【线性代数】【二】2.5 零空间与非齐次线性方程组的解集

文章目录


前言

上文讲到矩阵的零空间,即线性方程组 A x = 0 \bm{Ax}=\bm{0} Ax=0的解集。那么容易联想到的一个问题是, A x = b \bm{Ax}=\bm{b} Ax=b的解集有什么性质?也会构成类似的向量空间吗?与矩阵的零空间有什么联系呢?


一、齐次线性方程组的解集

A x = 0 \bm{Ax}=\bm{0} Ax=0被称为齐次线性方程组,即常数项为0的线性方程组。它的解集根据上篇笔记2.4中的结论,就是矩阵 A \bm{A} A的零空间。我们也找到了构成出该零空间的一组基的方法,即先找到矩阵列向量的一个极大线性无关组,再依次令"多余"列向量的系数分别为1,求解出若干解向量,这些解向量即构成零空间的基。由这组基进行任意的线性组合得到的向量都是方程组 A x = 0 \bm{Ax}=\bm{0} Ax=0的解。

二、非齐次线性方程组的解集。

A x = b \bm{Ax}=\bm{b} Ax=b被称为非齐次线性方程组,其中 b ≠ 0 \bm{b}\neq \bm{0} b=0。它的解集会构成向量空间吗?显然不会,因为零向量不是该方程组的解。下面我们来分析一下这个解集的性质,并分析其与矩阵零空间的关系。

2.1 矩阵的列秩等于列数时

列秩等于列数,说明矩阵的列向量之间皆线性无关(此时,称矩阵为满秩矩阵)。因此,根据笔记2.3中的结论(用一组线性无关的向量表示一个与之线性相关的向量时,只存在唯一的一组线性表示系数。),若向量 b \bm{b} b属于矩阵列空间,则基于矩阵 A \bm{A} A的列向量,只存在唯一的一组线性表示系数使得方程组成立。即只存在唯一解。若向量 b \bm{b} b不属于矩阵列空间则无解。

2.1 矩阵的列秩小于列数时

此时,则说明存在"多余向量"。不妨设矩阵 A \bm{A} A的列数为 m m m,列秩为 n n n, n < m n<m n<m。由笔记2.4中的结论,矩阵 A \bm{A} A的零空间维度为 m − n m-n m−n。同样,若向量 b \bm{b} b不属于矩阵列空间,方程组仍然无解。若向量 b \bm{b} b属于矩阵列空间,则我们可以通过 n n n个线性无关向量对 b \bm{b} b做唯一的线性表示:

b = x 1 a 1 + x 2 a 2 + ... + x n a n \bm{b}=x_1\bm{a}_1+x_2\bm{a}_2+\ldots+x_n\bm{a}_n b=x1a1+x2a2+...+xnan

因此,若我们令 x n + 1 x_{n+1} xn+1到 x m x_{m} xm均为0,构造向量 x ′ = [ x 1 , x 2 , ... , x n , 0 , ... , 0 ] \bm{x}'=[x_1,x_2,\ldots,x_n,0,\ldots,0] x′=[x1,x2,...,xn,0,...,0],则该向量必然是方程组的一个解:

A x ′ = x 1 a 1 + x 2 a 2 + ... + x n a n + 0 + ... + 0 = b \bm{Ax}'=x_1\bm{a}_1+x_2\bm{a}_2+\ldots+x_n\bm{a}_n+\bm{0}+\ldots+\bm{0}=\bm{b} Ax′=x1a1+x2a2+...+xnan+0+...+0=b

我们可以称 x ′ \bm{x}' x′为非齐次线性方程组的一个特解。结合齐次方程组的解 x ∗ \bm{x}^* x∗,我们容易得到下列式子成立:

A x ′ + A x ∗ = A ( x ′ + x ∗ ) = b + 0 = b \bm{Ax}'+\bm{Ax}^*=\bm{A}(\bm{x}'+\bm{x}^*)=\bm{b}+\bm{0}=\bm{b} Ax′+Ax∗=A(x′+x∗)=b+0=b

