‫ﺟﺒﺮﺧﻄﻲ ﻛﺎرﺑﺮدي‬

‫درس‪6‬‬
‫ﻓﻀﺎﻫﺎي ﺑﺮداري و ﻣﺘﻌﺎﻣﺪ ﺳﺎزي‬

‫ﮔﺮوه ﺳﻴﺴﺘﻢ و ﻛﻨﺘﺮل ‪1388 -‬‬

‫ﻣﺪرس‪ :‬ﺻﺪﻗﻲ زاده‬

‫ﻣﺮوري ﺑﺮ ﻣﻄﺎﻟﺐ‪،‬‬
‫‪ -‬ﻣﻴﺪان و ﻓﻀﺎي ﺑﺮداري )‪(Field and Vector Space‬‬
‫‪ -‬زﻳﺮ ﻓﻀﺎي ﺑﺮداري )‪(Vector Subspace‬‬
‫ﻓﻀﺎي ﭘﻮﭼﻲ ﻣﺎﺗﺮﻳﺲ‬ ‫ﻓﻀﺎي ﺳﺘﻮن ﻫﺎي ﻣﺎﺗﺮﻳﺲ‬
‫‪Null space‬‬ ‫‪Column space‬‬
‫‪ -‬ﻣﻔﻬﻮم اﺳﭙﻦ )‪(Span‬‬
‫‪ -‬اﺳﺘﻘﻼل و واﺑﺴﺘﮕﻲ ﺧﻄﻲ ﺑﺮدارﻫﺎ‬
‫‪ -‬ﻣﻔﻬﻮم ﭘﺎﻳﻪ و ﺑ‪‬ﻌﺪ در ﻓﻀﺎي ﺑﺮداري )‪(Basis and Dimension‬‬
‫‪ -‬ﺗﻐﻴﻴﺮ ﭘﺎﻳﻪ در ﻓﻀﺎي ﺑﺮداري‬
‫‪ -‬ﻓﻀﺎي ﮔﺴﺘﺮه ﻣﺎﺗﺮﻳﺲ )‪(Range space‬‬
‫‪ -‬رﺗﺒﻪ ﻣﺎﺗﺮﻳﺲ )‪(Rank‬‬
‫‪ -‬ارﺗﺒﺎط رﺗﺒﻪ و ﭘﻮﭼﻲ ﻣﺎﺗﺮﻳﺲ )‪(Rank and Nullity‬‬
‫‪1‬‬
 ‫ﺗﻐﻴﻴﺮ ﭘﺎﻳﻪ در ﻓﻀﺎي ﺑﺮداري‬

‫ﻣﻲ داﻧﻴﻢ‪،‬‬
‫‪ -‬در ﻓﻀﺎي ﺑﺮداري ‪ n‬ﺑ‪‬ﻌﺪي ‪ V‬ﻫﺮ ﻣﺠﻤﻮﻋﻪ از ‪ n‬ﺑﺮدار ﻣﺴﺘﻘﻞ ﺧﻄﻲ ﺗﺸﻜﻴﻞ ﻳﻚ ﭘﺎﻳﻪ ﻣﻲ دﻫﺪ‪.‬‬
‫‪v1 , v 2 , K , v n‬‬ ‫و‬ ‫‪e1 , e 2 ,K , e n‬‬

‫‪ -‬ﺑﺮاي ﻓﻀﺎي ﺑﺮداري ‪ V‬ﺑﺮدارﻫﺎي ﭘﺎﻳﻪ ﻣﻨﺤﺼﺮ ﺑﻔﺮد ﻧﻴﺴﺘﻨﺪ‪ ،‬وﻟﻲ ﻧﻤﺎﻳﺶ ﻫﺮ ﺑﺮدار ﺗﻮﺳﻂ اﻳﻦ ﺑﺮدارﻫﺎي‬
‫ﭘﺎﻳﻪ ﻣﻨﺤﺼﺮﺑﻔﺮد اﺳﺖ‪.‬‬
‫‪u = c1 v1 + c2 v 2 + L + cn v n‬‬ ‫و‬ ‫‪u = b1e1 + b2e 2 + L + bn e n‬‬

‫ﻧﺸﺎن ﻣﻲ دﻫﻴﻢ ﻛﻪ‪،‬‬

‫‪ -‬ﻣﻲ ﺗﻮان ارﺗﺒﺎط ﺑﻴﻦ ﻧﻤﺎﻳﺶ اﻳﻦ ﭘﺎﻳﻪ ﻫﺎ را در ﻗﺎﻟﺐ ﻳﻚ ﻣﺎﺗﺮﻳﺲ ﺗﺒﺪﻳﻞ ﻧﻤﺎﻳﺶ داد‪.‬‬
‫‪2‬‬

‫ﺗﻐﻴﻴﺮ ﭘﺎﻳﻪ در ﻓﻀﺎي ﺑﺮداري‬

‫⎫ ‪e1 , e 2 , K , e n‬‬
‫→⎬‬ ‫دو دﺳﺘﻪ ﺑﺮدار ﭘﺎﻳﻪ ﺑﺮاي ﻓﻀﺎي ﺑﺮداري ‪ V‬ﻫﺴﺘﻨﺪ‬
‫⎭ ‪v1 , v 2 , K , v n‬‬
‫ﺑﺮاي ‪ u ∈ V‬دارﻳﻢ‪،‬‬
‫‪u = b1e1 + b2e 2 + L + bne n = c1 v1 + c2 v 2 + L + cn v n‬‬

‫⎤ ‪⎡ b1‬‬ ‫⎤ ‪⎡ c1‬‬
‫⎥ ‪⎢b‬‬ ‫⎥ ‪⎢c‬‬
‫⎥‪b = ⎢ 2‬‬ ‫‪,‬‬ ‫⎥‪c = ⎢ 2‬‬
‫⎥‪⎢M‬‬ ‫⎥‪⎢M‬‬
‫⎥ ⎢‬ ‫⎥ ⎢‬
‫⎦ ‪⎣bn‬‬ ‫⎦ ‪⎣ cn‬‬

‫‪[e1 e 2 K e n ] b = [ v1‬‬ ‫‪v 2 K v n ]c‬‬

‫‪3‬‬
 ‫ﻣﺜﺎل‪1‬‬
‫ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي ‪ e1 ,e 2‬و ‪ v1 , v 2‬در ﻓﻀﺎي ﺑﺮداري ‪ ℜ‬ﺗﺸﻜﻴﻞ دو دﺳﺘﻪ ﭘﺎﻳﻪ را ﻣﻲ دﻫﻨﺪ‪.‬‬
‫‪2‬‬

