上一篇简单介绍了列空间（column space）和零空间（null space），这一次主要介绍如何求出零空间内的向量，即主要讨论Ax=0。假设有矩阵A=，略微观察一下其行和列可看出，列2是列1的倍数，行3等于行1加行2，他们都是相关的，这些相关性会在消元中体现出来。当我们对A进行消元，在消元的过程中，解是不会变的，因此零空间不会变化，但列空间会随着消元发生改变，对A的消元过程如下，最终得到矩阵U。
从上面的消元我们可以看出，最后一行全为0，消元可以告诉我们如果有行变成了全0，那么那一行必定是其他行的线性组合，消元会将这些没有用的行消除。A有两个主元（pivots）：第1行的1以及第2行的2，主元的个数可以称为矩阵的秩（rank of matrix），两个主元所在的列称为主元列（pivot columns），在本例中是列1和列3，其他两列即列2和列4称为自由列（free columns），与主元列对应的x称为主变量（pivot variable），如x1和x3，与自由列对应的变量称为自由变量（free
variable），如x2和x4，自由的意思就是x2和x4可以任取。更为一般的结论，假设矩阵A大小为m*n，在消元过程中发现其有r个主变量，即秩是r，那么这个矩阵就有n-r个自由变量。对于上面举的例子，现在取x2=1，x4=0，就可得到零空间中的一个向量
，容易理解更一般的形式 都是Ax=0的解，由于x2和x4是自由变量，因此我也可以取x2=0，x4=1，这样得到的另一个解向量 ，容易理解更一般的形式 也都是Ax=0的解，这两组解也称为方程的特殊解（special
solution），特殊体现在我们给自由变量取了特定值，即每次让一个自由变量为1，其他自由变量为0，最终零空间就是这两个向量所有的线性组合，注意当自由变量选取其他值时，得到的最终解全是这两个向量的线性组合。
那么上面的这两解和跟矩阵A到底是什么关系呢？可不可以当满足一定条件时，我们就能直接写出这两个基解x，而不用去进行回代（backsubstitution）呢？
首先尽管我们已经对A进行了化简，得到了看起来像阶梯状的矩阵U，但为了更容易求特殊解，其实我们可将U进一步化简，得到U的简化行阶梯阵（reduced row echelon form of U），记为R，过程为对U向上消元，即让主元的上方也变成0，简化过程如下。
上面第2步到第3步是为了让主元为1，所以将第2行除以了2，MATLAB中有专门的函数rref（reduced row echelon form of matrix）函数可以完成上面A到R的整个过程，R以最简单的形式包含了所有信息，首先它指出了主元行，即第1行和第2行，指出了主元列，即列1和列3，另外它还包含了一个单位阵，位于主元行与主元列的交汇处，现在我们将R中的主元列与自由列分开，即交换一下列，使得主元列在一起，自由列在一起，R就变成
，假设矩阵R中的 部分记为F，
部分记为I，那么仔细观察前面得到的两个解
，由于前面系数矩阵R交换了列，因此这里两个解也需交换位置得到 ，仔细观察可发现这两个解恰好为。
现在给出上面结论的推导过程。
现假设方程组已经消元和简化到rref形式R，且列顺序已经调整，即R矩阵主列都在前，自由列都在后，R的下面是一些0行，即R=
，那么Rx=0的特殊解是什么呢？我们可以构造一个零空间矩阵（null space matrix）N，它的各列由特殊解组成，则N满足RN=0，也就是说=0
，这意味着，所以如果给
赋值单位阵（意思就是每次给一个自由变量赋值为1，其他的自由变量都是0），那么 就等于
下面我们再用A的转置，将整个过程过一遍。
从R中可看出，A的转置的秩仍然是2，其实这里有一个重要结论：矩阵主元的个数与其转置的主元个数相同。列1和列2是主元列（记住主元上下的元素都为0，因此单位阵所在的列就是主元列），列3是自由列，接下来就是令自由变量x3=1，在R中I=，则x=，注意最后一个自由变量x3=1对应的是单位阵，虽然只有一个1，但它也是单位阵，所以以上就是今天介绍的如何求Ax=0的特殊解，注意无论何时Ax=0是肯定有解的，即总有一个零解满足方程，但非零解不一定存在，也就是特殊解不一定存在，特殊解的个数等于自由变量的个数，这些特殊解可以说是Ax=0的基解，也就是说我们对自由变量取不同的值时得到的解向量都是这些特殊解的线性组合，因此求出了特殊解，也就相当于求出了Ax=0的所有的解。
MIT_线性代数笔记_07_求解Ax=0：主变量、特解
MIT 公开课：Gilbert Strang《线性代数》课程笔记（汇总）Lecture 7: Solving Ax = 0: pivot variables, special solutions
线性代数:零空间维度等于自由变量个数的原因
①以下展开的论述均以下图的矩阵为例
②上述矩阵特征:2个主变量，2个自由变量
③该矩阵零空间的构成:
形式化的理解:在AX=0的条件下，对2个自由变量任意赋值，求得对应...
