第5张图片

【线性代数】零空间矩阵_第6张图片

这样我们代入方程式能够得到零空间矩阵:


从上面的推导能够看出,得到的零空间矩阵的每一列就是我们前面的特解(注意要变换顺序!交换第2。3行,结果便和前面同样)。因此,我们能够从通过消元法得到最简式R。然后就能够直接得到零空间矩阵,则 零空间就是零空间矩阵各列向量的线性组合。而不须要像前面那样先给x2,x4赋值,然后回代到方程中得到两个特解。从而得到矩阵的零空间。

以下再举一例:

因为R本来就具有非常好的形式。就不用进行列变换了:

【线性代数】零空间矩阵_第7张图片

于是通过解方程得到零空间矩阵:


注:最简矩阵R和零空间矩阵x在MATLAB中能够分别用命令rref(A)。null(A,'r')得到



原文:http://blog.csdn.net/tengweitw/article/details/40039373

作者:nineheadedbird







版权声明:本文博客原创文章。博客,未经同意,不得转载。

你可能感兴趣的:(【线性代数】零空间矩阵)