MIT 18.06 linear algebra 第七课笔记
第七课课程要点如下:
- computing the nullspace(Ax=0)
- pivot variable free variable
- special solution
当我们对一个线性方程组化简时可能会出现主元为0的情形:
A=⎡⎣⎢1232462682810⎤⎦⎥=⎡⎣⎢100200222244⎤⎦⎥=⎡⎣⎢100200220240⎤⎦⎥(1)
上式(1)中可以看出第二主元位置变为0,由于矩阵中(3,2)位置处的元素经过消元也变为0。从这些现象可以得出第二列其实是和第一列线性相关的(因为用第一行的元素减去下面各行,前两列的元素均变为0)。仔细观察第三个矩阵,可以发现第三个矩阵是一个 阶梯型矩阵(echelon form)。第一列和第三列为 主列(pivot column),第二列和第四列为 自由列(free column)。矩阵 A 的秩(rank)为2。其中秩
由于矩阵 A 有两个自由列,因此可以为这两个自由列对应的
{x1+2x2+2x3+3x4=02x3+4x4=0(2)
令 x2,x4 分别为0,1可以得到特解为 ⎡⎣⎢⎢⎢−2100⎤⎦⎥⎥⎥ ,如果令 x2,x4 分别为1,0。可以得到特解为 ⎡⎣⎢⎢⎢20−21⎤⎦⎥⎥⎥ 。那么 Ax=0 的解为:
x=c⎡⎣⎢⎢⎢−2100⎤⎦⎥⎥⎥+d⎡⎣⎢⎢⎢20−21⎤⎦⎥⎥⎥(3)
矩阵 A 中虽然包含三个方程,但其实只有两个是有效的。我们都知道要求解四个未知数至少要有四个方程才行。我们需要确定其他两个自由的未知数,那么主变量因此也就确定下来。
我们依旧可以对式(1)中的第三个矩阵对应的方程组进行化简:
上面的式(4)第二个矩阵称之为行阶梯最简形式(reduced row echelon form)。主元为1且主元上下都为0。我们可以将行最简矩阵中主列和自由列抽取出来形成:
B=[I0F0]=⎡⎣⎢100010200−220⎤⎦⎥(5)
上面的矩阵中将第二列与第三列交换了。那么 Bx=0 得到的解和 Ax=0 得到的解中 x2,x3 也相应产生了互换。 Bx=0 的特解可以表示为: [−FI] 。
再举一个例子:
A=⎡⎣⎢⎢⎢1222246836810⎤⎦⎥⎥⎥−>⎡⎣⎢⎢⎢100020243044⎤⎦⎥⎥⎥−>⎡⎣⎢⎢⎢100022003200⎤⎦⎥⎥⎥(6)
式(6)中矩阵的秩为2, r=3−1 ,方程组 Ax=0 的解为 c⎡⎣⎢−1−11⎤⎦⎥ 。
式(6)中的矩阵 A 化为行最简矩阵为:
矩阵 Ax=0 的解为零空间可以看成是: c[−FI] 。这里只有一个自由变量那么也就对应一阶的单位矩阵即 [1] 。矩阵 A 最终被化简为