‫⎤‪⎡1‬‬ ‫⎤‪⎡ 2‬‬ ‫⎤‪⎡1‬‬ ‫⎤ ‪⎡0‬‬

‫⎥ ⎢ = ‪v1 = ⎢ ⎥ , v 2‬‬ ‫و‬ ‫⎥ ⎢ = ‪e1 = ⎢ ⎥, e 2‬‬
‫⎦‪⎣1‬‬ ‫⎦ ‪⎣0‬‬ ‫⎦ ‪⎣0‬‬ ‫⎦‪⎣1‬‬
‫⎤‪⎡ − 2‬‬
‫ﻟﺬا ﺑﺮاي ⎥ ⎢ = ‪ u‬دارﻳﻢ‪،‬‬
‫⎦‪⎣4‬‬
‫⎤‪⎡- 2‬‬ ‫⎤‪⎡1‬‬ ‫⎤ ‪⎡0‬‬ ‫⎤‪⎡1‬‬ ‫⎤‪⎡− 2‬‬
‫‪u = b1e1 + b2 e 2 = c1 v1 + c2 v 2‬‬ ‫→‬ ‫⎥ ‪⎢ 4 ⎥ = (−2) ⎢0⎥ + ( 4) ⎢1⎥ = (4) ⎢1⎥ + (3) ⎢ 0‬‬
‫⎦ ⎣‬ ‫⎦ ⎣‬ ‫⎦ ⎣‬ ‫⎦⎣‬ ‫⎦ ⎣‬

‫ﺣﺎل ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ‪،‬‬

‫⎤ ‪⎡b‬‬ ‫⎤ ‪⎡c‬‬ ‫⎤‪⎡1 0⎤ ⎡-2⎤ ⎡1 − 2⎤ ⎡4‬‬
‫‪b = ⎢ 1 ⎥,‬‬ ‫⎥‪c = ⎢ 1‬‬ ‫→‬ ‫‪[e1‬‬ ‫‪e 2 ]b = [v1‬‬ ‫‪v 2 ]c‬‬ ‫→‬ ‫⎥‪⎢0 1⎥ ⎢ 4 ⎥ = ⎢1 0 ⎥ ⎢3‬‬
‫⎦ ‪⎣b2‬‬ ‫⎦ ‪⎣c 2‬‬ ‫⎣‬ ‫⎣ ⎦ ⎣⎦‬ ‫⎦ ⎣⎦‬
‫‪4‬‬

‫ﺗﻐﻴﻴﺮ ﭘﺎﻳﻪ در ﻓﻀﺎي ﺑﺮداري‬

‫از ﻃﺮﻓﻲ ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ‪،‬‬
‫‪e1 = k11 v1 + k12 v 2 + L + k1n v n‬‬
‫‪e 2 = k 21 v1 + k 22 v 2 + L + k 2 n v n‬‬
‫‪M‬‬ ‫‪M‬‬
‫‪e n = k n1 v1 + k n 2 v 2 + L + k nn v n‬‬
‫ﺑﺎ ﻧﻤﺎﻳﺶ ﻣﺎﺗﺮﻳﺴﻲ دارﻳﻢ‪،‬‬
‫⎤ ‪⎡ k11 k 21 L k n1‬‬
‫‪⎢k‬‬ ‫⎥⎥ ‪k 22 L k n 2‬‬
‫‪[e1‬‬ ‫] ‪e 2 K e n ] = [ v1 v 2 K v n‬‬ ‫⎢‬ ‫‪12‬‬

‫‪⎢ M‬‬ ‫⎥ ‪M O M‬‬

‫⎢‬ ‫⎥‬
‫‪⎣1‬‬ ‫⎦ ‪k1n k 2 n L k nn‬‬
‫‪44424443‬‬
‫↓‬
‫‪K‬‬
‫‪[e1 e 2 K e n ] = [ v 1 v 2 K v n ] K‬‬
‫‪5‬‬
 ‫ﺗﻐﻴﻴﺮ ﭘﺎﻳﻪ در ﻓﻀﺎي ﺑﺮداري‬
‫‪[e1‬‬ ‫‪e 2 K e n ] = [ v1‬‬ ‫‪v2 K vn ]K‬‬
‫و‬
‫‪[e1 e 2 K e n ] b = [ v1‬‬ ‫‪v 2 K v n ]c‬‬
‫ﺑﺎ ﺟﺎﻳﮕﺬاري دارﻳﻢ‪،‬‬
‫‪[ v1‬‬ ‫‪v 2 K v n ] Kb = [ v 1‬‬ ‫‪v2 K vn ]c‬‬ ‫→‬ ‫‪Kb = c → b = K −1c‬‬

‫‪ K‬ﻣﺎﺗﺮﻳﺲ ﺗﺒﺪﻳﻞ ﺿﺮاﻳﺐ از ﭘﺎﻳﻪ ﻫﺎي ‪ e1 , e 2 ,K, e n‬ﺑﻪ ‪ v1 , v 2 ,K, v n‬اﺳﺖ‪.‬‬

‫‪ K −1‬ﻣﺎﺗﺮﻳﺲ ﺗﺒﺪﻳﻞ ﺿﺮاﻳﺐ از ﭘﺎﻳﻪ ﻫﺎي ‪ v1 , v 2 ,K, v n‬ﺑﻪ ‪ e1 , e 2 ,K, e n‬اﺳﺖ‪.‬‬

‫‪ -‬ﺑﺎ اﺳﺘﻔﺎده از روش ﮔﻮس‪ -‬ﺟﺮدن ﻣﻲ ﺗﻮان اﻳﻦ ﻣﺎﺗﺮﻳﺲ را ﺑﺪﺳﺖ آورد‪،‬‬
‫‪[ v1‬‬ ‫‪v 2 K v n e1‬‬ ‫] ‪e2 L en‬‬ ‫⇒‬ ‫] ‪[I K‬‬
‫‪6‬‬

‫ﻣﺜﺎل‪2‬‬
‫ﻣﺠﻤﻮﻋﻪ ﺑﺮدارﻫﺎي ‪ e1 , e 2 , e3‬و ‪ v1 , v 2 , v 3‬در ﻓﻀﺎي ﺑﺮداري ‪ ℜ‬ﺗﺸﻜﻴﻞ دو دﺳﺘﻪ ﭘﺎﻳﻪ را ﻣﻲ دﻫﻨﺪ‪.‬‬
‫‪3‬‬

