w wyl123ly 的博客
MD

3-2-零空间与阶梯形

95 KB 2026.10.11 原文件

3-2-零空间与阶梯形

一句话概括

零空间(nullspace) 是所有被 映成零向量的输入 组成的集合,它一定是 的子空间;用行化简把它化为阶梯形(echelon form)后,数出主元(pivot)与自由变量(free variable),就能写出 的一组基,并且立刻得到本章最常用的一个数:

本篇覆盖:零空间的定义与「为什么它一定是子空间」的证明、行化简与阶梯形的完整过程、主元与主元列、自由变量与自由列、秩的定义、 的论证、求零空间基的标准步骤、一个秩不足的例子与一个满秩的例子、消元为什么保持零空间不变。

本篇新增

- 第十二节:基础解系(fundamental system of solutions)——国内教材的核心术语。定义、求法(自由未知量依次取 、其余取 )、含 个解向量的完整证明、通解结构 ,配两道完整例题。

- 第十三节:用基础解系的语言重讲非齐次方程组解的结构(四条性质 + 例题),与 3-3-Ax=b的完整解 的「特解 + 零空间」是同一件事的两种说法。

- 第十四节:极大线性无关组与向量组的秩——定义、求法(化行最简形)、其余向量由极大无关组表示的系数怎么读出来,配一道完整例题。

- 第十五节:秩的子式定义与计算——用最高阶非零子式求秩,含参数矩阵的分情况讨论。

- 第十六节:本篇小结。

一、定义

1.1 零空间

设 是 的实矩阵。 的零空间(nullspace)定义为

其中 是 中的零向量。

要提醒两点(都很容易读错):

  1. 必须是 中的向量,因为 要求 的长度等于 的列数 。所以 ,而不是 。
  2. 等式右边永远是零向量,与 无关。零空间只研究齐次(homogeneous)方程 。非齐次方程 的解集一般不是子空间(它不含原点),这正是一篇(3-3-Ax=b的完整解)的主题。

国内教材的叫法:齐次方程组 的零空间 在国内教材里称为解空间;它的基称为基础解系;解空间中任意向量写成基础解系的线性组合,就得到方程组的通解。这三件事与「 的基」「」是同一件事的不同说法,对照见本篇第十二节。同济版《线性代数》把「解空间」放在第四章「线性方程组」,并用它统一处理齐次与非齐次方程组。

术语

零空间也叫解空间(solution space)或核(kernel),在泛函分析与微分方程里通常记作 。本库统一用 。

有的教材把「零空间」用来指 的左零空间 ,读别的书时要注意区分。

1.2 为什么零空间一定是子空间

回顾子空间的判据(见 3-1-向量空间): 的非空子集 是子空间,当且仅当它对加法与数乘封闭,即

定理 1(零空间是子空间) 对任意 矩阵 , 是 的子空间。

证明 分三步验证。

(i)含零向量。取 ,由矩阵乘法的定义,( 的列的 倍之和仍是零向量)。所以 ,特别地 。

(ii)对加法封闭。设 ,即 且 。矩阵乘法对加法满足分配律 ,于是

所以 。

(iii)对数乘封闭。设 ,。由 得

所以 。

三步合起来说明 是 的子空间。

证明的本质: 是线性映射(linear map),即 。而「线性映射的核必是子空间」是一个纯代数事实: 的原像在加法与数乘下自动封闭。

一句话记住

零空间是子空间,是因为 是线性的:两个零解相加还是零解,零解乘任意倍数还是零解。

1.3 与列空间的对比

列空间 零空间
定义所有 组成的集合所有满足 的
住在哪( = 行数)( = 列数)
关心的问题 能否被解出解有多少个、差多少
维数(秩)
几何角色输出的可达集合被压成 的方向集合

一句话:列空间管「有没有解」,零空间管「有多少解」。

为什么必须先学零空间

后面几乎所有「解方程组」的问题都会被拆成两半:一半问「 在不在 里」(可解性,见 3-3-Ax=b的完整解),另一半问「 有多大」(唯一性)。只要算出一个数 ,这两半就同时有了答案:、、。四个子空间的维数全部由 决定,这张「维数账本」见 3-5-四大子空间的维数。

二、几何直观

2.1 零空间是「被压扁」的方向

把 看成一个从 到 的线性变换:输入 ,输出 。

  • 如果 只有零解,说明 把 中任何非零方向都映射成了非零向量——变换是单射(injective),输出不丢信息。
  • 如果存在非零的 使 ,说明至少有一个方向被压扁到原点。零空间的维数就是这个被压扁的「塌陷方向的个数」。

想象一束光倾斜地穿过一个平面投影到地面:光束的方向(垂直于地面的分量)在投影后消失——那就是投影矩阵的零空间。再比如把三维物体压成照片,深度方向的信息丢了,那个方向就落在零空间里。

2.2 三个典型图像

(a) 可逆():,只有零向量。变换把 一一对应到 ,没有方向被压扁。

(b) 的列线性相关():存在非零的 使 ,即 的列之间有关系

关键理解: 中的每一个向量,本质上就是 的列之间的一个线性关系(linear relation)。这是零空间最重要的几何/代数读法。

例如

第二列是第一列的 倍,所以 ,于是 ,零空间是这条直线 。

(c) 是「高瘦」矩阵(,列少): 被映到 中的 维子空间,如果 则零空间只有零。

2.3 零空间总是「过原点」的若干个方向的集合 因为零空间是子空间,它的图像一定是:

  • (点)
  • 过原点的一条直线()
  • 过原点的一个平面()
  • ……过原点的 维平坦空间()

绝不会是不过原点的直线或平面。这也解释了为什么非齐次方程 的解集(当 )不是子空间——它不过原点。

三、行化简与阶梯形

3.1 阶梯形与简化行阶梯形

定义(阶梯形,echelon form) 矩阵 称为行阶梯形,如果它满足:

  1. 每一行的第一个非零元素(称为主元,pivot)出现在上一行主元的右侧;
  2. 全零行排在最下面。

定义(简化行阶梯形,reduced row echelon form,RREF) 若阶梯形 还满足:

  1. 每个主元都等于 ;
  2. 每个主元所在列的其它元素全为 。

则称 为简化行阶梯形,记作 。

记忆

阶梯形像上下楼梯:主元的位置一列列往右走,全零行在底部。RREF 是「打扫干净」的阶梯形,主元列都是单位向量 的样子。

3.2 允许的行变换

行化简只允许三种初等行变换(elementary row operation):

  1. 交换两行;
  2. 某一行乘以非零常数 ;
  3. 把某一行的倍数加到另一行上。

关键事实:这三种变换都是可逆的(分别用再交换一次、乘以 、加上 倍的同一行来还原)。这个可逆性正是零空间不变的原因(见第五节定理 4)。

3.3 完整过程

求 的阶梯形(消元,elimination)与 RREF(Gauss–Jordan 消元):

