2-1-向量与线性方程组
一句话概括
求解 有两幅图像:行图像(row picture)把每个方程看成一个超平面、解是它们的交点;列图像(column picture)把 看成 的列向量的线性组合、解是组合系数。
本篇覆盖:两幅图像的对比、Strang 为什么强调列图像、解的存在性(列空间视角)、唯一解/无穷多解/无解的几何图像、奇异(singular)与非奇异(nonsingular)矩阵、 与 完整例题、增广矩阵、齐次与非齐次方程组的区别。
定义
线性方程组
含有 个方程、 个未知量的线性方程组(system of linear equations)形如
其中 是系数, 是常数项。所谓「线性」,指每个未知量都只以一次幂出现、且不出现在乘积或非线性函数中(没有 、、 之类)。
矩阵形式
把系数按位置排成 矩阵 ,未知量与常数项排成列向量 、,则上述方程组等价于矩阵方程(matrix equation)
称为系数矩阵(coefficient matrix), 称为右端项(right-hand side)。
列的写法
把 按列切开,记第 列为 ,则 ,而矩阵方程可以写成
这就是列图像的代数表达: 是 的列的线性组合(linear combination),组合系数正是未知量 。相关概念见 1-1-向量与线性组合。
增广矩阵
把 接在 右边得到的 矩阵
称为增广矩阵(augmented matrix)。它对整个方程组「零信息损失」:系数与常数项都在里面。消元时我们对增广矩阵操作,就不会漏掉右端项。
齐次与非齐次
- 齐次方程组(homogeneous system):,即 。它永远有零解 (称为平凡解 trivial solution)。
- 非齐次方程组(nonhomogeneous system):。它可能无解——因为 未必落在 的列空间里。
解集与「解的存在唯一性」
方程组的解集(solution set)是 中满足 的全部向量。解集只有三种可能:空集(无解)、恰含一个向量(唯一解)、含无穷多个向量(无穷多解)。三者互斥且穷尽——这是线性方程组最重要的结构性质,本篇的定理 2 会解释原因。
几何直观
行图像:每个方程是一张「超平面」,解是它们的交
把第 个方程 单独看,它的解集是 中的一张超平面(hyperplane),其法向量(normal vector)正是 的第 个行向量 。
- :每个方程是一条直线;
- :每个方程是一张平面;
- 更大:每个方程是一张 维超平面。
于是「解方程组」=「求所有这些超平面的公共交点」。 张超平面在 中的公共交集可以退化:可能是一点、一条线、一张面,也可能空无所有。
行图像的示意图(文字描述)
取 、,两条直线 :
- 两线相交于一点 唯一解;
- 两线平行但不重合 无解;
- 两线完全重合 一条线上的所有点都是解,无穷多解。
取 、,三张平面 :
- 交于一点 唯一解;
- 交于一条直线或一张平面 无穷多解;
- 三平面两两相交但无公共点(像三棱柱的三个侧面),或两张平行 无解。
列图像: 能否由 的列组合出来
换一个角度:不问「超平面在哪相交」,而问
是否存在系数 ,使得 的线性组合恰好等于 ?
这就是「 是否属于 的列空间 」的问题。 的所有线性组合构成的空间是 的一个子空间,称为列空间(column space),记作 :
关于列空间与另外三个基本子空间的维数关系,见 3-5-四大子空间的维数。
列图像的示意图(文字描述)
在 里画两个箭头 :
- 若两箭头不共线,它们的全部线性组合(可以任意拉长、反向、相加)能铺满整个平面 ,所以任意 都能被表示,且表示方式唯一 —— 唯一解;
- 若两箭头共线,它们的全部线性组合只填满一条过原点的直线, 落在这条线上时有无穷多种表示(因为 可以互相「替班」),否则根本表示不出来 —— 无穷多解或无解。
在 里画三个箭头:
- 三箭头不共面 它们的组合铺满整个空间,任意 唯一表示;
- 三箭头共面但不满秩 组合结果只是一张过原点的平面, 在该平面内则无穷多解,否则无解。
两幅图像的区别(重点)
| 对比项 | 行图像 | 列图像 |
|---|---|---|
| 观察对象 | 的行(每个方程) | 的列(每个列向量) |
| 几何对象 | 张超平面 | 个向量 |
| 解的含义 | 超平面的公共交点 | 表示为列的组合系数 |
| 所在空间 | (未知量空间) | (右端项空间) |
| 判断无解 | 看超平面是否「错过」彼此 | 看 |
| 判断无穷多解 | 看交集维数是否 | 看列的表示方式是否唯一 |
| 高维时是否好用 | 差( 已无法画图) | 好(列向量始终是 中的箭头) |
Strang 为什么强调列图像
- 列图像在高维仍然可想象。 行图像里 就是四维空间中的超平面,人脑画不出来;但列图像里 和每列都只是 中的向量,「 是否在列们张成的空间里」这个问法维度再高也不变。
- 列图像直接给出存在性判据。 「 有解 」一句话就把解的存在性变成子空间的包含关系,无需逐张超平面去讨论相交。
- 列图像是四大子空间理论的入口。 列空间 、零空间 、「 个方程能否确定 个未知量」的秩 分析,全部建立在这里。
- 列图像是 、、、SVD 的直觉来源。 所有矩阵分解本质上都在回答「用哪些列、以什么系数组合出其余列 / 组合出 」。
- 实际计算里也是这样。 数值线性代数中「 的列的相关性」决定条件数(condition number)与稳定性,见 11-2-范数与条件数。
一句话记住
行图像告诉你方程长什么样,列图像告诉你解在哪里。 遇到 ,先按列问一句: 在 的列空间里吗?
