MIT线性代数Linear Algebra公开课笔记 第七讲 求解Ax=0主变量和特解 lecture7 Solving Ax=0：Pivot Variables, Special Solutions

本节是Gilbert Strang的MIT线性代数Linear Algebra公开课中【第七讲 求解$Ax=0$：主变量和特解（lecture 7 Solving $Ax=0$：Pivot Variables, Special Solutions）】的笔记，参考他在 MIT Linear Algebra课程网站上公开分享的 lecture summary (PDF) & Lecture video transcript (PDF)等文档，整理笔记如下，笔记中的大部分内容是从 MIT Linear Algebra课程网站上的资料中直接粘贴过来的，本人只是将该课程视频中讲述的内容整理为文字形式，前面的章节可在本人的其他博客中找到（此处戳第一讲，第二讲，第三讲，第四讲，第五讲，第六讲），后面的章节会按照视频顺序不断更新~

lecture 7 Solving $Ax=0$：Pivot Variables, Special Solutions

本节是一个过渡章节，本门课将从定义转换到算法部分；上节课讲了零空间和列空间，本节课主要关注零空间的求解，即求解$Ax=0$的算法是怎样的。

一. 求解零空间（Computing the nullspace）

Example 1：
$$A=\left[\begin{array}{llll}1& 2& 2& 2\\ 2& 4& 6& 8\\ 3& 6& 8& 10\end{array}\right]$$
分析该矩阵：列二是列一的两倍，行三=行一+行二，即线性相关，消元的时候这些信息都会表现出来。

——求解零空间算法：

——消元。只是消元的对象变成了长方阵（rectangular matrices），此时的消元，即使主元位置是0，仍然要继续（行互换）。利用消元法求解方程组时，在消元的过程中不改变零空间，因为用一个方程减掉另一个方程时，不改变方程组的解，解不变，因此零空间也不变。（实际上，改变的是列空间）。另外，由于在消元的过程中，右侧向量永远是 $0$ ，因此可以省略不写，故只需处理方程组左侧。

具体的求解过程如下：（以“Example 1的求解过程”为例讲解“求解零空间的过程”）

1. 消元

1. 处理第一列（消掉主元下面的元素）
   
2. 处理第二列，但是第二列中的主元位置（行二列二）是 $0$ ，则往下找，看是否有非零元素可以进行行变换，但是下面（行三列二）还是 $0$ ，这说明第二列是前面列的线性组合，即相关于前面各列，但是消元不能停止，则继续找下一个主元。
   
    其中，$U$为阶梯形式（echelon form）：非零元素以一种阶梯形式出现；

    $U$ 中最后一行全为 $0$ ，这是因为行三是行一和行二的线性组合，消元时，是其他行的线性组合的那一行就会变成 $0$ 。

    方程组由$Ax=0$ 变为$Ux=0$，但解和零空间不变。（该方程组一共有三个方程、四个未知数，故一定有解）

3. 我们需要找出下列信息：

   • 主列（pivot columns）：主元所在的列；
   • 自由列（free columns）：主列以外的列，自由列表示可以自由的或者任意的给对应的未知数分配数值；
   • 主变量（pivot variables）：主列对应的变量；
   • 自由变量（free variables）：自由列对应的变量，自由变量可以任意赋值。

   在$U$中： 主列（列一和列三）和自由列（列二和列四）如下图所示，故列二和列四的乘数是任意的，即未 知数$x_2,x_4$（自由变量）可以任取，则只需求解主变量 $x_1,x_3$ 。
   

2. 求特解（Special solutions）

特解：特定的解，特殊之处在于给自由变量分配特定值 $0$、$1$，而不是别的值，进而得到的零空间内的向量。

——$Ux=0$代表什么？（即矩阵的含义是什么？）

——代表一些方程，本例中的具体方程如下：
$$\begin{gathered} x_1+2x_2+2x_3+2x_4=0 \\ 2x_3+4x_4=0 \end{gathered}$$

1. 由于$x_2$和$x_4$的值可以任取，现假设$x_2=1,x_4=0$，即 $\mathbf{x}=\left[\begin{array}{r}-\\ 1\\ -\\ 0\end{array}\right]$，再进行回代，得到$x_3=0$，$x_1=-2$，故 $\mathbf{x}=[\begin{array}{r}-2\\ 1\\ 0\\ 0\end{array}\rfloor$