‫⎤ ‪⎡1‬‬ ‫⎤ ‪⎡0‬‬ ‫⎤ ‪⎡3‬‬ ‫⎤ ‪⎡1‬‬ ‫⎤ ‪⎡0‬‬ ‫⎤ ‪⎡0‬‬

‫⎢‬ ‫⎥‬ ‫⎢‬ ‫⎥‬
‫⎥⎥ ‪v1 = ⎢− 1⎥, v 2 = ⎢1 ⎥, v 3 = ⎢⎢0‬‬ ‫⎢‬ ‫⎥‬ ‫⎢‬ ‫⎥‬
‫⎥⎥‪ e1 = ⎢0⎥, e 2 = ⎢1 ⎥, e3 = ⎢⎢0‬و‬
‫⎦⎥ ‪⎢⎣1‬‬ ‫⎦⎥‪⎢⎣2‬‬ ‫⎦⎥‪⎢⎣− 1‬‬ ‫⎦⎥‪⎢⎣0‬‬ ‫⎦⎥‪⎢⎣0‬‬ ‫⎦⎥ ‪⎢⎣1‬‬
‫⎤‪⎡10‬‬
‫ﻧﻤﺎﻳﺶ ﺑﺮدار ⎥⎥ ‪ u = ⎢⎢5‬ﺑﺮﺣﺴﺐ ﻫﺮ ﻳﻚ از دﺳﺘﻪ ﺑﺮدارﻫﺎي ﭘﺎﻳﻪ ﺑﺼﻮرت زﻳﺮ ﻣﻲ ﺑﺎﺷﺪ‪،‬‬
‫⎦⎥ ‪⎢⎣0‬‬
‫⎤ ‪⎡1‬‬ ‫⎤‪⎡0‬‬ ‫⎤‪⎡0⎤ ⎡10‬‬
‫⎢‬
‫⎥⎥ ‪u = b1e1 + b2 e 2 + b3e 3 = (10) ⎢0⎥ + (5) ⎢1 ⎥ + (0) ⎢⎢0⎥⎥ = ⎢⎢5‬‬
‫⎥‬ ‫⎢‬ ‫⎥‬
‫⎦⎥‪⎢⎣0‬‬ ‫⎦⎥‪⎢⎣0‬‬ ‫⎦⎥ ‪⎢⎣1 ⎥⎦ ⎢⎣0‬‬

‫⎤‪⎡1‬‬ ‫⎤ ‪⎡0‬‬ ‫⎤‪⎡ 3 ⎤ ⎡10‬‬

‫⎢‬ ‫⎥‬
‫⎥⎥ ‪u = c1 v1 + c2 v 2 + c3 v 3 = (−2) ⎢− 1⎥ + (3) ⎢1⎥ + (4) ⎢⎢ 0 ⎥⎥ = ⎢⎢5‬‬
‫⎢‬ ‫⎥‬
‫⎦⎥ ‪⎢⎣ 1‬‬ ‫⎦⎥‪⎢⎣2‬‬ ‫⎦⎥ ‪⎢⎣− 1⎥⎦ ⎢⎣0‬‬
‫‪7‬‬
 ‫اﻟﻒ( ﻣﺎﺗﺮﻳﺲ ﺗﺒﺪﻳﻞ ﻣﺘﻨﺎﻇﺮ ﺑﺮاي ﺗﻐﻴﻴﺮ از ﭘﺎﻳﻪ ‪ e1 , e 2 , e3‬ﺑﻪ ﭘﺎﻳﻪ ‪ v1 , v 2 , v 3‬را ﺑﻴﺎﺑﻴﺪ‪.‬‬

‫ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر اﻳﻦ ﺑﺎر ﺑﺮدارﻫﺎي ‪ e1 , e 2 , e 3‬را ﺑﺼﻮرت ﺗﺮﻛﻴﺐ ﺧﻄﻲ از ﺑﺮدارﻫﺎي ‪ v1 , v 2 , v 3‬ﻣﻲ ﻧﻮﻳﺴﻴﻢ‪،‬‬
‫‪[e1‬‬ ‫‪e2‬‬ ‫‪e 3 ] = [v1‬‬ ‫‪v2‬‬ ‫‪v 3 ]K1‬‬
‫‪[v‬‬ ‫‪1‬‬ ‫‪v2‬‬ ‫‪v 3 e1 e 2‬‬ ‫] ‪e3‬‬ ‫⇒‬ ‫] ‪[I K‬‬ ‫‪1‬‬

‫⎤‪⎡ 1 0 3 1 0 0‬‬ ‫⎤ ‪⎡1 0 0 101 −53 103‬‬

‫⎢‬ ‫⎥‬ ‫⎢‬ ‫⎥ ‪3‬‬
‫⎥‪⎢− 1 1 0 0 1 0‬‬ ‫⇒‬ ‫‪1‬‬ ‫‪2‬‬
‫⎥ ‪⎢0 1 0 10 5 10‬‬
‫⎦⎥‪⎢⎣ 1 2 − 1 0 0 1‬‬ ‫‪⎢0 0 1 103 15 10‬‬ ‫⎥ ‪−1‬‬
‫⎣‬ ‫⎦‬
‫ﻣﺎﺗﺮﻳﺲ ﺗﺒﺪﻳﻞ ﻣﺘﻨﺎﻇﺮ ﺑﺼﻮرت زﻳﺮ ﺑﺪﺳﺖ ﻣﻲ آﻳﺪ‪،‬‬

‫‪⎡ 101‬‬ ‫‪−3‬‬

‫‪5‬‬
‫‪3‬‬
‫‪10‬‬ ‫⎤‬ ‫‪⎡ 101‬‬ ‫‪−3‬‬
‫‪5‬‬
‫‪3‬‬
‫‪10‬‬ ‫⎤‪⎤ ⎡10⎤ ⎡− 2‬‬
‫‪K1 = ⎢⎢ 101‬‬ ‫‪2‬‬
‫‪5‬‬
‫‪3‬‬
‫‪10‬‬
‫⎥‬
‫⎥‬ ‫→‬ ‫‪K1b = c‬‬ ‫→‬ ‫‪⎢1‬‬
‫‪⎢ 10‬‬
‫‪2‬‬
‫‪5‬‬
‫‪3‬‬
‫‪10‬‬
‫⎥ ‪⎥⎢ 5 ⎥ = ⎢ 3‬‬
‫⎥ ⎢ ⎥ ⎢⎥‬
‫‪⎢⎣ 103‬‬ ‫‪1‬‬
‫‪5‬‬
‫⎥ ‪−1‬‬
‫⎦ ‪10‬‬
‫‪⎢⎣ 103‬‬ ‫‪1‬‬
‫‪5‬‬
‫⎢ ⎥ ‪−1‬‬ ‫⎦⎥ ‪⎥ ⎢⎣ 4‬‬
‫⎦ ‪10 ⎦ ⎣ 0‬‬

‫‪8‬‬

‫ب( ﻣﺎﺗﺮﻳﺲ ﺗﺒﺪﻳﻞ ﻣﺘﻨﺎﻇﺮ ﺑﺮاي ﺗﻐﻴﻴﺮ از ﭘﺎﻳﻪ ‪ v1 , v 2 , v 3‬ﺑﻪ ﭘﺎﻳﻪ ‪ e1 , e 2 , e3‬را ﺑﻴﺎﺑﻴﺪ‪.‬‬
‫ﺑﺮاي اﻳﻦ ﻣﻨﻈﻮر ﻫﺮ ﻳﻚ از ﺑﺮدارﻫﺎي ‪ v1 , v 2 , v 3‬را ﺑﺼﻮرت ﻳﻚ ﺗﺮﻛﻴﺐ ﺧﻄﻲ از ﺑﺮدارﻫﺎي ‪ e1 , e 2 , e3‬ﻣﻲ ﻧﻮﻳﺴﻴﻢ‪،‬‬
‫‪[v1‬‬ ‫‪v2‬‬ ‫‪v 3 ] = [e1‬‬ ‫‪e2‬‬ ‫‪e 3 ]K 2‬‬
‫‪[e‬‬ ‫‪1‬‬ ‫‪e2‬‬ ‫‪e 3 v1‬‬ ‫‪v2‬‬ ‫] ‪v3‬‬ ‫⇒‬ ‫] ‪[I K‬‬ ‫‪2‬‬