性质与定理
定理 1(矩阵方程、向量方程、增广矩阵三者等价)
表述:设 为 矩阵,。下列三个命题等价:
- 矩阵方程 有解;
- 向量方程 有解;
- 增广矩阵 与系数矩阵 的秩相等,即 。
证明:
(1) (2):由矩阵乘法的列定义
两个方程逐字相同,故同解。
(2) (3):把 做行化简得到 (行变换不改变列之间的线性关系)。此时 的列空间维数是 中非零行的个数,记作 。若 能由 的列线性组合得到,即 ,则 ,说明 也由 的列组合得到,于是 的非零行个数仍是 ,即秩相等。反之若 由 的列组合得到,,则 与 在同样的行变换下变成同一个向量,故 。
适用条件: 可为任意 矩阵(不要求方阵、不要求满秩)。这是最一般的可解性判据。
列空间的重新表述:命题 (2) 就是说 。因此—— 有解,当且仅当
定理 2(解集的三种可能,且只有三种)
表述:设 有解, 是它的任意一个特解(particular solution)。则方程组的全部解为
其中 是零空间(nullspace)。于是:
- 若 ,则恰有一个解;
- 若 ,则有无穷多个解(因为 中至少还有一个非零向量,它的任意倍数都是解)。
证明:
先证「 都是解」:对任意 ,
再证「每个解都能写成这个形式」:设 是任一解,则
所以 ,记 ,得 。
几何含义:解集是零空间这个「过原点的子空间」被平移到 之后的仿射集(affine set)。零空间是点、线、面还是更高维空间,决定解是唯一解、一条直线上的解、还是一张面上的解。解集的完整讨论见 3-3-Ax=b的完整解。
适用条件:必须先确认有解()。若无解,这个公式没有意义——此时应转向最小二乘(见 4-3-最小二乘逼近)。
定理 3(非奇异矩阵的等价条件)
表述:设 为 方阵。若 对每一个 都恰有一个解,则称 是非奇异的(nonsingular)或可逆的(invertible);否则称 是奇异的(singular)。以下命题等价:
- 非奇异:对任意 , 有唯一解;
- 只有零解,即 ;
- 的 个列向量线性无关,即 ;
- (满秩 full rank);
- 消元能产生 个非零主元(没有零主元需要换行、也没有整列为零);
- ;
- 可逆,存在 使 。
证明思路(按顺序串起来):
- (1) (2):若 有非零解 ,则 与 都是 的解,与「每个 恰一个解」矛盾。
- (2) (3):若列线性相关,则存在不全为零的 使 ,即 有非零解 ,矛盾。
- (3) (4): 个线性无关的向量张成 维空间,故 。
- (4) (5):消元过程中每列都能找到主元,共 个且都非零。
- (5) (6):消元不换行时 等于主元之积;换行只改变符号,主元均非零故 。这条预告第 5 章,见 5-1-行列式的性质。
- (6) (7): 时可用 Gauss–Jordan 消元把 化为 ,见 2-4-矩阵运算与逆矩阵。
- (7) (1):取 即为解;若 也是解,左乘 得 ,故唯一。
适用于方阵。对长方形矩阵 ,「唯一解」与「对任意 有解」不可能同时成立:(方程多于未知量)时通常无解;(未知量多于方程)时若有解必有无穷多解。
定理 4(奇异方阵的行为)
表述:若 为 奇异矩阵,则对 :
- 存在某些 使方程组无解;
- 对能解出的那些 ,解必不唯一(有无穷多解)。
证明思路:奇异 ,取非零 。若 有解 ,则 ( 任意实数)都是解,无穷多。同时因 (真子空间),必存在 ,这样的 无解。
结论(背下来):方阵情形下,「无解」与「无穷多解」是同一件事的两面;奇异矩阵绝不会给出「恰好一个解」。
计算方法与步骤
步骤 A:把实际问题写成
- 确定未知量个数 ,给它们编号 ;
- 逐个写出线性方程,把系数按「列与未知量一一对应」的顺序排进 ;
- 常数项放进 ;移项要小心符号,所有未知量必须在等号左边;
- 检查每个未知量在每行都是一次的,若出现乘积或非线性项,说明问题不是线性的,本方法不适用。
步骤 B:按两幅图像做「定性判断」(先不算数)
- 数行列: 是 。若 ,先怀疑无解;若 ,先怀疑无穷多解(都只是怀疑,要看秩)。
- 列图像判断: 个列向量 线性无关吗?它们张成的空间是几维? 在这个空间里吗?
- 行图像判断(仅 时好用):画出直线/平面,看有没有平行、重合、三面共线等退化情形。
- 得到预期:唯一解 / 无穷多解 / 无解。
步骤 C:精确求解(消元 + 回代 / 公式)
- 写出增广矩阵 ;
- 用消元(见 2-2-消元法的思想)化成上三角(或行阶梯形);
- 回代求出各未知量;
- 情形可以直接用公式:若 ,则
- 代回原方程验证(务必养成习惯,可以抓出绝大多数算术错误)。
矩阵的秩与子式定义
为什么要在这里补这一节
上面的定理 1、定理 3 反复用到「秩(rank)」这个词,但本库到目前只用它的操作定义:消元后非零行的个数。
国内教材(同济版《线性代数》)用的是子式定义:秩 最高阶非零子式的阶数。两种定义等价,但考试里大量题目(尤其含参数的求秩题)按子式定义出,所以必须讲透。
本节内容对应国内教材第 3 章 §3.2「矩阵的秩」;阅读顺序上,它服务于 2-2-消元法的思想 的消元操作,也预告 3-4-线性无关基与维数 中「秩 极大无关组中向量个数」的定义。
定义: 阶子式
设 是 矩阵。在 中任取 行与 列(),位于这些行与列交叉处的 个元素,按原来的相对位置排成一个 阶行列式,称为 的一个 阶子式(minor of order )。
记号上:取第 行与第 列,对应的 阶子式记作
三个必须记住的要点:
- 行与列要取同样多(都取 个)。取 2 行 3 列拼不出子式——行列式必须是方的。
- 行列不必连续、也不必从第一行第一列开始。这一点与第 6 章的「顺序主子式」(必须取前 行前 列)完全不同,见 6-4-对称矩阵与正定矩阵。
- 时是最高阶子式;方阵()的最高阶子式只有一个,就是 。
数一数: 一共有多少个 阶子式
从 行里选 行有 种选法,从 列里选 列有 种选法,每一种「行选法 列选法」的组合给出一个 阶子式,所以总数为
例如 矩阵的 阶子式有 个, 阶子式有 个。
但「 阶子式」与「 的 阶子矩阵」是两回事——子式是行列式(一个数),子矩阵是元素阵列(一堆数)。国内考试常在这里设文字陷阱。
定义:矩阵的秩(子式定义)
设 为 矩阵。若 中存在一个 阶子式不为零,而所有 阶子式(如果存在的话)全为零,则称 为矩阵 的秩(rank),记作
若 (零矩阵),规定 ;特别地,零矩阵没有非零子式(所有 阶子式都是 )。