  1. 向下扫(前向消元):从第 1 列开始,找该列第 1 行及以下第一个非零元素(若本列为零则整列跳过,进入下一列)。把这个元素所在行换到当前行,它就是主元;再用第 3 种行变换把它下方的元素全部消成 。然后对这一列右侧的子矩阵重复,直到得到阶梯形 。
  2. 向上扫(回代消元):从最右的主元开始,用第 3 种变换把主元上方的元素也消成 ,再把每个主元除以它自身变成 ,得到 。
  3. 读出结果: 中主元所在的列就是主元列(pivot column),其余列就是自由列(free column)。

3.4 用一个例子走完 设

前向消元:用第 1 行消去第 1 列的下方元素。第 2 行减去 倍第 1 行,第 3 行减去 倍第 1 行:

第 1 列下面已经清零,第 2 列下面也是零(跳过),看第 3 列:以 为主元,第 3 行减去第 2 行:

这就是阶梯形。主元在第 1、3 列,所以 ;第 2、4 列是自由列。

继续化为 RREF:把第 2 行除以 ,再用它把第 1 行第 3 列的元素消掉:

RREF 的读法非常干净:主元列的变量由自由变量显式表达。

第 1 行给出 ,第 2 行给出 。即

自由变量是 。

3.5 主元、秩与自由变量

定义(秩,rank) 矩阵 的秩 是它的主元个数,也等于 中非零行的个数。

因为 的矩阵最多只有 个非零行、也最多只有 个主元列,所以立刻有

定义(自由变量) 主元列对应的变量称为主元变量(pivot variable),其余变量称为自由变量(free variable)。自由变量的个数是

这就是「自由」的含义:它们可以任意取值,一旦选定,主元变量就被方程组唯一确定(如果方程组有解的话)。

三个数的关系(全库主线)

- 未知量个数

- 主元个数(秩)

- 自由变量个数

这三个数决定了 的维数,而 还同时决定 、、。见 3-5-四大子空间的维数。

四、核心定理:

4.1 定理与论证 定理 2 设 是 矩阵,秩为 ,则

论证(每个自由变量贡献一个特解)

设 的 RREF 为 ,主元列是第 列,自由列是其余 列。

第 1 步:把主元变量解出来。 的第 行形如

(因为主元是 、主元列的其它元素是 ,所以第 行里只出现一个主元变量。)于是

( 表示全部自由列的下标集合。)这说明:只要指定了所有自由变量的值,全部主元变量就被唯一确定。

第 2 步:每个自由变量给出一个特解。 对第 个自由变量(对应的列是 ),令

(即将第 个自由变量取 ,其余自由变量全取 。)再按第 1 步解出主元变量,就得到向量 。因为自由变量有 个,所以得到 个向量 。

第 个分量上, 是 而其它 ()是 。这一步是全部论证的关键,下面反复用它。

第 3 步:这 个向量线性无关。 设

只看自由变量所在的分量。在自由列 的分量上,左边的值是 ,右边是 ,所以 。对每个 都成立,于是 。故无关。

第 4 步:任何零空间向量都能被它们表示。 设 ,记它的自由变量分量为 。构造

由第 2 步, 的第 个分量恰好是 ,所以 与 的自由变量分量完全相同。又由第 1 步,主元变量由自由变量唯一决定,而 与 都是零解,因此它们的主元变量分量也相同。所以 ,即 是 的线性组合。

第 3、4 步合起来说明 是 的一组基(basis),故 。

于是得到秩—零化度定理(rank–nullity theorem)的第一种形式:

写成中文就是:未知量个数 = 秩(主元个数)+ 自由变量个数。

为什么叫「每个自由变量贡献一个特解」

因为自由变量可以自由取值,取「一个为 、其余为 」是最简单的一组取法,得到的就是零空间的「标准」基。这种基在自由列上的分量为 ,非常好写——但它不一定正交,也不一定是单位向量。

4.2 两个直接推论

推论 1 当且仅当 (列满秩,columns are independent)。

证明 当且仅当 (0 维子空间只能是零子空间);由定理 2,。

推论 2 若 (行数少于列数,方程组「方程比未知量少」),则 ,即 一定有非零解。

证明 由 得 ,故 ,零空间中有非零向量。

推论 3 若 是方阵且 ,则 , 可逆(此时 对每个 都有唯一解)。

4.3 与「只有零解」的完整关系

对 矩阵 与方程 ,下面六条互相等价:

  1. 只有零解 ;
  2. ;
  3. ;
  4. ( 列满秩,没有自由变量、没有自由列);
  5. 的列向量线性无关;
  6. 从 一定能推出 ( 作为映射是单射)。

第 6 条值得单独说明:若 ,则 ,即 ;零空间只有零向量,所以 。反过来,若 是单射而 ,则 。

五、消元为什么保持零空间不变

定理 3(行变换保持零空间) 若对 施行初等行变换得到 ,则 。

证明 只需对三种初等行变换逐一验证。

(i)交换两行。交换方程组中两个方程的位置,解集当然不变。

(ii)某行乘以 。方程 与 同解()。

(iii)把第 行的 倍加到第 行。设 的第 行是 。若 ,则 且 ,于是

所以 ,即 。

反过来, 可由 出发做变换 (iii) 得到,也可以由 出发做「把第 行的 倍加到第 行」还原回 ——这仍是同一种初等行变换。把上面的论证用在「」上,得 。

两个方向合起来 。

用矩阵语言重写:每个初等行变换等价于左乘一个初等矩阵(elementary matrix) ,而 可逆(见 2-3-用矩阵进行消元):

  • 「」:两边左乘 。
  • 「」:两边左乘 。

这就是「可逆」二字的全部作用:行变换可逆,所以零空间原封不动。

三个容易混淆的说法

1. 行变换保持零空间 —— 正确。

2. 行变换保持列空间 —— 错误!行变换会改变列空间(例: 的列空间是直线,化成 后变成另一条直线)。行变换保持的是行空间:。

3. 行变换保持列之间的线性关系 —— 正确!这正是「主元列是原矩阵 的列空间的一组基」的依据:在 中主元列是单位向量、自由列是主元列的线性组合,而同样的线性关系在 中也成立。

「行变换保持列关系」的证明思路:设 , 可逆。若在 中有 (对 的列),则 ,即 ,两边左乘 得 ,即 。所以系数向量 同时是 的列与 的列的关系,两者一致。

换一个角度看同一件事(点积视角)

把 按行读:第 个方程是 ,用点积的语言说就是「 与 的第 个行向量垂直」。于是

换句话说:零空间就是行向量的公共垂直方向。这解释了为什么行变换不改变零空间——行变换只是把行向量重新组合,而「与所有行都垂直」这个条件在可逆重组合下不变。点积与垂直的完整讨论见 1-2-长度与点积,第四章会把这句话升级成正交补定理 (见 4-1-四大子空间的正交性)。