‫⎤ ‪⎡1 0 0 1 0 3‬‬
‫⎢‬ ‫⎥‬
‫⎥ ‪⎢0 1 0 − 1 1 0‬‬
‫⎦⎥‪⎢⎣0 0 1 1 2 − 1‬‬
‫ﺑﻨﺎﺑﺮاﻳﻦ ﻣﺎﺗﺮﻳﺲ ﺗﺒﺪﻳﻞ ﻣﺘﻨﺎﻇﺮ ﺑﺼﻮرت زﻳﺮ ﺑﺪﺳﺖ ﻣﻲ آﻳﺪ‪،‬‬
‫⎤‪⎡1 0 3‬‬ ‫⎤‪⎡ 1 0 3 ⎤ ⎡− 2⎤ ⎡10‬‬
‫⎢‬
‫⎥ ‪K 2 = ⎢− 1 1 0‬‬ ‫⎥‬ ‫→‬ ‫→ ‪K 2c = b‬‬ ‫⎥ ‪⎢− 1 1 0 ⎥ ⎢ 3 ⎥ = ⎢ 5‬‬
‫⎢‬ ‫⎥ ⎢ ⎥ ⎢⎥‬
‫⎦⎥‪⎢⎣ 1 2 − 1‬‬ ‫⎦⎥ ‪⎢⎣ 1 2 − 1⎥⎦ ⎢⎣ 4 ⎥⎦ ⎢⎣ 0‬‬
‫از آﻧﺠﺎﺋﻴﻜﻪ ﺑﺮدارﻫﺎي ‪ e1 , e 2 , e3‬ﺑﺮدارﻫﺎي ﭘﺎﻳﻪ اﺳﺘﺎﻧﺪارد ﺑﺮاي ﻓﻀﺎي ﺑﺮداري ‪ ℜ3‬ﻣﻲ ﺑﺎﺷﻨﺪ‪ ،‬ﺑﻨﺎﺑﺮاﻳﻦ ﺳﺘﻮن ﻫﺎي ﻣﺎﺗﺮﻳﺲ‬
‫ﺗﺒﺪﻳﻞ در اﻳﻦ ﺣﺎﻟﺖ ﻫﻤﺎن ﺑﺮدارﻫﺎي ‪ v1 , v 2 , v 3‬ﻣﻲ ﺑﺎﺷﻨﺪ‪.‬‬
‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﻣﺸﺎﻫﺪه ﻣﻲ ﺷﻮد ‪ K 2 = ( K1 ) −1‬ﻣﻲ ﺑﺎﺷﺪ‪.‬‬
‫‪9‬‬
 ‫ﻣﻔﻬﻮم ﻓﻀﺎي ﮔﺴﺘﺮه در ﻳﻚ ﻣﺎﺗﺮﻳﺲ )‪(Range Space‬‬
‫‪Am×n x n×1 = b m×1‬‬

‫ﻧﮕﺎﺷﺖ ‪A‬‬

‫ﻓﻀﺎي ‪ n‬ﺑ‪‬ﻌﺪي ‪V1‬‬ ‫ﻫﺮ دو روي ﻣﻴﺪان ‪F‬‬ ‫ﻓﻀﺎي ‪ m‬ﺑ‪‬ﻌﺪي ‪V2‬‬

‫‪ -‬ﻓﻀﺎي ﮔﺴﺘﺮه ﻳﻚ ﻧﮕﺎﺷﺖ ﺧﻄﻲ ﻣﺎﻧﻨﺪ ‪، A‬‬

‫⎧‬ ‫⎫‬
‫‪R ( A) = ⎨b ∈ V2‬‬ ‫⎬ ‪∃x ∈ V1 → Ax = b‬‬
‫⎩‬ ‫⎭‬

‫‪ R ( A) -‬ﺗﻮﺳﻂ ﺳﺘﻮن ﻫﺎي ﻣﺎﺗﺮﻳﺲ ‪ A‬اﺳﭙﻦ ﻣﻲ ﺷﻮد و ﻳﻚ زﻳﺮ ﻓﻀﺎ از ﻓﻀﺎي ‪ m‬ﺑﻌﺪي ‪ V2‬اﺳﺖ‪.‬‬
‫‪ -‬ﺑ‪‬ﻌﺪ )‪ R ( A‬ﺑﺮاﺑﺮ ﺑﺎ ﻣﺎﻛﺰﻳﻤﻢ ﺗﻌﺪاد ﺑﺮدارﻫﺎي ﻣﺴﺘﻘﻞ ﺧﻄﻲ در )‪ R ( A‬ﻣﻲ ﺑﺎﺷﺪ‪.‬‬
‫‪10‬‬

