w wyl123ly 的博客
MD

3-3-Ax=b的完整解

128 KB 2026.10.11 原文件

3-3-Ax=b的完整解

一句话概括

非齐次方程组 的完整解(complete solution)是

即「一个特解 + 零空间的任意向量」:特解负责把等式右端变成 ,零空间负责在解集内部自由移动。

是否有解,取决于 是否落在列空间 中;解的个数,取决于秩 与 的大小关系——本篇给出本章最重要的秩的四种情形对照表。

本篇覆盖:完整解的结构与证明、可解性条件(消元后不出现 ,)、求特解的方法(令自由变量全为 后回代)、用增广矩阵行化简的完整例题、秩的四种情形与各自的具体例子、从列空间与零空间维数解释这四种情形、满秩方阵的等价条件汇总。

本篇新增

- 第八节 8.2(新增):线性方程组理论的应用——克拉默法则与拉格朗日插值公式、网络流量(交通流量完整例题 + 路段封闭 + 无解讨论)、几何应用(两直线位置关系、 张平面位置关系、 点共线)。

- 第十节:基础解系与齐次通解 ,以及国内高频的含参数方程组讨论。

- 第十一节:非齐次方程组解的结构——四条性质 + 证明 + 五个推论。

- 第十二节:向量组的秩与极大线性无关组如何决定可解性与唯一性。

- 第十三节:秩的子式定义与计算,用最高阶非零子式讨论含参数矩阵的秩与可解性。

- 第十四节:本篇小结。新增例题共 13 道(例题 5—17)。

一、定义

1.1 非齐次方程组

设 是 实矩阵,。方程

称为非齐次(nonhomogeneous)线性方程组(只要 )。对应的齐次方程 称为它的导出组(associated homogeneous system)。

  • 增广矩阵(augmented matrix):把 作为第 列接在 后面,记作

  • 完整解(complete solution): 的全部解组成的集合,记作 或解集 。

关键区别(务必牢记):解集 一般不是子空间,因为当 时 不是解(),子空间必须含零向量。 是不过原点的仿射集(affine set)——一条不过原点的直线、一个不过原点的平面,等等。

国内教材的叫法

本库(Strang)国内教材(同济版)
齐次方程 的零空间 导出组的解空间
的一组基基础解系
特解 特解
完整解 通解
有解判别定理

换句话说:本库的「完整解」就是国内教材的「通解」,只是国内教材一定把它写成「特解 + 基础解系的线性组合」这种显式形式。国内教材把这个结论放在第四章,紧接在齐次方程组之后,并称其为非齐次线性方程组解的结构(本篇第十一节与 3-2-零空间与阶梯形 第十三节都会重讲)。

1.2 两句话的几何图像

  • 按列看:,所以方程有解 是 的列向量的线性组合,即

  • 按解集看:解集 = 特解这个点 + 零空间这个子空间(平移)。

二、几何直观

2.1 解集是零空间的一次「平移」

先把结论的几何图像说清楚,再证明。

设 是 的某一个解(称为特解,particular solution)。那么解集是

这是一次平移(translation):把零空间这个「过原点的子空间」整体搬到 处,得到的集合仍与 平行、同维,但不过原点(除非 ,此时 可以取, 回到子空间)。

图像(三维, 矩阵):

  • 若 : 是一个点。
  • 若 : 是一条直线,方向就是零空间的基向量 ,位置由特解决定。
  • 若 : 是一个平面,其「方向平面」是 ,位置由特解决定。

两种直线图像(按行看): 方程组按行看是三个平面,它们交于一点(唯一解)、交于一条直线(无穷多解)或交于一个平面(无穷多解);若无公共点则无解。而按列看,「交于一条直线」与「 在列空间中但列相关」是同一件事。

2.2 三个层次的问题

解 时永远按顺序问三个问题:

