求解Ax=b：可解性和解的结构-线性代数课时8（MIT Linear Algebra , Gilbert Strang）

最新推荐文章于 2023-05-25 19:14:31 发布

_晴少_

最新推荐文章于 2023-05-25 19:14:31 发布

阅读量837

点赞数 2

分类专栏：线性代数数学文章标签： Ax=b 秩r 消元 Gilbert Strang

本文链接：https://blog.csdn.net/wanhongluli/article/details/83043374

版权

线性代数同时被 2 个专栏收录

19 篇文章 1 订阅

订阅专栏

数学

19 篇文章 4 订阅

订阅专栏

这是Strang教授的第八讲，上一讲讲了求解Ax=0，也就是求解矩阵的零空间，这节课将讲解求解完整的线性方程组Ax=b，以及它解的各种可能性。

消元法求解Ax=b示例

上一讲求解了Ax=0，消元法将问题Ax=0转换为Rx=0，R中的自由变量给出了Ax=0的特解。因为右侧变量在消元前后始终为零，所以我们并没有关注右侧变量的变化，上节课中的解x是A的零空间。本节课将要考虑b不等于0的情况，和求解Ax=0不一样，对Ax=b用消元求解，消元的对象是一个增广矩阵[A b]，消元的结果是[R d]，问题Ax=b转换为求解Rx=d，下面的例子介绍了消元的过程：

有方程组，

$\begin{matrix} x_1+2x_2+2x_3+2x_4 = b_1 \\ 2x_1+4x_2+6x_3+8x_4=b_2 \\ 3x_1+6x_2+8x_3+10x_4=b_3 \end{matrix}$

对于上面的方程组，它的增广矩阵[A b]和校园过程如下：

$[A ;b]=\begin{bmatrix} 1& 2 & 2 &2 &b_1 \\ 2& 4 & 6 & 8 & b_2\\ 3& 6 & 8 & 10 &b_3 \end{bmatrix}\rightarrow$

$\begin{bmatrix} (1) & 2 &2 &2 &b_1 \\ 0& 0 & (2) & 4 & b_2-2b_1\\ 0& 0 & 2& 4 & b_3-3b_1 \end{bmatrix}\rightarrow$

$\begin{bmatrix} (1) & 2 &2 &2 &b_1 \\ 0& 0 & (2) & 4 & b_2-2b_1\\ 0& 0 & 0& 0 & b_3-b_2-b_1 \end{bmatrix}\rightarrow$

$\begin{bmatrix} (1) & 2 &0&-2 &3b_1-b_2 \\ 0& 0 & (1) & 2 & 0.5b_2-b_1\\ 0& 0 & 0& 0 & b_3-b_2-b_1 \end{bmatrix}=[R ;d]$

那么Rx=d在什么情况下有解呢，答案在不存在主元的行，在例子中只有第三行，第三行的方程式 0=b_3-b_2-b_1 ,只有满足这个等式的b在本例中才有解，我们令上面通式中b=（1，5，6），那么上面的消元结果：

$\begin{bmatrix} (1) & 2 &0&-2 &-2 \\ 0& 0 & (1) & 2 & 1.5\\ 0& 0 & 0& 0 & 0 \end{bmatrix}=[R ;d]$

可解性和解的结构

上面的例子中介绍了消元的过程并得到了[R d]，并且给出了一个特殊的b=(1，5，6)使得方程组有解，那么Ax=b的可解性是怎样的呢，这里用文字总结一下：

Ax=b有解，当且仅当b属于A的列空间 <=>

如果A的各行的线性组合得到0向量，那么b中的元素同样的组合得到数0.

那么，前面的例子中我们已经通过消元得到了Ax=d的简化行阶梯形式[R;d]，那么怎样得到Ax=d的全部解呢，或者说Ax=d的结构是怎样的呢？Ax=d的全部解的表达式分为两部分：

(1). 求得一个特解 x_p :设所有的自由变量为0(当然对于实矩阵也可以设置其他任意的实数)，求特解 Ax_p=b ；

(2). 求零空间N(A): x_n ， Ax_n=0 .

