本文主要是介绍MIT18.06线性代数课程笔记8:求解Ax=b、矩阵的秩以及矩阵的逆,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
课程简介
18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm。
课程笔记
1. 求解Ax=b
这里涉及两个问题:1. 是否有解 2. 如何求解
1.1. 是否有解
有两种方法:1. b∈C(A)⇔∃x∈Rn,Ax=b , where Am×n 2. 对增广矩阵消元, b 所在列不是pivot column。
对于第一种方法,如MIT18.06线性代数课程笔记6:vector space,subspace,column space,null space所述,
如MIT18.06线性代数课程笔记7:使用消元法求解Null space中所述,对矩阵 A 消元,
1.2. 如何求解
如果有解的情况下如何求解的问题在MIT18.06线性代数课程笔记6:vector space,subspace,column space,null space有所阐述。具体地,就是先求解一个特解 xp , xp 的获取比较随意,常用方法是对增广矩阵做消元之后令free column取0,这样就可以得到唯一解。然后因为 ∀x∈Rn,Ax=b⇒A(x−xp)=0⇒x−xp∈N(A) ,固所有解集为 {x:x=xp+xn,∀xn∈N(A)} 。至于 N(A) 的求解方法详见MIT18.06线性代数课程笔记7:使用消元法求解Null space,简单的说就是令free column取值为 n−r 个线性无关的基向量,然后求解 Ax=0 ,得到 n−r 个 N(A) 的基向量。
2. 矩阵的秩
矩阵的秩现在的定义是消元后主元的个数,也是pivot column的个数,使用 r 表示。
设
并且通过 r 与
2.1. r==m⇒ 必定有解
笔者想到两种证明方法,一是 U 中不存在零行,所以任意
2.2. r==n⇒ 有解必然唯一解
行满秩的情况下,没有free column,所以 N(A)={0⃗ } ,解集为 {xp} 。
但是不一定有解,因为 n 个
2.3. r==m==n⇒ 有解且唯一解
行列均满秩的情况下,由上诉两个结论可知有解且唯一解。
2.4. 秩与可逆的关系
目前只讨论左逆元,即 A−1A=I ,则有只有 r==n 时有逆元。即列满秩是 A 存在左逆元的充要条件。
列满秩
⇒ A 有左逆元如上所述,因为列满秩,所以
∃E,EA=[I0] 。即 ∃E1,E2,[E1E2]A=[I0]⇒∃E1,E1A=I 。 E1 即为 A−1 ,所以 A 存在左逆元。A 有左逆元 ⇒ 列满秩因为 r(A−1A)=n≤r(A)≤n⇒r(A)=n 。
这篇关于MIT18.06线性代数课程笔记8:求解Ax=b、矩阵的秩以及矩阵的逆的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!