几何图像: 只有一行,所以 是 中与 垂直的所有向量——一张过原点的平面,维数 。行数越多,垂直条件越多,零空间越小。

六、零空间的计算方法与步骤

求 的标准流程

第 1 步 对 做行化简(推荐直接化到 RREF,省去后面回代的麻烦),得到 。

第 2 步 数主元个数得秩 ;记下主元列号 与自由列号 。

第 3 步 令自由变量轮流取 、其余取 ,共 次。每次把 的方程回代,解出主元变量,得到一个特解(special solution) 。

第 4 步 写出 ,并声明 就是一组基。

第 5 步(可选但强烈建议)验算:把每个 代回 ;再检查自由变量分量的 结构,确认无关性。

RREF 的捷径写法:若 的形状是「主元列 + 自由列」,则基向量可以直接抄:对第 个自由列 ,取

用文字说:第 个基向量的第 个分量取 、其它自由分量取 ,第 个主元分量取 中第 行第 列元素的相反数。

(即把 中第 列的自由列部分搬到主元位置并取负号。)

用消元法算秩的注意点:手算时用精确有理数(分数)消元,不要过早取小数;数值计算中秩是靠奇异值阈值判断的(见 11-1-数值稳定性与LU、11-2-范数与条件数)。

七、例题

例题 1(秩不足:,四列三行) 设

求 的秩、主元列、自由列,以及 的一组基。

解

第 1 步:行化简到 RREF。 在第 3.4 节已经算过:

第 2 步:读信息。 非零行有 行,所以

主元在第 1、3 列,所以主元变量是 ;自由列是第 2、4 列,自由变量是 。

第 3 步:写出方程。 由 的两行:

第 4 步:自由变量轮流取 。

  • 令 ,:得 ,,于是

  • 令 ,:得 ,,于是

第 5 步:验算。

按行验算:

按列验算(更能看出零空间的含义——零解就是列之间的线性关系):

用到的正是两条列关系(RREF 直接告诉我们它们成立):

验算第二条:,成立。按行、按列两种方式都验证了 。

结论:

几何读法: 是 的矩阵,把 映到 ,但像只有 维(一个过原点的平面),被压扁的是一个二维平面——就是 ,由 张成。

补充观察:,所以这组基不正交。这不影响它是基(基只要求无关 + 张成),但如果需要正交基,应改用 SVD 或 Gram–Schmidt(见 4-4-标准正交基与Gram-Schmidt)。

例题 2(满秩:,零空间只有零向量) 设

求 ,并判断 是否可逆。

解

第 1 步:行化简。

已经出现阶梯形, 个主元(、、),所以 。继续化到 RREF:

第 2 步:读信息。 三列全是主元列,没有自由列,自由变量个数 。由定理 2,

第 3 步:解方程确认。 对应的方程组是 ,即只有零解。

第 4 步:结论。 因为 ,由推论 3, 可逆,且 对任意 有唯一解。

顺带算出逆矩阵验证(Gauss–Jordan 求逆,见 2-4-矩阵运算与逆矩阵):

验算 的第一行第一列:,对;第一行第二列:,对。

对照总结:例题 1 有自由变量,零空间 维;例题 2 无自由变量,零空间 维。自由变量的个数就是零空间的维数——这是判断「有没有非零零解」最快的办法。

八、应用

1. 判定线性相关性。 要判断向量 是否线性相关,把它们作为列拼成 ,看 是否只有零向量。 就相关,而零空间的基向量直接给出具体的相关关系(就是相关系数)。

2. 化学方程式的配平。 反应物与生成物的原子守恒写成 ,配平系数就是零空间中的正整数向量。例如配平 就是求一个 零空间的基向量 (取符号后即 )。

3. 网络与电路(Kirchhoff 电流定律)。 图的关联矩阵(incidence matrix) 的零空间维数是图中连通分支的个数, 中的向量就是满足节点电流守恒的「环流」(见 10-1-图与网络)。

4. 数值求解与最小二乘。

  • scipy.linalg.null_space(A) 用 SVD 返回 的标准正交零空间基,比 RREF 更稳健(RREF 对舍入误差敏感,且不能处理接近奇异的情形)。
  • 在最小二乘与正则化中,零空间决定解的不唯一性;最小范数解就是把解投影掉零空间分量后的结果(见 4-3-最小二乘逼近)。

5. 结构化模型的自由度。 在结构力学、化学计量学、网络流中,「约束方程的零空间维数」就是系统的自由度(degrees of freedom): 个未知量、 个独立约束,就有 个自由参数。

import numpy as np
from scipy.linalg import null_space

A = np.array([[1., 2., 2., 2.],
              [2., 4., 6., 8.],
              [3., 6., 8., 10.]])

print("rank =", np.linalg.matrix_rank(A))   # 2
Z = null_space(A)                            # 形状 (4, 2)
print("dim N(A) =", Z.shape[1])              # 2
print("A @ Z =\n", np.round(A @ Z, 12))      # 全零

# 用 RREF 求「自由变量取 0/1」那组基(对比上述正交基)
import sympy as sp
R, pivots = sp.Matrix(A).rref()
print("RREF =\n", R)
print("pivot columns =", pivots)             # (0, 2)

九、易错点

零空间与阶梯形的九个常见错误

1. 维数算错位置: 用列数 ,不是行数 。 才是用行数。

2. 零空间写成 的子集:,因为 要乘在右边。

3. 把 的解集当成子空间:只有 时才是。 时解集不过原点。

4. 以为行变换保持列空间:不保持!保持的是行空间与零空间,以及列之间的关系。

5. 以为 RREF 唯一但阶梯形唯一:RREF 是唯一的;普通阶梯形不唯一(消元顺序不同结果不同),所以「秩」才要用主元个数这个不变量来定义。

6. 自由变量的选择不唯一:主元列由 唯一决定,所以自由列也唯一,但零空间的基不唯一(换一组自由变量的取值就换一组基)。看到别人答案不同不要慌,验证是否互相线性组合即可。

7. 忘记零空间一定含零向量:任何矩阵的零空间都至少是 ,绝不会是空集。

8. 手算时用小数消元:容易把「秩」算错(例如把 写成 后误判非零元素为 )。手算用分数,机算用 SVD 阈值。

9. 把 和「非零行数」搞混:零空间维数是自由列的个数 ,不是 ( 是左零空间 的维数)。

十、练习题

基础题 1 设 。求 的一组基与维数,并说明 的列是否线性相关。

基础题 2 设 (已是 RREF)。直接写出 的一组基,并指出主元列与自由列。

进阶题 3 设 是 矩阵,。求 、、、,并判断 是否可能对某个 无解。

进阶题 4 设 。用 RREF 求 的基,并写出 的三列之间的一个具体线性关系。

思考题 5 证明:若 矩阵 满足 ,则 ;再举例说明此时 不保证 对任意 有解(提示:取 )。

思考题 6 设 是在 右侧拼接若干列得到的 矩阵,即 。证明 的「投影形式」:若 ,则 ;并说明何时取等号。

十一、常见问题 FAQ Q1:零空间的基唯一吗?