Ax=b的所有解表达式： x=x_p+x_n ,这就是Ax=b的解的结构，可以验证 A(x_p+x_n)=b 成立。对于上面的例子我们可以按照上面解的结构求解：

(1).求特解 x_p ，令自由变量 x_2=0,x_4=0 ,得到：

$\begin{matrix} x_1+2\cdot 0+0x_3+(-2)\cdot 0=-2\\ 0x_1+0\cdot0+x_3+(-2)\cdot0=1.5 \end{matrix}$

通过解上面的方程组得到 x_1=-2,x_3=1.5 ,所以我们求得的特解是：

$x_p=\begin{bmatrix} -2\\ 0\\ 1.5\\ 0 \end{bmatrix}$

(2).求零空间 x_n ，上一节已经介绍了求解零空间矩阵N的公式，直接带入，得到：

$N=\begin{bmatrix} -2& 2\\ 1 &0 \\0 & -2\\ 0 & 1 \end{bmatrix}$

所以， x_n 表达式如下：

$x_n=x_2\begin{bmatrix} -2\\ 1\\ 0\\ 0 \end{bmatrix}+ x_4\begin{bmatrix} 2\\ 0\\ -2\\ 1 \end{bmatrix}$

(3). 最终的Ax=b的解，表示如下：

$x=\begin{bmatrix} -2\\ 0\\ 1.5\\ 0 \end{bmatrix}+x_2\begin{bmatrix} -2\\ 1\\ 0\\ 0 \end{bmatrix}+ x_4\begin{bmatrix} 2\\ 0\\ -2\\ 1 \end{bmatrix}$

秩r包含解的信息讨论

对mxn的矩阵A，它的秩r包含了解的所有信息，除了用一堆数字表达的解。前面一节课讲解了矩阵秩的概念，它表明了A的真实大小，它的值等于A的主元的数目，下面讨论一下随着r的不同取值，方程组Ax=b解的情况：

(1). 列满秩，r=n：

这时候A没有自由变量. N(A)=0,消元之后的一般表达式:

$R=\begin{bmatrix} I\\ 0 \end{bmatrix}$

Ax=b如果有解（取决于d），只有一个特解，因为N(A)=0.

(2).行满秩，r=m：

这时候只有变量有n-r个.N(A)包含n-r个线性无关的向量的线性组合，消元之后的一般表达式：

$R=\begin{bmatrix} I& F \end{bmatrix}$

Ax=b必有多个解.

(3).即时行满秩，又是列满秩，r=m=n：

这种情况，是有n个线性无关列向量的方阵，消元之后的一般表达式：

R=I

Ax=b有唯一解.

(4).一般情况，既不是行满秩也不是列满秩，r<m,r<n,消元之后的一般表达式：

$R=\begin{bmatrix} I&F \\ 0 &0 \end{bmatrix}$

Ax=b有0个或无穷多个解.

Ax=b解的几何图像

教学视频中，教授用上面例子绘制Ax=b的几何图像，它是一个不过平行于Ax=0 不过原点的平面，由于作图不易，这里用书本上另外一个例子来介绍Ax=b的集合图像，这个例子理解起来会更容易，例子：

$\begin{matrix} x+y+z=4\\ x+2y-z=4 \end{matrix}$

上面方程组的解：

$x=x_p+x_n=\begin{bmatrix} 2\\ 1\\ 0 \end{bmatrix}+ x_3\begin{bmatrix} -3\\ 2\\ 1 \end{bmatrix}$

它的零空间是过原点的直线，通过零空间和上面的解的表达式，我们可以画出Ax=b的几何图像如下图：

例子中Ax=b所在的直线是Ax=0的向量子空间所构成的执行经过平移之后的直线，如果Ax=0有多个自由变量，那么Ax=b的解将是一个不过原点的多维平面，这也证明了Ax=b的解不是 R^n的向量子空间，因为它不过原点。

本节课的内容对应《INTRODUCTION TO LINEAR ALGEBRA》3.4章节。

_晴少_

关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
4
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录