w wyl123ly 的博客
MD

2-2-消元法的思想

84 KB 2026.10.11 原文件

2-2-消元法的思想

一句话概括

消元法(elimination)是解线性方程组的通用算法:用「一行减去另一行的倍数」把系数矩阵化成上三角矩阵(upper triangular matrix) ,再用回代(back substitution)逐层求出未知量。

本篇覆盖:消元的目标与三种基本操作、主元(pivot)与主元列、 例子的逐步演示、回代、消元失败的三种情形、 的得到过程、消元与行列式的关系(预告第 5 章)、复杂度 (预告第 11 章)、用消元判断秩与自由变量个数。

定义

消元法

消元法(elimination,也称高斯消元法 Gaussian elimination):对线性方程组的增广矩阵 反复施加下列初等行变换(elementary row operation),直到系数部分成为上三角矩阵,然后回代求解。

三种初等行变换是:

  1. 换行:交换第 行与第 行,记 ;
  2. 倍乘:第 行乘以非零常数 ,记 ();
  3. 消去(行倍加):第 行减去第 行的 倍,记 。

三种操作都是可逆的:换行的逆是换回来;倍乘的逆是除以 ;消去的逆是 。因此它们不改变方程组的解集——这是消元法成立的根基(定理 1)。

主元与主元列

在消元过程中,用来消去下方元素的那个非零元素称为主元(pivot)。更精确地说:

  • 处理第 列时,在(已消元处理过的)第 列中,从第 行开始往下找到第一个非零元素,把它换到第 行作为第 个主元;
  • 主元所在的列称为主元列(pivot column);
  • 主元所在的未知量称为主元变量(pivot variable),非主元列对应的未知量称为自由变量(free variable)。

主元的个数等于矩阵的秩(rank) 。

上三角矩阵 与行阶梯形

上三角矩阵(upper triangular matrix):主对角线以下的元素全为零的方阵,即 ():

对非方阵,消元后得到更一般的形式——行阶梯形矩阵(row echelon form):每一行的首非零元(主元)所在列,严格位于上一行主元的右边;全零行位于最下方。行阶梯形的非零行数就是秩 。

回代

回代(back substitution):从上三角(或行阶梯形)方程组的最后一行开始,先解出最后一个未知量,再逐行往上代入已求出的值。因为 是上三角的,第 行只含未知量 ,所以往上走时该行永远只有一个未知量待求。

几何直观

消元的几何解释:把方程组「转」到一组更容易读的坐标下,但不移动解的那一点。

  • 行图像视角:每个方程是一张超平面。 相当于用两张超平面造出一张新的超平面,它仍然通过原来所有超平面的公共交点,但是被「摆平」了一些。一次消元就消掉一个方向上的倾斜;消到最后,超平面变成了一组「斜交度最小」的形态——上三角。
  • 「上三角」意味着什么?第 1 行含全部未知量,第 2 行含 ,第 3 行含 ……最后一行只含 。于是最后一行直接给出 ,这就是回代能够启动的原因。
  • 消元 = 逐步固定自由度:每得到一个主元,就「锁定」一个未知量方向,把它从剩余方程中剔除。 个主元对应 个方向都被锁定,解唯一;若只能锁定 个方向,剩下的 个方向自由移动,解集是一条直线、一张平面甚至更高维的仿射子空间。

示意图的文字描述

在 中,方程组

对应两条斜交的直线。做 后第二个方程变成 ,即一条水平线 。交点没有移动(仍是 ),但第二条直线被「转」成了水平方向,于是可以直接读出 ,再代回第一条得 。

在 中同理:消元把三张斜交平面转成三张「阶梯状」平面,最后一张水平地切出 的值。

另一种更本质的几何直观:消元与行列式的体积意义相连。消元用「斜切」(shear)把平行六面体变成长方体而不改变体积,所以 (换行时差一个符号)。这条线索在第 5 章展开,见 5-1-行列式的性质。

性质与定理

定理 1(初等行变换不改变解集)

表述:设 经一次初等行变换化为 ,则两个方程组的解集完全相同。

证明:逐个操作验证。

(1) 换行 :只是把同一批方程重新排列,方程组本质上是集合,顺序无关。

(2) 倍乘 ():设 是原方程组的解,则 ,故 满足新方程组的第 个方程;其他方程未变,故 是新解。反之,设 是新解,则 (用 ),故 也是原解。这就是为什么倍乘必须 ——若允许乘 ,方程 会变成 ,解集从一条直线膨胀成整个平面。

(3) 消去 :设 是原解,则

故 满足新第 个方程;其余方程未变, 是新解。反之设 是新解,即 且 ,两式相减得 ,故 是原解。

适用条件:只允许对行做这三种操作。若对列做同样的操作,相当于对未知量做线性替换,会改变解集(变量被重新组合了)——这是国内教材中用「列变换求秩可以、解方程组不行」的原因。

定理 2(消元的存在性:主元的存在与换行)

表述:设 为 矩阵,。则经有限次初等行变换可以化 为行阶梯形,其非零行的个数恰为 ;在此过程中,若某一步 位置的元素为零,只需在第 列的第 行及其下方寻找非零元素换上来;若找不到(该位置以下全为 ),则说明这一列没有主元,跳过该列,继续处理下一列。

证明思路:归纳。若 则已是阶梯形;否则取第一个非零列,把该列的非零元素换到第一行,用消去操作把它下方的元素全变成 ,此时第一列只有 一个非零,对右下角子矩阵递归。每得到一个主元就锁定一个「列方向」,故主元总数不超过 ;又每次行变换不改变秩(因为行变换可逆,行空间不变,行空间维数即秩),所以最终非零行数等于 。

关键点:主元绝对不能是 。若 位置是 ,有两种处理——(i) 若下方有非零元素就换行;(ii) 若下方全为 ,则该列无主元,它是自由列。

定理 3(消元—行列式关系,预告第 5 章)

表述:设 为 矩阵。若消元过程中不换行,最终得到上三角矩阵 ,则

若过程中交换了 次行,则

证明思路:

设第 步消元把第 行替换为 。关键观察:在「把一行的倍数加到另一行」的操作下,行列式不变。理由是行列式对每一行都是线性的(多重线性 multilinear),于是

而第二个行列式中有两行相同( 既在第 位又在第 位),由行列式的性质 。所以消元倍加不改变行列式的值。交换两行使行列式变号(这是行列式的基本性质之一),倍乘一行 倍使行列式乘 (本库的消元约定中不使用倍乘,所以不必担心)。最后上三角矩阵的行列式等于主对角线之积(对第一列展开可见)。

适用条件:方阵。这条定理给出两个实用推论:(i) 有 个非零主元 非奇异;(ii) 行列式的计算方法就是消元(比按定义展开 项快得多)。完整证明与更多性质见 5-1-行列式的性质。

