线性代数拾遗(4)—— 非齐次线性方程组通解的结构

  • 本文说明以下重要结论

    n n n m m m 维非齐次线性方程组 A m × n x n × 1 = b m × 1 \pmb{A}_{m\times n}\pmb{x}_{n\times 1}=\pmb{b}_{m\times 1} Am×nxn×1=bm×1 的通解为 k ξ + η k\pmb{\xi} + \pmb{\eta} kξ+η,其中

    1. k ξ = k 1 ξ 1 + k 2 ξ 2 + . . . + k n − r ξ n − r \pmb{k\xi} = k_1\pmb{\xi}_1+k_2\pmb{\xi}_2+...+k_{n-r}\pmb{\xi}_{n-r} kξ=k1ξ1+k2ξ2+...+knrξnr 是齐次线性方程组 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的通解
    2. η \pmb{\eta} η 是非齐次线性方程组 A x = b \pmb{Ax}=\pmb{b} Ax=b 的一个特解
  • 参考:非齐次线性方程组通解的结构如何理解? - 破魔之箭的回答 - 知乎

1. 有解的条件

  • 当系数矩阵的秩和增广矩阵的秩相等时,即 r ( A ) = r ( A ∣ b ) r(\pmb{A}) = r(\pmb{A}|\pmb{b}) r(A)=r(Ab) 时,非齐次线性方程组 A m × n x n × 1 = b m × 1 \pmb{A}_{m\times n}\pmb{x}_{n\times 1}=\pmb{b}_{m\times 1} Am×nxn×1=bm×1 有解,具体而言

    1. r ( A ) = r ( A ∣ b ) = n r(\pmb{A}) = r(\pmb{A}|\pmb{b}) =n r(A)=r(Ab)=n 时,有唯一解
    2. r ( A ) = r ( A ∣ b ) < n r(\pmb{A}) = r(\pmb{A}|\pmb{b}) <n r(A)=r(Ab)<n 时,有无穷多解

    这意味着,为了保证有解,方程组中有效方程个数 r r r 必须少于等于未知数个数 n n n

  • 注意到,可以通过以下两步变换得到同解方程组

    1. 通过初等行变换把增广矩阵 [ A ∣ b ] [\pmb{A}|\pmb{b}] [Ab] 化阶梯型得到同解方程组 B m × n x n × 1 = b m × 1 ′ \pmb{B}_{m\times n}\pmb{x}_{n\times 1}=\pmb{b}'_{m\times 1} Bm×nxn×1=bm×1
    2. 再取出其中非零的前 r r r 行(保留有效方程组),得到同解方程组 B r × n x n × 1 = b r × 1 ′ \pmb{B}_{r\times n}\pmb{x}_{n\times 1}=\pmb{b}'_{r\times 1} Br×nxn×1=br×1

    注意 r ≤ m r\leq m rm,当方程组有解时 r ≤ n r\leq n rn 也成立

2. 从代数角度考虑

  • A x = b \pmb{Ax}=\pmb{b} Ax=b 有解时,假设一个特解是 x 0 ′ \pmb{x}_0' x0

    1. 对于 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的任意特解 x 0 \pmb{x}_0 x0,有和它唯一对应的 A x = b \pmb{Ax}=\pmb{b} Ax=b 的特解 x 0 + x 0 ′ \pmb{x_0}+\pmb{x_0}' x0+x0,因为
      A ( x 0 + x 0 ′ ) = A x 0 + A x 0 ′ = 0 + b = b \pmb{A}(\pmb{x_0}+\pmb{x_0}') = \pmb{Ax}_0 + \pmb{Ax}_0' = \pmb{0}+\pmb{b} = \pmb{b} A(x0+x0)=Ax0+Ax0=0+b=b
    2. 对于 A x = b \pmb{Ax}=\pmb{b} Ax=b 的任意特解 x 0 ′ ′ \pmb{x}_0'' x0′′,有和它唯一对应的 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的特解 x 0 ′ ′ − x 0 ′ \pmb{x_0}''-\pmb{x_0}' x0′′x0,因为
      A ( x 0 ′ ′ − x 0 ′ ) = A x 0 ′ ′ − A x 0 ′ = b − b = 0 \pmb{A}(\pmb{x_0}''-\pmb{x_0}') = \pmb{Ax}_0'' - \pmb{Ax}_0' = \pmb{b} - \pmb{b} = \pmb{0} A(x0′′x0)=Ax0′′Ax0=bb=0
  • 这意味着

    1. A x = 0 \pmb{Ax}=\pmb{0} Ax=0 A x = b \pmb{Ax}=\pmb{b} Ax=b 解空间中的解向量是一一对应的,二者解空间大小一致
    2. A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的任意解向量,只要沿着 A x = b \pmb{Ax}=\pmb{b} Ax=b 的任意特解 x 0 ′ \pmb{x}_0' x0 的方向平移,就能得到 A x = b \pmb{Ax}=\pmb{b} Ax=b 解空间中的对应解向量(反之也成立)