不唯一。「自由变量轮流取 、其余取 」得到的只是最方便的一组基。任何 个线性无关的零解都能当基。如果要求唯一,需要额外加约束,例如要求标准正交基(这时通常用 SVD,scipy.linalg.null_space 返回的就是这一组),或要求基在自由分量上呈 (那就是上面这组)。

Q2:为什么消元不改变零空间,却改变了列空间?

因为行变换相当于左乘可逆矩阵 :。左乘作用在「行」的方向上,所以行空间的几何位置会变(行被重新组合),但方程组 与 完全同解,零空间不变。而列向量是 的「内部数据」,左乘 把每一列 变成 ,列空间整体被 搬到了别处。记住口诀:左乘动行不动零空间,右乘动列不动行空间。

Q3:阶梯形一般都不唯一,为什么还能用它定义秩?

因为不同消元路径得到的阶梯形,其主元个数和主元列的位置都相同(这是需要证明的不变量,可由「」与「行变换保持列关系」推出)。秩的定义用不变量而非具体矩阵,所以是良定义的。见 3-5-四大子空间的维数。

Q4: 中的向量能不能被 映成非零向量?

不能——这是定义的直接后果。 是进入零空间的入场券。反过来,任何 的 都被排除在零空间外。这一点在讨论「 的解集是平移后的零空间」时非常关键:若 是一个特解,则所有解形如 ,因为

即特解之外的差别必须落在零空间里。这是下一篇 3-3-Ax=b的完整解 的核心。

Q5: 会不会超过 ?

不会。主元必须出现在不同的行、不同的列,最多有 行和 列可用,所以 。当 时称 满秩(full rank)。

十二、基础解系

为什么单独开一节

「零空间的基」是本库(Strang)的叫法,「基础解系」是国内教材(同济版等)的叫法,指的是同一个东西。国内考试里几乎所有「解方程组」的大题都以「求基础解系并写出通解」的形式出现,所以必须把术语、写法、步骤都练到条件反射。本节给出定义、求法、个数证明、通解结构与两道完整例题。

12.1 解空间与基础解系的定义 设 是 矩阵,齐次线性方程组

的全部解组成的集合就是零空间 。因为它是子空间(本篇定理 1),国内教材称它为解空间(solution space)。

定义(基础解系,fundamental system of solutions) 齐次方程组 的一组解向量 称为它的基础解系,如果

  1. 线性无关;
  2. 方程组的任意一个解都能由它们线性表示,即

用本库的语言翻译:基础解系就是解空间 的一组基(定义与「基」的两条要求逐字对应:无关 + 张成)。上式称为方程组的通解(general solution), 称为自由参数。

翻译表(中英术语对照)

| 国内教材 | 本库(Strang) | 数学对象 |

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

| 解空间 | 零空间 | |

| 基础解系 | 的一组基 | |

| 基础解系中向量个数 | | |

| 通解 | 的一般元素 | |

| 自由未知量 | 自由变量 | |

| 系数矩阵的秩 | 秩 | 主元个数 |

12.2 定理:基础解系恰含 个解向量

定理(基础解系的个数) 设 矩阵 的秩为 。若 (即方程组有非零解),则它的基础解系恰含

个解向量;若 ,则方程组只有零解,不存在基础解系(解空间是零空间 ,它的基是空集,通常不讨论)。

证明 分四步。

第 1 步:方程组的解由自由未知量唯一决定。 把 化为行最简形 ,设主元列号为 ,自由列号为 。 的第 行形如

所以每个主元未知量都能由全部自由未知量表示:

因此「指定自由未知量的值」与「指定一个解」是一一对应的。

第 2 步:构造 个解向量。 让自由未知量依次取 、其余取 :

第 次取法代回第 1 步,得到解向量 ()。

第 3 步:这 个解向量线性无关。 设

只比较自由未知量位置上的分量。第 个自由位置 上, 的分量是 、其余 ()的分量是 ,于是左端该分量等于 ,右端等于 ,故 。对每个 成立,得 ,即线性无关。

第 4 步:任意解都能由它们表示。 设 是任一解,其自由未知量取值为 。作线性组合

由第 2 步, 的自由位置分量恰好是 ,与 相同。由第 1 步,主元未知量由自由未知量唯一确定,故 与 的分量全部相同,即 。

第 3、4 步说明 是解空间的一组基,即基础解系含 个解向量。

一句话记住

基础解系含 个解向量,其中 是未知量个数( 的列数)、 是系数矩阵的秩。这正是秩—零化度定理 ,国内教材把它写成「系数矩阵的秩 加上基础解系中向量的个数等于未知量个数 」,即

完整讨论见 3-4-线性无关基与维数。

12.3 求基础解系的标准步骤(国内考试写法)

五步法

第 1 步 写出系数矩阵 (齐次方程不加常数列)。

第 2 步 只用初等行变换把 化为行最简形 。数出 ,记录主元列与自由列。

第 3 步 写出同解方程组,把主元未知量用自由未知量表示。

第 4 步 令自由未知量依次取 ,共 次,每次解出主元未知量,得到 。

第 5 步 写出通解 ,,并声明「 即为所求的一个基础解系」。

求基础解系时最常见的三个错

1. 用列变换:求基础解系只允许行变换。列变换会改变未知量的位置,得到的方程组与原方程组不同解(它相当于换了未知量的名字)。

2. 自由未知量取 之类的值:必须取「一个为 、其余为 」这 组,才能保证所得解向量线性无关;随意取值可能得到相关的解组,不构成基础解系。

3. 把 数成行数: 是未知量个数(列数)。 矩阵若 ,基础解系含 个向量,不是 个。

例题 3(求基础解系并写通解:、、含 2 个解向量)

题目

求齐次线性方程组

的一个基础解系,并写出通解。

第 1 步:写系数矩阵。 齐次方程组的系数矩阵为

第 2 步:化为行最简形。 用 、:

再用 消去第三行,得阶梯形;最后把第 1 行的第 3 列元素消成 :

第 3 步:读信息。 非零行有 行,故 ;未知量个数 ,所以基础解系含

个解向量。主元列是第 1、3 列,主元未知量 ;自由列是第 2、4 列,自由未知量 。

第 4 步:把主元未知量用自由未知量表示。 由 的两行读出同解方程组

第 5 步:自由未知量依次取 、。

  • 取 ,:得 ,,所以

  • 取 ,:得 ,,所以

第 6 步:验算。 按列验算(把 看成列的组合):