定理 4(消元的复杂度)

表述:对 稠密矩阵做消元,所需乘法与除法次数为

加减法次数约为 ,合计约 次浮点运算(flops)。量级记作 。

证明:在第 1 列消元时,要对 行各计算一次乘数(共 次除法),再对每一行做「行减去倍数倍的另一行」,这一步涉及 个元素(含右端项)的乘加,但第一列那个元素不必再算,故约 次乘法。处理完第一列后剩下 的子问题。

用 表示乘除法次数,得递推

(三项依次对应: 次除法求乘数、 次乘法更新各行、剩下 子问题的代价。)

逐步展开(注意 ):

减去修正项后恰为 。回代阶段每行一次除法加至多 次乘法,共约 次,比 低一阶,故整体仍是 。

意义: 翻倍时计算量约涨 倍。这是「解方程组比矩阵乘法不便宜」的根源,也是为什么工程上对固定的 、变化的 要先做一次 LU 分解(同样 )、之后每个 只需 的前代回代。数值细节见 11-1-数值稳定性与LU。

定理 5(用消元判断秩与自由变量个数)

表述:把 消元为行阶梯形,设非零行数为 (即主元个数), 有 列,则

其中 就是自由变量的个数。

这就是秩—零化度定理(rank–nullity theorem) 。

证明思路:行变换是行空间中的可逆操作(行变换等价于左乘可逆矩阵,见 2-3-用矩阵进行消元),因此不改变行空间的维数,也就不改变秩;阶梯形的非零行数显然等于秩的上界,且这些非零行线性无关(每行的主元列在其他非零行中都是 ,构成「阶梯」,无法相互表示),故秩恰为 。列的主元列构成列空间的一组基,故 。零空间的维数由回代得到: 个主元变量被自由变量唯一确定,而 个自由变量可以任取,产生 个线性无关的零空间向量,故 。

适用条件:对任意 矩阵成立。四个空间的维数只需一个数 就能全部确定——这是本库的主线,详见 3-5-四大子空间的维数。

定理 6(可解性判据,用消元的语言)

表述: 有解 对 消元时不出现形如 且 的行 。

证明思路:最后一行 ()对应的方程是 ,矛盾,无解;反之若没有这种行,则所有非零行都能回代得到主元变量的值,自由变量任取,必有解。

消元失败的三种情形(小结)

三种「失败」要分清:两种可救,一种致命

情形一:主元位置上出现 ,但该列下方有非零元素 —— 换行即可(可救)

解法:交换两行。行列式变号(乘 )。方程组有唯一解,矩阵非奇异。

情形二:该列从当前行往下全为 —— 整列为零,跳过该列(可救,但秩不足)

第 2 列无主元 是自由变量,。若相容则无穷多解,矩阵奇异。注意:不能停在整列为零就宣布无解——必须继续处理后面的列再判断。

情形三:出现 且 —— 方程矛盾,无解(致命)

这是不可救的:无论怎么换行、怎么继续消元, 永远矛盾。此时 ,。

判别口诀:先看主元能不能救(换行),再看自由变量有多少,最后看有没有 。

三种情形对照速查:

情形消元时的特征能否挽救秩与解矩阵性质
一:主元位为 ,该列下方有非零元换行后主元存在可以,交换两行,唯一解非奇异
二:该列从当前行往下全为 该列无主元,跳过继续可以,但秩不足,相容则无穷多解奇异
三:出现 ,增广列出现矛盾行不可救,无解—

最容易搞混的是情形二与情形三

情形二是整列为零( 的列的问题,导致自由变量),情形三是增广列为零而常数项非零( 不在列空间里)。

判断的关键:看 出现在系数部分还是增广部分。前者是秩不足,后者是矛盾。

初等行变换、行阶梯形与秩

为什么必须补这一节

Strang 讲消元只讲三件事:主元、上三角、回代。国内教材(同济版《线性代数》第 3 章)在此基础上把「消元能化到什么程度」讲得更细,并给出了两套标准形状与一套完整的秩—解关系表——这正是国内考试的主战场。

本篇前面的定理 1–6 已经给出全部素材(初等行变换、主元、秩),本节把它们重新组织成考试可直接使用的判据,并补上「矩阵的秩」的第二种定义(子式定义见 2-1-向量与线性方程组)。

这一节的内容在后面这样用:3-2-零空间与阶梯形 用行最简形读零空间,3-3-Ax=b的完整解 用秩的关系表讨论解的四种极端情形,2-5-LU分解与转置置换 把行变换记成矩阵。

三种初等行变换

国内教材把下列三种操作称为初等行变换(elementary row transformation):

名称记号具体操作逆操作
交换交换第 、 两行再交换一次
数乘()第 行所有元素乘以非零数 乘以
倍加把第 行的 倍加到第 行把第 行的 倍加到第 行

约定差异提醒:本库(Strang 记号)用 ,国内教材用 ,两者只差符号()。换记号时最容易出错的就是符号,读国内题时先看一眼它用的是加还是减。

三种变换里,「数乘」是最危险的一个

「交换」与「倍加」都是不改变行列式绝对值(交换变号、倍加不变)的操作;而「数乘」会把行列式乘 (每乘一行乘 )。所以在求行列式时国内教材强烈建议:只用倍加造零,把矩阵化成三角形,尽量不用数乘。求秩与解方程组时三种都可以用(因为它们都不改变秩与解集),但求行列式时数乘必须记账。详见 5-1-行列式的性质。

行阶梯形矩阵与行最简形矩阵

行阶梯形矩阵(row echelon form) 满足:

  1. 全零行(若有)都位于矩阵的最下方;
  2. 每个非零行的首非零元(即该行第一个不为零的元素)所在的列,严格位于上一行首非零元的右边。

首非零元所在列称为主元列,非主元列称为自由列;首非零元本身称为主元。

行最简形矩阵(reduced row echelon form, RREF) 在行阶梯形的基础上再满足:

  1. 每个首非零元都等于 ;
  2. 每个首非零元所在的列,其余元素全为 (不只是下方为零)。

对比(同一个矩阵的两种目标形状):左边是行阶梯形(主元用方框标出),右边是行最简形。

(右边只是最简形的一个特例——若矩阵可逆,它的行最简形就是单位矩阵 。)

什么时候停在哪儿:一张决策表

| 目标 | 化到什么形状 | 理由 |

|---|---|---|

| 求秩、判断解的存在性 | 行阶梯形 | 非零行数就是秩, 型矛盾行一眼可见 |

| 求零空间(基础解系) | 行最简形 | 主元变量能直接用自由变量表示,不需要回代 |

| 求逆矩阵(Gauss–Jordan) | 行最简形(化 为 ) | 左侧必须化到 |

| 求行列式 | 行阶梯形(上三角) | 只需主元之积 |

| 解方程组 | 行阶梯形 回代 | Strang 的默认路线,对应 |

「求零空间要最简形、求行列式只要阶梯形」是国内考试最常考的两种形状选择。

两个必须澄清的细节

1. 行阶梯形不唯一,行最简形唯一。同一个矩阵可以有不同的阶梯形(比如主元取 或先除以 取 ),但行最简形是唯一的。所以「用什么形状回答什么问题」很重要:用阶梯形答秩是对的,用某一种特定的阶梯形答「矩阵本身」是错的。

