Abstract: Ax=b的完整解,以及一个解,infinity个解,没有解的所有条件和说明
Keywords: Ax=b,Special Solution,Full Column Rank,Full Row Rank,Complete Solution
方程组的完整解
Ax=b
之前我们已经研究了 Ax=0的相关内容,值得说一下的是,列空间和nullspace是有些区别的,列空间指的是b所在的空间,而nullspace是x所在的空间,这个要区别一下,这些所有空间都是针对矩阵的。
特解(Particular Solution)
搞不懂Particular Solution和Sceptical Solution有啥区别的可以仔细看看了,之前我也没发现其有什么根本不同,Particular Solution是把所有的free variables设置为0,来一个完整的例子
[130200141316][x1x2x3x4]=[167]
Augmented Matrix:
[130210014613167]=[Ab]
经过消元,对原始矩阵方程消元和对Augment Matrix消元得到结果相同,这里就只写augment matrix:
[130210014600000]=[Rd]
通过定位pivot可以确定free columns是第二列和第四列,如果我们把x2,x4设置为零,那么就得到了x为
[x1x2x3x4]=[1060]=xparticular
可以通过回代验证Rx=d或者Ax=b这里的free variables都是0,那么就说这个解是particular的,而且可以发现pivot对应的x位置与d有关系,按顺序就是d对应的元素,这不是巧合,观察矩阵可以得到相应的结论。
这是我们到目前位置讨论的方程组的两种解,一个当b=0的时候,一个当b不等于0的时候,如果我们把这两个方程组左右相加,那么就得到
Axp=bAxn=0Axp+Axn=b+0A(xp+xn)=b
那么完整的解(式子中的数字来自上面的例子,nullspace我没有写出来,大家可以自行验证):

为什么完整解是上看的式子呢,可以看下一节的详细介绍。
完整解(The Complete Solution)
前面我们确定了完整的解就是xp+xn,那么我们到底有多少个解呢?
序号 | m&r | n&r | Matrix Shape | Ax=b | Solution |
---|---|---|---|---|---|
1 | r=m | r=n | Square and Invertible | Ax=b | 1 |
2 | r=m | r<n | Short and Wide | Ax=b | ∞ |
3 | r<m | r=n | Tall and Thin | Ax=b | 0 or 1 |
4 | r<m | r<n | Not full rank | Ax=b | 0 or ∞ |
这四种情况,简单讲解下:
第一种:是方阵,我们最标准的方程组,rank与m,n相等,那么就一个解。这种情况下,消元后的R是单位矩阵:
R=[I]
第二种:如果方程组的个数小于未知数的个数,而rank与行相同,rank=m<n,消元后的R是如下矩阵:
R=[IF]
第三种:如果方程组的个数大于未知数的个数,而rank与列数相同,rank=n<m,消元后的R是如下矩阵:
R=[I0]
如果b与R下面全是0的行对应的行不是0,那么就没有解
第四种:如果有效的方程组的个数小于未知数的个数,与情况二相似,但是有效方程数还小于远方程数,rank<m,rank<n,消元后的R是如下矩阵:
R=[IF00]
如果b与R下面全是0的行对应的行不是0,那么就没有解
自此,Ax=b 的所有解以及对应的情况都已经搞定了,但是为啥complete solution是xp+xn呢?这就是个悬案了,后面一定给出答案,现在就暂时记住就好了(回归课堂教育,先记住,就没有然后了)。
Conclusion
这篇也比较凌乱,不像写算法那种博客很流畅,解释,代码,总结这种套路在这不太实用,因为知识错综复杂,本文上面的四种解的情况才是重点,包括什么时候没有解,什么时候无数个解,如果按照表和矩阵R的形式来看,就会豁然开朗,后面继续。。。
v1.5.2