等价的说法(考试里最常用的那句):
等于 的最高阶非零子式的阶数。
「所有 阶子式全为零」这句话不能省
只说「存在一个 阶非零子式」只能得到 ,推不出 。要定住秩,必须同时验证两件事:
- 下界:找出一个 阶非零子式 ;
- 上界:证明所有 阶子式全为零 。
这是用子式法求秩的标准两步,缺一步都不完整。而在含参数的题目里,第二步通常靠「消元后数非零行」或「行列式展开」来完成,比硬算所有 阶子式快得多。
定理 5(秩的三种定义彼此一致)
表述:对任意 矩阵 ,下列三个数相等:
- 子式定义: 的最高阶非零子式的阶数 ;
- 非零行定义: 的行阶梯形(或行最简形)中非零行的个数,也等于主元(pivot)的个数 ;
- 无关组定义: 的列向量组的极大线性无关组所含向量的个数( 列空间的维数)。
即
证明(三段接力;每一步只用一个已证事实):
第一步:。
设 经有限次初等行变换化为行阶梯形 ,其中非零行有 行。要证两件事。
(i) 有一个 阶非零子式(即 )。
初等行变换可以写成左乘一系列初等矩阵:由 2-3-用矩阵进行消元 的定理 3,
于是 ,即 也可以经初等行变换回到 。关键是:初等行变换不改变任何固定行、固定列交叉处的子式是否为零。理由有两层——
- 用一个具体操作验证:设 「 的第 行减去第 行的 倍」。取定任意 行任意 列。若第 行不在取定的行里,子式完全不变;若第 行在取定的行里(设它在子式中排第 行),则由行列式对行的线性性,
其中 是把 的第 行换成 的第 行(限制在取定的列上)所得的行列式。若第 行也在取定的行里,则 有两行相同,,从而 ;若第 行不在取定的行里,则 是「 的另外 行与取定列」构成的另一个 阶子式。
- 交换两行只让子式变号(若两行都在取定行里)或让子式变成另一个 阶子式(否则);一行乘非零常数 只让子式乘 (或变成另一个子式)。
把所有中间步骤合起来看(对步骤数归纳),结论是: 的任意一个 阶子式,都可以写成 的若干 阶子式的固定线性组合(组合系数只与行变换的乘数有关,与行列的选取无关)。这个「固定组合」是双向的(因为行变换可逆, 也能经行变换回到 ),所以
「 的全部 阶子式全为零」「 的全部 阶子式全为零」。
现在取 的前 行与所有主元所在的 列。 是阶梯形,主元列上「第 个主元在第 行」,主元列下方全为 ,而前 行与 个主元列交叉得到的 阶子式是一个「主元列构成的上三角行列式」(最多差一个列的重排),其值等于 个主元之积,非零。所以 有 阶非零子式,从而 也有,。
(ii) 的所有 阶子式全为零(即 )。
反证。若 有一个 阶非零子式,取它对应的 行与 列,设交叉处的子矩阵为 ()。则 , 可逆,于是 的 个列向量线性无关(第 2 列图像: 时 对任意 有唯一解,见定理 3)。把这 个列向量各自加长(补上其余 个分量)得到 的 个列向量。加长不会破坏线性无关性:若它们的某个线性组合等于 ,截取前 个分量就得 的列的一个零线性组合,系数全为 。于是 至少有 个线性无关的列,,即 的行阶梯形至少有 个非零行(因为主元列构成 的基,见 3-5-四大子空间的维数),与「非零行只有 行」矛盾。故所有 阶子式必全为零。
结合 (i)(ii):。
第二步:。
主元列对应的 的列构成 的一组基(这是 2-2-消元法的思想 定理 5 与 3-2-零空间与阶梯形 的核心结论)。故 主元个数 非零行数。
第三步: 极大无关组中向量个数。
极大线性无关组中向量的个数就是它张成空间的维数,而列向量组张成的空间正是 ,故与第二步同值。完整的「秩 极大无关组大小 基中向量个数」讨论见 3-4-线性无关基与维数。
适用条件:对任意 矩阵成立,无需方阵、无需满秩。但要注意 的范围:,因此
由此得到的四条常用推论(背下来,考试直接可用):
| 推论 | 内容 | 理由 |
|---|---|---|
| 1 | 零矩阵没有任何非零子式 | |
| 2 | 阶子式必须 | |
| 3 | 方阵 : | 最高阶子式就是 |
| 4 | 存在 阶非零子式 | 定义取补 |
三个最容易错的地方
1. 「所有 阶子式全为零」「所有更高阶子式也全为零」。 这条是有定理保证的(行列式按行展开: 阶子式按其中一行展开成若干个 阶子式的组合),所以只需验证到 阶为止。但反过来不成立——某几个 阶子式为零不代表秩 ,必须全部为零。
2. 子式的行、列必须「同样多」且「下标对应」。 取第 1、3 行与第 2、4 列,得到的是 ,不能把行写成第 1、3 行而列取第 1、2 列。
3. 不要把「子式」与「余子式」混为一谈。 余子式(cofactor 里的 minor)是划掉某行某列后剩下的行列式,阶数固定为 ;子式是任取行列得到的,阶数任意。见 5-2-排列与代数余子式。
定理 6(秩与解的关系表:三种关系 → 三种解)
表述:设 为 矩阵、,记 、,则
| 秩的关系 | 解的情况 | 自由变量个数 |
|---|---|---|
| 无解 | — | |
| 唯一解 | ||
| 无穷多解 |
证明:
(1) 时无解。 比 只多一列,故秩至多多 (子式视角: 的 阶子式要么是 的 阶子式,要么含增广列——所以秩不会比 大超过 )。于是 只能等于 。用消元的语言:把 化为阶梯形后,非零行比 的阶梯形多一行,多出来的那行主元必落在增广列上,即形如 且 ,对应矛盾方程 ,故无解。
(2) 时有解。阶梯形中没有「()」的行,所有非零行都可以回代,自由变量任意取值后主元变量被唯一确定,故至少有一个解。
(3) 解的个数由自由变量个数决定。设主元个数为 ,则主元变量 个、自由变量 个。自由变量可以任取实数:
- 若 (即 ),没有自由变量,解唯一;
- 若 ,则可取自由变量分别为 与 得到两个不同的解,再由定理 2「特解 零空间」, 至少含一个非零向量,解有无穷多个。
适用条件与两个必要的澄清:
- 表中 要求 的列数 不超过秩,即 (列满秩)。若 ,则 ,永远落在第三行,相容时必有无穷多解。
- 「无穷多解」是实数域上的说法(自由变量取连续统多个值)。若限制定解在有理数或整数域上,结论的表述要改。
三种关系的一句话记法
先比两个秩:不相等 无解;相等再看秩与未知量个数 :等于 唯一,小于 无穷多。
注意「等于 」而不是「等于 」,也不是「等于 的阶数」——这个 永远是未知量的个数(列数)。
几何直觉:为什么「非零子式」能刻画出「有效方程的个数」
初学时会觉得子式定义很抽象:为什么要在一堆行列式里找最大的非零的那个?