2. 行阶梯形的非零行数 主元个数 秩,但这不等于「主元之和」或「主元个数乘某数」。秩是计数,不是计算。

「行变换可以、列变换不行」的准确含义

这一点国内教材讲得比 Strang 更明确,务必分清三种用途:

用途可以用行变换吗可以用列变换吗原因
解线性方程组可以不可以列变换相当于对未知量做线性替换(把 换成 之类),解集随之改变
求矩阵的秩可以可以秩是行空间与列空间维数的公共值,行列变换都不改变它(见 [[3-5-四大子空间的维数]])
求行列式可以(记符号与倍率)可以(记符号与倍率),行列地位对称
求逆矩阵可以(只能行变换)不可以求逆是解 ,对 的每一列都在解方程组,只能行变换
求特征值不可以不可以相似变换必须是 ,单侧行变换会改变特征值(见 [[6-1-特征值引论]])

用矩阵语言说清原因:左乘可逆矩阵 (行变换)时,,所以解集不变;右乘可逆矩阵 (列变换)时,,零空间被「扭曲」了,解集改变。这一条对应 2-3-用矩阵进行消元 的「左乘改行、右乘改列」。

一句话记住

方程看行、秩看两边、行列式对称、特征值都不行。

矩阵的秩:子式定义与「非零行数」定义的一致性

子式定义: 中最高阶非零子式的阶数称为 的秩,记作 。

非零行定义: 的行阶梯形中非零行的个数( 主元个数)。

两者一致的直接理由是:

初等变换不改变矩阵的秩(子式意义下),而阶梯形矩阵的秩显然等于非零行数。

把这句话拆开:

  1. 初等变换不改变子式是否为零。以倍加 为例:取任意 阶子式,若第 行不在取定的行里,子式不变;若在,则由行列式的行线性性,新子式 原(同行列)子式 (把第 行换成第 行所得的同阶子式)。所以「所有 阶子式为零」这个性质在倍加下保持不变。交换与数乘同理(数乘非零常数不改变「是否为零」)。完整归纳见 2-1-向量与线性方程组 定理 5 的第一步。
  2. 阶梯形矩阵的秩等于非零行数。设阶梯形有 个非零行、主元在列 。取这 行与这 列,交叉处得到一个上三角行列式(主元在对角线上),其值 个主元之积 ,所以秩 。另一方面,任取 行:其中必有一行是全零行(因为只有 个非零行),故任何 阶子式含全零行,等于 ,所以秩 。两者结合,秩 。
  3. 由 1 与 2, 非零行数(其中 是 的任一阶梯形)。

为什么要两个定义并存?

  • 算的时候用非零行数:消元一遍就得到,,而且顺手得到主元列与自由列。
  • 证明的时候用子式定义:它与行列式、线性无关、可逆性直接挂钩,能一句话完成很多定理的证明(例如「 可逆 秩为 」)。
  • 含参数的题两个都要用:先用行列式(最高阶子式)定位临界参数值,再用消元(非零行数)确认每个临界值下的秩。见本篇例题 3 与 2-1-向量与线性方程组 例题 6。

秩与解的关系表(国内考试的标准判据)

设 为 矩阵,, 为增广矩阵,、。则

秩的关系解的情况主元/自由变量几何图像()
无解增广列出现主元 有 ()行超平面无公共点(平行/三棱柱)
唯一解无自由变量交于一点
无穷多解自由变量 个交成直线/平面

为什么只有这三种? 因为 (增广矩阵只比 多一列),所以只有三种可能的组合:

第一种就是无解;第二种有解,再按 与列数 的大小分成唯一解与无穷多解。

方阵情形的一张更快判据表( 为 )

| | | | 结论 |

|---|---|---|---|

| | | | 唯一解,且可用克莱姆法则写出公式 |

| | | | 无穷多解(相容) |

| | | | 无解 |

也就是:方阵时先算 。 一句话结束; 才需要继续消元比较两个秩。 这是国内考试最快的路线,因为行列式比消元快。见 5-3-克莱姆法则与体积。

齐次线性方程组:有非零解的条件

齐次方程组 的增广列是全零列, 不能提高秩,所以

于是齐次方程组永远不会出现「无解」(至少零解),只需要判断「解是否唯一」:

特别地, 为 阶方阵时:

充分性也可以直接看: 时消元必出现零主元,该列(相对于当前子矩阵)整列为零或需要跳过,于是至少有一个自由变量,给它取 、其余自由变量取 、主元变量由回代确定,得到的解非零。完整证明见 2-1-向量与线性方程组 例题 9。

再一条不用算的判据: 若 (方程个数少于未知量个数),则 ,齐次方程组必有非零解。这条在化学配平、网络流守恒、曲线插值「参数多于约束」的场合反复出现(见 2-1-向量与线性方程组 的应用 4 与 10-1-图与网络)。

齐次与非齐次的对照,一句话记牢

齐次的增广列是零,所以秩永远相等,永远不看「无解」,只看「是否唯一」。

非齐次的增广列可能带来新主元,于是可能「无解」。

计算方法与步骤

步骤 1:写出增广矩阵

步骤 2:逐列消元(外循环,)

对第 列:

  1. 选主元:在第 列、第 行及以下(即 )找第一个非零元素。若找到且不在第 行,则换行把它换到第 行。(数值计算中应选绝对值最大的元素,称部分选主元 partial pivoting,见 11-1-数值稳定性与LU。)
  2. 若找不到(第 列从第 行往下全为零):该列无主元,它是自由列,跳过本列,移到下一列。
  3. 消去下方:对每个 ,计算乘数(multiplier)

然后执行 。这一步会把这个位置变成 。

步骤 3:得到上三角矩阵

消元完成后,系数部分成为 (或一般矩阵的行阶梯形 ),增广列记为 :

步骤 4:检查一致性

若出现 ()的行 无解,停止。

否则记主元个数(非零行数)为 。

步骤 5:判断解的个数

  • (无自由变量) 唯一解;
  • 无穷多解,自由变量个数为 。

步骤 6:回代

从最后一行往上:

有自由变量时,把自由变量设为参数 ,再按上式解出主元变量,得到含参数的通解。

步骤 7:验证

把解代回原始方程组的每一个方程(不是 的方程——这样才能查出消元过程中的错误)。

例题

例题 1( 完整逐步演示:消元 + 回代)