顺便得到 的列之间的两条关系:,。

第 7 步:写通解。 因为 线性无关(它们的自由位置分量构成 ,也可直接看出不成比例),所以它们构成一个基础解系,通解为

即 。解空间 是 中一个二维子空间(过原点的平面),基础解系就是它的一组基。

例题 4(含 1 个解向量:、)

题目

求齐次线性方程组

的基础解系与通解。

第 1 步:系数矩阵。

第 2 步:化行最简形。

第 3 步:读信息。 (两个主元,在第 1、3 列),,所以基础解系含

个解向量。自由未知量只有 (第 2 列是自由列)。

第 4 步:同解方程组。

第 5 步:令自由未知量 。

第 6 步:验算。 ✓; ✓。

第 7 步:通解。

几何读法:解空间是 中一条过原点、方向为 的直线,维数 。两个方程对应两张过原点的平面,它们的交线就是这条直线。

与下一篇的关系

到这里只处理了 的情形。一旦右端不是零向量,解集就变成「不过原点的直线/平面」:通解要多加一个特解 。这正是本节第十三节与 3-3-Ax=b的完整解 的主题。快速预览一个例子:把上面方程组的右端改成 ,即

化行最简形得 ,于是 ,通解为

结构一目了然:特解 + 导出组的基础解系。

例题 5(证明题:任意解都写成基础解系的组合)

题目

设 矩阵 的行最简形为

取 的一个基础解系 ,。设 是 的一个解,把它写成基础解系的线性组合。

第 1 步:读自由未知量。 的主元列是第 1、3 列,所以自由未知量是 。

第 2 步:关键观察。 任一解的自由位置分量与它的组合系数一一对应:若 ,比较第 2 个与第 4 个分量得

(因为 的自由位置分量构成单位矩阵 。)这是「自由未知量依次取 」这组基础的最大便利:组合系数不用解方程,直接从分量里读。

第 3 步:代入。 本题中 ,,所以

第 4 步:与题给向量对照。 题给的 与算出的 不同!这说明题给的那个向量根本不是解。用 检验:第 1 行给出 ,确实不是解。

第 5 步:给出正确的结论。 若把向量改成 ,检验: ✓, ✓,确实是解,且

这个「错误答案」想说明什么

不要看到「已知 是解」就直接相信。先验证,再表示。而且自由位置分量读系数这个方法只对「自由未知量依次取 、其余取 」这一组基础解系成立;换一组基础解系(例如 与 )后,系数就必须老老实实解线性方程组才能得到——这正是「通解表达式不唯一」的来源。

例题 6(证明题:基础解系含 个向量)

题目

设 是 矩阵,。证明: 的任何基础解系都恰含 个解向量。

证法一(用 12.2 的构造 + 基的个数唯一性)

第 1 步 由 12.2 的构造,方程组至少存在一个含 个向量的基础解系 ,即 的一组基。于是

第 2 步 设 是任意一个基础解系。按定义,它线性无关且张成解空间,所以它也是 的一组基。

第 3 步 由「维数与基的选择无关」(3-4-线性无关基与维数 定理 5,用 Steinitz 交换引理证明),同一个空间的两组基含相同个数的向量,故

证法二(不用维数定理,直接交换论证)

第 1 步 把 化为行最简形 ,则方程组与 同解,且 有 个主元列、 个自由列。

第 2 步(上界) 设 线性无关且都是解。因为解由自由未知量的 个分量唯一决定,把每个 投影为它在 个自由位置上的分量,得到的向量 。若 ,则 是一个自由分量全为 的解,由唯一性它是零解,故 ;由无关性得所有 。所以 是 中的无关组,于是

第 3 步(下界) 12.2 已构造出 个线性无关的解,故任何基础解系至少需要 个向量(否则它张成的空间维数小于 ,无法张成 ;严格地说,若某无关组 张成 且 ,则 ,与第 2 步的构造矛盾)。因此

第 4 步 两式合起来 。

结论与用途

基础解系的向量个数是解空间的不变量,等于 ,与「选哪几个自由未知量取 」无关(自由列的位置由 唯一决定,所以其实连自由未知量的选择也不自由——真正自由的是基向量的取法)。国内考题常问「基础解系含几个向量」,答案永远是 ,不需要真的把解算出来。

例题 7(证明题:方程个数少于未知量个数时必有非零解)

题目

设 是 矩阵且 。证明:齐次方程组 必有非零解,即它必存在基础解系。

证明

第 1 步 秩的定义: 的秩等于它的主元个数,而主元必须落在不同的行上,所以

第 2 步 由 得

第 3 步 由本节定理,。维数为正的空间必定含有非零向量(若只有零向量,则基是空集,维数为 ),所以 ,即 有非零解。

第 4 步 于是基础解系含 个解向量,方程组存在基础解系,通解为 。

推论(方程的个数少于未知量个数时的结论表)

条件基础解系向量个数解的情况
且 只有零解之外的无穷多解,即必有非零解
且 同上,且方程之间还有 个冗余
且 只有零解
可能只有零解(),也可能有非零解()

「去掉条件会怎样」

把 换成 ,结论立刻失效: 时 且只有零解。所以「方程个数少于未知量个数」是非零解存在的充分条件,不是必要条件—— 时也可能有非零解(例如 的两列相同)。判断非零解存在性的唯一正确标准是 。

十三、非齐次线性方程组解的结构

一句话

非齐次方程组 的通解 = 一个特解 + 导出组的通解:

其中 是 的某个特解, 是导出组 的一个基础解系。

这是 3-3-Ax=b的完整解 定理 1()的国内教材写法:先求基础解系,再随便找一特解,拼起来就是通解。

13.1 四条性质

设 都是 的解, 是导出组 的解。

性质 1(差是齐次解) 是导出组 的解。

证明 。

性质 2(加齐次解仍是解) 是 的解。

证明 。

性质 3(解的线性组合对应右端的线性组合) 若 、,则对任意常数 有 。

证明 由矩阵乘法的线性性直接得到。特别地, 是 的解。

性质 4(结构定理) ,即 的全部解恰为「特解 + 齐次解」;写成基础解系的语言就是

证明 「」由性质 2;「」:设 是任一解,由性质 1 得 是齐次解,记它为 ,则 。

由这四条立刻得到的推论

- 唯一性判据:导出组只有零解()时,非齐次方程组的解至多一个(有解即唯一)。因为此时 只能是 。

- 无穷多解判据:导出组有非零解()时,只要有一个特解就有无穷多解。

- 解的个数只有三种: 个、 个、无穷多个。绝不可能恰好 个——性质 1 说两个解的差是齐次解,若导出组有非零解就可以任意倍数地叠加。

- 特解可以任取:换一个特解只改变参数化方式,不改变解集。若 是两个特解,则 ,而括号里是齐次解。

13.2 求非齐次方程组通解的步骤(国内写法)

