MIT 18.06 linear algebra lecture 7 求解Ax=B 主变量 特解 笔记
计算零空间
矩阵\(A\)的零空间由使\(A\boldsymbol{x}=\boldsymbol{0}\)的向量\(\boldsymbol{x}\)组成。
假设:
注意到,\(A\)的列并不是线性独立的,下面使用消元法计算矩阵的零空间,尽管\(A\)并非可逆的。在消元过程中不需要使用增广矩阵(增加一列\(\boldsymbol{b}\)),因为此时\(\boldsymbol{b}=\boldsymbol{0}\)。
在消元过程中的行操作不会影响\(A\boldsymbol{x}=\boldsymbol{0}\)的解,所以并不会改变零空间(但是会影响列空间)。下面开始进行消元:
在第二行中没有发现主元,所以下个主元是第二行第三列的\(2\):
矩阵\(U\)是阶梯(echelon)形式。第三行是零,因为行三是行一和行二的线性组合,在消元过程中被消去了。矩阵的秩(rank)等于主元的数量,在该例子中\(A\)和\(U\)的秩都为2.
特解
通过消元法得到\(U\)后,可以通过回代法寻找\(U\boldsymbol{x}=\boldsymbol{0}\)的解\(\boldsymbol{x}\)。消元得到的矩阵\(U\)中第一列和第三列是主元列(pivot column),因为它们包含主元,第二列和第四列是自由列(free column)。可以给\(x_2\)和\(x_4\)任意值,称其为自由变量(free variable)。假设\(x_2=1\)、\(x_4=0\),有:
而:
所以一个解是\(\boldsymbol{x}=\left[\begin{array}{r}-2\\1\\0\\0\end{array}\right]\)(第二列是第一列的二倍),任意实数与该向量的乘积也是解。
另外给定\(x_2=0\)、\(x_4=1\),可以得到零空间中的另一组解:
因此\(A\)的零空间是所有这些特殊解向量的线性组合。
简化行阶梯形式
继续使用消元方法,能够将\(U\)转化为简化行阶梯形式(reduced row echelon form, rref form)的矩阵\(R\):主元为1,主元上下方均为0.
通过交换一些列之后,\(R\)可以被重写为单位矩阵在左上角(由主元构成),其余自由列的矩阵在右边的矩阵(分块矩阵)。如果\(A\)中的一些行是线性相关的,经过消元简化后,\(R\)的下部分填充的是0:
此处\(I\)是一个\(r\times r\)矩阵。
如果\(N\)是零空间矩阵\(N=\begin{bmatrix}-F\\I\end{bmatrix}\),则\(RN=\boldsymbol{0}\),\(N\)的列是特解。此处的\(I\)是\((n-r)\times(n-r)\)的单位矩阵。
笔记来源:MIT 18.06 lecture 7