解

第 1 步:增广矩阵

第 2 步:第 1 列消元。

主元候选: 位置为 ,直接取 (无需换行)。乘数:

执行 :

执行 :

得到

第 3 步:第 2 列消元。

主元候选: 位置为 ,取 (无需换行)。乘数:

执行 :

得到上三角形式

即

第 4 步:回代。

第 3 行:。

第 2 行:。

第 1 行:,代入 、:

第 5 步:验证(代回原方程)

所以

副产品:主元为 ,乘积 (未换行)。可以直接验证

例题 2(消元失败情形一:主元为 ,需要换行)

解

第 1 步:增广矩阵

第 2 步:第 1 列消元——遇到零主元。

位置是 ,不能做除数。在第 1 列、第 1 行及以下找非零元素:第 2 行第 1 列是 ,于是换行 :

现在 。第 1 列第 2、3 行已经是 ,无需消去(乘数分别为 、)。

换行改变行列式符号

交换了一次行,所以把主元之积()添上符号因子 ,得 。

直接计算验证:

第 3 步:第 2 列消元。

位置为 ,取 。乘数 。执行 :

得

第 4 步:回代。

。

。

。

第 5 步:验证。

所以 , 非奇异(三个非零主元)。

例题 3(消元失败情形二:整列为 ,秩不足 无穷多解)

解

第 1 步:增广矩阵

第 2 步:第 1 列消元。 ,,。

:。

:。

第 3 步:第 2 列——整列为零。

位置是 ,往下看 也是 :第 2 列从第 2 行起全为零,找不到主元。按规则跳过第 2 列,继续处理第 3 列。这意味着 是自由变量。

第 4 步:第 3 列消元。

此时「当前行」是第 2 行, 位置为 ,取 (这是第 2 个主元,虽然它在第 3 列)。乘数 ,执行 :

得

第 5 步:检查一致性——矛盾,无解。

最后一行是 ,矛盾。等价地:

两者不等 ,无解。

把右端项改成 试试

若第三个方程的右端项改为 ,则 给出 ,最后一行变成 。此时

无矛盾行,,有 个自由变量 。回代:;。通解

同一个 ,右端项差一点,解就从「无解」变成「无穷多解」——这正是奇异矩阵的典型行为。

例题 4(长方形矩阵:消元判断秩与自由变量个数)

求

的秩、主元列、自由列与 。

消元:

:

:

第 2 列是自由列( 与 都是 ),跳过。第 3 列 ,取 ,,:

结论:

  • 非零行数 (,);
  • 主元列:第 1 列、第 3 列(主元 );自由列:第 2 列、第 4 列;
  • 主元变量:;自由变量:,个数 ;
  • ,,,;
  • 秩—零化度验证: 。

顺带求零空间(令 ,自由变量取单位值):由 ,第 2 行给出 ;第 1 行给出 。

  • 取 :;
  • 取 :。

,维数 。这一套流程的完整理论见 3-2-零空间与阶梯形。

例题 5(化行最简形并写出通解,与行阶梯形对照)

题目

把增广矩阵

分别化为 (a) 行阶梯形、(b) 行最简形,并写出方程组的完整通解。

第 1 步:第 1 列消元。 主元 ,乘数 、。

第 2 步:第 2 列——整列(相对当前行)为零,跳过。

与 都是 ,第 2 列从第 2 行起全为零 无主元, 是自由变量。按规则跳过第 2 列。

第 3 步:第 3 列消元。 当前行是第 2 行,,取 ,乘数 。

(a) 行阶梯形:

读信息:非零行 ,无 ()型矛盾行,故有解;,故有无穷多解,自由变量 个。

第 4 步:(b) 行最简形——继续往上消。

先把第 2 行归一化(),让主元变成 :

再用第 2 行消去第 1 行中的第 3 列元素():

(b) 行最简形:

第 5 步:由行最简形直接读通解(不需要回代)。

行最简形的两行给出

主元变量是 (主元在第 1 列)与 (主元在第 3 列);自由变量是 。令 :

第 6 步:验证(代回原方程)。

取 ,则 :

再取 ,则 : 、 、 。

第 7 步:两种形状的用途对照。

形状矩阵能直接读出不能直接读出
行阶梯形秩 、主元列位置、有没有矛盾行通解(还要回代)
行最简形秩 、通解(直接读)、零空间基—

这道题演示了国内教材的核心流程

化行阶梯形 → 判断秩与解的情况 → 若要通解则继续化行最简形 → 自由变量取参数 → 读出通解。

与 Strang 的「化上三角 → 回代」相比,多花约 次运算,但读解时零思考,考试中更不易出错。注意:两者的秩、主元列、解集完全相同。

例题 6(齐次方程组:含参数的秩与基础解系)

题目

求 取何值时,齐次线性方程组

有非零解?并在 时求其基础解系与通解。

第 1 步:写出系数矩阵并观察结构。

这是「第 1 行全 ,其余各行把 个位置换成 」的结构——非常适合用倍加造零。

第 2 步:用行变换化简。

系数矩阵已化为主对角线形式,行列式立刻可读:

这里为什么可以直接用「行列式 主对角元之积」

倍加不改变行列式(5-1-行列式的性质),而上三角矩阵的行列式等于主对角元之积。所以 与上三角矩阵的行列式相同,一步写出 ,不必按定义展开 。

第 3 步:判断何时有非零解。

由齐次方程组有非零解的充要条件():

  • :有非零解(且因为 ,必有无穷多解);
  • :只有零解 。

第 4 步: 时的基础解系。

时 的所有元素都是 。消元:

(第 1 行已经是「主元为 、且主元所在列其余元素全为 」的形式,故这就是行最简形。)

,自由变量个数 。行最简形已经是这个形式,直接读出

自由变量轮流取 (其余取 ):

取值解向量

基础解系为 ,通解为

维数核对: (秩—零化度定理)。

第 5 步:完成题目要求的 情形(补做)。

,所以 ,只有零解。基础解系不存在(空集),零空间是 ,维数 。

「基础解系」只对有无穷多解的齐次方程组才谈得上

若 (),齐次方程组只有零解,此时没有基础解系——写成 是错的(零向量不能作基础解系的成员,因为它与任何向量都线性相关)。这是国内考试常见的概念陷阱。

例题 7(含参数的非齐次方程组: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:算系数行列式,定位临界值。

按第 1 行展开:

把后两项合并:。于是

再分解 ,得

故 或 。两个不同的临界值,对应两个需要讨论的情形。

更快的观察(30 秒定位临界值)

把三行相加:每行都变成 。于是

- 时三行之和为零向量 三行相关 ;

- 时三行完全相同 相关 。

两个临界值一秒得到,剩下的只是确认「是否还有别的根」——由 是三次多项式,最多 个根(计重数),故无其他根。这个技巧在含参数方阵题中极其有用(详见 5-1-行列式的性质 的「列和相等」技巧)。