五步法

第 1 步 写出增广矩阵 ,只用初等行变换化为行最简形 。

第 2 步 判可解性:若出现 ()的行,则无解,停止。(等价说法:。)

第 3 步 写出同解方程组,把主元未知量用自由未知量表示,右端是含常数的表达式。

第 4 步 求特解 :令所有自由未知量为 (此时主元未知量恰好等于化简后的常数列)。

第 5 步 求导出组的基础解系 (去掉常数列,按 12.3 的步骤做),写出通解

第 4 步与第 5 步的区别(最高频错误)

- 求特解:自由未知量全部取 (只做一次)。

- 求基础解系:自由未知量依次取 、其余取 (做 次,右端全视为 )。

两件事目的不同:特解负责「把右端凑成 」,基础解系负责「描述齐次部分的自由度」。混用必然出错。

例题 8(求非齐次方程组的通解:、、含 1 个参数)

题目

求解非齐次线性方程组

并在解集上验证性质 1 与性质 2。

第 1 步:增广矩阵。 注意 。

第 2 步:化行最简形。 先 :

第 3 步:可解性检查。 没有出现 ()的行,且 不成立(这里 ,属行满秩),故有解。

第 4 步:读信息。 ,,故导出组的基础解系含

个解向量。主元列是第 1、2 列,自由未知量是 。同解方程组为

第 5 步:求特解(自由未知量全取 )。 令 :

第 6 步:求导出组的基础解系(右端视为 )。 令 :

(基础解系不唯一,把 乘以 取 同样正确。)

第 7 步:写通解。

第 8 步:验算(同时演示性质 1、性质 2)。

  • (特解): ✓, ✓。
  • :, ✓, ✓。
  • :, ✓, ✓。
  • 性质 1 的验证: 的解减去 的解得 ,它满足 ✓,确实是导出组的解。
  • 性质 2 的验证: 仍是解 ✓。

几何读法:解集是 中一条过点 、方向为 的直线——不过原点,不是子空间;过原点的那条平行直线(方向相同)是导出组的解空间 。

例题 9(含 2 个参数的完整解:、、含 3 个参数)

题目

求线性方程组

的完整解(判断可解性并写出全部解)。

第 1 步:写增广矩阵。

第 2 步:前向消元。 用 、、:

再用 、:

第 3 步:可解性检查。 第三行左半部分全为 、右端为 ,即方程 ,矛盾。所以

由可解性判据(3-3-Ax=b的完整解 定理 2),方程组无解。

第 4 步:说明原因。 的行向量之间有关系:第 3 行 第 1 行 第 2 行 ,第 4 行 第 2 行 。这些行关系必须被右端继承,但 ,故矛盾。

第 5 步:若换一个相容的右端。 取 (第 1 行与第 3 行之和),则增广矩阵化到

此时 ,有解。主元列是第 1、3 列,自由未知量是 ,基础解系含 个解向量。同解方程组为

  • 特解(自由未知量全取 ):。
  • :。
  • :。
  • :。

通解为

验算 : 的相反数加 等于零向量(因为 , 的第 1、2 列相同)✓——这也说明 的维数至少是 。

无解与「无穷多解」的判据不要混

「」只保证若有解则有无穷多解,不保证有解。本例 ,但方程组无解——因为 。先判可解性(比较两个秩),再判唯一性(比较 与 )。

例题 10(证明题:两个解之差是齐次解,并推出「解的个数只有三种」)

题目

设 ()有两个不同的解 。证明:

(1) 是导出组 的解;

(2) 对任意 , 都是 的解;

(3) 由此推出 若有解则解的个数必为 或无穷多,绝不可能是有限多个()。

证明 (1) 由矩阵乘法的线性性,

所以 ,即它是导出组的解。

证明 (2) 令 。由 (1) 知 ,于是

所以对每个 它都是解。

证明 (3) 由 (2) 得到一族解 ( 取遍实数)。因为 ,所以

即 是非零向量,。于是当 时

说明不同的 给出不同的解,而 中有无穷多个 ,所以解有无穷多个。

推论 线性方程组的解集只有三种可能:空集(无解)、单点集(唯一解)、无穷集(无穷多解)。这正是「 与 比较」给出的二分法: 至多一个解, 有解即无穷多解。几何上:解集是一个仿射子空间(点 / 直线 / 平面 / 更高维的平坦空间),而仿射子空间作为集合只有「空、单点、无穷」三种大小。

例题 11(证明题:方程组有唯一解的充要条件)

题目

设 是 方阵。证明:非齐次方程组 对某个 有唯一解,当且仅当 只有零解(即 );并举例说明:对长方形矩阵,这个结论不成立。

证明(充分性) 设 只有零解,即 ,。由 3-3-Ax=b的完整解 定理 1,若有解 ,则全部解是 ,故有解时唯一。又因 且 是方阵,,列空间充满 ,所以每个 都有解。故对任意 都有唯一解。

证明(必要性) 设对某个 , 有唯一解 。若 ,取非零的 ,则由性质 2, 是另一个解,且 说明它与 不同,矛盾。故 ,由推论 1(本篇第四节)得 。

补充说明:对方阵,「对某个 有解」与「对任意 有解」等价(因为 时列空间维数等于 ,必有 )。

长方形矩阵的反例:

的两列线性无关,,。此时 有唯一解 ;但取 就无解(第三行要求 )。

结论:长方形矩阵上「列满秩」只保证唯一性,不保证可解性;「行满秩」只保证可解性,不保证唯一性。只有方阵情形两者才会同时成立。完整的四种情形表见 3-3-Ax=b的完整解。

十四、极大线性无关组与向量组的秩

为什么需要「极大无关组」

一组向量里常常有冗余。我们要问:最少留下哪几个向量,就能表示出其余所有向量? 这样的「最小够用」部分组就是极大线性无关组,它的向量个数就是向量组的秩。国内教材用它来定义秩,与「矩阵的主元个数」是同一个数的两种刻画。

14.1 定义

定义(极大线性无关组,maximal linearly independent subset) 设向量组 。若 的一个部分组 满足

  1. 线性无关;
  2. 再添加 中任何一个其余向量,所得向量组就线性相关(即「极大」),

则称它为 的一个极大线性无关组(简称极大无关组)。条件 2 等价于: 中每个向量都能由这 个向量线性表示(本篇定理 2 的「相关 有向量是其余的线性组合」)。

定义(向量组的秩) 向量组 的极大无关组所含向量的个数称为 的秩,记作 ;只含零向量的向量组的秩规定为 。

定理(极大无关组的三条基本性质)

