线性代数拾遗(4)—— 非齐次线性方程组通解的结构
本文说明以下重要结论:非齐次线性方程组的通解 = 齐次线性方程组的通解 + 非齐次线性方程组的任意特解
- 本文说明以下重要结论
n n n 元 m m m 维非齐次线性方程组 A m × n x n × 1 = b m × 1 \pmb{A}_{m\times n}\pmb{x}_{n\times 1}=\pmb{b}_{m\times 1} Am×nxn×1=bm×1 的通解为 k ξ + η k\pmb{\xi} + \pmb{\eta} kξ+η,其中
- k ξ = k 1 ξ 1 + k 2 ξ 2 + . . . + k n − r ξ n − r \pmb{k\xi} = k_1\pmb{\xi}_1+k_2\pmb{\xi}_2+...+k_{n-r}\pmb{\xi}_{n-r} kξ=k1ξ1+k2ξ2+...+kn−rξn−r 是齐次线性方程组 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的通解
- η \pmb{\eta} η 是非齐次线性方程组 A x = b \pmb{Ax}=\pmb{b} Ax=b 的一个特解
- 参考:非齐次线性方程组通解的结构如何理解? - 破魔之箭的回答 - 知乎
1. 有解的条件
-
当系数矩阵的秩和增广矩阵的秩相等时,即 r ( A ) = r ( A ∣ b ) r(\pmb{A}) = r(\pmb{A}|\pmb{b}) r(A)=r(A∣b) 时,非齐次线性方程组 A m × n x n × 1 = b m × 1 \pmb{A}_{m\times n}\pmb{x}_{n\times 1}=\pmb{b}_{m\times 1} Am×nxn×1=bm×1 有解,具体而言
- r ( A ) = r ( A ∣ b ) = n r(\pmb{A}) = r(\pmb{A}|\pmb{b}) =n r(A)=r(A∣b)=n 时,有唯一解
- r ( A ) = r ( A ∣ b ) < n r(\pmb{A}) = r(\pmb{A}|\pmb{b}) <n r(A)=r(A∣b)<n 时,有无穷多解
这意味着,为了保证有解,方程组中有效方程个数 r r r 必须少于等于未知数个数 n n n。
-
注意到,可以通过以下两步变换得到同解方程组
- 通过初等行变换把增广矩阵 [ A ∣ b ] [\pmb{A}|\pmb{b}] [A∣b] 化阶梯型得到同解方程组 B m × n x n × 1 = b m × 1 ′ \pmb{B}_{m\times n}\pmb{x}_{n\times 1}=\pmb{b}'_{m\times 1} Bm×nxn×1=bm×1′
- 再取出其中非零的前 r r r 行(保留有效方程组),得到同解方程组 B r × n x n × 1 = b r × 1 ′ \pmb{B}_{r\times n}\pmb{x}_{n\times 1}=\pmb{b}'_{r\times 1} Br×nxn×1=br×1′
注意 r ≤ m r\leq m r≤m,当方程组有解时 r ≤ n r\leq n r≤n 也成立
2. 从代数角度考虑
-
当 A x = b \pmb{Ax}=\pmb{b} Ax=b 有解时,假设一个特解是 x 0 ′ \pmb{x}_0' x0′
- 对于
A
x
=
0
\pmb{Ax}=\pmb{0}
Ax=0 的任意特解
x
0
\pmb{x}_0
x0,有和它唯一对应的
A
x
=
b
\pmb{Ax}=\pmb{b}
Ax=b 的特解
x
0
+
x
0
′
\pmb{x_0}+\pmb{x_0}'
x0+x0′,因为
A ( x 0 + x 0 ′ ) = A x 0 + A x 0 ′ = 0 + b = b \pmb{A}(\pmb{x_0}+\pmb{x_0}') = \pmb{Ax}_0 + \pmb{Ax}_0' = \pmb{0}+\pmb{b} = \pmb{b} A(x0+x0′)=Ax0+Ax0′=0+b=b - 对于
A
x
=
b
\pmb{Ax}=\pmb{b}
Ax=b 的任意特解
x
0
′
′
\pmb{x}_0''
x0′′,有和它唯一对应的
A
x
=
0
\pmb{Ax}=\pmb{0}
Ax=0 的特解
x
0
′
′
−
x
0
′
\pmb{x_0}''-\pmb{x_0}'
x0′′−x0′,因为
A ( x 0 ′ ′ − x 0 ′ ) = A x 0 ′ ′ − A x 0 ′ = b − b = 0 \pmb{A}(\pmb{x_0}''-\pmb{x_0}') = \pmb{Ax}_0'' - \pmb{Ax}_0' = \pmb{b} - \pmb{b} = \pmb{0} A(x0′′−x0′)=Ax0′′−Ax0′=b−b=0
- 对于
A
x
=
0
\pmb{Ax}=\pmb{0}
Ax=0 的任意特解
x
0
\pmb{x}_0
x0,有和它唯一对应的
A
x
=
b
\pmb{Ax}=\pmb{b}
Ax=b 的特解
x
0
+
x
0
′
\pmb{x_0}+\pmb{x_0}'
x0+x0′,因为
-
这意味着
- A x = 0 \pmb{Ax}=\pmb{0} Ax=0 和 A x = b \pmb{Ax}=\pmb{b} Ax=b 解空间中的解向量是一一对应的,二者解空间大小一致
- A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的任意解向量,只要沿着 A x = b \pmb{Ax}=\pmb{b} Ax=b 的任意特解 x 0 ′ \pmb{x}_0' x0′ 的方向平移,就能得到 A x = b \pmb{Ax}=\pmb{b} Ax=b 解空间中的对应解向量(反之也成立)