第 2 步: 且 ——唯一解。

, 可逆,由克莱姆法则(5-3-克莱姆法则与体积)或直接观察:三个方程完全对称(把 循环置换,方程组不变),故解必满足 。代入第 1 个方程:

所以

验算(取 ):解为 。原方程组为 、、,代入得 (三式都对)。

对称性为什么能直接用? 因为 在同时置换变量与方程的循环变换下不变。严谨做法是: 的每一行都是 的循环移位,故 是特征向量(),解空间的对称性由此保证。这只在 (解唯一)时才可以直接用——唯一解必然被对称性固定。若 ,解不唯一,就不能用对称性代替完整计算。

第 3 步:——增广矩阵消元。

由秩与解的关系表:有无穷多解,自由变量 个。由第 1 行 ,令 、:

第 4 步:——增广矩阵消元。

最后一行给出

于是

为什么 必然矛盾? 把三个方程相加:左边为

右边为 。当 时左边恒为 ,于是「三个方程相加」给出 ——矛盾行是三个方程的线性组合,所以它必然出现在增广矩阵的消元结果里。这个观察比逐步消元更快,且能解释矛盾的来源。

第 5 步:汇总。

解通解
唯一解
无穷多解
无解—

第 6 步:几何解读。

  • :三张平面交于一点 ;
  • :三张平面完全重合(都是 ),解集是整张平面(二维);
  • :法向量 之和为零向量,说明三张平面的法向量共面(秩 ),但它们的常数项之和 ,说明没有公共点——三张平面围成一个三棱柱形的空隙。

这道题是「含参数方程组」的模板题

全部套路只有四步:

1. 算 (或找线性相关的临界条件)→ 得到全部临界参数值;

2. 的区间:唯一解(可用克莱姆法则写公式);

3. 每个临界值逐个回代,对增广矩阵消元,比较 与 ;

4. 无解; 无穷多解,并写出通解。

只要题目里出现「讨论 (或 )取何值时……」,就套这四步。

例题 8(用行最简形求基础解系,并说明「为什么行变换不改变解集」)

题目

设

求齐次方程组 的基础解系与通解,并逐步说明为什么每一步行变换都不改变解集。

第 1 步:写出增广矩阵(右端全零)。

第 2 步:第 1 列消元。 ,,。

第 3 步:第 2 列无主元(自由列),跳过;第 3 列消元。 (在第 3 列),。

这是行阶梯形:非零行 ,自由变量 个( 与 ,对应两个自由列)。

第 4 步:继续化行最简形。 用第 2 行消去第 1 行的第 3 列元素():

主元已全为 ,主元列(第 1、3 列)的其余元素全为 ——这已经是行最简形。

第 5 步:读方程并写基础解系。

行最简形的两行给出

主元变量 被自由变量 完全确定。自由变量轮流取 :

取值解向量

基础解系:;通解:

第 6 步:验算(代回原方程 )。

维数核对: ,与秩—零化度定理一致。

第 7 步:为什么每一步行变换都不改变解集(把定理 1 落到这个例子上)。

操作具体动作为什么不改变解集
新第 2 行 旧第 2 行 旧第 1 行旧解满足两条方程,故满足新的第 2 行;反之新解满足新第 2 行与未变的第 1 行,两式相加得旧第 2 行也满足。逆操作 同样合法,所以两个方程组的解集互相包含
同上同上
用当前的第 2 行注意乘数用的是当前值 (不是原矩阵的 ),但这不影响「可逆」这一性质——每一步都是可逆的倍加
向上消元定理 1 对「任意两行的倍加」都成立,不要求 。这就是行最简形合法性的根据

关键点:每一步都是可逆的(倍加的逆是同倍数的反向倍加),所以

其中 是行最简形。因此用 求出来的零空间就是 的零空间——这是「化行最简形求基础解系」的全部理论依据。

对比:若把上面的行变换换成列变换,例如 ,解集会变。验证一下:对 做列变换 得

它的零空间包含 (因为第 2 列是全零列),而 ,说明 不是 的解。列变换确实改变了零空间——这就是「解方程组只能用行变换」的具体证据(见 2-3-用矩阵进行消元 的例题 4)。

例题 9(证明题:秩与解的判据)

题目(证明)

设 为 矩阵,,。证明:

证明: 有解 。

证明。

记 ,。

(一)先证一个基本事实: 只能是 或 。

用子式定义(2-1-向量与线性方程组)看最清楚: 只比 多了一列,故 的任意一个 阶子式,要么不涉及增广列(那它就是 的一个 阶子式),要么涉及增广列。于是

  • 的每个非零子式都是 的非零子式 ;
  • 反过来,若 有一个 阶非零子式且 :把该子式按增广列展开(增广列一定在其中,否则它就是 的 阶子式,与 矛盾),展开后是若干个 阶子式的线性组合,而这些 阶子式都是 的子式(阶数 ),全为零,矛盾。故 。

结合得 。

(二)必要性:有解 。

设 是 的一个解,即 ,其中 是 的第 列。 是 的列向量的线性组合,所以

两者的列空间相同,维数相同,而列空间的维数就是秩(3-5-四大子空间的维数),故

(三)充分性: 有解。

由(一),。若 ,则 且 (把 的列空间与 的列空间比较: 的列都在 里)。维数相同且一个是另一个的子空间,则两者相等(3-4-线性无关基与维数:子空间维数等于母空间维数时两者相同)。于是

即 是 的列向量的线性组合,存在 使 ——有解。

(四)把结论用在「无解」的刻画上。

由(一)与(二)(三):

用消元的语言:把 化为行阶梯形后,恰好多出一行形如 ()的矛盾行。这就是本篇定理 6 与「消元失败情形三」的完整证明。

这道证明题的价值

它把三个看似不同的说法焊在一起:

1. 代数说法:;

2. 几何说法:;

3. 算法说法:消元不出现 ()的行。

三者等价,任选一个用。这就是「秩」为什么是线性代数最核心的单一数字:它同时编码了列空间的维数、解的个数与方程组的相容性。完整图景见 3-5-四大子空间的维数 与 3-3-Ax=b的完整解。

例题 10(证明题:齐次方程组有非零解的等价条件)

题目(证明)

设 为 阶方阵。证明:以下四条等价:

(1) 有非零解;(2) ;(3) ;(4) 的 个列向量线性相关。

证明。 按 循环证明。

: 反证。设 ,则 可逆(2-4-矩阵运算与逆矩阵),对 两边左乘 :

故只有零解,与 (1) 矛盾。

: 是 的唯一的 阶子式(最高阶子式)。 说明最高阶子式为零,故秩至多 :