  1. 有没有解? —— 吗?(消元后有没有出现 )
  2. 有多少解? —— 自由变量个数 是 还是正数?
  3. 解长什么样? —— 写出 。

这三个问题分别由 与 的关系、 与 的关系回答。第一节给出的「秩的四种情形」表就是把这些问题一次答完。

三、性质与定理

3.1 定理 1:完整解的结构

定理 1(解的结构定理) 设 有解, 是它的任意一个特解, 是导出组的解空间。则

适用条件: 为任意 实(或复)矩阵; 必须使得方程可解(否则 ,本定理无内容)。 可以是任何特解,换一个特解得到的平移集合完全相同。

证明 需要证明两个方向的包含关系。

(i)右端每个元素都是解:。

任取 ,则 。由矩阵乘法的线性性,

所以 。

(ii)每个解都能写成这种形式:。

任取 ,即 。考察差向量 :

所以 。记 ,则 ,正是右端的形式。

两个方向合起来即得 。

证明的核心只有一句话:任意两个解的差是导出组的解。这也是国内教材里的「非齐次方程的通解 = 特解 + 导出组通解」。

直接推论

- 若 (即 ),则解至多一个:有解时唯一。

- 若 ,则只要有一个解,就有无穷多个解(因为零空间里有无穷多个向量,且不同的 给出不同的解)。

- 因此「解的个数」只有三种可能:零个(无解)、一个(唯一解)、无穷多个。绝不可能恰好有两个解。这是线性方程组的基本二分法。

3.2 定理 2:可解性条件

定理 2(可解性判据) 对 矩阵 与 ,下面四条互相等价:

  1. 有解;
  2. ,即 是 的列的线性组合;
  3. 对增广矩阵做行化简,不会出现形如 的行,其中 ;
  4. 行化简后 。

适用条件:无额外条件,对任意矩阵与任意右端向量成立。 = r(A)$。)

证明 按 、、 三步走。

(1)(2):由矩阵乘法的列形式,

其中 是 的第 列。所以「存在 使 」与「存在系数 使 」是同一句话;而 的定义正是所有列的线性组合的集合。

(2)(4): 是 中由 的列张成的子空间,。把 添作新列得到 :若 ,则新列不增加张成空间的维数,故 ;反之若 ,则 加入后张成空间严格变大,。

(3)(4):行化简不改变 与 (行变换保持列之间的线性关系,见 3-2-零空间与阶梯形)。化简后 的秩等于非零行个数;不出现 ()当且仅当增广矩阵的非零行个数与 的非零行个数相同,即两个秩相等。

实战中的可解性检查

只要在消元过程中看到某一行左半部分全是 、右端却非 ,例如

就立刻可以宣布无解,不必继续算下去。这一行的含义是方程 。

3.3 定理 3:解的个数与秩的关系

定理 3 设 为 矩阵,秩为 。

  1. 若 (列满秩,无自由变量),则 要么无解,要么有唯一解;
  2. 若 (有自由变量),则 要么无解,要么有无穷多解;
  3. 若 (行满秩),则对每个 方程都有解(因为 );
  4. 若 ,则存在 使方程无解。

证明 (1)无自由变量意味着 ,即 ;由定理 1,有解时解唯一。

(2),零空间含非零向量 ;若 是一个解,则对任意 , 也是解,且 不同得到的解不同,故有无穷多解。

(3) 意味着 的列张成 (因为 且 ),即 ,于是任何 都在列空间中,由定理 2 有解。

(4) 说明 是 的真子空间(例如 中的一张平面),取 为这个子空间之外的向量(例如该平面的法向量方向),则 ,无解。

3.4 秩的四种情形(本章最重要的总结表)

把 与 (行数、方程个数)、(列数、未知量个数)的大小关系穷举,恰好四种情形:

情形条件矩阵形状 维数 维数 解的情况几何图像
① 满秩方阵(充满 )唯一解(对每个 )三个平面交于一点
② 列满秩高瘦(真子空间)无解 或 唯一解平面相交于一点,或不相交
③ 行满秩矮胖(充满 )无穷多解(对每个 )交于一条直线/一个平面
④ 秩不足 且 一般无解 或 无穷多解要么不交,要么交成直线/平面