JS - 自由变量与作用域链
先解释一下什么是“自由变量”。
在A作用域中使用的变量x，却没有在A作用域中声明（即在其他作用域中声明的），对于A作用域来说，x就是一个自由变量。如下图
如上程序中，在调用fn()函数时，函数体中第...
自由变量和约束变量
在程序设计语言中，变量可分为自由变量与约束变量两种。简单来说，局部变量和参数都被认为是约束变量；而不是约束变量的则是自由变量。 在冯·诺依曼计算机体系结构的内存中，变量的属性可以视为一个六元组：（名字...
对自由变量的理解
转载自：http://www.cnblogs.com/wangfupeng1988/p/3992795.html
建议查看原文 原文中还有其他更为精彩的文章 非常的经典 建议去看
先解释一下...
这里实际上用到了这个等式:
cos(β-α)=cos(β)cos(α)+sin(β)sin(α)cos(β-α)=cos(β)cos(α)+sin(β...
一：线性代数介绍
线性代数（ linear algebra），首先，代数的百度定义：代数是研究数、数量、关系与结构的数学分支。初等代数一般在中学时讲授，介绍代数的基本思想：研究当我们对数字作加法或乘...
线性空间相关
一、线性无关相关
1、线性无关：只有各系数为0的条件下，才存在：c1x1+c2x2+?+cnxn=0c1x1+c2x2+?+cnxn=0{c_1}{x_1} + {c_2}{x_2}...
期末复习课，也是通过习题
Ax=???100???Ax=[100]
\begin{matrix}
线代最近好多地方都要用到，然而之前学的太渣啦，这次复yu习xi一遍记一下，方便之后查阅~
第1章 线性代数中的线性方程组
线性方程组等价\Leftrightarrow解集相同\Leftr...
没有更多推荐了，扫二维码下载作业帮
3亿+用户的选择
下载作业帮安装包
扫二维码下载作业帮
3亿+用户的选择
线性代数解齐次方程组的关于自由未知量选取问题把系数矩阵化简之后,如何选取自由未知量?还是说随便任选一个都可以?