: 由 3-5-四大子空间的维数 与 3-4-线性无关基与维数, 的列向量组的秩(即极大线性无关组的大小)等于 。若 的 个列向量线性无关,则极大无关组就是全部 个,故 ,与 矛盾。所以 个列向量线性相关。

: 列向量线性相关意味着存在不全为零的系数 使

这正是 ,其中 ,即 的一个非零解。

补充:把 (3) 与「自由变量个数」对上。

由秩与解的关系表, 时自由变量个数为 。设自由变量对应的列为 ,令第 个自由变量取 、其余自由变量取 ,回代解出主元变量,得到的解 的第 个分量为 (非零),故是真非零解,而且

线性无关(因为它们的自由变量部分分别是标准基向量 ,若某个线性组合为零,看自由变量分量即得所有系数为零)。这就是基础解系的构造,维数为 。完整算法见 3-2-零空间与阶梯形。

这道题为什么要循环证

循环证明的思路是「每步只用一个最简单的已知事实」,避免在一次证明里堆砌多个定理。这四条的循环链同时也是国内考试「判断矩阵是否可逆」的四个入口:

算行列式(最快)→ 看秩(消元)→ 看列向量是否相关(定义)→ 看齐次方程组是否有非零解(解方程)。

四条路任选一条,结论必须一致——这也是一种极好的自检手段:用两条路算同一个矩阵,结果不同说明算错了。

应用

  1. 解工程线性系统:电路、桁架、热传导、流体网络的稳态方程都是 ,规模从几十到上亿阶。标准解法就是消元(或其矩阵形式 LU 分解)。
  2. 固定 、多个右端项:例如结构分析中同一结构受多种载荷工况。消元一次得到 与乘数矩阵 (即 ),之后每个 只需 的前代回代,比重新消元省 倍。见 2-5-LU分解与转置置换。
  3. 求秩与判断线性相关:把若干向量按列排成矩阵,消元数非零行即可判断线性无关性、求极大无关组。这是国内教材的核心题型。
  4. 求行列式:消元到上三角后取主元之积(定理 3)。 时按定义展开需 项,消元只需约 次运算——差距是天文量级。
  5. 计算机实现:scipy.linalg.lu 返回 使 ,即「部分选主元的消元」的完整记录:
import numpy as np
from scipy.linalg import lu

A = np.array([[2.0, 4.0, -2.0],
              [4.0, 9.0, -3.0],
              [-2.0, -3.0, 7.0]])

p, l, u = lu(A)          # A = p @ l @ u
print(np.diag(u))        # 主元: [2. 1. 4.]
print(np.allclose(A, p @ l @ u))   # True

b = np.array([4.0, 8.0, 10.0])
y = np.linalg.solve(l, p.T @ b)    # 前代
x = np.linalg.solve(u, y)          # 回代
print(x)                 # [12.5 -3.5  3.5]
  1. 数值稳定性的起点:朴素消元在遇到小主元时会放大误差,因此实际程序都用部分选主元(partial pivoting)。这是 11-1-数值稳定性与LU 的主题。
  2. 用 numpy 核对本篇全部结论(含参数讨论的机器验证)。本示例只需要 numpy:
import numpy as np

# ===== 1) 例题 7:含参数方程组的三种情形 =====
A_base = lambda k: np.array([[k, 1., 1.],
                             [1., k, 1.],
                             [1., 1., k]])
b = np.array([1., 1., 1.])

for k in [0.0, 1.0, -2.0]:
    A = A_base(k)
    dA = np.linalg.det(A)
    Ab = np.column_stack([A, b])                 # 增广矩阵
    rA = np.linalg.matrix_rank(A)
    rAb = np.linalg.matrix_rank(Ab)
    print(f"k={k:5.1f}  det={dA:8.3f}  r(A)={rA}  r([A|b])={rAb}", end="  -> ")
    if rA < rAb:
        print("无解")
    elif rA == A.shape[1]:
        print("唯一解 x =", np.linalg.solve(A, b))
    else:
        print("无穷多解,自由变量个数 =", A.shape[1] - rA)

# 预期输出:
# k=  0.0  det=   2.000  r(A)=3  r([A|b])=3  -> 唯一解 x = [0.5 0.5 0.5]
# k=  1.0  det=   0.000  r(A)=1  r([A|b])=1  -> 无穷多解,自由变量个数 = 2
# k= -2.0  det=   0.000  r(A)=2  r([A|b])=3  -> 无解

# ===== 2) 例题 6:齐次方程组有非零解 <=> 行列式为零 =====
for lam in [1.0, -2.0, 0.0]:
    A = np.array([[1., 1., 1., 1.],
                  [1., lam, 1., 1.],
                  [1., 1., lam, 1.],
                  [1., 1., 1., lam]])
    n = A.shape[1]
    print(f"lambda={lam:5.1f}  det={np.linalg.det(A):9.4f}  "
          f"rank={np.linalg.matrix_rank(A)}  dim N(A)={n - np.linalg.matrix_rank(A)}")

# 预期输出:
# lambda=  1.0  det=   0.0000  rank=1  dim N(A)=3
# lambda= -2.0  det= -27.0000  rank=4  dim N(A)=0
# lambda=  0.0  det=  -1.0000  rank=4  dim N(A)=0

# ===== 3) 秩的三种定义对照:非零行数 vs 子式 vs 库函数 =====
from itertools import combinations

def rank_by_minor(A, tol=1e-9):
    """按子式定义求秩:从最高阶往下找第一个非零子式。"""
    m, n = A.shape
    for k in range(min(m, n), 0, -1):
        for rows in combinations(range(m), k):
            for cols in combinations(range(n), k):
                if abs(np.linalg.det(A[np.ix_(rows, cols)])) > tol:
                    return k
    return 0

M = np.array([[1., 2., 3., 4.],
              [2., 4., 7., 9.],
              [3., 6., 11., 14.]])
print("库函数 rank     =", np.linalg.matrix_rank(M))   # 2
print("子式法 rank     =", rank_by_minor(M))            # 2(顺便枚举了 4 个 3 阶子式)

这段代码验证了三件事

1. 含参数讨论的结论可以被机器逐一核对:matrix_rank 对增广矩阵给出的秩,与手算的 、 完全一致。

2. 齐次方程组「有非零解 」在数值上是硬结论: 时 为 (浮点下可能是 量级的舍入值),秩从 掉到 ,零空间维数从 涨到 。

3. 两种秩定义的机器实现给出同一个数:rank_by_minor 枚举子式的结果与 matrix_rank 相同。浮点下不要用子式法(行列式在接近奇异时数值极不稳定),它只适合小矩阵的手算验证。

另外注意:np.linalg.matrix_rank 用的是 SVD 而不是消元,所以在浮点意义下它比手算更可靠——判断「秩到底是 还是 」时以它为准(默认容差与矩阵的最大奇异值有关)。数值细节见 11-2-范数与条件数。

