step1: 找到所有特解
step2:將所有特解範化.
關於零空間的概念:
零空間是ax=0的所有解構成的空間. 零空間的維數==通解中向量的個數==自由變數的個數.
注意空間的維數的概念與向量的維數的概念不同,空間的維數指的是空間中基向量的個數;向量的維數是向量中分量的個數.
下面證明ax=0的所有解構成了乙個空間。空間的定義中有兩點需要滿足：1，對加法封閉。2，對數乘運算封閉。
證明過程：
設ax1 = 0，ax2 = 0；
1，判斷a（x1 + x2）是否為0. a（x1 + x2） = ax1 + ax2 = 0 + 0 = 0 .因此ax=0的解滿足對加法封閉。
2，判斷acx1 是否為0. acx1 = cax1 = c * 0 = 0. 因此滿足對數乘運算封閉。
由此證明了ax = 0 的解確實構成了乙個空間，這個空間就是零空間。
關於使用SVD分解方法求解AX 0方程的一點說明
研究生這麼多年，遇到ax 0的求解問題，從來都是使用svd分解直接取 v矩陣的最後一列作為方程的解，但是始終沒有弄明白其中的原理，最近找到幾篇文章，講解了這個問題，感覺一下子清晰了很多。核心部分 齊次線性方程組的最小二乘問題可以寫成如下 min ax s.t x 1 目標函式 ax x a ax x...
線性代數 線性代數中關於向量的一些結論
下面結論我會用序號 1，2，3，4代表每條結論 同時 1 表示是 1的逆命題 1 表示是 1的否定命題 1 就表示是1的逆否命題 1 表示是 1的推論 1 如果向量組的一部分線性相關，那麼該向量組一定線性相關 2 如果乙個向量組線性無關，那麼他的任意乙個非空向量組也線性無關 1 3 乙個向量組線性無...
線性代數中的矩陣乘法推理。
性代數中的矩陣乘法推理。首先要說什麼是線性對映。線性對映即將 n 維的向量，通過 m n 的矩陣對映成 m 維的向量。比如a矩陣 0 1 2 3 4 5 乘以2維的x向量 0 1 即將此向量對映成3維的y向量 1 3 5 計算方法為 y i 那麼矩陣乘法呢？即將多次對映過程中的中間矩陣相乘得一矩陣d...