‫ﻣﺜﺎل‪3‬‬
‫ﻓﻀﺎي ﮔﺴﺘﺮه ﻣﺎﺗﺮﻳﺲ زﻳﺮ را ﺑﺪﺳﺖ آورﻳﺪ‪،‬‬
‫⎤ ‪⎡1 3 − 5 1 5‬‬ ‫⎤ ‪⎡1 0 1 0 1‬‬
‫⎥ ‪⎢1 4 − 7 3 − 2‬‬ ‫⎥ ‪⎢0 1 − 2 0 3‬‬
‫= ‪A4×5‬‬ ‫⎢‬ ‫⎥‬ ‫⎢ →‬ ‫⎥‬
‫⎥ ‪⎢1 5 − 9 5 − 9‬‬ ‫⎥‪⎢ 0 0 0 1 − 5‬‬
‫⎢‬ ‫⎥‬ ‫⎢‬ ‫⎥‬
‫⎦ ‪⎣0 3 − 6 2 − 1‬‬ ‫⎦ ‪⎣0 0 0 0 0‬‬
‫ﻣﻲ داﻧﻴﻢ ﻓﻀﺎي ﮔﺴﺘﺮه ﻣﺎﺗﺮﻳﺲ ‪ A‬ﻛﻠﻴﻪ ﺗﺮﻛﻴﺒﻬﺎي ﺧﻄﻲ ﻣﻤﻜﻦ ﻛﻠﻴﻪ ﺳﺘﻮن ﻫﺎي ‪ A‬اﺳﺖ‪ .‬از آﻧﺠﺎﺋﻴﻜﻪ ﺳﺘﻮن ﻫﺎي ﺳﻮم و‬
‫ﭘﻨﺠﻢ ﺑﻪ ﺳﺘﻮن ﻫﺎي اول‪ ،‬دوم و ﭼﻬﺎرم واﺑﺴﺘﻪ ﻣﻲ ﺑﺎﺷﻨﺪ‪ ،‬ﻟﺬا )‪ R( A‬ﺑﺼﻮرت زﻳﺮ ﺗﻌﺮﻳﻒ ﻣﻲ ﺷﻮد‪،‬‬
‫⎫ ⎤ ‪⎧ ⎡1 ⎤ ⎡ 3 ⎤ ⎡ 1‬‬
‫⎪ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎪‬
‫⎪ ‪⎪ 1 4 3‬‬
‫‪R( A) = sp ⎨⎢ ⎥, ⎢ ⎥, ⎢ ⎥ ⎬ → dim[ R( A)] = 3‬‬
‫⎪ ⎥ ‪⎪ ⎢1 ⎥ ⎢ 5 ⎥ ⎢ 5‬‬
‫⎭⎪ ⎦⎥‪⎪⎩⎢⎣0⎥⎦ ⎢⎣3⎥⎦ ⎢⎣2‬‬
‫ﺑﻪ ﻋﺒﺎرﺗﻲ )‪ R ( A‬ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ ﺗﻤﺎﻣﻲ ﺗﺮﻛﻴﺒﻬﺎي ﺧﻄﻲ ﺳﺘﻮن ﻫﺎي اول‪ ،‬دوم و ﭼﻬﺎرم ﻣﺎﺗﺮﻳﺲ ‪ . A‬ﻫﻤﭽﻨﻴﻦ اﮔﺮ ﻓﺮم‬
‫ﺳﻄﺮي ﭘﻠﻜﺎﻧﻲ ﻛﺎﻫﺶ ﻳﺎﻓﺘﻪ ﻣﺎﺗﺮﻳﺲ ‪ A‬را ﺑﺪﺳﺖ آورﻳﻢ‪ ،‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺤﻞ ﻋﻨﺎﺻﺮ ﻣﺤﻮري ﻣﻲ ﺗﻮان ﻓﻬﻤﻴﺪ ﻛﻪ ﺳﺘﻮن ﻫﺎي‬
‫اول‪ ،‬دوم و ﭼﻬﺎرم ﻣﺴﺘﻘﻞ ﺧﻄﻲ ﻫﺴﺘﻨﺪ‪.‬‬
‫‪11‬‬
 ‫ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر )‪ [R,p]=rref(A‬در ﻧﺮم ﻓﺰار ‪ MATLAB‬دارﻳﻢ‪،‬‬

‫;]‪A =[1 3 - 5 1 5;1 4 - 7 3 - 2;1 5 - 9 5 - 9;0 3 - 6 2 - 1‬‬

‫)‪[R,p]= rref(A‬‬
‫= ‪R‬‬
‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪-2‬‬ ‫‪0‬‬ ‫‪3‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪-5‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫= ‪p‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪4‬‬

‫‪12‬‬

‫ﻣﻔﻬﻮم رﺗﺒﻪ ﻳﻚ ﻣﺎﺗﺮﻳﺲ )‪(Rank‬‬

‫‪ -‬رﺗﺒﻪ ﻳﻚ ﻣﺎﺗﺮﻳﺲ ‪ A‬ﺑﺮاﺑﺮ ﺑﺎ ﻣﺎﻛﺰﻳﻤﻢ ﺗﻌﺪاد ﺳﺘﻮن ﻫﺎي )ﻳﺎ ﺳﻄﺮﻫﺎي( ﻣﺴﺘﻘﻞ ﺧﻄﻲ در آن ﻣﺎﺗﺮﻳﺲ‬
‫اﺳﺖ‪.‬‬
‫)‪rank ( A‬‬

‫→ ‪ → A ≠ 0 ⇒ rank ( A) = n‬ﻏﻴﺮ ﻣﻨﻔﺮد ‪An×n‬‬ ‫رﺗﺒﻪ ﻛﺎﻣﻞ )‪(full rank‬‬

‫→ ) ‪⎧rank ( A) = min( m, n‬‬ ‫رﺗﺒﻪ ﻛﺎﻣﻞ )‪(full rank‬‬

‫⎨ → ‪Am×n‬‬
‫ﻧﻘﺺ رﺗﺒﻪ )‪⎩rank ( A) < min( m, n ) → (rank deficiency‬‬

‫‪ -‬رﺗﺒﻪ ﻳﻚ ﻣﺎﺗﺮﻳﺲ ﻣﻌﺎدل ﺑﺎ ﺑ‪‬ﻌﺪ ﻓﻀﺎي ﮔﺴﺘﺮه آن ﻣﺎﺗﺮﻳﺲ اﺳﺖ‪dim[ R ( A)] = rank ( A) .‬‬
‫‪ -‬دﺳﺘﻮر )‪ rank(A‬در ﻧﺮم اﻓﺰار ‪ MATLAB‬وﺟﻮد دارد‪.‬‬
‫‪13‬‬
 ‫ﻣﺜﺎل‪4‬‬
‫رﺗﺒﻪ ﻣﺎﺗﺮﻳﺲ ﻫﺎي زﻳﺮ را ﺑﺪﺳﺖ آورﻳﺪ‪،‬‬
‫⎤ ‪⎡1 3 − 5 1 5‬‬ ‫⎤ ‪⎡1 0 1 0 1‬‬
‫⎥‪⎢1 4 − 7 3 − 2‬‬ ‫⎥ ‪⎢0 1 − 2 0 3‬‬
‫= ‪A4×5‬‬ ‫⎢‬ ‫⎥‬ ‫⎢ →‬ ‫⎥‬
‫⎥ ‪⎢1 5 − 9 5 − 9‬‬ ‫⎥‪⎢ 0 0 0 1 − 5‬‬
‫⎢‬ ‫⎥‬ ‫⎢‬ ‫⎥‬
‫⎦ ‪⎣0 3 − 6 2 − 1‬‬ ‫⎦ ‪⎣0 0 0 0 0‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺤﻞ ﻋﻨﺎﺻﺮ ﻣﺤﻮري ﻣﻲ ﻓﻬﻤﻴﻢ ﻛﻪ ﺳﺘﻮن ﻫﺎي اول‪ ،‬دوم و ﭼﻬﺎرم ﻣﺴﺘﻘﻞ ﺧﻄﻲ ﻫﺴﺘﻨﺪ و ﭼﻮن ﻣﺎﺗﺮﻳﺲ ‪A‬‬
‫ﺳﻪ ﺳﺘﻮن ﻣﺴﺘﻘﻞ ﺧﻄﻲ دارد‪ ،‬ﻟﺬا ‪ rank( A) = 3‬اﺳﺖ و ﻣﺎﺗﺮﻳﺲ ‪ A‬ﻧﻘﺺ رﺗﺒﻪ دارد‪.‬‬

