线性代数系列(四)--解方程组
主要内容
- 线性方程组的可解性
- 方程组的求解,解的结构
- 列满秩
- 行满秩
- 方阵满秩
- 总结
正文
线性方程组的求解一直是线性代数的核心问题,在前面介绍空间的时候就已经涉及到齐次线性方程组的求解,这里,我们不仅仅是求解齐次线性方程组,而是求解更一般的线性方程组 A x = b Ax=b Ax=b。在前面我们已经知道 A x = b Ax=b Ax=b有解的条件是 b b b在 A A A的列空间中,
方程组的可解性
使用例子: [ 1 2 2 2 2 4 6 8 3 6 8 10 ] × [ x 1 x 2 x 3 x 4 ] = [ b 1 b 2 b 3 ] \begin{bmatrix}1&2&2&2\\2&4&6&8\\3&6&8&10\end{bmatrix}\times \begin{bmatrix}x_1\\x_2\\x_3\\x_4\end{bmatrix}=\begin{bmatrix}b_1\\b_2\\b_3\end{bmatrix} ⎣⎡1232462682810⎦⎤×⎣⎢⎢⎡x1x2x3x4⎦⎥⎥⎤=⎣⎡b1b2b3⎦⎤根据之前介绍列空间时,我们已经知道,方程组有解的条件就是当 b b b在 A A A的列空间中。这实际上是从方程组的线性组合的本质得到的。
方程组的解的结构
还是使用上面的这个例子: A x = b Ax=b Ax=b
第一步,我们先求一个特解( x p x_p xp)。先使所有的自由变量为零,然后求出主变量。为了方便,我们令 b = [ 1 5 6 ] b=\begin{bmatrix}1\\5\\6\end{bmatrix} b=⎣⎡156⎦⎤上面的系数矩阵的行阶梯形矩阵为: [ 1 2 2 2 0 0 2 4 0 0 0 0 ] \begin{bmatrix}1&2&2&2\\0&0&2&4\\0&0&0&0\end{bmatrix} ⎣⎡100200220240⎦⎤使自由变量 x 2 , x 4 x_2,x_4 x2,x4为零,然后带入求主变量 { x 1 + x 3 = 1 2 x 3 = 3 \begin{cases}x_1+x_3=1 \\ \qquad 2x_3=3\end{cases} {x1+x3=12x3=3然后我们可以得到一个特解: x p = [ − 2 0 3 2 0 ] x_p=\begin{bmatrix}-2\\0\\\frac{3}{2}\\0\end{bmatrix} xp=⎣⎢⎢⎡−20230⎦⎥⎥⎤ 第二步, 加上零空间( x n x_n xn)。在前面已经介绍过零空间的求法,现在可以直接进行求解零空间,即:令b=0 即可。然后我们可以得到零空间: x n = c 1 [ − 2 1 0 0 ] + c 2 [ 2 0 − 2 1 ] x_n=c_1\begin{bmatrix}-2\\1\\0\\0\end{bmatrix}+c_2\begin{bmatrix}2\\0\\-2\\1\end{bmatrix} xn=c1⎣⎢⎢⎡−2100⎦⎥⎥⎤+c2⎣⎢⎢⎡20−21⎦⎥⎥⎤这里为了保持特解与零空间位置上的对应,并没有将解写成 [ − F I ] \begin{bmatrix}-F\\I\end{bmatrix} [−FI]的形式。
至此我们就得到线性方程组的解的结构: X = x p + x n X=x_p+x_n X=xp+xn,我们再看一下 X X X的几何表示,它有两部分,一部分是 x p x_p xp,表示的是四维空间中一个特定的点,而另一部分 x n x_n xn表示四维空间中的一个二维平面。所以,整体来看,这个解表示在四维空间中,过特定点的一个二维平面。
列满秩
考虑矩阵 A m ∗ n A_{m*n} Am∗n的秩 r r r,首先可以知道的是 r ≤ m , r ≤ n r\le m,r\le n r≤m,r≤n。现在来考虑一种特殊的情况, r = n r=n r=n,这就是列满秩的情况。秩意味着主元的个数,列满秩就是表示所有的列上都含有主元,所以此时是没有自由向量的。实际上,这种情况下,列向量组是一个线性无关组,也就是他们的线性组合只有在系数为零的情况下才能够组合得到零向量。 0 a 1 + 0 a 2 + 0 a 3 . . . . 0 a n − 1 + 0 a n = 0 0a_1+0a_2+0a_3....0a_{n-1}+0a_n=0 0a1+0a2+0a3....0an−1+0an=0那么,我们令 A x = b Ax=b Ax=b的 b = 0 b=0 b=0,得到的 x x x也只能是0,所以列满秩的情况下零空间只有一个零向量,这也是有线性组合的本质决定的。对于 X = x p + x n X=x_p+x_n X=xp+xn,既然 x n = N ( A ) = 0 x_n=N(A)=0 xn=N(A)=0,那显然方程组的解只有一个特解。