关键直觉:秩是「有多少条信息是真正独立的」的度量,而子式正是检验独立性的最直接的探针。
- 一个 阶子式非零 从 中挑出的那 行是线性无关的,且那 列也是线性无关的(行列式非零 行向量组线性无关 列向量组线性无关,见 5-1-行列式的性质 与 3-4-线性无关基与维数)。
- 所以 的含义是:「能从 里同时挑出多少行、多少列,使它们互相独立成形」——这正是「 携带的独立信息量」。
- 「所有 阶子式为零」的含义是:再多挑一行一列就必然出现冗余。于是 就是「 的独立信息量」的饱和点。
- 两种定义的分工:消元定义回答「怎么快速算出来」(、可编程);子式定义回答「秩到底是什么」(与行列式、可逆性、线性无关性直接挂钩,便于理论证明)。国内教材偏爱后者,因为行列式理论在前面已经建立好了;Strang 偏爱前者,因为它与消元、主元、自由变量一条线贯通。
去掉「所有 阶子式为零」这个条件会怎样? 秩会「虚高」。例如
存在一个 阶非零子式(比如 ),也存在一个 阶零子式( 当然非零,但若看 的某个 阶子式等于 ……更清楚的例子是 ,有一个 阶非零子式 ,也有 阶零子式 )。只要「存在」非零子式,就必须同时保证「更高阶的全为零」,秩才被唯一确定;否则同一个矩阵可以「存在」任意多阶非零子式,秩的定义就崩了。
用子式法求秩的标准流程(国内考试版)
- 数形状:,先写下秩的上界 。
- 先试最高阶:。
- 方阵:直接算 。,结束。
- 长方形(不妨 ):算出全部 个 阶子式。只要有一个非零 ,结束。
- 若最高阶全为零,降一阶:算 阶子式,找到第一个非零的即可宣布 ;再验证所有 阶子式为零(这一步通常已经由第 2 步完成),于是 。注意:找到非零子式就停,不必把这一阶的全部算完。
- 含参数时:先用「行列式 」解出参数的临界值,再对每个临界值单独回代,降阶找非零子式。这是「含参数的秩」题型的固定套路。
与消元法求秩的分工
- 纯数字矩阵:一律用消元(快、不易错)。
- 含参数矩阵:一般也用消元(讨论换行与自由列),但含参数的最高阶子式恰好就是一个参数多项式,直接算行列式定位临界值往往更快,再回代降阶。两法结果必须一致——这是很好的自检手段(见 2-2-消元法的思想 的例题 4)。
例题
例题 1(,两幅图像并排看,无解与无穷多解)
(a) 有唯一解的情形
求解:写成
,故唯一解。
行图像:两条直线 与 。斜率分别是 与 ,不相等,故必相交于一点。联立:
代回 ,得 。
列图像:解 ,即
代入 验证:
两个列向量不共线(一个指向右下、一个指向右上),张成整个 ,所以任何 都能表示,且表示唯一。
(b) 无解的情形
,,奇异。
行图像:两条直线 与 有相同斜率 、不同截距,平行且不重合,永远不相交 无解。
列图像:两个列向量都是 (成比例,共线),全部线性组合是直线 。而
的两个分量不等,不在该直线上 ,无解。
(c) 无穷多解的情形
第二个方程是第一个的 倍(两侧同乘 ),因此两个方程是同一个方程。
行图像:两条直线完全重合,直线上的每一点都是解。
列图像:,,列空间是一条直线。 恰在这条直线上,所以有解;但由于 ,任何解都可以「转移」:若 是解,把 减 、 加 仍是解,因为 。
解集:令 (自由变量),则 ,即
这就是定理 2 的形式:特解 ,零空间 由 张成(一条过原点的直线),解集是这条直线平移到 。
三种情形的对应关系(记牢)
| 线性方程组 | 行图像 | 列图像 | 秩条件() |
|---|---|---|---|
| 唯一解 | 相交于一点 | 且列无关 | |
| 无穷多解 | 重合 | 且列相关 | , |
| 无解 | 平行不重合 | | |
例题 2( 完整求解,并检查两幅图像)
求解
第一步:写成矩阵形式
第二步:增广矩阵
第三步:消元(,)
得
第四步:继续消元()
得
第五步:回代
由第 3 行:。
由第 2 行:。
由第 1 行:。
故
第六步:代回三个原方程验证
第七步:两幅图像的解读
- 行图像:三张平面
的法向量分别是 、、。三者互不平行(任意两个都不成比例),三面交于唯一一点 。
- 列图像:三个列向量
不共面(下面会验证),张成整个 ,于是 是它们唯一的组合:。
验证三列不共面:取以三列为行的行列式(行列互换不变,见 5-1-行列式的性质)
非零,故三列线性无关、张成 , 非奇异。
用主元之积核对行列式:消元得到的主元是 ,乘积为 ,与上面一致 。
为什么 而不是 ?
若第三行取 (公差为 的等差数列),则三个行向量
都是「等差数列向量」,满足 ,线性相关, 奇异,方程组要么无解要么无穷多解——这正是 Strang 课上特意把 改成 的原因。
例题 3(奇异 :整列为零、无穷多解与无解的对照)
考虑
注意第 2 列 第 1 列,故列相关,。
消元:,:
第 1 列有主元 ,第 2 列整列为零(相对于已处理的子矩阵),无主元;第 3 列主元为 。于是
- 主元列是第 1、3 列,;
- 自由变量是 ,自由变量个数 。
(a) 无穷多解
取 (正好是 的第 1 列)。增广消元:
最后一行是 ,自动满足,方程只有两条有效。由第 2 行:。由第 1 行:。令 :
几何上:三张平面交于一条直线(方向 )。列图像: 在列空间内(它本身就是第 1 列),但列相关所以表示不唯一。
(b) 无解
取 。增广消元:
最后一行是 ,矛盾 无解。
秩的判据:
两者不等,故 。
几何上:前两张平面相交于一条直线,而第三张平面与这条直线平行且不相交(像三棱柱的三个侧面两两相交但无公共点)。
例题 4(齐次方程组:解集必是子空间)
用例题 3 的 ,解 :
由第 2 行:;由第 1 行:。令 :
零空间 是过原点的一条直线,维数 ,验证了秩—零化度定理 。
与非齐次对比:(a) 中的解集 是把这条直线平移(不过原点了),所以它不是子空间——这是齐次与非齐次解集的关键差别。
例题 5(用子式定义求秩:具体数字,逐阶验证)
题目
用子式定义求矩阵
的秩,并指出主元列在 中的位置,验证与消元法结果一致。
第 1 步:确定秩的上界。
是 矩阵, 阶子式要求 ,故
第 2 步:试最高阶 ——算出全部 阶子式。
阶子式有 个(行只能全取,列从 列中选 列):
逐个计算。对 按第 1 列展开(第 2、3 行的第 1 列分别是 ):
对 同样按第 1 列展开:
对 :
对 (按第 1 列展开,第 1 列是 ):
四个 阶子式全为零 。
第 3 步:降一阶,找一个 阶非零子式。
试左上角的 阶子式:
换一个:取第 1、2 行与第 1、3 列:
找到一个 阶非零子式 。
第 4 步:下结论。
第 5 步:用消元法交叉验证(两种定义必须给出同一个数)。
非零行有 行 ,与子式法一致。
第 6 步:读出结构信息。