用两个维度读这张表

- 列空间的维数 与 比: 时 ,一定有解; 时 只是 的一小片,有些 无解。

- 零空间的维数 与 比: 时解唯一; 时解无穷多。

于是四种情形其实是这两句话的组合:「可解性」由 对 决定,「唯一性」由 对 决定。

另一组同样重要的等式:

是左零空间的维数, 是零空间的维数。见 3-5-四大子空间的维数。

3.5 满秩方阵的等价条件汇总

设 是 方阵。下列命题互相等价(每一个都可以当作「 可逆」的定义或判据):

  1. 可逆(存在 );
  2. (行列式非零);
  3. (满秩);
  4. (零空间只有零向量);
  5. 只有零解;
  6. 的列向量线性无关;
  7. 的行向量线性无关;
  8. 的列张成 ,即 ;
  9. 对任意 , 有唯一解;
  10. (行化简得到单位矩阵);
  11. 的 个主元齐全(消元过程不发生「零主元」);
  12. 的特征值全不为零(即 不是特征值)。

证明思路:这是一条循环等价的链,只需证明若干环环相扣的蕴含关系,其余由传递性得到。

  • :两边左乘 得 。
  • :由 3-2-零空间与阶梯形的定理 2 与推论()。
  • : 个主元必须在 列中列列有主元,RREF 的主元列全是单位向量,故 。
  • : 说明存在可逆矩阵 使 ,于是 (Gauss–Jordan 求逆的原理,见 2-4-矩阵运算与逆矩阵)。
  • : 当且仅当消元不出现零主元当且仅当 (见 5-1-行列式的性质)。
  • : 是解,唯一性由 (或 )得到。
  • :取 ,说明每个 都在 中,故 。
  • :。
  • : 有非零解当且仅当 ;取 得「 是特征值 」。

只在方阵成立

上面这份清单只对 方阵成立。对长方形矩阵,「列满秩」与「行满秩」是两件不同的事,也不存在逆矩阵(只有左逆或右逆,见 7-1-SVD的构造与几何意义 中的伪逆)。

四、计算方法与步骤

求 完整解的标准流程

第 1 步 写出增广矩阵 。

第 2 步 行化简到阶梯形(或 RREF),记下主元列与自由列。

第 3 步 检查可解性:若出现 ()的行,则无解,流程结束。

第 4 步 求特解 :令所有自由变量为 ,回代(或直接从 RREF 读出)主元变量。

第 5 步 求零空间基:令自由变量轮流取 、其余取 ,解出主元变量,得 。

第 6 步 写出完整解:

第 7 步 验算:把 与至少一个 代回 。

为什么第 4 步「令自由变量为 」能拿到特解?

在 RREF 中,主元变量的方程形如

(右端 是化简后的常数列。)令所有自由变量 ,立刻得到

即特解就是「主元位置抄常数列、自由位置填 」:

即:主元位置直接抄化简后方程组的常数列 ,自由位置全部填 。

这是最快的求特解方式,也是为什么先把矩阵化到 RREF 最省事。

另一种特解(不建议手算,但概念上重要):把自由变量置零后剩下的方阵(主元列构成的子矩阵)求解,即

它解析地写作 ,前提是主元列线性无关(一定成立)。

五、例题

例题 1(行满秩 + 有自由变量:无穷多解,) 求解

解

第 1 步:写增广矩阵。

注意 恰好是 的第一列,所以解一定存在( 就是一个解)。但我们仍按标准流程走一遍。

第 2 步:行化简。 第 2 行减去 倍第 1 行,第 3 行减去 倍第 1 行:

第 3 行减去第 2 行(左半部分清零,右端也清零,说明两个方程相容):

第 2 行除以 ,再用它把第 1 行第 3 列消掉:

第 3 步:可解性检查。 没有出现 ()的行;且 (这里 ,,属于「行满秩」情形 ③),所以有解。

第 4 步:求特解。 令自由变量 ,。方程组变成 ,,于是

(正是我们一开始观察到的那个解。)

第 5 步:求零空间基。 由 RREF 读出 ,。

  • ,:,,得 。
  • ,:,,得 。

(与 3-2-零空间与阶梯形 例题 1 的结果一致——这不奇怪: 相同, 就相同。)

第 6 步:写出完整解。

写成坐标形式:

第 7 步:验算。 取 ,,得 :

取 ,,得 :

结论:解集是 中一个二维的不过原点的平面(平移后的零空间),故有无穷多解。

常见误解纠正:不要因为「有两个自由变量」就以为「解集是二维平面所以是子空间」——它不过原点,不是子空间;过原点的那个二维平面()是它的「方向」。

例题 2(列满秩:,无解与唯一解各演示一次) 设

分别求解 与 。

解

先看 的形状:,。两列不成比例( 与 ),所以 (列满秩,情形 ②)。因此零空间只有零向量,解至多一个。

(a) 先解 。

增广矩阵:

行化简:第 2 行减 倍第 1 行,第 3 行减 倍第 1 行:

最后一行左半部分是 、右端是 ,即方程 。由定理 2,无解。

(几何解释: 不在 的两列张成的平面里。这个平面是 中一个过原点的二维子空间,它的方程可以用左零空间写出来:解 ,即

第 1 式乘 减第 2 式得 ,即 ,代回得 。取 得 ,于是相容性条件就是

检查: 给出 ,故无解; 给出 ,故有解。这也说明: 个独立条件恰好就是「 必须与左零空间正交」。)

(b) 再解 。

注意 恰好是 的第一列,所以 是一个解,而且由列满秩知它是唯一解。为了演示流程,仍走一遍:

没有矛盾行,所以有解。继续化到 RREF:

主元列是第 1、2 列,没有自由列,自由变量个数 。直接读出

没有零空间方向可加,所以完整解就是

验算:,成立。

对照小结:同一个 , 无解、 唯一解。决定性因素是 是否在列空间中,不是矩阵本身。 这正是情形 ②「无解或唯一解」的含义。

例题 3(秩不足方阵:,无解或无穷多解) 设

(a) 求 的完整解;(b) 解 ,;(c) 解 ,。

解

注意 的第 2 行等于第 1 行的 倍,所以必有 。

(a)齐次方程。

交换第 2、3 行:

主元列是第 1、2 列,自由列是第 3 列,,。方程是

令自由变量 :

验算:,成立(也说明 )。

(b)解 ,。

第 2 行左半部分全零、右端是 ,即 ,无解。

(原因: 不满足 的行之间必须满足的关系。具体地, 的第 2 行 第 1 行,所以任何 的第 2 个分量必须是第 1 个分量的 倍;但 ,故无解。)

(c)解 ,。

检验行关系: ✓,所以可能可解。

交换第 2、3 行并乘 :

可解性:无矛盾行,,属情形 ④ 的「无穷多解」分支。

特解:令自由变量 :,,故

完整解:

验算:取 ,得 :

取 (即 ): ✓。

解集几何: 中一条过 、方向为 的直线——不过原点,所以不是子空间。

例题 4(情形 ① 与 ③ 的对照) (i) 情形 ①():

,对任何 唯一解。直接得 ,且 。

(ii) 情形 ③():

,对任何 都有解()。取 :增广矩阵已是 RREF 形态

主元列第 1、2 列,自由列第 3 列,。特解(令 ):。零空间基():。

验算 : ✓。解集是 中一条不过原点的直线, 时给出特解。

六、应用

1. 电路分析。 节点法给出 ( 由电导构成)。若存在无解的情形,说明给定的电流分布不满足 Kirchhoff 电流定律;若有无穷多解,说明电路存在「浮动节点」——对应零空间(见 10-1-图与网络)。

