本节课我们将从定义转换到算法, 如何解出 A x = 0 A\mathbf{x}=\mathbf{0} Ax=0 .
取矩阵 A = [ 1 2 2 2 2 4 6 8 3 6 8 10 ] A=\begin{bmatrix} 1&2&2&2\\2&4&6&8\\3&6&8&10 \end{bmatrix} A=⎣⎡1232462682810⎦⎤ , 列1, 2在同一方向, 行1, 2, 3也线性相关, 这些将体现在消元中. 矩阵做行变换时不会改变方程的解, 也就不会改变零空间.对于我们消元的算法来说, 要注意什么是变化的, 什么是不变的.
消元:
[
1
2
2
2
2
4
6
8
3
6
8
10
]
⟶
[
1
2
2
2
0
0
2
4
0
0
2
4
]
\begin{bmatrix} \boxed1&2&2&2\\2&4&6&8\\3&6&8&10 \end{bmatrix}\longrightarrow\begin{bmatrix} \boxed1&2&2&2\\0&0&\boxed2&4\\0&0&2&4 \end{bmatrix}
⎣⎡1232462682810⎦⎤⟶⎣⎡100200222244⎦⎤
消掉第一列后, 发现第二列下面变成0了, 这说明第二列是前面的列的线性组合. 我们继续找下一个主元:
[
1
2
2
2
0
0
2
4
0
0
2
4
]
⟶
[
1
2
2
2
0
0
2
4
0
0
0
0
]
=
U
\begin{bmatrix} \boxed1&2&2&2\\0&0&\boxed2&4\\0&0&2&4 \end{bmatrix}\longrightarrow\begin{bmatrix} \boxed1&2&2&2\\0&0&\boxed2&4\\0&0&0&0 \end{bmatrix}=U
⎣⎡100200222244⎦⎤⟶⎣⎡100200220240⎦⎤=U
第三行是全零, 说明第三行是前两行的线性组合.
我们最终得到了一种阶梯矩阵. 可以发现, 消元之后只有2个主元, 这个数字2称为该矩阵的秩(rank).
现在方程变为 U x = 0 U\mathbf{x}=\mathbf{0} Ux=0 . 下一步我们要找出主变量(pivot variables), 主变量所在的列称为主列(pivot columns), 其余列称为自由列(free columns). 自由意味着, 这些列上的自由变量可以取任意数.
首先取 x 2 = 1 , x 4 = 0 x_2=1,x_4=0 x2=1,x4=0 , 求得一组解 x = c [ − 2 1 0 0 ] \mathbf{x}=c\begin{bmatrix} -2\\1\\0\\0 \end{bmatrix} x=c⎣⎢⎢⎡−2100⎦⎥⎥⎤ , 这并不是完整的零空间, 还可以取 x 2 = 0 , x 4 = 1 x_2=0,x_4=1 x2=0,x4=1 , 求得另一组解 x = d [ 2 0 − 2 1 ] \mathbf{x}=d\begin{bmatrix} 2\\0\\-2\\1 \end{bmatrix} x=d⎣⎢⎢⎡20−21⎦⎥⎥⎤ . 于是所有的解是 x = c [ − 2 1 0 0 ] + d [ 2 0 − 2 1 ] \mathbf{x}=c\begin{bmatrix} -2\\1\\0\\0 \end{bmatrix}+d\begin{bmatrix} 2\\0\\-2\\1 \end{bmatrix} x=c⎣⎢⎢⎡−2100⎦⎥⎥⎤+d⎣⎢⎢⎡20−21⎦⎥⎥⎤ , 也就是两个特解的线性组合. 零空间所包含的恰好是线性无关的特解的线性组合. 特解有多少个? 每个自由变量对应一个特解.
让我们把知识串联起来: 矩阵 A m × n A_{m\times n} Am×n 的秩为 r r r , 表示主变量的个数, 于是自由变量的个数就是 n − r n-r n−r , 也就是说起作用的变量只有 r r r 个, 其他变量可以自由取值, 也就是可以得到 n − r n-r n−r 个线性无关的特解.
我们还可以让矩阵看起来更干净. 用
R
R
R 表示简化行阶梯形式(reduced row echelon form)的矩阵. 对于
U
=
[
1
2
2
2
0
0
2
4
0
0
0
0
]
U=\begin{bmatrix} 1&2&2&2\\0&0&2&4\\0&0&0&0 \end{bmatrix}
U=⎣⎡100200220240⎦⎤ , 可以继续向上消元, 可以让主元上方也变为全零, 再用方程除以主元, 可以让主元变为1:
[
1
2
2
2
0
0
2
4
0
0
0
0
]
→
[
1
2
0
−
2
0
0
2
4
0
0
0
0
]
→
[
1
2
0
−
2
0
0
1
2
0
0
0
0
]
=
R
\begin{bmatrix} 1&2&2&2\\0&0&2&4\\0&0&0&0 \end{bmatrix}\rightarrow\begin{bmatrix} 1&2&0&-2\\0&0&2&4\\0&0&0&0 \end{bmatrix}\rightarrow\begin{bmatrix} \boxed1&2&0&-2\\0&0&\boxed1&2\\0&0&0&0 \end{bmatrix}=R
⎣⎡100200220240⎦⎤→⎣⎡100200020−240⎦⎤→⎣⎡100200010−220⎦⎤=R
Matlab生成
R
R
R 的指令为 rref(A) . 可以发现上面的
R
R
R 中还包含了一个单位矩阵, 元素来自主元的行列. 我们通过
R
R
R 可以很快的计算出特解.
如果把含自由变量列的子矩阵称为
F
F
F , 可以得到, 典型情况下有
R
=
[
I
F
0
0
]
R=\begin{bmatrix} I&F\\0&0 \end{bmatrix}
R=[I0F0] . 方程变为求
R
x
=
0
R\mathbf{x}=\mathbf{0}
Rx=0 , 我们想要一次求出所有特解, 可以创造一个零空间矩阵(列由特解组成)
N
=
[
−
F
I
]
N=\begin{bmatrix} -F\\I \end{bmatrix}
N=[−FI] . Matlab生成
N
N
N 的指令为 null(A) .
原方程可以最终表示为 [ I F ] [ x p i v o t x f r e e ] = 0 \begin{bmatrix} I&F \end{bmatrix}\begin{bmatrix} x_{pivot}\\x_{free} \end{bmatrix}=\mathbf{0} [IF][xpivotxfree]=0 .
316
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