但是列满秩的情况下一定有解吗?在下面的行满秩中我们可以知道列满秩的情况只可能出现在 m ≥ n m\ge n m≥n的情况下。当 r = n = m r=n=m r=n=m时,我们放在最后讨论,这里只讨论 m > n m>n m>n的情况。例如系数矩阵: [ 1 0 0 1 0 0 0 0 ] \begin{bmatrix}1&0\\0&1\\0&0\\0&0\end{bmatrix} ⎣⎢⎢⎡10000100⎦⎥⎥⎤它的线性组合是4维空间中的一个2维平面,但是常数项 b 4 b_4 b4确是四维空间中的任意一个向量,所以常数项所表示的向量不一定在系数矩阵的列空间中,所以方程组不一定有解。一般来说就是它的线性组合是 m m m维空间中的一个 n n n维平面,但是常数项 b m b_m bm不在系数矩阵的列空间中,所以方程组不一定有解
行满秩
对于上面的矩阵 A m ∗ n A_{m*n} Am∗n,当 r = m r=m r=m时,就是行满秩的情况。显然,这种情况下,我们有 m m m个主元,也就是每行都有一个主元。那么,自由变量的个数就是 n − r = n − m n-r=n-m n−r=n−m。最终,我们仍然关心方程组的可解性。无论何时,总是离不开两种操作,一个是向量空间,一个是线性组合。在这里我们仍然可以在向量空间的角度来解读行满秩系数矩阵的可解性。
这里我们可以发现一种制约关系:当 m > n m>n m>n时,若行满秩 r = m r=m r=m,则列肯定满秩,但由于列数太少 m > n m>n m>n,所以 n n n不可能等于 r r r,在这种情况下,只可能 r = n r=n r=n,而不可能 r = m r=m r=m,也就是当 m < n m<n m<n时,只可能 r = m r=m r=m,同理对 n n n也成立。看下面的矩阵, m < n m<n m<n,那么我们无法再找到主元使行满秩。 [ 1 0 0 1 0 0 0 0 ] \begin{bmatrix}1&0\\0&1\\0&0\\0&0\end{bmatrix} ⎣⎢⎢⎡10000100⎦⎥⎥⎤基于上面的讨论,我们可以知道,行满秩的情况只可能出现在 m ≤ n m\le n m≤n的情况下,那么在 n n n个列向量中肯定存在 m m m个含有主元的列,这些列可以通过线性组合得到 m m m维空间中的所有向量,而我们的常数项 b m b_m bm一定是 m m m维空间中的一个向量,所以行满秩的线性方程组一定有解。
方阵满秩
方阵满秩也就是对于系数矩阵 A m ∗ n A_{m*n} Am∗n,有 r = m = n r=m=n r=m=n。基于前面介绍的行、列满秩,我们知道列满秩时,零空间只含零向量,行满秩时,对解没有约束,一定有解。所以,这里我们就可以得出,方阵满秩的时候,只有一个特解。
在空间的角度上,我们也可以这么解读, A A A的列空间是 m m m维空间, b m b_m bm是 m m m维空间中的一个任意向量,那么肯定存在,且只存在一组系数使得 A A A中的列向量线性组合得到 b m b_m bm。
总结
总得来看,方阵满秩只有一个解,行满秩一定有解,列满秩不一定有解,有解也只能有一个解。
线性代数系列(四)--解方程组相关推荐
- 【机器学习线性代数】06 解方程组:从空间的角度再引入
1.从空间映射的角度再来看方程组 这一节我们来系统的聊一下解方程组的问题.这看上去像是中小学生干的事儿.例如我们来解一个三元一次方程组,老师会告诉我们:如果有三个未知数,那么方程组里就需要有三个方程来 ...
- Android面试基础之BroadcastReceiver详解(斗帝养成系列四)
斗帝养成 大斗师,一至九星,斗气铠甲,斗气外放,聚气化固态,呈菱形.别说自己尽力了,那只是自欺欺人的假话. Android面试基础之Activity详解(斗帝养成系列一) Android面试基础之Se ...
