第七节 求Ax=0的主变量、特解
第七节 求Ax=0的主变量、特解
矩阵的秩
取矩阵\(A\)为\({ \left[ {{\left. \begin{array}{*{20}{l}} {1\text{ }\text{ }2\text{ }\text{ }2\text{ }\text{ }2}\\ {2\text{ }\text{ }4\text{ }\text{ }6\text{ }\text{ }8}\\ {3\text{ }\text{ }6\text{ }\text{ }8\text{ }10} \end{array} \right] }}\right. }\)
消元得到:
-
矩阵\(U\)为梯形矩阵,第三行为0的原因是矩阵\(A\)第三行是前两行相加(线性组合)而成
-
矩阵的秩(rank)就是矩阵的主元个数,比如矩阵\(U\)的秩为2。矩阵包含主元的列称为主元列(pivot column),不包含主元的列称为自由列(free column)
特解
第一节就已提到,解线性方程先消元再回代,解\(Ax=0\),在消元后变为\(Ux=0\),即
在上例中,有两列主元列两列自由列,对自由变量进行赋值,比如令\({x\mathop{{}}\nolimits_{{2}}=1,x\mathop{{}}\nolimits_{{4}}=0}\),回代方程组中得:\({ \left\{ \begin{array}{*{20}{l}} {x\mathop{{}}\nolimits_{{1}}+2x\mathop{{}}\nolimits_{{2}}+2x\mathop{{}}\nolimits_{{3}}+2x\mathop{{}}\nolimits_{{4}}=0}\\ {2x\mathop{{}}\nolimits_{{3}}+4x\mathop{{}}\nolimits_{{4}}=0} \end{array}\right. } \Rightarrow { \left\{ \begin{array}{*{20}{l}} {x\mathop{{}}\nolimits_{{1}}=-1}\\ {x\mathop{{}}\nolimits_{{3}}=0} \end{array}\right. }\)
即特解为\({x={ \left[ {{\left. \begin{array}{*{20}{l}} {-2}\\ {\text{ }1}\\ {\text{ }0}\\ {\text{ }0} \end{array} \right] }}\right. }}\)
再令自由变量\({x\mathop{{}}\nolimits_{{2}}=0,x\mathop{{}}\nolimits_{{4}}=1}\),得到特解\({x={ \left[ {{\left. \begin{array}{*{20}{l}} {\text{ }2}\\ {\text{ }0}\\ {-2}\\ {\text{ }1} \end{array} \right] }}\right. }}\)
所谓特解,就是特定的解。特定在于给自由变量分配特定的值
这两个向量的任何倍数(\(cx\))都在零空间内,而零空间就是特解的线性组合,即\({c{ \left[ {{\left. \begin{array}{*{20}{l}} {-2}\\ {\text{ }1}\\ {\text{ }0}\\ {\text{ }0} \end{array} \right] }}\right. }+d{ \left[ {{\left. \begin{array}{*{20}{l}} {\text{ }2}\\ {\text{ }0}\\ {-2}\\ {\text{ }1} \end{array} \right] }}\right. }\text{ }}\)
行最简阶梯矩阵
转换成行最简阶梯矩阵\(R\),就是在矩阵\(U\)的基础上再把主元化简为1且主元列除主元外全都是0
对于上例:
零空间的另一种解法
把矩阵\(R\)进行“行交换”:
\({R={ \left[ {{\left. \begin{array}{*{20}{l}} {1\text{ }\text{ }0\text{ }\text{ }2\text{ }-2}\\ {0\text{ }\text{ }1\text{ }\text{ }0\text{ }\text{ }2}\\ {0\text{ }\text{ }0\text{ }\text{ }0\text{ }\text{ }0} \end{array} \right] }}\right. }}\),即\({R={ \left[ {{\left. \begin{array}{*{20}{l}} {I\text{ }\text{ }F}\\ {0\text{ }\text{ }0} \end{array} \right] }}\right. }}\)这种形式。由于最下面是零向量(换成线性方程是\(0=0\)始终成立),可以省略就变成了\({R={ \left[ {{\left. {I\text{ }\text{ }F} \right] }}\right. }}\)
其中\(I\)是一个\(r \times r\)的单位矩阵,\(F\)是自由列消元后的部分
把刚才得出的两个特解组合在一起,即\({ \left[ {{\left. \begin{array}{*{20}{l}} {-2\text{ }\text{ }2}\\ {\text{ }0\text{ }-2}\\ {\text{ }1\text{ }\text{ }\text{ }0}\\ {\text{ }0\text{ }\text{ }\text{ }1} \end{array} \right] }}\right. }\)(经过了“行变换”,即第二行与第三行交换)
观察前两行与\(F\)的差别,得出结论前两行就是\(-F\),上面的组合可表示为
从一开始求\(Ax=0\)变成求\(Ux=0\)再变成现在的的\(Rx=0\),即
现在用一个巧妙的方法解出答案:
构造一个零向量矩阵:\({N={ \left[ {{\left. \begin{array}{*{20}{l}} {}\\ {I} \end{array} \right] }}\right. }}\)形式,\(I\)是\((n-r) \times (n-r)\)(\(n-r\)代表自由列列数)大小的单位矩阵
零空间矩阵满足\(RN=0\),再由矩阵分块乘法可知:
与上个方法得到的答案一样
总结对于矩阵\(R\)来说,这个方法就很简单,消元得到\(F\),再加上\(I\)就行了