‫‪⎡1 1‬‬ ‫⎤‪2‬‬ ‫⎤ ‪⎡1 0 0‬‬

‫⎥ ‪⎢1 3 − 8‬‬ ‫⎥ ‪⎢0 1 0‬‬
‫⎢ = ‪B4×3‬‬ ‫⎥‬ ‫→‬ ‫⎢‬ ‫⎥‬
‫⎥‪⎢4 − 3 − 7‬‬ ‫⎥ ‪⎢0 0 1‬‬
‫⎢‬ ‫⎥‬ ‫⎢‬ ‫⎥‬
‫⎦‪⎣1 12 − 3‬‬ ‫⎦ ‪⎣0 0 0‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺤﻞ ﻋﻨﺎﺻﺮ ﻣﺤﻮري‪ ،‬ﺳﺘﻮن ﻫﺎي اول‪ ،‬دوم و ﺳﻮم ﻣﺴﺘﻘﻞ ﺧﻄﻲ ﻫﺴﺘﻨﺪ و ﭼﻮن ﻣﺎﺗﺮﻳﺲ ‪ B‬ﺳﻪ ﺳﺘﻮن ﻣﺴﺘﻘﻞ‬
‫ﺧﻄﻲ دارد‪ ،‬ﻟﺬا ‪ rank ( B) = 3‬اﺳﺖ و ﻣﺎﺗﺮﻳﺲ ‪ B‬رﺗﺒﻪ ﻛﺎﻣﻞ دارد‪.‬‬
‫‪14‬‬

‫ﻣﺴﺌﻠﻪ وﺟﻮد ﺟﻮاب ﺑﺮاي دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺧﻄﻲ ﺟﺒﺮي‬

‫‪ R ( A) -‬زﻳﺮﻓﻀﺎﻳﻲ اﺳﺖ ﻛﻪ ﺗﻮﺳﻂ ﺳﺘﻮن ﻫﺎي ﻣﺎﺗﺮﻳﺲ ‪ A‬اﺳﭙﻦ ﻣﻲ ﺷﻮد‪.‬‬

‫‪ -‬اﮔﺮ )‪ b ∈ R(A‬ﻣﻲ ﺗﻮان ‪ b‬را ﺑﺼﻮرت ﺗﺮﻛﻴﺐ ﺧﻄﻲ از ﺳﺘﻮن ﻫﺎي ‪ A‬ﻧﻮﺷﺖ‪،‬‬

‫⎤ ‪⎡ a11‬‬ ‫⎤ ‪⎡ a12‬‬ ‫⎤ ‪⎡ a1n‬‬

‫⎥ ‪⎢a‬‬ ‫⎥ ‪⎢a‬‬ ‫⎥ ‪⎢a‬‬
‫‪Ax = b‬‬ ‫→‬ ‫‪x1‬‬ ‫⎢‬ ‫⎥ ‪21‬‬
‫‪+ x2‬‬ ‫⎢‬ ‫⎥ ‪22‬‬
‫‪+ L + xn ⎢ 2 n ⎥ = b‬‬
‫⎥ ‪⎢ M‬‬ ‫⎥ ‪⎢ M‬‬ ‫⎥ ‪⎢ M‬‬
‫⎥ ⎢‬ ‫⎥ ⎢‬ ‫⎥ ⎢‬
‫⎦ ‪⎣an1‬‬ ‫⎦ ‪⎣ an 2‬‬ ‫⎦ ‪⎣ ann‬‬
‫در ﭼﻨﻴﻦ ﺣﺎﻟﺘﻲ اﻓﺰودن ﺳﺘﻮن ﺑﺮدار ‪ b‬ﺑﻪ ﺳﺘﻮن ﻫﺎي ﻣﺎﺗﺮﻳﺲ ‪ A‬رﺗﺒﻪ آن را ﺗﻐﻴﻴﺮ ﻧﺨﻮاﻫﺪ داد‪.‬‬
‫‪rank ( A) = rank ( A | b) = n‬‬
‫‪15‬‬
 ‫ﻣﺴﺌﻠﻪ وﺟﻮد ﺟﻮاب ﺑﺮاي دﺳﺘﮕﺎه ﻣﻌﺎدﻻت ﺧﻄﻲ ﺟﺒﺮي‬
‫‪Am×n x n×1 = b m×1‬‬

‫⇒ )‪ rank ( A) ≠ rank ( A | b ) → b ∉ R ( A‬اﮔﺮ‬ ‫ﺳﻴﺴﺘﻢ ﻧﺎﺳﺎزﮔﺎر و دﺳﺘﮕﺎه ﺟﻮاب ﻧﺪارد‬

‫‪ rank‬اﮔﺮ‬ ‫)‪( A) = rank ( A | b ) → b ∈ R ( A‬‬

‫‪14444442444444‬‬ ‫‪3‬‬
‫⇓‬

‫ﺳﻴﺴﺘﻢ ﺳﺎزﮔﺎر و دﺳﺘﮕﺎه ﺟﻮاب دارد‬

‫ﺗﻬﻲ )‪N ( A‬‬ ‫ﺗﻬﻲ ﻧﻴﺴﺖ )‪N ( A‬‬

‫ﻳﻚ ﺟﻮاب ﻣﻨﺤﺼﺮ ﺑﻔﺮد‬ ‫ﺑﻴﺸﻤﺎر ﺟﻮاب‬

‫‪16‬‬

‫ﻣﺜﺎل ‪5‬‬
‫وﺟﻮد ﻳﺎ ﻋﺪم وﺟﻮد ﺟﻮاب را ﺑﺮاي دﺳﺘﮕﺎه ﻣﻌﺎدﻻت زﻳﺮ ﺑﺮرﺳﻲ ﻧﻤﺎﻳﻴﺪ‪.‬‬
‫⎤ ‪⎡ x1‬‬
‫‪⎧ x1 + 2 x2 − x3 + x4 = 2‬‬ ‫⎤‪⎡1 2 − 1 1 ⎤ ⎢ ⎥ ⎡ 2‬‬
‫⎪‬
‫⎥⎥‪Ax = b → ⎢⎢2 1 1 − 1⎥⎥ ⎢ 2 ⎥ = ⎢⎢4‬‬
‫‪x‬‬
‫‪⎨2 x1 + x2 + x3 − x4 = 4‬‬ ‫→‬
‫‪⎪5 x + 4 x + x − x = 9‬‬ ‫⎥ ‪⎢x‬‬
‫‪⎩ 1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫⎦⎥‪⎢⎣5 4 1 − 1⎥⎦ ⎢ 3 ⎥ ⎢⎣9‬‬
‫⎦ ‪⎣ x4‬‬
‫‪rank ( A) = 2 ,‬‬ ‫→ ‪rank ( A | b) = 3‬‬ ‫دﺳﺘﮕﺎه ﺟﻮاب ﻧﺪارد‬

‫‪⎧− x1 + 2 x2 + 4 x3 = 2‬‬ ‫⎤‪⎡− 1 2 4⎤ ⎡ x1 ⎤ ⎡2‬‬

‫⎪‬ ‫⎥ ‪⎢ 1 2 1 ⎥ ⎢ x ⎥ = ⎢1‬‬
‫‪⎨ x1 + 2 x2 + x3 = 1‬‬ ‫→‬ ‫→ ‪Ax = b‬‬ ‫⎢‬ ‫⎥ ⎢ ⎥ ‪⎥⎢ 2‬‬
‫‪⎪3 x + 5 x + x = 3‬‬ ‫⎦⎥‪⎢⎣ 3 5 1 ⎥⎦ ⎢⎣ x3 ⎥⎦ ⎢⎣3‬‬
‫‪⎩ 1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫‪rank ( A) = rank ( A | b) = 3‬‬ ‫→‬ ‫دﺳﺘﮕﺎه ﻳﻚ ﺟﻮاب ﻣﻨﺤﺼﺮ ﺑﻔﺮد دارد‬