易错点

十个高频错误

1. 除以 。主元必须非零。看到 位置是 就应先找下方非零元素换行,而不是硬算 。

2. 该换行时用了整列全零的结论。判断「整列为零」必须在换行搜索之后:若第 列第 行及以下有非零元素,就一定能救。

3. 对系数矩阵消元却忘了增广列。必须对 一起做行变换,否则无法判断无解。

4. 对列做初等变换。列变换会改变未知量,导致解集变化。解方程组只能用行变换(用列变换求秩是可以的,但求完秩不能直接回代)。

5. 乘数算错:乘数用的是当前(已更新过的)矩阵元素,即 ,不能用原始 的元素。若要记录 ,则 中存放的正是这些消元当时的乘数。

6. 回代顺序颠倒。回代必须从最后一行往上;从第 1 行开始会遇到多个未知量。

7. 忘了自由变量就宣布唯一解。 时有无穷多解,必须给自由变量设参数。忘了会导致「解写少了」。

8. 把 与原矩阵 混淆。 与 有相同解集、相同秩、相同行空间(见 2-3-用矩阵进行消元),但列空间一般不同——不要用 的列去回答关于 的问题。

9. 验证时用 代回。用 验证只能发现回代错误,发现不了消元阶段的错误(因为 就是消元结果,两个错误可能互相抵消)。必须代回原始方程。

10. 认为消元「越算越不准」。数学上消元是精确的;数值上误差主要来自主元过小(放大倍数)而非步骤多少。选主元策略正是为控制这一点。另外对大稀疏矩阵,消元会产生大量非零元(fill-in),此时应改用迭代法,见 11-3-迭代方法与预条件。

练习题

基础题 1:用消元法(并写出每一步乘数)求解

再用主元之积求 并验证。

基础题 2:下列矩阵在消元时第一步需要换行吗?说明理由;若需要,写出换行后的矩阵。

进阶题 3:解方程组并指出自由变量的个数

(提示:消元后注意第 2 列;最后检查一致性。)

进阶题 4:设

只用消元求出 、、自由变量个数,并求 的一组基。再用 验证你的结论。

进阶题 5:说明为什么「倍乘」操作里的常数不能为 。举一个方程组例子,说明若允许 ,解集会发生什么变化。

思考题 6:证明: 矩阵 可以用消元(含换行)化为有 个非零主元的上三角矩阵,当且仅当 的 个列向量线性无关。(提示:一个方向用定理 5,即主元个数等于秩;另一个方向用定理 3。)

思考题 7:设 为上三角矩阵且对角元 。证明: 对任意 有唯一解。(提示:从最后一行回代,逐行归纳证明每个 存在且唯一。)

常见问题 FAQ

Q1:消元法和国内教材说的「高斯消元法」是同一件事吗?

本质上是的。区别只在停止位置:

  • 高斯消元法(Gaussian elimination):化为上三角(行阶梯形),然后回代——这是 Strang 在本节讲的;
  • 高斯—若尔当消元法(Gauss–Jordan elimination):继续往上消元并把主元化为 ,得到行最简形(reduced row echelon form, RREF),此时无需回代, 直接读出。国内教材求逆矩阵时常用后者,见 2-4-矩阵运算与逆矩阵。

Strang 强调「先上三角再回代」的理由是:它正好对应 分解,工程上可以复用,而 Gauss–Jordan 会额外花费约 次运算。

Q2:为什么主元一定要非零?换行以后主元还能叫主元吗?

主元的定义就是「用来消去下方法元素的非零除数」,零不能作除数,所以必须非零。换行只是重新排列方程的顺序,不改变方程组本身,换行后的第一个非零元素当然仍是主元。数学上,换行对应左乘一个置换矩阵(permutation matrix) ,于是「奇异的 化成不奇异」是不可能的(换行不改变秩与行列式的绝对值),能换出非零主元说明 本来就非奇异,只是原来的行顺序不方便而已。

Q3:怎样判断要不要继续消元——什么时候可以停?

两个停止判据。数学上:化到行阶梯形就可以停(系数部分的主对角线下方全零即可,不必把主元化为 、也不必把主元上方的元素清零)。判断上:停止后检查 (i) 有没有 ()的行——有则无解;(ii) 主元个数 与列数 的关系—— 唯一解, 无穷多解。

Q4:消元会改变列空间吗?会改变什么、不改变什么?

会改变列空间,这是最容易搞错的一点。例如

的列是 与 , 的列是 与 ,列空间都恰好是 (这个例子里巧合相同,一般不同)。更清楚的反例: 的列空间是直线 ,而 的列空间是 轴——不同。

不变的是什么? 行空间 不变、秩不变、零空间 不变、解集不变、 的解集不变。理由是行变换等价于左乘可逆矩阵:(因为 ),且行空间是行向量的所有线性组合,行变换只是对行做可逆的线性替换,张成空间不变。所以用 求零空间与秩是安全的,用 的列回答 的问题是不安全的——列空间要靠记住主元列的位置回到原矩阵 里取那些列。

Q5:什么时候不该用消元,而该用 LU 或迭代法?

  • 一次求解:直接消元(配部分选主元)最省事,。
  • 同一 、多个右端项:先做一次 ,之后每个 只花 。重复消元要浪费 。
  • 大型稀疏矩阵(例如 阶的有限差分矩阵):消元会产生大量 fill-in(原本零的位置被填成非零),内存与时间都爆掉。此时用迭代法(Jacobi、Gauss–Seidel、共轭梯度)或预条件技术,见 11-3-迭代方法与预条件。
  • 病态矩阵:消元在浮点下会放大误差,需要看条件数,见 11-2-范数与条件数。

本篇小结

一句话主线

消元 用可逆的行变换把矩阵「转」成阶梯形,解集不动、秩不变、可读性大增。

要点清单

  1. 三种初等行变换:交换、数乘()、倍加。都是可逆的,所以都不改变解集(定理 1)。
  2. 记号的两种约定:Strang 写 ;国内教材写 ()。换约定时符号最容易错。
  3. 主元:必须非零。选主元时应在当前列、当前行及以下找第一个非零元素;数值计算中选绝对值最大者(部分选主元,见 11-1-数值稳定性与LU)。
  4. 消元失败的三种情形:
情形特征能否挽救结论
一主元位为 ,该列下方有非零元换行即可可能有唯一解,矩阵非奇异
二该列从当前行往下全为 跳过该列,秩不足齐次必有无穷多解;非齐次相容则无穷多解
三出现 ()不可挽救无解
  1. 两种目标形状:
  • 行阶梯形:全零行在最下方;首非零元逐行右移。用于求秩、判可解、求行列式。
  • 行最简形(RREF):首非零元为 ,且所在列其余元素全为 。用于求零空间(基础解系)、Gauss–Jordan 求逆。
  • 行阶梯形不唯一,行最简形唯一。
  1. 秩与解的关系表(国内考试核心):
秩的关系解自由变量
无解—
唯一解
无穷多解