  1. 存在性:任何非零向量组都有极大无关组(反复删去「多余」向量即得,见 3-4-线性无关基与维数 定理 7)。
  2. 同秩性:同一个向量组的任意两个极大无关组所含向量个数相同,都等于 。
  3. 等价性:任何极大无关组都与原向量组等价(能互相线性表示),所以它们张成同一个子空间。

证明(性质 2) 设 与 是 的两个极大无关组。第一个组线性无关,且 中每个向量(特别地 )都能由它线性表示;于是 是 中的无关组,由 Steinitz 交换引理(3-4-线性无关基与维数 定理 4)得

对称地交换两个组的角色,得 ,故 。

三个「秩」是同一个数

| 说法 | 定义方式 |

|---|---|

| 矩阵的秩 | 主元个数 / 非零行个数 / 最高阶非零子式的阶数 |

| 行向量组的秩 | 行向量组的极大无关组所含向量个数 |

| 列向量组的秩 | 列向量组的极大无关组所含向量个数 |

三者相等(行秩 = 列秩 = 矩阵的秩)。求 时随便用哪一种算法都可以,但它们各自「给出的信息」不同:主元个数给出主元列位置,极大无关组给出哪几个原始向量是独立的。行秩 = 列秩的证明见 3-5-四大子空间的维数。

14.2 求极大无关组与「读出」表示系数

标准步骤(以列向量组为例)

第 1 步 把向量组作为列拼成矩阵 。

第 2 步 只用初等行变换把 化为行最简形 。

第 3 步 数出主元个数 (即 )与主元列的位置 。

第 4 步 取 中对应位置的原始列 ,它就是 的一个极大无关组。(必须回原矩阵取,不能抄 的列!)

第 5 步 其余向量由极大无关组表示的系数直接从 里读:若第 列是自由列,则

即把 的第 列(去掉自由行部分)原样抄下来当系数(注意 中自由列在主元行上的元素就是这些系数)。

为什么系数能从 里直接读

关键事实是行变换保持列之间的线性关系(本篇第五节):( 可逆)时,,即同样的系数向量 在 与 中给出同样的列关系。

于是「在 中第 列等于主元列的某个组合」这句话,在 中用同一组系数也成立。

而 的主元列是 ,所以 的第 列在这些行上的分量就恰好是它作为主元列组合的系数——读出来即可。

例题 12(求极大无关组并把其余向量用它表示)

题目

求向量组

的一个极大线性无关组,求该向量组的秩,并把其余向量用极大无关组线性表示。

第 1 步:拼矩阵。 把四个向量作为列:

第 2 步:化行最简形。 用 、、:

第 3 步:数秩与主元列。 非零行 行,所以

主元列是第 1、2 列,自由列是第 3、4 列。

第 4 步:取极大无关组。 取 的第 1、2 列(原始列):

二者不成比例,确实线性无关。(不能用 的第 1、2 列 ——那是行变换后的矩阵的列,不是原向量组的向量。)

第 5 步:读出表示系数。 由 直接读:

  • 第 3 列是 ,所以

  • 第 4 列是 ,所以

第 6 步:验算。

第 7 步:结论。

即 是向量组的一个极大无关组,向量组的秩为 。

极大无关组不唯一,但秩唯一

上例中 、 等也都是极大无关组(任取两个不成比例的向量即可,因为秩是 )。但任何极大无关组都含 个向量——这就是性质 2 的内容。考试中通常要求给出「一个」极大无关组,只要给出的是一个合格的部分组且表示系数正确,就是对的。

例题 13(行向量组的极大无关组:竖着排)

题目

求向量组

的秩与一个极大无关组,并把其余向量用极大无关组表示。

第 1 步:把向量按「行」排成矩阵。 这三个向量是 中的向量,把它们作为行排成 矩阵:

第 2 步:只做行变换。 用 、:

第 3 步:数秩。 三个非零行,所以向量组的秩是 ,即三个向量线性无关,极大无关组就是它们全体:

即 本身就是极大无关组(三个向量已经线性无关,再加就只剩它们自己)。

第 4 步:换一种做法(作为列)。 为避免混淆,用「把向量作为列」的方法重算一遍:

交换第 2、3 行并整理:

主元列是第 列,,与第 3 步一致——秩与「按行排还是按列排」无关(因为行秩 = 列秩),但「极大无关组」的答案与排法有关:按行排时读的是「非零行的位置」,按列排时读的是「主元列的位置」,两种排法在这道题里都给出全部三个向量。

「行排」与「列排」不要混着读

两类问题的标准做法:

- 求列向量组的极大无关组(向量本身就写成列):把向量作为列拼成 ,化行最简形,取主元位置的原始列。

- 求行向量组的极大无关组(题目给的是行):把向量作为行拼成矩阵,化行最简形,取非零行(在化简后的矩阵里取,不是原矩阵)。

最保险的做法是一切向量都先写成列,统一用「主元列」的方法——这样绝不会出现「取错矩阵」的错误。原理见 3-4-线性无关基与维数 方法 E 的口诀。

十五、秩的子式定义与计算(含参数矩阵)

国内教材的秩定义

国内教材(同济版)用子式(minor)定义矩阵的秩: 中最大的非零子式的阶数就是 。这与本库的「主元个数」定义等价,但手算含参数矩阵的秩时,子式法往往比消元法更快——因为行列式的表达式可以直接求出参数的零点。

15.1 定义与基本事实

定义( 阶子式) 在 矩阵 中任取 行与 列(),位于这些行列交叉处的 个元素按原次序组成的 阶行列式,称为 的一个 阶子式。

定义(秩的子式定义) 若 中存在一个 阶子式不为零,而所有 阶子式(如果存在)全为零,则称 为 的秩,记作 。

三条基本事实

  1. 的证明方式:只要找到一个 阶非零子式,就立刻得到 。
  2. 的证明方式:若能说明所有 阶子式全为零(常用「某几行是其余行的线性组合」这类行关系论证),则 。
  3. (零矩阵),因为一阶子式就是各元素本身。

为什么子式能刻画秩(证明思路)

设 的秩(主元个数)为 。

- : 有 个主元列,把它们与对应的 个主元行取出,得到一个 阶方阵。这个方阵在消元过程中始终有 个主元(行化简不改变行列式是否为零),故其行列式非零(否则消元必产生零主元)。所以存在 阶非零子式。

- :任意 阶子式对应的那 个行向量都落在行空间的 维子空间里,因此线性相关,由 3-4-线性无关基与维数 定理 1,以它们为行的 方阵的列也不独立,行列式为 。所以所有 阶子式都为零。

两条合起来:最大的非零子式的阶数 = 主元个数 = 秩。

手算子式法的两个现实约束

1. 阶数越高计算量越大: 矩阵有 个四阶子式、 个三阶子式……逐个算不现实。实用的策略是从高阶往低阶试,或者先用消元法猜出秩,再用一个非零子式确认下界。

2. 含参数时必须分情况:行列式是参数的多项式,它的零点就是秩下降的位置。不能只算一个参数值就下结论。

15.2 含参数矩阵求秩的完整例题

例题 14(含参数矩阵用子式法求秩)