所以, A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间(通解 k ξ k\pmb{\xi} kξ)只要沿着 A x = b \pmb{Ax}=\pmb{b} Ax=b 的任意特解( η \pmb{\eta} η)方向平移,即得到 A x = b \pmb{Ax}=\pmb{b} Ax=b 的解空间(通解 k ξ + η k\pmb{\xi} +\pmb{\eta} kξ+η)
3. 从几何角度考虑
-
从几何角度看,矩阵代表对向量的一种空间变换。 A m × n x n × 1 = b m × 1 \pmb{A}_{m\times n}\pmb{x}_{n\times 1}=\pmb{b}_{m\times 1} Am×nxn×1=bm×1,它的同解方程组是 B r × n x n × 1 = b r × 1 ′ \pmb{B}_{r\times n}\pmb{x}_{n\times 1}=\pmb{b}'_{r\times 1} Br×nxn×1=br×1′(见第1节),本质是将 n n n 维空间变换为 r ≤ n r\leq n r≤n 维空间,空间中的向量随着空间变换而变换(随着基向量变换而变换)
- A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解向量都变换为 0 \pmb{0} 0 向量,也就是解空间被压缩到原点
- A x = b \pmb{Ax}=\pmb{b} Ax=b 的解向量都变换为向量 b \pmb{b} b,也就是解空间被压缩到 b \pmb{b} b 点处
因此 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间(通解 k ξ k\pmb{\xi} kξ)沿着 A x = b \pmb{Ax}=\pmb{b} Ax=b 的任意特解( η \pmb{\eta} η)方向平移,就能被 A \pmb{A} A 空间变换后压缩到 b \pmb{b} b 点处,即得 A x = b \pmb{Ax}=\pmb{b} Ax=b 的解空间(通解 k ξ + η k\pmb{\xi} +\pmb{\eta} kξ+η)
-
从解空间性质看
- A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间是 n n n 维空间中一个过原点的 n − r n-r n−r 维子空间,并且此子空间是 A \pmb{A} A 的行空间的正交补空间( A \pmb{A} A 的每个行向量都和解空间正交)
- A x = b \pmb{Ax}=\pmb{b} Ax=b 的解空间是 n n n 维空间中过其所有特解的 n − r n-r n−r 维子空间,和 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间平行
对于 m = 3 , r = 1 m=3,r=1 m=3,r=1 的某个特殊情况,可以图示为
图中显示了 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的特解 x 0 \pmb{x}_0 x0 沿着 A x = b \pmb{Ax}=\pmb{b} Ax=b 的特解 x 0 ′ \pmb{x}_0' x0′ 平移成 A x = b \pmb{Ax}=\pmb{b} Ax=b 对应特解 x 0 + x 0 ′ \pmb{x}_0+\pmb{x}_0' x0+x0′ 的情形。图中还显示了 A x = b \pmb{Ax}=\pmb{b} Ax=b 的另一个特解 x 1 \pmb{x}_1 x1,将 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的通解 k ξ k\pmb{\xi} kξ 沿着 x 1 \pmb{x}_1 x1 平移同样能得到相同的解空间,只是两个解空间中一一对应的方式不同 -
最后举一个具体的例子,设 A = [ 1 0 0 0 1 0 ] , b = [ 1 2 ] \pmb{A} = \begin{bmatrix}1 &0 &0\\0 &1 &0\end{bmatrix},\pmb{b} = \begin{bmatrix}1 \\ 2\end{bmatrix} A=[100100],b=[12]
- A \pmb{A} A 的行空间可以看作 x 轴和 y 轴,因此 A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的解空间作为过原点且和 xoy 平面正交的 n − r = 3 − 2 = 1 n-r = 3-2 = 1 n−r=3−2=1 维空间,只能是 z 轴。形式化地将, A x = 0 \pmb{Ax}=\pmb{0} Ax=0 的通解为 k ξ k\pmb{\xi} kξ,其中 ξ = [ 0 , 0 , 1 ] ⊤ \pmb{\xi} =[0,0,1]^\top ξ=[0,0,1]⊤,
- A x = b \pmb{Ax}=\pmb{b} Ax=b 的两个特解分别为 [ 1 , 2 , 0 ] ⊤ [1,2,0]^\top [1,2,0]⊤ 和 [ 1 , 2 , 1 ] ⊤ [1,2,1]^\top [1,2,1]⊤, A x = b \pmb{Ax}=\pmb{b} Ax=b 的通解就是 z 轴沿 [ 1 , 2 , 0 ] ⊤ [1,2,0]^\top [1,2,0]⊤ 或 [ 1 , 2 , 1 ] ⊤ [1,2,1]^\top [1,2,1]⊤平移所得,可见二者是重合的。
开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!
更多推荐
所有评论(0)