可见, x ′ + x ∗ \bm{x}'+\bm{x}^* x′+x∗也是非齐次方程组的解(称之为通解)。也就是说,找到非齐次方程组的一个特解,对其加上任意属于矩阵 A \bm{A} A的零空间的向量,结果仍为非齐次方程组的解

紧接着的一个问题就是,上述我们寻找特解的方式是用线性无关组得到的,如果我们不限制这个条件,也能找到不一样的特解。甚至我们基于不同的极大线性无关组(极大线性无关组的向量数量是确定的,但是组成可以不同。),也能找到不同的特解。那么,是不是我们任意找到一个特解,加上零空间的向量构造出来的通解,都是等价的呢?换句话说:**所构造出来的通解一定包含所有的解吗?**下面我们来证明这件事情:

不妨令我们任意找到的一个特解为 x ′ \bm{x}' x′,以及矩阵的零空间 N ( A ) N(\bm{A}) N(A)=Span ( x n + 1 , x n + 2 , ... , x m ) (\bm{x}{n+1},\bm{x}{n+2},\ldots,\bm{x}_m) (xn+1,xn+2,...,xm),这里Span表示张成的空间。假设 ∃ x 0 \exist \bm{x}_0 ∃x0,满足 A x 0 = b \bm{Ax}_0=\bm{b} Ax0=b,且 x 0 ≠ x ′ + x ∗ \bm{x}_0\neq\bm{x}'+\bm{x}^* x0=x′+x∗,对 ∀ x ∗ ∈ N ( A ) \forall\bm{x}^*\in N(\bm{A}) ∀x∗∈N(A)成立。
   ⟺    x 0 − x ′ ≠ x ∗ \iff \bm{x}_0-\bm{x}'\neq\bm{x}^* ⟺x0−x′=x∗
   ⟺    A x 0 − A x ′ = b − b ≠ 0 \iff \bm{Ax}_0-\bm{Ax}'=\bm{b}-\bm{b}\neq\bm{0} ⟺Ax0−Ax′=b−b=0

矛盾!因此原命题不成立。

于是我们得出结论:所有的非齐次方程组的解,均可表示为任意特解与零空间向量组合的形式,即 x ′ + x ∗ \bm{x}'+\bm{x}^* x′+x∗


总结

本文推导出了非齐次性方程组的解集的通解形式,并证明了该形式包含了任意解。从此,我们求解非齐次方程组便有了一般方法:1)先构造一组零空间的基向量;2)找到非齐次方程组的任意一个特解;3)将该特解加上零空间基向量的任意线性组合

相关推荐
yava_free1 小时前
机器学习TFIDF的情感分类文章
python·机器学习·分类·tf-idf
少说多想勤做5 小时前
【计算机视觉前沿研究 热点 顶会】ECCV 2024中Mamba有关的论文
人工智能·计算机视觉·目标跟踪·论文笔记·mamba·状态空间模型·eccv
wq_1515 小时前
线性代数基础
线性代数
宜向华5 小时前
opencv 实现两个图片的拼接去重功能
人工智能·opencv·计算机视觉
OpenVINO生态社区6 小时前
【了解ADC差分非线性(DNL)错误】
人工智能
醉后才知酒浓7 小时前
图像处理之蒸馏
图像处理·人工智能·深度学习·计算机视觉
炸弹气旋7 小时前
基于CNN卷积神经网络迁移学习的图像识别实现
人工智能·深度学习·神经网络·计算机视觉·cnn·自动驾驶·迁移学习
python_知世7 小时前
时下改变AI的6大NLP语言模型
人工智能·深度学习·自然语言处理·nlp·大语言模型·ai大模型·大模型应用
愤怒的可乐7 小时前
Sentence-BERT实现文本匹配【CoSENT损失】
人工智能·深度学习·bert
冻感糕人~7 小时前
HRGraph: 利用大型语言模型(LLMs)构建基于信息传播的HR数据知识图谱与职位推荐
人工智能·深度学习·自然语言处理·知识图谱·ai大模型·llms·大模型应用