‫‪⎧ x1 + x2 − x3 = 1‬‬ ‫⎤‪⎡1 1 − 1⎤ ⎡ x1 ⎤ ⎡1‬‬

‫⎪‬ ‫⎥ ‪⎢1 2 2 ⎥ ⎢ x ⎥ = ⎢5‬‬
‫‪⎨ x1 + 2 x2 + 2 x3 = 5‬‬ ‫→‬ ‫→ ‪Ax = b‬‬ ‫⎢‬ ‫⎥ ⎢ ⎥ ‪⎥⎢ 2‬‬
‫‪⎪2 x + 3 x + x = 6‬‬ ‫⎦⎥‪⎢⎣2 3 1 ⎥⎦ ⎢⎣ x3 ⎥⎦ ⎢⎣6‬‬
‫‪⎩ 1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫→ ‪rank ( A) = rank ( A | b) = 2‬‬ ‫دﺳﺘﮕﺎه ﺑﻴﺸﻤﺎر ﺟﻮاب دارد‬

‫‪17‬‬
 ‫ﻣﻔﻬﻮم ﻓﻀﺎي ﭘﻮﭼﻲ در ﻳﻚ ﻣﺎﺗﺮﻳﺲ ) ‪ Kernel‬ﻳﺎ ‪(Null Space‬‬

‫‪ -‬ﻓﻀﺎي ﭘﻮﭼﻲ ﻳﻚ ﻧﮕﺎﺷﺖ ﺧﻄﻲ ﻣﺎﻧﻨﺪ ‪، A‬‬

‫}‪N ( A) = {x ∈ V1 → Ax = 0‬‬

‫)‪dim[ N ( A)] = ν ( A‬‬ ‫→‬ ‫ﭘﻮﭼﻲ )‪(nullity‬‬

‫‪ -‬ﻓﻀﺎي ﭘﻮﭼﻲ ﻣﺠﻤﻮﻋﻪ ﺗﻤﺎﻣﻲ ﭘﺎﺳﺨﻬﺎي ﻏﻴﺮ ﺻﻔﺮ ﻣﻌﺎدﻟﻪ ﻫﻤﮕﻦ ‪ Ax = 0‬اﺳﺖ‪.‬‬
‫‪ -‬اﮔﺮ ﺗﻨﻬﺎ ﭘﺎﺳﺦ ﻣﻌﺎدﻟﻪ ‪ Ax = 0‬ﻫﻤﺎن ﭘﺎﺳﺦ ﺑﺪﻳﻬﻲ ﺻﻔﺮ ﺑﺎﺷﺪ‪ ،‬رﺗﺒﻪ ﻣﺎﺗﺮﻳﺲ ‪ A‬ﻛﺎﻣﻞ اﺳﺖ‪.‬‬
‫‪ -‬ﻓﻀﺎي ﭘﻮﭼﻲ‪ ،‬ﻳﻚ زﻳﺮ ﻓﻀﺎ از ﻓﻀﺎي ‪ n‬ﺑ‪‬ﻌﺪي ‪ V1‬اﺳﺖ‪.‬‬
‫‪rank( A) + nullity ( A) = n‬‬
‫‪ -‬دﺳﺘﻮر )‪ null(A‬و )’‪ null(A,’r‬در ﻧﺮم اﻓﺰار ‪ MATLAB‬وﺟﻮد دارد‪.‬‬
‫‪18‬‬