- 主元列:第 1 列(主元 )与第 3 列(主元 );自由列:第 2 列、第 4 列。
- 第 2 列 第 1 列,所以第 2 列必落在主元列张成的空间里——这正是「」的原因(前两列相关)。
- 的三个行也线性相关:(验算: )。这解释了为什么四个 阶子式全为零。
- 、、,完整讨论见 3-5-四大子空间的维数。
这道题的三条教训
1. 子式法必须「两边夹」:先由「全部 阶子式为零」得 ,再由「存在 阶非零子式」得 ,才能下结论。
2. 不能用「某一个 阶子式为零」推秩 。左上角那个 只说明这两行两列相关,换个行列就非零了。
3. 含参数时不要硬展开所有子式。 有 个 阶子式、 个 阶子式;先用行列式定位参数的临界值,再逐个回代,才是省时的做法(见例题 6、例题 7)。
例题 6(用子式法求含参数矩阵的秩)
题目
设
求 取何值时 。
第 1 步:最高阶子式(就是 )——先解出临界值。
是 阶方阵,最高阶子式只有 。按第 1 行展开:
因式分解(试根 是根,用综合除法):
验算: 。
所以
- 且 :,最高阶( 阶)子式非零 。
第 2 步: 的情形。
三行完全相同。所有 阶子式只有一个且 ;所有 阶子式都是 (任取两行两列都得到全 的 阶行列式);而 阶子式 。于是
第 3 步: 的情形。
阶子式为零 。找一个 阶非零子式:取前两行前两列,
故 ,结合上界得
第 4 步:结论。
第 5 步:用消元法验证 (必须与子式法一致)。
非零行 行, 。
再验证 时的行关系:(验算: )。所以三行相关、秩至多 ,而前两行不成比例、秩至少 。
这道题的一般规律(记住,考试很常见)
「对角线为 、其余为 」的矩阵 型结构有一个通用结论:
- 时全部元素为 ,秩 ;
- 时每行元素之和 (因为 ),即 , 在零空间里,且三行之和为零向量,故秩 ;
- 其余情形秩 。
「每行元素之和为零 秩 」是判断含参数方阵奇异的高频捷径:把各行加起来看是否为零行。这一技巧在第 5 章化为「把第 2、3 列加到第 1 列,提出公因子」的操作,见 5-1-行列式的性质。
例题 7(含参数线性方程组:无解、唯一解、无穷多解三种情形全讨论)
题目
讨论 取何值时,线性方程组
无解、有唯一解、有无穷多解;并在有无穷多解时写出通解。
第 1 步:写出系数行列式并求临界值。
系数矩阵恰是例题 6 的结构(对角为 、其余为 ),故直接套用例题 6 的结论(把 换成 ):
(符号与例题 6 的 不同,是因为这里算的是 而例题 6 展开时得到的表达式符号相反——重算一次确认:按第 1 行展开, 。例题 6 中我写的是 ,与这里同值(把 换成 ):……两处差一个整体符号,原因是例题 6 的矩阵是 (参数在对角线与角上),与这里的结构相同但参数位置经列置换后差一个符号因子。关键是零点的位置一致:都是 与 。 做题时只需零点的位置,符号不影响讨论。)
别被上面的符号讨论绕进去:只关心「什么时候为零」
含参数题的第一步只要求出 的根。这里 或 。下面分别回代讨论。
第 2 步:(即 且 )——唯一解。
由克莱姆法则(5-3-克莱姆法则与体积)或直接消元,方程组有唯一解。这里直接给出解(可用第 3 步之外的消元法验证):
验算(取 ,此时解应为 、、)。原方程组在 时是
由后两式 、,代入第一式 ,得 ,故 与公式一致。
第 3 步:——增广矩阵秩的比较。
时方程组是
三个方程完全相同。增广矩阵消元:
由定理 6,有无穷多解,自由变量个数 。取 、,则 ,通解为
第 4 步:——关键的分歧点。
时方程组是
逐项消元( 先把主元换到 更方便):
最后一行是
于是
为什么 会矛盾? 把三个方程相加:左边是 。当 时左边 ;右边是 。于是「」——这就是矛盾行的来源!一般地,若 ,则「三个方程之和」给出 ,只要 必无解。这个观察让讨论变得一眼可见。
第 5 步:汇总表。
| 的取值 | 解的情况 | 自由变量个数 | |||
|---|---|---|---|---|---|
| 且 | 唯一解 | ||||
| 无穷多解 | |||||
| 无解 | — |
第 6 步:几何解读。
- 三个方程对应 中三张平面。当 时三张平面交于一点。
- 时三张平面完全重合(都是 ),公共部分是整张平面,二维的解集。
- 时三张平面的法向量分别是 、、,三者之和为零向量,说明三张平面的法向量共面(它们张成 中一个二维子空间);但它们的常数项之和不等于零,说明三张平面没有公共点——图像上它们围成一个「三棱柱」形的空隙,两两相交成三条平行直线,但三条线互不相交。这正是 定理 4 所说的「奇异矩阵:要么无解、要么无穷多解」。
含参数方程组的四个高频失误
1. 忘记回代讨论 的每个根。 只说明「不能直接用克莱姆法则」,不能推出无解。 就给出了无穷多解。
2. 只讨论一个根。 有两个不同的根 与 (其中 是二重根,但讨论时必须当成一个独立情形)。漏掉任何一个都不完整。
3. 回代时直接对原矩阵消元却忘了增广列。判断无解必须比较 与 ,只看系数矩阵永远发现不了 时的矛盾。
4. 把「重根」与「多个情形」混为一谈。 是二重根,但只有一个情形;不要因为「二重」就以为要讨论两次。
例题 8(齐次方程组:有非零解的判定)
题目
已知齐次线性方程组
问 取何值时有非零解?并在 时求出全部解。
第 1 步:齐次方程组的「一定有解」是前提。
齐次方程组 永远有零解 (取所有未知量为 ,每个方程都变成 )。所以对 ,不需要问「有没有解」,只需要问「解是否只有一个」。
第 2 步:有非零解的充要条件。
设 为 阶方阵。由本篇定理 3 的 (2) 与 (6):
用秩的语言(定理 6): 恒成立,故齐次方程组永不相容失败;解的个数只看 与 :
第 3 步:算出系数行列式。
令 得
所以: 或 时有非零解; 且 时只有零解。
更快的一步观察
把三行相加,每行变成 。于是
- 若 ,三行之和为零行 三行线性相关 ;
- 若 ,三行完全相同 相关 。
这两个「免费」的观察能帮你预判临界值,避免因展开错误而漏根。
第 4 步: 时求全部解。
消元(先把第 1、2 行交换,避免分数):
非零行 行,,自由变量 个()。由第 2 行:。由第 1 行:。令 :
验算: 。
第 5 步: 时求全部解(作为对比)。
时 的元素全为 ,,自由变量 个,方程为 。取 、:
第 6 步:几何解读。
- :三张平面重合为一张过原点的平面,零空间是 中一个二维平面()。
- :三张平面两两相交于三条不同的过原点直线(因为每行之和为零,三行相关,平面共轴),它们的公共部分退化为一条直线 ()。
- :三张平面只交于原点()。
三种情形下 全部满足,这就是秩—零化度定理(见 3-5-四大子空间的维数)。
例题 9(证明题:齐次方程组有非零解的条件)
题目(证明)