2. 化学计量与守恒律。 反应矩阵的零空间给出所有可能的配平方式;若反应右侧的原子数向量不在列空间中,则该反应在原子层面不守恒(无解),这正是定理 2 的物理含义。

3. 数据拟合与最小二乘。 当 (方程比未知量多,典型的数据拟合)时通常 ,属于情形 ②:一般无解。此时退而求其次,解法方程

把 投影到列空间上(见 4-3-最小二乘逼近)。注意 可逆当且仅当 列满秩()——这正是情形 ② 的重要性所在。

4. 结构力学与约束系统。 个自由度、 个独立约束:解存在意味着外载荷在「可传递」的子空间内;零空间维数 是残余自由度(刚体位移模式)。 时意味着约束之间存在冗余(方程不独立),冗余度就是 。

5. 线性规划与网络流。 可行域是 的交集,即解集(一个仿射集)与正象限的交。解集的维数 决定可行域的「平坦程度」(见 10-3-线性规划)。

import numpy as np

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

print("rank(A)      =", np.linalg.matrix_rank(A))            # 2
print("rank([A|b])  =", np.linalg.matrix_rank(np.column_stack([A, b])))  # 2 → 可解

# 最小范数最小二乘解(无解时也返回“最接近”的解)
x, res, rk, sv = np.linalg.lstsq(A, b, rcond=None)
print("lstsq x      =", x)        # 特解方向上的最小范数解
print("residual     =", res)      # 可解时为空数组

b_bad = np.array([1., 0., 0.])
print("rank([A|b_bad]) =",
      np.linalg.matrix_rank(np.column_stack([A, b_bad])))  # 3 > 2 → 无解

8.1 求解线性方程组的三种基本工具(小结)

工具适用条件给出什么代价
消元法(行最简形)任意方程组可解性 + 通解(特解 + 基础解系)手算 ,通用
克拉默法则方阵且 唯一解的显式公式 需算 个 阶行列式,只适合小规模
秩的判据任意方程组只判「有无解 / 解是否唯一」,不给解最快,含参数讨论的首选

克拉默法则的推导与证明见 5-3-克莱姆法则与体积。本节剩下的部分专门讲第三种工具在三个真实场景里的用法——这是国内教材附录(陈维新《线性代数》附录三「线性方程组理论的应用」)的经典内容,也是考试中最常出现的「应用题」。

8.2 应用一:克拉默法则与拉格朗日插值公式

这一小节的地位

它回答一个自然的问题:给定 个点,能不能唯一确定一个次数低于 的多项式? 答案是「能」,理由是范德蒙德行列式非零加上克拉默法则。这是「方程组有唯一解」这一代数结论在函数论中最漂亮的应用。

8.2.1 引理:次数小于 的多项式最多有 个互异根

引理 设 是次数不超过 的多项式(即 )。若 有 个互不相同的根 ,则 是零多项式()。

证明(反证法 + 齐次方程组)

第 1 步 设

其中 是待定的系数。

第 2 步 把 个根代入 ,得到关于 的齐次线性方程组:

写成矩阵形式 ,其中

第 3 步 注意 正是范德蒙德矩阵(Vandermonde matrix)的转置。范德蒙德行列式的值为

(推导与证明见 5-2-排列与代数余子式。)因为 互不相同,每一个因子 ,所以

第 4 步 由 (列数)知 (3-2-零空间与阶梯形 推论 1),即齐次方程组 只有零解:

所以 ,与「反证法假设 非零」矛盾。

这个引理的两种等价说法

1. 次数不超过 的非零多项式最多有 个互异根(根的个数受次数限制)。

2. 两个次数不超过 的多项式,若在 个互异点处取值相同,则它们恒等(作差即化为引理)。

8.2.2 定理:拉格朗日插值公式

定理(插值的唯一存在性) 设 是 个互不相同的数, 是任意 个数。则存在唯一的次数不超过 的多项式 满足

证明(存在性) 令

则 是首项系数为 的 次多项式,且 对每个 成立。再令

(各项的分母 是非零常数:,因为所有 互异。)