其中 ,且 只有两种可能。

  1. 方阵的快捷判据:先算 。 直接得唯一解; 再比较 与 。
  2. 齐次方程组:永远有解(至少零解),永远不看「无解」。有非零解 ;方阵时 ; 时必有非零解。
  3. 含参数方程组的四步套路:算 定位临界值 用克莱姆法则 每个临界值回代消元 比较两个秩写通解。
  4. 行变换 vs 列变换:解方程组与求逆只能行变换;求秩与算行列式两者都可以;求特征值两者都不可以。
  5. 复杂度: 阶稠密矩阵消元约 次浮点运算,即 (定理 4)。同一 多个右端项应先做 LU(见 2-5-LU分解与转置置换)。
  6. 消元与行列式:不换行时 主元之积;换行 次则乘 (定理 3,完整证明见 5-1-行列式的性质)。

最易混淆之处(对照记忆)

混淆点正确说法
「整列为零」与「」看 出现在系数部分(自由列,秩不足,可救)还是增广部分(矛盾行,无解,不可救)
「该换行」与「整列为零」必须先做换行搜索再下「整列为零」的结论。第 行及以下有非零元就一定能救
乘数用哪个数据必须用当前(已更新过)的矩阵元素:,不是原始 的元素
行阶梯形与行最简形阶梯形用于秩与可解性;最简形用于读零空间与求逆。求秩时用最简形不算错,但白费工夫
求秩能否用列变换可以(秩是行空间与列空间维数的公共值);但求完秩不能接着回代求解
「消元改变了什么」改变:列空间、 本身。不改变:秩、行空间、零空间、解集、可解性
消元的验证方式必须代回原始方程。用 验证只能查出回代错误,查不出消元错误(两个错误可能互相抵消)
有无自由变量 必有无穷多解,必须给自由变量设参数。忘了设参数会「解写少了」
换行是否改变奇异性不改变。换行只是左乘置换矩阵(可逆),秩与 都不变。能换出非零主元说明 本来就非奇异
齐次方程组「无解」不可能。齐次的增广列是零列, 恒成立
时的结论只能说「非齐次要么无解要么无穷多解」,不能直接说无解;齐次则一定是无穷多解
「倍乘」能不能用 不能。 会把 变成 ,解集从一条直线膨胀成整个平面

三句话带走

  • 消元三看:先看主元能不能救,再看自由变量有几个,最后看有没有 。
  • 形状两选:求秩判解用阶梯形,读零空间求逆用最简形。
  • 参数四步:行列式定临界、克莱姆给唯一解、回代逐个讨论、比较两秩写通解。

相关笔记

本组三篇的关系:2-1-向量与线性方程组(是什么)→ 本篇(怎么算) → 2-3-用矩阵进行消元(为什么能这样算)。

  • 2-1-向量与线性方程组:消元的动机来源——行图像与列图像、解的存在性;其「国内教材补充」一节给出子式定义与秩—解关系表。
  • 2-3-用矩阵进行消元:把本篇每一步消元写成初等矩阵的乘法,得到 。
  • 2-4-矩阵运算与逆矩阵:Gauss–Jordan 消元求逆矩阵,初等矩阵的应用。
  • 2-5-LU分解与转置置换:把本篇的消元过程整理成 与 ,以及换行对应的置换矩阵。
  • 3-2-零空间与阶梯形:用阶梯形求零空间、主元与自由变量的完整理论。
  • 3-4-线性无关基与维数:主元列与线性无关的关系。
  • 3-5-四大子空间的维数:秩 决定四个空间维数的主线结论。
  • 5-1-行列式的性质:消元与行列式的关系,定理 3 的完整证明。
  • 11-1-数值稳定性与LU:部分选主元、浮点误差与稳定性。
  • 11-3-迭代方法与预条件:大规模稀疏系统的替代方案。

新增关联(说明「后面哪一篇用到、怎么用」)

  • 3-3-Ax=b的完整解:用到哪里——本篇的「秩与解的关系表」在那一篇被拆成秩 的四种极端情形(、、、 且 ),并给出每种情形下解集的几何形状。怎么用——拿到任何 ,先在那一篇的表里定位自己属于哪一种,解的结构(唯一/无穷多/无解)与自由变量个数立刻确定。
  • 3-2-零空间与阶梯形:用到哪里——本篇的行最简形是那一篇求基础解系的标准工具,「自由变量轮流取 」的算法在那里给出完整证明(包括「这 个向量线性无关」这一步)。怎么用——本篇例题 5、例题 8、例题 10 用到的读法,在那一篇会被系统化为固定流程。
  • 5-1-行列式的性质:用到哪里——本篇定理 3( 主元之积)与「倍乘会把行列式乘 」的记账规则都源自那一篇的三条基本性质。怎么用——用消元算行列式时,若过程中用了数乘或换行,必须按那一篇的规则补上倍率与符号。
  • 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,在那一篇有行列式之比的显式公式,且解释了「为什么分子是替换一列后的行列式」。怎么用——本篇例题 7 第 2 步的「对称性直接给出解」只适用于对称结构,一般结构要用克莱姆法则。
  • 11-1-数值稳定性与LU:用到哪里——本篇的「消元是精确的」只在实数算术下成立;浮点下小主元会放大误差,必须部分选主元。怎么用——写代码解方程时一律用带选主元的库函数(numpy.linalg.solve),不要自己实现朴素消元。
  • 10-1-图与网络:用到哪里——图上的关联矩阵消元时会大量出现「整列为零」的自由列,这正是「连通分量个数」的来源。怎么用——判断网络是否连通、求基尔霍夫定律的解,本质就是对关联矩阵消元并读自由列。

参考来源

  • MIT OpenCourseWare 18.06 Linear Algebra, Spring 2010(Lecture 2: Elimination with matrices):<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/>
  • MIT OCW 18.06 阅读对应表(第 2 讲对应 Strang 第 5 版 §2.2–2.3):<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, §2.2 The Idea of Elimination(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 §3.1(初等变换、行阶梯形与行最简形)、§3.2(矩阵的秩)、§3.3(线性方程组的解: 与 的三种关系)、第 4 章 §4.1–§4.2(齐次方程组的基础解系与非齐次方程组的解结构)(文字来源,无稳定公开链接)。
  • 考研数学(数学一/二/三)线性代数部分「含参数线性方程组讨论」「化行最简形求基础解系」两个固定题型的标准解法框架(国内考试风格,非官方来源)。
  • SciPy 官方文档 scipy.linalg.lu(部分选主元的 LU 分解,返回 满足 ):<https://docs.scipy.org/doc/scipy/reference/generated/scipy.linalg.lu.html>