证明:设 为 阶方阵,则齐次线性方程组 有非零解的充要条件是 。并由此推出:若 (方程个数少于未知量个数),则齐次方程组 必有非零解。
证明(第一部分: 阶方阵的充要条件)。
(i) 必要性:有非零解 。
反证。设 。由本篇定理 3(非奇异矩阵的等价条件)的第 (1) 条, 非奇异等价于「对任意 , 有唯一解」。取 : 是它的一个解,由唯一性, 是唯一解。这与「有非零解」矛盾。
也可以不用定理 3 而直接用逆矩阵: 时 存在,对 两边左乘 得 。两者等价(定理 3 中 (6) (7)),后者更短。
(ii) 充分性: 有非零解。
这里的关键是用子式定义把「」翻译成「秩 」,再用秩与解的关系表。
由 知 的最高阶( 阶)子式为零,故
由本篇定理 6(秩与解的关系表),对 :(增广列是全零列,不会提高秩),且 ,落在「」这一行,故有无穷多解。特别地,除零解之外还有非零解。更定量地说:自由变量个数 ,给某个自由变量取 、其余自由变量取 ,解出的 非零(因为该自由变量的分量为 )。
充分性的另一种证法(只用行列式与线性无关性,不依赖秩): 说明 的 个列向量线性相关(因为 非零 列向量线性无关,见 5-1-行列式的性质)。故存在不全为零的系数 使 ,即 ,其中 就是一个非零解。
证明(第二部分: 时必有非零解)。
设 为 且 。
的秩不超过行数与列数:( 阶子式要求 ,见例题 5 第 1 步)。于是
齐次方程组的增广列是零列,不影响秩,故 。由定理 6,方程组有无穷多解,当然有非零解。自由变量的个数为
充分性的直观解释(一定要理解): 意味着「约束比未知量少」。 个齐次方程是 张过原点的超平面,它们最多能把空间「压」到 维(甚至更高维);只要 ,就总有方向不被约束——这些方向上的向量都是非零解。这就解释了为什么化学配平、网络流守恒这类问题总能找到非平凡解(见下面的应用 4)。
把这条定理与「非齐次」对着记
| | (齐次) | (非齐次,) |
|---|---|---|
| 是否有解 | 永远有(至少零解) | 可能无解() |
| 何时唯一 | (方阵);一般情形 | |
| 何时无穷多 | 方阵:;一般: | |
| 解集是否子空间 | 是(零空间) | 否(仿射集,不过原点,除 ) |
| 解集的维数 | | 也是 (平移不改变维数) |
最容易记混的一句话:「 非齐次无解」是错的,正确说法是「 非齐次要么无解、要么无穷多解」;而对齐次, 必定有无穷多解。
例题 10(证明题:秩的两种定义给出同一个数)
题目(证明)
设 为 矩阵。证明: 的列向量组的极大线性无关组所含向量的个数,等于 的行阶梯形中非零行的个数;并说明为什么这个数也等于「最高阶非零子式的阶数」。
证明。
记 为 的行阶梯形 中非零行的个数。
第一步:证明主元列对应的 的列线性无关。
在 中,主元所在的列共有 个。设这些列在 中的列号为 ,考虑 的这 个列向量 。
设它们的某个线性组合为零:
把这 个列向量从 中取出,构成 矩阵 ,上式即 ,其中 。
若 ,取其中下标最大的非零分量 ( 最大意味着 )。看 的第 个主元所在的行 : 是阶梯形,行 在第 列上的元素非零,而在第 列上的元素全为 (因为主元 右侧的主元列 都位于更右边的位置且阶梯形在这些位置下方全零,更精确地说,行 中位于 左边的元素可以非零,但 列的元素全为零)。于是 的第 个方程作用在 上给出
又因为 ( 是把 化为 的那些初等矩阵之积,见 2-3-用矩阵进行消元 定理 3),所以 。
从 最小往上看更清楚:设 是最小的非零下标()。看主元 所在的行 :由于前 个主元列 的元素 (阶梯形中第 行的主元在第 列,其左侧的列在该行已经全为零,因为那些列的主元都在更上面的行),于是
与 矛盾。故 ,即 线性无关。于是极大无关组的大小 。
第二步:证明 的任意 个列都线性相关。
只有 个非零行,故 是一个「 个方程、未知量不少于 个」的齐次方程组(把 中全零行去掉后仍是齐次方程组)。由例题 9 的第二部分( 时必有非零解), 有非零解。
现在设 满足 ,则 ,说明 的列向量组有一个非平凡的零线性组合,即线性相关。因此极大无关组的大小 。
第三步:合起来。 由第一、二步, 的列向量组的极大无关组恰含 个向量,即
第四步:与子式定义对接。 在本篇定理 5 中已证明: 的最高阶非零子式的阶数也等于这个 。这里的桥梁是「 的列线性无关」与「加长不破坏线性无关性」(定理 5 第一步 (ii) 的论证)。于是三种定义给出同一个数。
这道证明题为什么值得亲手写一遍
它把本篇与后续三篇的核心概念串成一条链:
也就是:行列式 线性无关 秩(主元数 / 非零行数) 子空间维数 解的个数。
- 「线性无关 行列式非零」见 5-1-行列式的性质 与 3-4-线性无关基与维数;
- 「秩 主元数」见 2-2-消元法的思想;
- 「秩 四个子空间维数的公共参数」见 3-5-四大子空间的维数;
- 「秩 解的个数信息」见本篇定理 6 与 3-3-Ax=b的完整解。
能用一条链把五篇笔记串起来,说明你真的懂了「秩」这个概念的来龙去脉。
应用
- 电路分析:基尔霍夫定律给出节点电流方程, 是关联矩阵(incidence matrix), 描述节点电位与注入电流的关系;列空间的维度直接对应网络的连通分量个数。详见 10-1-图与网络。
- 结构力学与有限元:刚度矩阵 与位移 、载荷 满足 。 是否奇异决定结构是否有「刚体位移」(对应零空间里的非零向量:整体平移或旋转而不产生内力的位移模式)。
- 最小二乘与数据拟合:实测数据(方程个数 )多于参数()时 通常无解,此时不求 而求它的投影,得到法方程 。这是列图像思路的直接延伸,见 4-2-投影与投影矩阵 与 4-3-最小二乘逼近。
- 化学配平:配平反应方程式本质上是在零空间里找一个非零整数解(原子数守恒)。元素种类数 、分子种类数 , 时必有非零解。
- 经济学投入产出(Leontief 模型):, 是最终需求, 是总产出。有非负解的条件与 的存在性、Perron–Frobenius 定理相关,见 10-2-Markov矩阵与稳态。
- 数值计算: 阶稠密方程组的标准求解是 LAPACK 的
dgesv(LU 分解 + 前代回代),复杂度 , 每翻倍计算量约涨 倍。Python 中的接口是numpy.linalg.solve(底层即_gesv)。
import numpy as np
A = np.array([[1.0, 2.0, 3.0],
[4.0, 5.0, 6.0],
[7.0, 8.0, 10.0]])
b = np.array([6.0, 15.0, 25.0])
x = np.linalg.solve(A, b) # [1. 1. 1.]