‫ﻣﺜﺎل ‪6‬‬
‫ﻣﺎﺗﺮﻳﺲ ‪ A‬را در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ‪ ،‬ﻓﻀﺎي ﭘﻮﭼﻲ و ﭘﻮﭼﻲ آن را ﺑﺪﺳﺖ آورﻳﺪ‪.‬‬
‫‪⎡1‬‬ ‫‪3 −5 1‬‬ ‫⎤‪5‬‬ ‫⎤ ‪⎡1 0 1 0 1‬‬
‫‪⎢1‬‬ ‫‪4 −7 3‬‬ ‫⎥‬
‫⎥‪− 2‬‬ ‫⎥ ‪⎢0 1 − 2 0 3‬‬
‫⎢=‪A‬‬ ‫→‬ ‫⎢‬ ‫⎥‬
‫‪⎢1‬‬ ‫‪5 −9 5‬‬ ‫⎥‪− 9‬‬ ‫⎥‪⎢ 0 0 0 1 − 5‬‬
‫⎢‬ ‫⎥‬ ‫⎢‬ ‫⎥‬
‫‪⎣0‬‬ ‫‪3 −6 2‬‬ ‫⎦‪− 1‬‬ ‫⎦ ‪⎣0 0 0 0 0‬‬
‫ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ‪،‬‬ ‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﮔﻔﺘﻪ ﺷﺪ رﺗﺒﻪ اﻳﻦ ﻣﺎﺗﺮﻳﺲ ﺑﺮاﺑﺮ ‪ 3‬ﻣﻲ ﺑﺎﺷﺪ‪ .‬از ﻣﻌﺎدﻟﻪ ‪Ax = 0‬‬
‫⎤ ‪⎡1‬‬ ‫⎤‪⎡ 3‬‬ ‫⎤‪⎡ − 5‬‬ ‫⎤ ‪⎡1‬‬ ‫⎤ ‪⎡ 5 ⎤ ⎡0‬‬
‫⎥ ‪⎢1‬‬ ‫⎥‪⎢ 4‬‬ ‫⎥‪⎢− 7‬‬ ‫⎥‪⎢3‬‬ ‫⎥ ‪⎢ − 2 ⎥ ⎢0‬‬
‫⎥ ⎢ = ⎥ ⎢ ‪Ax = x1 ⎢ ⎥ + x2 ⎢ ⎥ + x3 ⎢ ⎥ + x4 ⎢ ⎥ + x5‬‬
‫⎥ ‪⎢1‬‬ ‫⎥‪⎢5‬‬ ‫⎥‪⎢− 9‬‬ ‫⎥ ‪⎢5‬‬ ‫⎥ ‪⎢ − 9 ⎥ ⎢0‬‬
‫⎥ ⎢‬ ‫⎥ ⎢‬ ‫⎥ ⎢‬ ‫⎥ ⎢‬ ‫⎥ ⎢ ⎥ ⎢‬
‫⎦ ‪⎣0‬‬ ‫⎦‪⎣ 3‬‬ ‫⎦‪⎣ − 6‬‬ ‫⎦‪⎣2‬‬ ‫⎦ ‪⎣ − 1 ⎦ ⎣0‬‬
‫‪Ax = x1u1 + x2u 2 + x3u 3 + x4u 4 + x5u 5 = 0‬‬
‫از آﻧﺠﺎﺋﻴﻜﻪ ﺑﺮدارﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﺳﺘﻮن ﻫﺎي ﺳﻮم و ﭘﻨﺠﻢ واﺑﺴﺘﻪ ﺧﻄﻲ ﻫﺴﺘﻨﺪ‪ ،‬ﻣﻲ ﺗﻮان آﻧﻬﺎ را ﺑﺼﻮرت ﻳﻚ ﺗﺮﻛﻴﺐ ﺧﻄﻲ‬
‫از ﺳﻪ ﺑﺮدار ﺳﺘﻮﻧﻲ دﻳﮕﺮ ﻧﻮﺷﺖ‪،‬‬
‫‪u 3 = (1)u1 + ( −2)u 2 + (0)u 4‬‬ ‫‪,‬‬ ‫‪u 5 = (1)u1 + (3)u 2 + ( −5)u 4‬‬
‫ﺑﺎ اﻳﻦ ﻛﺎر ﻣﻌﺎدﻻت ﺑﻪ ﺷﻜﻞ زﻳﺮ در ﻣﻲ آﻳﻨﺪ‪،‬‬
‫‪Ax = ( x1 + x3 + x5 )u1 + ( x2 -2 x3 + 3 x5 )u 2 + ( x4 -5 x5 )u 4 = 0‬‬
‫‪19‬‬
 ‫ﭼﻮن ﺑﺮدارﻫﺎي ‪ u1 , u 2 ,u 4‬ﻣﺴﺘﻘﻞ ﺧﻄﻲ ﻫﺴﺘﻨﺪ‪ ،‬ﻣﻲ ﺗﻮان ﻧﻮﺷﺖ‪،‬‬
‫‪⎧ x1 + x3 + x5 = 0‬‬
‫⎪‬
‫‪⎨ x2 -2 x3 + 3 x5 = 0‬‬
‫‪⎪ x -5 x = 0‬‬
‫‪⎩ 4 5‬‬
‫ﺑﺎﻳﺪ ﺗﻮﺟﻪ ﻛﺮد ﻛﻪ ﺗﻌﺪاد اﻳﻦ ﻣﻌﺎدﻻت ﺑﺮاﺑﺮ ﺑﺎ رﺗﺒﻪ ﻣﺎﺗﺮﻳﺲ ‪ A‬ﻣﻲ ﺑﺎﺷﺪ‪ .‬ﻫﺮ ﺑﺮدار ] ‪ x = [ x1,x2, x3 , x4 , x5‬ﻛﻪ ﺳﻪ ﻣﻌﺎدﻟﻪ‬
‫ﺑﺎﻻ را ﺑﺮآورده ﺳﺎزد ﻳﻚ ﺑﺮدار ﻣﺘﻌﻠﻖ ﺑﻪ ﻓﻀﺎي ﭘﻮﭼﻲ ﻣﺎﺗﺮﻳﺲ ‪ A‬ﺧﻮاﻫﺪ ﺑﻮد‪ .‬ﺗﻌﺪاد ﺑﺮدارﻫﺎﻳﻲ ﻛﻪ ﺑﺪﻳﻦ ﺗﺮﺗﻴﺐ ﻣﻲ ﺗﻮان‬
‫اﻧﺘﺨﺎب ﻛﺮد ﻧﺎﻣﺤﺪود اﺳﺖ‪ ،‬ﻟﻴﻜﻦ ﺗﻌﺪاد ﺑﺮدارﻫﺎي ﻣﺴﺘﻘﻞ ﺧﻄﻲ ﺑﺮاﺑﺮ ﺑﺎ ﺑ‪‬ﻌﺪ ﻓﻀﺎي ﭘﻮﭼﻲ ﻣﻲ ﺑﺎﺷﺪ‪ .‬ﺑﻄﻮر ﻣﺜﺎل دو ﺑﺮدار‬
‫زﻳﺮ ﻣﺴﺘﻘﻞ ﺧﻄﻲ ﻫﺴﺘﻨﺪ و ﺳﻪ ﻣﻌﺎدﻟﻪ ﺑﺎﻻ را ﺑﺮآورده ﻣﻲ ﻛﻨﻨﺪ‪،‬‬
‫⎫ ⎤ ‪⎧⎡ 1 ⎤ ⎡ 1‬‬
‫⎪ ⎥ ⎢ ⎥ ⎢⎪‬
‫⎪ ⎥ ‪⎪⎢ 1 ⎥ ⎢ 0‬‬
‫⎪‬ ‫⎪‬
‫⎬ ⎥ ‪N ( A) = sp ⎨⎢ −52 ⎥, ⎢ −53‬‬
‫⎪ ⎥‪⎪⎢− 3⎥ ⎢− 2‬‬
‫⎪ ⎥ ⎢ ⎥ ⎢⎪‬
‫⎭⎪ ⎦⎥ ‪⎪⎩⎢⎣ −53 ⎥⎦ ⎢⎣ −52‬‬
‫ﺑﻨﺎﺑﺮاﻳﻦ ﻫﺮ ﭘﺎﺳﺦ ﻣﻌﺎدﻟﻪ ‪ Ax = 0‬ﺑﺎﻳﺪ ﺑﻪ اﺳﭙﻦ اﻳﻦ دو ﺑﺮدار ﺗﻌﻠﻖ داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬ﺑﻪ ﻋﺒﺎرﺗﻲ‪ ،‬اﻳﻦ دو ﺑﺮدار ﻳﻚ ﭘﺎﻳﻪ‬
‫ﺑﺮاي )‪ N ( A‬ﺗﺸﻜﻴﻞ ﻣﻲ دﻫﻨﺪ و ‪ nullity( A) = 2‬ﻣﻲ ﺑﺎﺷﺪ‪.‬‬
‫‪20‬‬

‫ﺑﺎ اﺳﺘﻔﺎده از دﺳﺘﻮر )‪ null(A‬و )’‪ null(A,’r‬در ﻧﺮم ﻓﺰار ‪ MATLAB‬دارﻳﻢ‪،‬‬

‫;]‪A = [1 3 - 5 1 5;1 4 - 7 3 - 2;1 5 - 9 5 - 9;0 3 - 6 2 - 1‬‬

‫)‪null(A‬‬
‫= ‪ans‬‬
‫‪- 0.5050‬‬ ‫‪0.1313‬‬
‫‪0.6504‬‬ ‫‪0.5473‬‬
‫‪0.4331‬‬ ‫‪0.0307‬‬
‫‪0.3596‬‬ ‫‪- 0.8100‬‬
‫‪0.0719‬‬ ‫‪- 0.1620‬‬
‫) '‪null(A, ' r‬‬
‫= ‪ans‬‬
‫‪-1‬‬ ‫‪-1‬‬
‫‪2‬‬ ‫‪-3‬‬
‫‪1‬‬ ‫‪0‬‬
‫‪0‬‬ ‫‪5‬‬
‫‪0‬‬ ‫‪1‬‬
‫‪21‬‬