    所以, A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间(通解 k ξ k\pmb{\xi} kξ)只要沿着 A x = b \pmb{Ax}=\pmb{b} Ax=b 的任意特解( η \pmb{\eta} η)方向平移,即得到 A x = b \pmb{Ax}=\pmb{b} Ax=b 的解空间(通解 k ξ + η k\pmb{\xi} +\pmb{\eta} kξ+η

3. 从几何角度考虑

  • 从几何角度看,矩阵代表对向量的一种空间变换。 A m × n x n × 1 = b m × 1 \pmb{A}_{m\times n}\pmb{x}_{n\times 1}=\pmb{b}_{m\times 1} Am×nxn×1=bm×1,它的同解方程组是 B r × n x n × 1 = b r × 1 ′ \pmb{B}_{r\times n}\pmb{x}_{n\times 1}=\pmb{b}'_{r\times 1} Br×nxn×1=br×1(见第1节),本质是将 n n n 维空间变换为 r ≤ n r\leq n rn 维空间,空间中的向量随着空间变换而变换(随着基向量变换而变换)

    1. A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解向量都变换为 0 \pmb{0} 0 向量,也就是解空间被压缩到原点
    2. A x = b \pmb{Ax}=\pmb{b} Ax=b 的解向量都变换为向量 b \pmb{b} b,也就是解空间被压缩到 b \pmb{b} b 点处

    因此 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间(通解 k ξ k\pmb{\xi} kξ)沿着 A x = b \pmb{Ax}=\pmb{b} Ax=b 的任意特解( η \pmb{\eta} η)方向平移,就能被 A \pmb{A} A 空间变换后压缩到 b \pmb{b} b 点处,即得 A x = b \pmb{Ax}=\pmb{b} Ax=b 的解空间(通解 k ξ + η k\pmb{\xi} +\pmb{\eta} kξ+η

  • 从解空间性质看

    1. A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间是 n n n 维空间中一个过原点的 n − r n-r nr 维子空间,并且此子空间是 A \pmb{A} A 的行空间的正交补空间 A \pmb{A} A 的每个行向量都和解空间正交)
    2. A x = b \pmb{Ax}=\pmb{b} Ax=b 的解空间是 n n n 维空间中过其所有特解的 n − r n-r nr 维子空间, A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间平行

    对于 m = 3 , r = 1 m=3,r=1 m=3,r=1 的某个特殊情况,可以图示为
    在这里插入图片描述
    图中显示了 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的特解 x 0 \pmb{x}_0 x0 沿着 A x = b \pmb{Ax}=\pmb{b} Ax=b 的特解 x 0 ′ \pmb{x}_0' x0 平移成 A x = b \pmb{Ax}=\pmb{b} Ax=b 对应特解 x 0 + x 0 ′ \pmb{x}_0+\pmb{x}_0' x0+x0 的情形。图中还显示了 A x = b \pmb{Ax}=\pmb{b} Ax=b 的另一个特解 x 1 \pmb{x}_1 x1 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的通解 k ξ k\pmb{\xi} kξ 沿着 x 1 \pmb{x}_1 x1 平移同样能得到相同的解空间,只是两个解空间中一一对应的方式不同

  • 最后举一个具体的例子,设 A = [ 1 0 0 0 1 0 ] , b = [ 1 2 ] \pmb{A} = \begin{bmatrix}1 &0 &0\\0 &1 &0\end{bmatrix},\pmb{b} = \begin{bmatrix}1 \\ 2\end{bmatrix} A=[100100],b=[12]

    1. A \pmb{A} A 的行空间可以看作 x 轴和 y 轴,因此 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间作为过原点且和 xoy 平面正交的 n − r = 3 − 2 = 1 n-r = 3-2 = 1 nr=32=1 维空间,只能是 z 轴。形式化地将, A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的通解为 k ξ k\pmb{\xi} kξ,其中 ξ = [ 0 , 0 , 1 ] ⊤ \pmb{\xi} =[0,0,1]^\top ξ=[0,0,1]
    2. A x = b \pmb{Ax}=\pmb{b} Ax=b 的两个特解分别为 [ 1 , 2 , 0 ] ⊤ [1,2,0]^\top [1,2,0] [ 1 , 2 , 1 ] ⊤ [1,2,1]^\top [1,2,1] A x = b \pmb{Ax}=\pmb{b} Ax=b 的通解就是 z 轴沿 [ 1 , 2 , 0 ] ⊤ [1,2,0]^\top [1,2,0] [ 1 , 2 , 1 ] ⊤ [1,2,1]^\top [1,2,1]平移所得,可见二者是重合的。
  • 4
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

云端FFF

所有博文免费阅读,求打赏鼓励~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值