线性代数08-求解 Ax=b:可解性与结构
Linear Algebra-求解 Ax=b:可解性与结构-08
可解的条件
仍以 为例,则方程为
矩阵 A 的第三行为第一行和第二行的加和,因此中的 b 要满足,否则方程无解。
检验是否可解的方法是增广矩阵进行行消元。如果矩阵 A 的行被完全消去的话,则对应的 b 的分量也得是 0。在本例中,矩阵 A 的第三行被消去:
如果有解,则。在本例中我们令
前几讲讨论过,只有当 b 处于矩阵的列空间 C(A)之中时,方程才有解。本讲推导出矩阵A的行向量若经过线性组合成为了零向量,则对应的 b 经同样的线性组合后也要等于 0。
通解
为求得的所有解,我们首先检验方程是否可解,然后找到一个特解。将特解和矩阵零空间向量相加即为方程的通解。
特解
求特解的方法是将自由变量均赋值为 0,求其主变量。
本例中,令得到方程组:
不难得到,,因此特解为。
上一讲说了主元列和自由列的一个重要区别就是,自由列可以表示为主元列的线性组合,主元列之间是线性无关的。
我们仍以消元完成后的梯形矩阵U为例,其包含四个主元列。对于_A_x=b 的求解转变为_U_x=c,其中 c 是向量 b 经过与左侧 A 矩阵相同的行操作得到的向量。显然,此时四个主元列的线性组合可以组成任何中的向量,我们将 x 中的自由变量赋值为 0 就可以去掉自由列列向量的干扰,求得方程的特解。如果消元得到的 U 最后 i 行为 0,如果方程要有解,c 的最后 i 个分量就要为 0,这时主元列才可以通过线性组合得到 c,否则方程无解。
与零空间进行线性组合
的通解为,其中为矩阵零空间中的向量,将和相加可得。
上一讲我们知道,矩阵的零空间就是其特解的线性组合的集合,因此方程的通解即为:,式中和为任意实数。
矩阵的零空间 N(A)是空间中的二维子空间,方程的解构成了穿过点并和 N(A)平行的“平面“。但该”平面“并不是空间的子空间(因为该平面不过零点,不满足数乘的条件)。
前面求取的特解过程中,我们令所有自由变量赋值为 0。如果不赋值为 0,则等于带着自由列进行计算,但自由列其实也就是主元列的线性组合,这样求的特解只不过是与零空间特解的一个加和。
秩 Rank
矩阵的秩等于矩阵的主元数。如果 mxn 矩阵的秩为 r,则必有 r<=m 且 r<=n。
下面讨论一下满秩的情形:
- 列满秩:r=n。每列都有主元,x 的每一个分量都是主变量,没有自由变量。零空间 N(A)之内只有零向量。方程无解或者有唯一解。
- 行满秩:r=m。每行都有主元,无论 b 取何值,方程_A_x=b 都有解。主变量 r 个,自由变量 n-r 个。如的形式。
- 满秩 r=m=n,矩阵可逆。零空间只有零向量,无论 b 取何值,方程_A_x=b 都有唯一解。如单位矩阵。
总结如下:
r=m=n | r=n<m | r=m<n | r<n,r<m |
---|---|---|---|
有效方程数量等于未知数数量 | 有效方程数数量大于未知数数量 | 有效方程数数量小于未知数数量 | It depends. |
唯一解 | 无解或者唯一解 | 无穷多解 | 无解或无穷多解 |
当矩阵是m×n的矩阵,且矩阵的秩r既小于m又小于n时,对应的线性方程组的解的情况如下:
- 无穷多解:对于非齐次线性方程组Ax=b,当r(A)=r(A∣b)<n时,方程组有无穷多解。因为秩小于未知数个数n,意味着方程组中存在自由变量,自由变量可以取任意值,从而导致方程组有无穷多组解。
- 无解:对于非齐次线性方程组Ax=b,当时,方程组无解。此时增广矩阵(A∣b)经过初等行变换后,会出现形如[0 0 ⋯ 0 ∣ c]()的行,这表示方程组中存在矛盾方程,所以无解。
这种情况下,线性方程组不可能有唯一解。因为唯一解的充分必要条件是,而题目中给定秩r小于n,不满足唯一解的条件。
总而言之,矩阵的秩决定了方程组解的数量。