向量简介.docVIP

3.4 Ax = b的通解 由 Ax = 0 到 Ax = b，在既約化過程中使用增廣矩陣 [A b] - [R d] 若A為可逆，得為一解A-1b，若為不可逆則可能無解，可能無限多組解 原式 = = [A b] 一起既約化可得 = [R d]，其中d為特定解 (Particular solution) 若矩陣Am x n的秩為r，則有 n-r個特解(special solution) A xn = 0及一組特別解 Axp = b，故Ax = b的通解(general solution 或complete solution) x為特解與特別解的組合，因為 A (xn + xp) = A xn + Axp = b。所以上面例題的通解為 x = xn + xp = + y+ w 例：假設A為可逆矩陣，m = n = r，那麼xn與xp是什麼呢？ 例：找出 (b1, b2, b3)應滿足的條件，使得Ax = b有解，其中 A =，並求通解 = = 所以要有解必須為滿足條件。 因為此係數矩陣的秩數與行數一樣，所以沒有自由變數，故xn = 0，而特定解出現於既約後的增廣矩陣相對於R的增廣部分d。所得之通解為 xn + xp = 0 + 每一個全秩行矩陣A，，有以下諸性質： A的諸行均為樞軸行。 不存在自由變數與特解 零解空間N(A) = 0 假如Ax = b有解 (有可能無解)，則只有唯一的解。 另一極端全秩列 (r = m) 的矩陣A，具有以下諸性質： 所有的列都有樞軸元，而R沒有全為零的列。 對於每一個b，Ax = b都有解。 行空間是整個空間Rn。 N(A)中有 n – m個特解。 例：解 = = = [R d] 所以 xp =， xn =，則通解為x = xn + xp = x3 + 線性方程組由秩數r決定的四種可能性： r = m且r = n 可逆方陣 A x = b有1個解 r = m且r n 矮而寬 A x = b有個解 r m且r = n 高而瘦 A x = b有0或1個解 r m且r n 形狀未知 A x = b有1個解 習題： 應用下面方程式組，從「消去法 – 樞軸行 – 倒回代入」連結上「行空間 – 零空間 – 秩數」討論該方程式組的可解性。 求系統的通解 當 b1, b2, b3, b4滿足什麼條件時，下面的系統有解，若解存在找出通解 (a) 假如A x = b有2個解x1與x2，找出A x = 0的兩個解。 (b) 再替A x = 0及A x = b各找一個解。 3.5 獨立、基底，與空間的維數 討論子空間 (係數矩陣的行空間) 所需的基本觀念。子空間的維數如何計算，生成子空間所需最少的基底向量等。 線性獨立 – 當x = 0是A x = 0的唯一解時，A的各行是線性獨立的。任何由各行做出的線性組合都不會為0。故N(A) = Z。 對一序列的向量 v1 ,…,vn而言，假如唯一能造成零向量的線性組合是 0v1 + 0v2 + …+ 0vn，則它們是線性獨力的。否則稱為該序列的向量為相依。 若將一序列向量排成矩陣形式，則可依其性質判斷是否獨立。若此矩陣的零解空間裡有非零的解向量時，則此組序列向量為相依。即不獨立。 例：下式有 x0但A x = 0，故A矩陣的各行相依 只有當秩數為 r = n時，A的各行才是獨立的。此時會有n個樞軸行，卻沒有自由變數，只有N(A) = Z 如過 n m，則Rm裡任何n個向量必然是線性相依。(因為N(A)有非零的元素) 生成子空間的向量 如果一組向量的所有線性組合填滿一空間，則該組向量生成 (span) 那個空間。 例：v1 = 與v2 = 生成整個二維空間R2。 v1 = 、v2 = 與v3 = 也生成整個二維空間R2。 w1 = 與w2 = 只生成R2裡的子空間 – 一條線。單獨的w1與w2也分別生成一條線。 矩陣的列空間是由各列所生成於Rn裡的子空間。A的列空間，剛好是AT的行空間C(AT)。 向量空間的基底 在平面空間中，單一向量只能線性組合成一條線，超過兩個不同的向量均可線性組合成平面，但多於三個向量則無法線性獨立。所謂基底就是生成平面的足夠獨立向量。 向量空間的基底是一序列向量，具有下列性質 (1) 線性獨立 (2) 生成該空間 對於任一向量空間的基底而言，產生該空間的任一向量v的線性組合是唯一的 證：若不是唯一則可表示為 v = a1v1 + …+ anvn且v = b1v1 + …+ bnvn。兩者相減可得 (a1 – b1)v1 + …+(an – bn)vn = 0。因為基底需線性獨立，故每一組(ai – bi)必須為0，所以ai = bi。