print(x)
print(np.allclose(A @ x, b)) # True
易错点
八个高频错误
1. 移项漏符号。把 写成 。系数必须连同符号一起进矩阵,未知量的排列顺序要全程一致。
2. 把行图像的结论当成一般结论。「两平面不平行所以一定有解」是错的: 中三张平面可以两两相交却无公共点。只有 、 时「不平行 相交」才成立。
3. 以为「方程个数 = 未知量个数」就一定有唯一解。必须是方阵且非奇异。 是方阵但奇异,要么无解要么无穷多解。
4. 以为「方程个数多于未知量」一定无解、「少于」一定无穷多解。 时确实通常无解,但若多余的方程是其他方程的线性组合(冗余),仍可能有唯一解。 时若相容必有无穷多解(因为 ,必有自由变量)。
5. 混淆「无解」与「解为 」。齐次方程组永远有解(零解),非齐次方程组可能无解。
6. 把非齐次解集当成子空间。()的解集不过原点,对加法与数乘都不封闭:两个解相加减得到 。只有齐次方程组的解集是子空间(零空间)。
7. 用「」判据时误用行空间。可解性看列空间: 必须是 的列的线性组合。若误把 与 的行向量比较,结论会错。
8. 消元只用系数矩阵、忘了增广列。必须对 做行变换。只对 化简要判断无解是做不到的(这正是定理 1 中秩比较的意义)。
练习题
基础题 1:判断下列方程组解的情况,并分别用行图像与列图像解释。
基础题 2:设
找出一个使 有解的 (并写出全部解),再找出一个使方程组无解的 。
进阶题 3:已知
先不计算,判断 是否奇异并说明理由;然后用消元验证,并求出解集(提示:注意三行之间的关系)。
进阶题 4:设 为 矩阵,。问:对任意 , 是否一定有解?若有解,解是否唯一?自由变量的个数是多少?(用 的维数与秩—零化度定理解释。)
思考题 5:设 为 矩阵。证明:若 对某个 有恰好一个解,则对每一个 都有恰好一个解。(提示:用定理 2,从「唯一解」推出 ,再用定理 3。)
思考题 6:设 为 矩阵。证明: 当且仅当对每个 , 都有解。(提示:一边用列空间定义,另一边注意「每个 可表示」意味着标准基向量 都能被 的列表示。)
常见问题 FAQ
Q1:行图像和列图像到底该用哪一个?
两者都对,但用途不同。判断解的个数与几何形状时用行图像( 时非常直观);判断解是否存在、讨论一般 时用列图像。解题计算时两者都不直接用——实际用的是消元(2-2-消元法的思想)。记住 Strang 的立场:列图像是主线,行图像是辅助。
Q2:为什么「方阵奇异」就意味着不可能有唯一解?
因为奇异 (定理 3 的 (2)),零空间里有非零向量 。一旦有一个解 , 对一切实数 都是解,至少无穷多个。直观地说: 把某个非零方向「压扁」成零,信息丢失了,解就不可能是唯一的。
Q3:(未知量多于方程)时,非齐次方程组是不是一定有无穷多解?
不一定,要看是否相容。若相容(),则因为 ,自由变量个数 ,必有无穷多解。但可能无解——例如两个未知量、一个方程当然总有解,但若「方程少」是由于某些方程被删掉而剩下的方程本身矛盾(比如常数项被改动过),就会无解。注意:这里的「矛盾」只可能来自增广列,此时秩条件不满足。
Q4: 与「无解」是同一件事吗?
不是。 只说明 奇异,此时方程组要么无解、要么无穷多解——具体是哪种取决于 。所以 时不能直接下结论,必须看 是否等于 。反过来, 时一定有唯一解(定理 3)。另外 只对方阵有定义,长方形矩阵只能用秩判断。
Q5: 无解时,工程上怎么办?
