这一讲我们来研究非齐次线性方程组 A x = b \bm{Ax=b} Ax=b 解的情况。
Solvability 可解性
之前我们在讲 column space 的时候已经讲过,欲使非齐次线性方程组 A x = b \bm{Ax=b} Ax=b 有解, b \bm{b} b 必须在 A \bm{A} A 的 column space C ( A ) C(\bm{A}) C(A) 中。
但是有解也分为唯一解和无穷解,所以,什么时候 A x = b \bm{Ax=b} Ax=b 有唯一解,什么时候有无穷解尼?在这一讲我们会发现,矩阵的 rank 会给出答案。
首先我们用上节课的例子重新审视一下 A x = b \bm{Ax=b} Ax=b 有解的情况。
[ 1 2 2 2 2 4 6 8 3 6 8 10 ] [ x 1 x 2 x 3 x 4 ] = [ b 1 b 2 b 3 ] \begin{bmatrix} 1 & 2 & 2 & 2 \\ 2 & 4 & 6 & 8 \\ 3 & 6 & 8 & 10 \\ \end{bmatrix}\begin{bmatrix} x_1 \\ x_2 \\ x_3 \\ x_4 \\ \end{bmatrix}=\begin{bmatrix} b_1 \\ b_2 \\ b_3 \\ \end{bmatrix} ⎣⎡1232462682810⎦⎤⎣⎢⎢⎡x1x2x3x4⎦⎥⎥⎤=⎣⎡b1b2b3⎦⎤
这个例子跟上节课唯一的不同是,我们把右侧的向量换成了非零向量。
我们考虑如下的增广矩阵 augmented matrix
[ 1 2 2 2 b 1 2 4 6 8 b 2 3 6 8 10 b 3 ] \begin{bmatrix} 1 & 2 & 2 & 2 & b_1 \\ 2 & 4 & 6 & 8 & b_2 \\ 3 & 6 & 8 & 10 & b_3 \\ \end{bmatrix} ⎣⎡123