题目

讨论参数 取何值时,矩阵

的秩分别为 、、。

第 1 步:先算三阶子式(即 )。 按第一行展开:

逐个算二阶行列式:

所以

因式分解(试根 是根):

第 2 步:由 得秩 的条件。

第 3 步:讨论 。

三行完全相同,一阶子式 ,而所有二阶子式都为零(任取两行两列,两行相同):

故

第 4 步:讨论 。

三阶子式 (由第 1 步)。找一个二阶子式:取第 1、2 行与第 2、3 列,

所以存在非零二阶子式,;又因所有三阶子式(只有 一个)为零,。故

第 5 步:验证(用行变换复核 )。

两个非零行, ✓,与子式法一致。(可以顺便看出 ,因为此时 的三列之和为零向量。)

第 6 步:结论汇总。

参数取值三阶子式 存在的最高阶非零子式
且 阶
阶(如 )
阶()

含参数矩阵求秩的通法

第 1 步 先用一个低阶非零子式给出秩的下界(常取左上角或含常数元素的子式,它通常与参数无关)。

第 2 步 再算最高阶子式(方阵就是行列式),它的零点就是「秩下降」的候选参数值。

第 3 步 对这些特殊的参数值逐个代回原矩阵,用行变换或再找一个低一阶的非零子式,定出实际秩。

第 4 步 汇总成一张分情况表,并注明「其余情况」的结论。

为什么不能省第 3 步: 只说明秩小于阶数,具体小多少要看「还剩多大的非零子式」—— 时秩是 , 时秩是 ,同样是 ,结论却完全不同。

子式法的三个易错点

1. 只算最高阶子式: 不等于秩为 ,必须继续找低一阶的非零子式。

2. 忘了子式要求「取 行 列」:子式必须是方阵的行列式, 的行列式没有定义。

3. 参数零点漏解: 的根是 (二重)与 ,别漏掉二重根对应的情形(虽然本题 只对应一个取值,但重数会影响别的结论,例如判断矩阵是否可对角化)。

本篇小结

一句话总览

齐次方程 的解集就是零空间 ,它是 的子空间,维数是 ;把它的一组基写出来(国内叫基础解系),通解就是这组基的线性组合;一旦右端换成 ,只要再加一个特解就得到全部解。

核心概念与公式

概念定义 / 公式一句话理解
零空间被 压成 的方向集合
解空间同上(国内叫法)齐次方程全部解的集合,必是子空间
基础解系 的一组基 解空间的一组「坐标轴」
通解(齐次)基础解系的所有线性组合
通解(非齐次)特解 + 导出组通解
秩主元个数 / 最高阶非零子式的阶数独立的行(列)数
维数公式未知量个数 = 秩 + 自由未知量个数
极大无关组无关且「再添就相关」的部分组最少够用的那几个向量
向量组的秩极大无关组所含向量个数与 是同一个数

方法清单

  1. 求 / 基础解系:行最简形 → 数 → 自由未知量依次取 → 回代求主元未知量 → 写通解。
  2. 求非齐次通解:增广矩阵行最简形 → 先判 与 → 特解(自由未知量全取 )→ 加基础解系。
  3. 求极大无关组:向量作列 → 行最简形 → 主元位置回原矩阵取列 → 自由列的系数直接从 读。
  4. 含参数求秩:先给下界(低阶非零子式)→ 再算最高阶子式找临界参数 → 逐个代回定秩 → 汇总分情况表。

三条最值得记住的「为什么」

  1. 为什么零空间是子空间:因为 是线性映射,零向量、加法、数乘都被 保持。
  2. 为什么自由变量个数等于零空间维数:解被自由未知量唯一决定, 个自由未知量给出 个「独立方向」。
  3. 为什么行变换能用来求零空间、却不能用来读列空间:行变换是左乘可逆矩阵,方程组同解(零空间不变),但列向量被整体搬走(列空间改变,只有列之间的关系不变)。

下一步

  • 非齐次方程组的完整解、可解性判据、秩的四种情形 → 3-3-Ax=b的完整解
  • 基、维数、秩—零化度定理的系统表述,以及「行秩 = 列秩」 → 3-4-线性无关基与维数
  • 四个子空间的维数账本 、、、 → 3-5-四大子空间的维数
  • 零空间的正交解释 → 4-1-四大子空间的正交性

相关笔记

  • 3-1-向量空间 —— 子空间的定义与判据,本篇证明 是子空间的依据
  • 3-3-Ax=b的完整解 —— 从齐次到非齐次:特解 + 零空间(第十三节的国内外写法对照)
  • 3-4-线性无关基与维数 —— 基、维数与秩—零化度定理的系统表述;「行秩 = 列秩」的证明
  • 3-5-四大子空间的维数 —— 与另外三个子空间的维数关系
  • 2-2-消元法的思想 —— 消元、主元、回代的基础
  • 2-3-用矩阵进行消元 —— 初等矩阵 与「行变换可逆」
  • 1-2-长度与点积 —— 点积与垂直:零空间是「与所有行向量垂直」的方向集合(第五节补充)
  • 4-1-四大子空间的正交性 —— 把「与行垂直」升级成正交补定理
  • 4-4-标准正交基与Gram-Schmidt —— 若需要零空间的标准正交基(而不是 0/1 基),用 Gram–Schmidt 或 SVD
  • 10-1-图与网络 —— 关联矩阵的零空间 = 环流空间,维数 = 连通分支数

参考来源

  • MIT OpenCourseWare, 18.06 Linear Algebra, Spring 2010,Lecture 7「The nullspace: Solving 」与 Lecture 6「Vector spaces and subspaces」:<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/>
  • MIT OCW, 18.06 阅读安排(Chapter 3.2 对应关系):<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/pages/readings/>
  • Gilbert Strang, Introduction to Linear Algebra, 5th ed., Wellesley–Cambridge Press, 2016,第 3.2 节「The Nullspace of : Solving 」、第 3.3 节「The Complete Solution to 」:<https://math.mit.edu/~gs/linearalgebra/>
  • 同济大学数学系《线性代数》第六版,高等教育出版社,第四章「向量组的线性相关性」(基础解系、解空间)与第三章「矩阵的秩」。
  • SciPy 文档 scipy.linalg.null_space(用 SVD 构造标准正交零空间基):<https://docs.scipy.org/doc/scipy/reference/generated/scipy.linalg.null_space.html>
  • NumPy 文档 numpy.linalg.matrix_rank(秩的数值判定与奇异值阈值):<https://numpy.org/doc/stable/reference/generated/numpy.linalg.matrix_rank.html>