麻省理工大学线性代数导论笔记 - Lecture 8 求解Ax=b：可解性和解的结构

学习视频来源：麻省理工公开课_线性代数导论 讲师：Gilbert Strang

http://open.163.com/special/opencourse/daishu.html

---

Lecture 8 求解Ax=b：可解性和解的结构

已知矩阵$A= \left( \begin{array}{ccc} 1&2&2&2\\ 2&4&6&8\\ 3&6&8&10 \end{array} \right)$，解方程组$\begin{cases} x_1+2x_2+2x_3+2x_4=b_1\\ 2x_1+4x_4+6x_3+8x_4=b_2\\ 3x_1+6x_2+8x_3+10x_4=b_3 \end{cases}$。关键在于第三行是前两行之和。根据消元，右侧常数的关联立马可见：如果方程组有解，右侧常数需要满足$b_1+b_2=b_3$。

让我们写成增广矩阵形式$\left ( \begin{array}{c:c} \begin{matrix} A \end{matrix}& \begin{matrix} b \end{matrix} \end{array} \right )$并进行消元：

$\left ( \begin{array}{c:c} \begin{matrix} 1&2&2&2\\ 2&4&6&8\\ 3&6&8&10 \end{matrix}& \begin{matrix} b_1\\ b_2\\b_3 \end{matrix} \end{array} \right )$->$\left ( \begin{array}{c:c} \begin{matrix} 1&2&2&2\\ 0&0&2&4\\ 0&0&2&4 \end{matrix}& \begin{matrix} b_1\\ b_2-2b_1\\b_3-3b_1 \end{matrix} \end{array} \right )$->$\left ( \begin{array}{c:c} \begin{matrix} 1&2&2&2\\ 0&0&2&4\\ 0&0&0&0 \end{matrix}& \begin{matrix} b_1\\ b_2-2b_1\\b_3-b_2-b_1 \end{matrix} \end{array} \right )$

得出方程有解的条件为$b_3-b_1-b_2=0$，和我们之前的主观判断一致。这就是所谓的Solvability 可解性：$Ax=b$有解当且仅当$b$在$C(A)$中。<=> 如果$A$各行的线性组合会得到零行，那么右侧向量$b$中分量的同样组合也必须为零。

假设$b=\left (\begin{array}{ccc} 1\\ 5\\ 6 \end{array} \right)$，代入得：$\left ( \begin{array}{c:c} \begin{matrix} 1&2&2&2\\ 0&0&2&4 \end{matrix}& \begin{matrix} 1\\ 3 \end{matrix} \end{array} \right )$。现在我们的目标是求这个方程组的所有解。

step 1：求特定解（教授将$Ax=b$特解表示为particular solution，$Ax=0$基为special solution）。将所有自由变量$x_2$和$x_4$设为 0（自由变量可以任取），然后解出$Ax=b$的主变量$x_1$和$x_3$。

方程组变为$\begin{cases} x_1+2x_2=1\\ 2x_3=3 \end{cases}$，解得$x_{particular}=\left (\begin{array}{ccc} -2\\0\\3/2\\0 \end{array} \right)$

step 2：求零空间内的任何解$x_{nullspace}=c_1\left (\begin{array}{ccc} -2\\1\\0\\0 \end{array} \right)+c_2\left (\begin{array}{ccc} 2\\0\\-2\\1 \end{array} \right)$，也被称为基础解系，解法详见前文。

step 3：$x_{complete}=x_{particular}+x_{nullspace}$即为$Ax=b$的所有解。（$Ax_{particular}=b$，$Ax_{nullspace}=0$，$Ax_{particular}+Ax_{nullspace}=b$。对于方程组某解，其与零空间内任意向量之和仍为解。）图像上应该是一个由子空间从原点平移上来得到的平面。

推广到一般性的$m×n$，秩为$r$的矩阵$A$，始终有$，r≤m，r≤n$。矩阵的秩决定了方程组解的数目。

• full column rank 列满秩的情况($r=n＜m$)：主变量有$n$个，自由变量有 0 个。零空间$N(A)$内只有一个零向量$\vec 0$。而$Ax=b$的全部解（如果解存在），只有特定解$x_{particular}$。这种情况下$Ax=b$只有 0 或 1 个解。
• row column rank 行满秩的情况($r=m＜n$)：主变量有$m$个，自由变量有$n-m$个。对任意$b$，$Ax=b$都有解。
• row column rank 方阵满秩的情况($r=m=n$)：可逆，自由变量有 0 个。零空间$N(A)$内只有一个零向量$\vec 0$。而$Ax=b$的全部解，只有特定解$x_{particular}$。这种情况下$Ax=b$只有 1 个解。
• 都不满秩的情况($r＜m，r＜n$)：这种情况下$Ax=b$无解或者无穷解。