本系列筆記爲方便日後自己查閱而寫,更多的是個人見解,也算一種學習的複習與總結,望善始善終吧~
到這一課突然很有感觸,我們到現在爲止所學的東西,都是爲了解決
最初的起點 Ax=b
在課上我們會看到老師求解時,將
可以寫爲
對增廣矩陣消元可以比較容易的看出
給定一個b,要找到所有的解有一個簡便的方式,即找到一個特解(線性組合的方式)之後加上null space,何爲特解?在消元的過程中,化爲rref後可以很容易看出如何用pivot column組合出b,老師用的方法是化爲階梯矩陣然後無視free column的方式找出線性組合(特解),道理一樣。
下面的話有些亂,可以跳過不看
實際上到這裏有點領會rank的重要性,rank是pivot column的數量,其實我們有了pivot column就能描述出整個space,這個space可以包含矩陣中其他的free column,這是矩陣的共性,我們熟悉的三維空間中,我們常用的pivot column就是[1,0,0],[0,1,0],[0,0,1]也就是xyz軸,我們以此來描述整個
R3 的space,任意一個矩陣也是可以找到自己的pivot column,類似於找到可以組成整個space的幾個關鍵的向量
關於秩rank的討論
祭出大殺器
第一種,最簡單,pivot column可以表示整個空間,而b也肯定落在空間內,沒有free column,所以必有且僅有一個解
第二種,pivot column無法可以表示整個空間,而b不一定定落在pivot column可以表示空間內,沒有free column,所以當b在pivot column可以表示的空間外時,無解,反之,必有且僅有一個解
第三種,pivot column可以表示整個空間,而b也肯定落在空間內,同時有free column,所以必有且有無窮多解,由於free column的存在,可以在free column上找出無窮多解
第四種,pivot column可以表示整個空間,而b不一定定落在pivot column可以表示空間內,有free column,所以當b在pivot column可以表示的空間外時,無解,反之,必有且有無窮多解
PS:更詳細的課堂筆記見另一位仁兄的筆記
http://blog.csdn.net/suqier1314520/article/details/10564149