作业帮用户
扫二维码下载作业帮
3亿+用户的选择
变量可以取任意值,称之为自由变量,一般取的自由变量对解方程比较方便,任意指定的一个值,就能够立即得到方程组的一个解向量.基础解系中自由变量可以从矩阵消元解法的最后矩阵中直接读出.读取规则是:化简后,在最后的矩阵中,非主元列(不含主元的列)对应自由变量.然后进行计算令自由变量依次取1(其余自由变量取0),读取最后矩阵中相应列的元素,改变符号后,即为主元变量(与含主元的列相对应)的取值
为您推荐：
其他类似问题
扫描下载二维码矩阵的类型那么多，如此琐碎，我们应该怎么去记它们效果更好？矩阵类型太多，像什么对焦矩阵，正交矩阵，梯形矩阵，上下三角矩阵，等等等等，太过于琐碎了。0人已关注
北京化工大学
引用我线代老师的一句话“线性代数的知识都很松散琐碎，因此我们必须是要自己一点点的总结记忆”，初学线代的我竟然傻乎乎的去一步步记忆它，整个过程仿佛重复了我当初傻傻的去单独记忆高等数学的岁月。然后当我觉得实在是记不下去的时候老师已经讲到后面去了，我硬着头皮听课，老师上课各种术语频出，记了又忘的我简直就是急哭在厕所。可是后来，后来，后来，我发现根本也就不需要记得那么清楚。像是梯形矩阵，什么非零行在所有全零行的上面，即全零行都在矩阵的底部，还有什么简化非零行，即每一个非零行首项非零元都是1，看似逼格高大上，难以记忆还要画记忆框图。结果其实它也就是为了解。方。程。解方程要行简化，化成最简形式，并确定其自由变量和相关变量，就是得到行阶梯形矩阵；然后每个相关变量最好系数是一，就是得到简化行阶梯形矩阵。至此，根本就不需要花辣么多的时间在这个问题上面，因为真正需要记忆掌握的知识，在后面肯定会涉及到的，通过做题去记忆来得效率高多了。反而有的矩阵类型，比如正定矩阵，在前面的大杂烩里面根本就没有涉及到啊！后来我们老师很老实的说了一句：“其实吧也就学了后面的前面都懂了”和你之前说过的不一样啊老师TT引用我线代老师的一句话“线性代数的知识都很松散琐碎，因此我们必须是要自己一点点的总结记忆”，初学线代的我竟然傻乎乎的去一步步记忆它，整个过程仿佛重复了我当初傻傻的去单独记忆高等数学的岁月。然后当我觉得实在是记不下去的时候老师已经讲到后面去了，我硬着头皮听课，老师上课各种术语频出，记了又忘的我简直就是急哭在厕所。可是后来，后来，后来，我发现根本也就不需要记得那么清楚。像是梯形矩阵，什么非零行在所有全零行的上面，即全零行都在矩阵的底部，还有什么简化非零行，即每一个非零行首项非零元都是1，看似逼格高大上，难以记忆还要画记忆框图。结果其实它也就是为了解。方。程。解方程要行简化，化成最简形式，并确定其自由变量和相关变量，就是得到行阶梯形矩阵；然后每个相关变量最好系数是一，就是得到简化行阶梯形矩阵。至此，根本就不需要花辣么多的时间在这个问题上面，因为真正需要记忆掌握的知识，在后面肯定会涉及到的，通过做题去记忆来得效率高多了。反而有的矩阵类型，比如正定矩阵，在前面的大杂烩里面根本就没有涉及到啊！后来我们老师很老实的说了一句：“其实吧也就学了后面的前面都懂了”和你之前说过的不一样啊老师TT
矩阵类型太多，像什么对焦矩阵，正交矩阵，梯形矩阵，上下三角矩阵，等等等等，太过于琐碎了。
相关标签：
关注我们咨询服务合作法律法规京ICP备号
下载申请方APP
即刻拥有你的学业规划助手扫二维码下载作业帮
3亿+用户的选择
下载作业帮安装包
扫二维码下载作业帮
3亿+用户的选择
线性代数的问题求基础解系时,用对自由变量赋值的方法,有书上说找出一个秩为r(A)的矩阵,则其余的n-r(A)就是对应的自由变量,那第一个未知量不是主变量么,按他那么说不就可以取主变量当自由变量了?
作业帮用户
扫二维码下载作业帮
3亿+用户的选择
你说的主变量法是一般的方法即非零行的首非零元所在列对应的未知量为约束未知量, 其余为自由未知量 事实上, 约束变量所在列即构成矩阵列向量的一个极大无关组极大无关组的取法不是唯一的取别的极大无关组所在列对应的未知量为约束未知量也可以‍对应的未知量为约束未知量
为您推荐：
其他类似问题
扫描下载二维码线性代数解齐次方程组的关于自由未知量选取问题
本回答由提问者推荐
var sogou_ad_id=731547;
var sogou_ad_height=160;
var sogou_ad_width=690;}