无解意味着「要求太多、条件互相冲突」。工程上的标准做法是放弃精确满足、改为最小化误差:求使 最小的 ,即把 投影到列空间 上,解法方程
这就是最小二乘(least squares),详见 4-3-最小二乘逼近。若 也奇异,则用伪逆(pseudoinverse)取最小范数解。附带提示:数值上不要真的去算 再求逆(条件数会平方放大误差),应改用 QR 或 SVD,见 11-1-数值稳定性与LU 与 11-2-范数与条件数。
本篇小结
一句话主线
的全部理论只有一个判据:比较两个秩;而解的结构只有一个公式:通解 特解 零空间。
要点清单
- 两幅图像:行图像看「超平面相交于什么」,列图像看「 能否由 的列组合出来」。列图像是主线(高维仍可想象,且直接给出存在性判据)。
- 三种等价说法: 有解 。
- 解的三种可能(且只有三种):
| 秩的关系 | 解 | 行图像 | 列图像 |
|---|---|---|---|
| 无解 | 超平面错过彼此 | ||
| 唯一解 | 交于一点 | 的表示唯一 | |
| 无穷多解 | 交成线/面 | 表示不唯一 |
- 通解公式:()。齐次解集是子空间(过原点),非齐次解集是它的平移(不过原点)。
- 方阵的特殊性: 为 阶方阵时,「唯一解」「非奇异」 消元得 个非零主元 可逆。
- 方阵奇异的后果:绝不会出现「恰好一个解」——对某些 无解,对另一些 有无穷多解。
- 秩的三种定义一致:子式定义(最高阶非零子式的阶数)、消元定义(非零行数 主元个数)、无关组定义(极大线性无关组的大小 列空间维数),三者给出同一个数 。
- 子式法的两步:找出一个 阶非零子式(下界) 证明所有 阶子式全为零(上界) 秩为 。 阶子式总数为 ,且 。
- 含参数方程组的套路:先算系数行列式 ,解出 的全部根;对 用克莱姆法则给唯一解;对每个根逐个回代,比较 与 判断无解还是无穷多解。有几个不同的根就有几个附加情形(重根只算一个情形)。
- 齐次方程组的判据:永远有解;方阵时「有非零解 」;一般情形「有非零解 」;特别地 时必有非零解,且自由变量个数 。
- 数量级:稠密 阶方程组求解是 , 翻倍计算量约涨 倍;求解的算法本体是 2-2-消元法的思想,其矩阵记录形式是 2-3-用矩阵进行消元。
最易混淆之处(对照记忆)
| 混淆点 | 正确的说法 |
|---|---|
| 「无解」与「解为零」 | 齐次方程组永远有解(至少零解);非齐次才可能无解。「解为 」与「无解」是两件完全不同的事 |
| 用哪个空间判可解性 | 必须看列空间:。行空间 是 的子空间,管不着 的可解性 |
| 就有唯一解 | 必须方阵且非奇异。 是方阵但奇异,无唯一解可言 |
| 一定无解 | 只是「通常」,若多余方程是冗余的(线性组合),仍可有唯一解。要看秩 |
| 一定无穷多解 | 若相容则必有无穷多解(因 );但可能无解,此时 |
| 的含义 | 只说明奇异:非齐次「要么无解、要么无穷多解」;齐次则一定有无穷多解。 只对方阵有定义 |
| 非齐次解集是子空间吗 | 不是(不过原点,对加法与数乘都不封闭)。只有齐次解集(零空间)是子空间 |
| 子式 vs 余子式 | 子式是任取 行 列得到的行列式;余子式是划掉一行一列后剩下的( 阶)。「所有 阶子式」不能读成「所有余子式」 |
| 子式 vs 顺序主子式 | 子式的行列任意取;顺序主子式必须取前 行前 列(第 6 章正定判别用,见 [[6-4-对称矩阵与正定矩阵]]) |
| 含参数时讨论「重根」 | 有两个不同情形( 与 ),不是三个。重根只算一个情形 |
| 消元只处理系数矩阵 | 判断解必须对增广矩阵 做行变换,否则发现不了 型矛盾 |
三句话带走
- 遇到方程组:先看秩( 与 ),再看 。
- 遇到含参数:先算系数行列式定临界值,再逐个回代。
- 遇到无解:转向最小二乘 4-3-最小二乘逼近,别硬求。
相关笔记
本组的这三篇是一条线:本篇(是什么)→ 2-2-消元法的思想(怎么算)→ 2-3-用矩阵进行消元(为什么能这样算)。下面按「用途」列出主要关联。
- 1-1-向量与线性组合: 作为列的线性组合的定义来源,本篇列图像的基础。
- 1-3-矩阵入门:矩阵作为向量的排列、矩阵乘法的多种理解、单位矩阵与置换矩阵。
- 2-2-消元法的思想:本篇只做定性判断,实际求解读下一章——消元、主元与回代。
- 2-3-用矩阵进行消元:把本篇的消元步骤写成矩阵乘法(初等矩阵 )。
- 2-4-矩阵运算与逆矩阵:非奇异矩阵的逆矩阵怎么求、Gauss–Jordan 消元。
- 3-3-Ax=b的完整解:定理 2 的完整展开——特解 + 零空间、秩 的四种极端情形。
- 3-5-四大子空间的维数:列空间 与零空间 的维数关系,本篇存在性判据的理论归宿。
- 4-3-最小二乘逼近:无解时的标准补救方案。
- 5-1-行列式的性质: 非奇异,定理 3 的第 6 条。
- 11-2-范数与条件数:方程组「好不好解」的定量刻画。
新增关联(说明「后面哪一篇用到、怎么用」)
- 3-4-线性无关基与维数:用到哪里——本篇定理 5 的第三种秩定义(极大线性无关组的大小)就是那一篇的主定理。那里把「秩 主元数 无关组大小 基中向量个数」四个说法统一,并给出秩—零化度定理 的完整证明。怎么用——凡是需要判断「一组向量是否无关」「某向量组张成几维空间」的题,都要回到那里。
- 3-2-零空间与阶梯形:用到哪里——本篇的秩—解关系表在那一篇落地为「行最简形 → 读自由变量 → 写零空间基」的标准算法。怎么用——本篇例题 7、例题 8 里的通解,在那一篇会用更快的「自由变量轮流取 」法写出。
- 5-1-行列式的性质:用到哪里——本篇定理 5 的证明(「初等行变换不改变子式是否为零」)与例题 9( 有非零解)都建立在行列式的三条基本性质上。怎么用——含参数方阵的子式法,本质就是「算 定位临界值 用行列式的行线性性做消元」,那一篇给出完整工具箱。
- 5-3-克莱姆法则与体积:用到哪里——含参数方程组在 时的唯一解可以直接用克莱姆法则写成行列式之比,本篇例题 7 第 2 步给的就是这个结果。怎么用——国内考试中「用克莱姆法则解含参数方程组」是标准题型,那一篇给出公式与体积解释。
- 6-4-对称矩阵与正定矩阵:用到哪里——本篇的子式(行列任意取)与那一篇的顺序主子式(必须取前 行前 列)是两个不同的概念,极易混淆。怎么用——判断 是否正定、 是否正定时用顺序主子式,求秩时用子式,不可互换。
- 11-1-数值稳定性与LU:用到哪里——本篇「方阵奇异时不能有唯一解」在浮点计算里会变成「主元极小导致解剧烈变化」。怎么用——工程上判断「能不能解」不能只看 是否为零,要看条件数(11-2-范数与条件数)。
参考来源
- MIT OpenCourseWare 18.06 Linear Algebra, Spring 2010(课程主页,Lecture 1: The geometry of linear equations):<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/>
- MIT OCW 18.06 阅读与作业对应表(第 1 讲对应 Strang 第 5 版 §1.1–2.1):<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/pages/readings/>
- Gilbert Strang, Introduction to Linear Algebra, 5th Edition, Wellesley-Cambridge Press, 2016, §2.1 Vectors and Linear Equations(官方书籍页面):<https://math.mit.edu/~gs/linearalgebra/ila5/indexila5.html>
- 同济大学数学系《线性代数》第 7 版,高等教育出版社,第 3 章 §3.2(矩阵的秩: 阶子式与秩的定义、秩的性质)、§3.3(线性方程组的解:可解性判据与解的讨论)、第 4 章(线性方程组解的结构)(文字来源,无稳定公开链接)。
- 张宇、李永乐等考研数学辅导讲义中「含参数线性方程组讨论」「用子式法求含参数矩阵的秩」两个高频题型的标准解法框架(国内考试风格,非官方来源)。
- NumPy 官方文档
numpy.linalg.solve(底层 LAPACK_gesv,要求 为满秩方阵):<https://numpy.org/doc/stable/reference/generated/numpy.linalg.solve.html>