线性代数MIT 18.06 记录(八)可解性和解的结构

解出 Ax = b

例子A

增广矩阵
线性代数MIT 18.06 记录(八)可解性和解的结构
消元 步骤一
线性代数MIT 18.06 记录(八)可解性和解的结构
步骤二:
线性代数MIT 18.06 记录(八)可解性和解的结构
这时,我们就有:
线性代数MIT 18.06 记录(八)可解性和解的结构
这时候就可以把b的值带进去了

什么样的b可以使方程有解

两种说法:

  • b是A的线性组合
  • 如果对A的线性操作可以得到 0 ,那对b做相应的操作,也应该得到0

如何找到这样的解?

算法步骤(假设有解)

  1. 把所有 free 变量为 0,这时候解出$ Ax = b$ 的主元解xpx_p
  2. 找到 零空间 的解xnx_n
  3. x=xp+xnx = x_p + x_n
    线性代数MIT 18.06 记录(八)可解性和解的结构

列满秩情况

一个 m×nm×n 秩为r 的矩阵,我们有

  • rnr ≤ n
  • rmr ≤ m

如果 r=nr = n 时是什么情况呢?

  • 没有 free 元
  • 在A中的零空间中,只包含零向量一个向量
  • Ax=bAx = b 只有一个解 x=xpx=x_p(如果解存在的话)

行满秩情况

如果 r=mr =m 时是什么情况呢?
这样的话,对于任何的b都是有解的
线性代数MIT 18.06 记录(八)可解性和解的结构

满秩方阵

r=m=nr=m=n
这样的情况下,R=IR = I
零向量空间仅为 零向量
所以,这样的方程总是有解的

总结

线性代数MIT 18.06 记录(八)可解性和解的结构
这张图总结的非常好,一共三种情况:

  1. 满秩方阵,一定有一个解
  2. 列满秩,0或1个解
  3. 行满秩,肯定有解(这里老师把I 和F 写在了一起,因为不能保证I都在最左面,哈哈可爱)
  4. 不满秩
    线性代数MIT 18.06 记录(八)可解性和解的结构

The rank tells you everything about the solutions