- Mybatis系列全解(四):全网最全!Mybatis配置文件XML全貌详解
封面:洛小汐 作者:潘潘 做大事和做小事的难度是一样的.两者都会消耗你的时间和精力,所以如果决心做事,就要做大事,要确保你的梦想值得追求,未来的收获可以配得上你的努力. 前言 上一篇文章 <My ...
- php解方程组,二元一次方程组,掌握下面四种方法,类似题目解答无困难
二元一次方程组的解:使二元一次方程组的两个方程都成立的一对未知数的值,叫做方程组的解,即其解是一对数.一般地,使二元一次方程组的两个方程左.右两边的值都相等的两个未知数的值,叫做二元一次方程组的解.求 ...
- python解复杂方程_Python数据处理篇之Sympy系列(五)---解方程
前言 sympy不仅在符号运算方面强大,在解方程方面也是很强大. 本章节学习对应官网的:Solvers 官方教程 (一)求解多元一次方程-solve() 1.说明: 解多元一次方程可以使用solve( ...
- python 解方程 sympy_Python数据处理篇之Sympy系列(五)---解方程
前言 sympy不仅在符号运算方面强大,在解方程方面也是很强大. 本章节学习对应官网的:Solvers 官方教程 (一)求解多元一次方程-solve() 1.说明: 解多元一次方程可以使用solve( ...
- python解二元一次方程_Python数据处理篇之Sympy系列(五)---解方程
前言 sympy不仅在符号运算方面强大,在解方程方面也是很强大. 本章节学习对应官网的:Solvers 官方教程 https://docs.sympy.org/latest/tutorial/solv ...
- mapper命名规范_Mybatis系列全解(五):全网最全!详解Mybatis的Mapper映射文件
封面:洛小汐 作者:潘潘 若不是生活所迫,谁愿意背负一身才华. 前言 上节我们介绍了 < Mybatis系列全解(四):全网最全!Mybatis配置文件 XML 全貌详解 >,内容很详细( ...
- 机器学习入门系列四(关键词:BP神经网络)
机器学习入门系列四(关键词:BP神经网络) 标签: 机器学习神经网络 2016-01-12 15:28 80人阅读 评论(0) 收藏 举报 本文章已收录于: 分类: 机器学习(3) 作者同类文章X 版 ...
- 5W字高质量java并发系列详解教程(上)-附PDF下载
文章目录 第一章 java.util.concurrent简介 主要的组件 Executor ExecutorService ScheduledExecutorService Future Count ...
最新文章
- vs2010 SQL Server Compact 3.5出错
- jQuery 参考手册 - 事件
- [YTU]_2633( P3 数钱是件愉快的事)
- PostgreSQL 10.1 手册_部分 III. 服务器管理_第 16 章 从源代码安装_16.5. 安装后设置...
- ejabberd登陆不成功的解决方案
- dj鲜生-06-其它模块以应用方式生成并归位
- Silverlight使用DataGrid的模板列(DataGridTemplateColumn)实现类似TreeListView控件的效果
- 详解CNN实现中文文本分类过程
- 特征筛选10——MIC最大信息系数(有监督筛选)
- ASP.NET服务器控件查询
- 辗转相除法 两个数的最大公约数
- 中国能源统计年鉴面板数据-分省市主要污染物排放指标(包含ECXEL2020年中国统计年鉴)
- 医学病理图像:细胞间质与间质细胞的区别
- Ubuntu 配置利用aira2进行百度网盘下载
- CSR8670项目实战:BlueHeart心率监测耳机
- html合并单元格后有虚线,excle单元格中间出现虚线/Excel表格里出现虚线,是怎么回事?...
- js实现 base64 转码解码
- 微型计算机aspire1600x,Acer 1600X小型机拆解
- html5 点灯游戏,夜点灯剧情讲了什么 夜点灯游戏剧情背景介绍-游侠网
- 孩子不是两人婚姻的砝码
热门文章
- win10给扩展屏设置单独的壁纸(win10自带这个功能)
- 2021年3月16刚进新公司做了四天就被劝退
- 添加自签发的 SSL 证书为受信任的根证书
- 跨境电商必看:亚马逊数据采集规则推荐
- 人脸识别-Loss-2010:Softmax Loss(Softmax激活函数 + “交叉熵损失函数”)【样本3真实标签为c_5,则样本3的损失:loss_3=-log(\hat{y}_5^3)】
- Python数据分析与机器学习
- mpaas的h5容器之离线包的一些总结
- html实现简易音乐播放器
- 【Practical】蒙特卡罗法及其应用
- opengl碗状_OpenGLES简单入门