线性代数07-求解 Ax=0,主变量,特解
Linear Algebra-求解 Ax=0,主变量,特解-07
概要
记得上一节中我们讨论了列空间和零空间的相关问题,那么这一节我们从它们的定义过渡到它们的计算,即如何求解出这些空间的一般形式。给出一种可以解出中的 x 构成的零空间的算法。
消元法求解零空间
记得之前在讲解使用消元法解方程组时,我们对一种情况是无法处理的,那就是矩阵 A 不可逆的情况。之前对这种情况的解释是:求出的解不唯一。这正好对应了我们现在学到的“空间”概念。
我们首先从最简单的零空间(b=0)的计算谈起。
消元法确定主变量与自由变量(消元)
【例】设 ,求由 Ax=0 中的 x 构成的零空间。
Ax=0 其实就是一个方程组:
还是之前学过的消元法来直接处理矩阵 A:
首先注意 A 矩阵消元之后只有两个主元:1 和 2,主元的个数被称为秩,即 A 的秩为 2。
接下来应该是进行回代求解了,但是在这之前,由于消元得到的 U 不是一个严格的上三角矩阵,因此方程的解就不唯一,所以先来明确几个概念。
所以这个 U 的主变量(主元)为。自由变量为。
对自由变量赋值覆盖零空间(回代)
- 首先给自由变量 赋值为。
回代入方程组:
当 时,解向量为:。
- 再给自由变量 赋值为。
再次回代入方程组,此时的解向量为 。
还有别的给 赋值的方法吗?很明显其余的赋值方法都可以被和的线性组合所覆盖,所以这两个解向量足够代表零空间的特征了,我们称这两个解向量为:特解。其特殊之处便在于给自由变量赋值为了和。
通过特解的任意倍的线性组合可以构造出整个零空间。
即的所有解,或者说中的 x 构成的零向量空间为:
算法总结
对于一个的矩阵 A,若其秩(R)为 r,那么就意味着其主变量为 r 个,而自由变量为 n-r 个。也就是只有 r 个方程起作用,而一共有 n 个变量 x,我们将其中的 n-r 个自由变量依次赋值为:。接下来解方程求特解,将特解的任意倍进行线性组合就可以了。
简化行阶梯形式
上面的消元法看上去已经很完美了,但是最后一步解方程还有化简的余地,最后得到的 U 矩阵还可以被进一步化简。
拿上面【例】中的 U 矩阵 为例,继续化简:
- 首先向上消元,使主元列除主元之外都是 0:
- 提出一列元素公倍数,使主元均为 1:
- 列交换,使左上角变为单位阵 I:
在矩阵中主元行和主元列的交汇处存在一个单位阵,通过“列交换”,可以将矩阵 R 中的主元列集中在左侧,从而在左上角形成这个单位阵,而将自由列集中在矩阵的右侧。如果矩阵 A 中的某些行是线性相关的,则在矩阵 R 的下半部分就会出现一些完全为 0 的行向量。
这里的是一个的方阵,F 即自由列消元后组成的部分。
原方程变为求解 R 的主元行乘以 x,
我们将的特解作为列向量写成矩阵,即零空间矩阵。则其形式为 。这里的I为一个的矩阵,就是对n-r个自由变量分别赋值1所构造出来的,零空间矩阵满足,这里的0是一个的矩阵,则从矩阵分块乘法运算可知零空间矩阵上半部分为,即N的最终形式为。
对于矩阵 R 而言,求零空间的特解就变得非常简单,只需要将消元得到的 F 部分拼接上单位矩阵就可以得到所有的通解。注意如果在变换出 R 左上角的单位矩阵的过程中如果采用的列变换,则在最后的解中也要完成相应的变换。