课程六
- 列空间
C(A)
A 的所有列向量的线性组合组成列空间。
子空间的交集仍然是子空间。
Ax=b 是否有解的一种解释是:b必须在A的列空间中,即存在A的列向量的线性组合等于b。
假设 A 为m×n 的矩阵,m > n,则在这种解释下, A 是向量空间Rn 的子空间, Ax=b 是否有解取决于向量 b 是否在A 的列空间中。
当 A 为n×n 的矩阵(方阵),且 A 的各列线性无关时,A 的向量空间占满整个 Rn ,b为任何向量 Ax=b 皆有解。 - 零空间
N(A)
使 Ax=0 的所有列向量 x 组成A 的零空间。
零空间必定包含零向量。
零空间之所以为向量空间,因为其中的任意向量的数乘和加法仍然在向量空间内。
课程七
- 消元
⎡⎣⎢1232462682810⎤⎦⎥→⎡⎣⎢100200222244⎤⎦⎥→⎡⎣⎢100200220240⎤⎦⎥=U - 秩(Rank)
消元后主元(pivot)的数目 - 自由变量与特殊解
无法通过消元得到主元的列是自由变量(自由列)。
自由变量可以赋任意值。
通常,通过设置自由变量中的任意一个为1,其他为0,得到一个解。变换赋值1的变量,得到其他解。
零空间为这些解的所有线性组合。 - 秩与主元
秩(r)就是主元的个数。自由变量的个数为 n−r - 简化行阶梯形式(Reduced Row Echelon Form)
⎡⎣⎢100200220240⎤⎦⎥→⎡⎣⎢100200020−240⎤⎦⎥→⎡⎣⎢100200010−220⎤⎦⎥=R - 通过
Rx=0
求解
Ax=0
R=[I0F0]x=[−FI]
课程八
- 增广矩阵
⎡⎣⎢⎢1232462682810b1b2b3⎤⎦⎥⎥→⎡⎣⎢⎢100200220240b1b2−2b1b3−b2−b1⎤⎦⎥⎥
则 Ax=b 有解的条件是 b3−b2−b1=0 -
Ax=b
有解的两种描述
b 在列空间C(A) 里
如果A的行向量的的某个线性组合得到了零向量,b的相同的组合也必须给出0 -
Ax=b
的所有解
- 设置所有自由变量为0,解出所有主变量,得到特解。
- 解出零向量空间。
- 所有解为特解加上零空间。
-
A
为
m×n 矩阵,秩为 r ,有r≤m,r≤n
- 列满秩 r=n 时,自由变量个数为0, N(A)=0 ,如果存在解,解唯一。(有0个或1个解)
- 行满秩 r=m 时,对任意b都有解。自由变量有n-r个。
- r=m=n 时,矩阵可逆, R=I ,有唯一解。
- r=n<m 时, R=[I0] ,有0或1个解。
- r=m<n 时, R=[IF] , 有无穷多解。
- r<m,r<n , R=[I0F0] ,有0个解或无穷多解。