验证 :当 时,求和式中每个 的项都含因子 ,故这些项为 ;而 的项中, 与 中的因子 相消,剩下 ,代入 得 。于是第 项等于

其余项为 ,所以 ,存在性得证。

验证次数:每一项 是 次多项式,故 的次数不超过 。

证明(唯一性) 设 都满足条件。则 的次数不超过 ,且有 个互异根 。由 8.2.1 的引理,,即 。

与线性方程组的关系(为什么放在这一篇)

唯一性也可以直接用克拉默法则说明:把 代入 个插值条件,得到 元线性方程组

因为 ,由克拉默法则(见 5-3-克莱姆法则与体积)方程组有唯一解:

其中 是把 的第 列换成 得到的矩阵。所以「插值多项式唯一存在」等价于「范德蒙德方程组有唯一解」——这正是本篇第 3.4 节「秩的四种情形」中情形 ①(,满秩方阵)的实例:系数矩阵是满秩方阵,对任意右端 都有唯一解。

三点提醒

1. 次数小于 是必要的: 个点不能唯一确定一个 次多项式(有无穷多个)。

2. 必须互异:若有重复节点,,方程组可能无解(例如要求 但 ,矛盾),也可能有无穷多解。

3. 范德蒙德方程组是「病态」的:节点很多时 极小,用克拉默法则或直接解 在数值上极不稳定——实际计算插值多项式应使用拉格朗日形式或牛顿差商形式,这是数值分析的内容(参见 11-1-数值稳定性与LU)。

例题 13(拉格朗日插值:求次数小于 4 的多项式)

题目

求一个次数小于 的多项式 ,满足

要求用拉格朗日插值公式求,并用 numpy 复算验证。

第 1 步:确认唯一性。 个互异节点,次数小于 (即 )。由 8.2.2 的定理,这样的 存在且唯一。

第 2 步:写出 与各 。 节点为 ,

逐项求 :

第 3 步:写出插值公式。

第三项 直接消失,于是

第 4 步:化简。 逐项约分(每项都是 与 中同因子相消后的三次多项式):

  • 第 1 项:
  • 第 2 项:
  • 第 3 项:

先展开三个三次项:

代回:

通分(分母 ):

分子的 项:;

分子的 项:;

分子的 项:;

分子的常数项:。

所以

第 5 步:验算。 逐个节点代入:

第 6 步:用 numpy 复算(同时与「直接解范德蒙德方程组」对照)。

import numpy as np

xs = np.array([2., 3., 4., 5.])
bs = np.array([3., -1., 0., 2.])

# 方式一:直接解范德蒙德方程组 V c = b(列依次是 1, x, x^2, x^3)
V = np.vander(xs, 4, increasing=True)
c = np.linalg.solve(V, bs)
print("coeffs c0..c3 =", c)
# [-33.83333333   8.5         -0.66666667]  →  42, -203/6, 17/2, -2/3

# 换成精确有理数看
from fractions import Fraction as F
print("exact =", [F(float(v)).limit_denominator(100) for v in c])
# [Fraction(42,1), Fraction(-203,6), Fraction(17,2), Fraction(-2,3)]

# 方式二:用拉格朗日形式求值,验证两种方式一致
def lagrange(x, xs, bs):
    total = 0.0
    for i, a in enumerate(xs):
        term = bs[i]
        for j, aj in enumerate(xs):
            if j != i:
                term *= (x - aj) / (a - aj)
        total += term
    return total

print("L(2..5) =", [lagrange(x, xs, bs) for x in xs])   # [3, -1, 0, 2]
print("L(3.5)  =", lagrange(3.5, xs, bs))               # -0.875

# 用多项式形式复核
p = np.polynomial.Polynomial(c)
print("p(3.5)  =", p(3.5))                              # -0.875

numpy 的输出与手算完全一致:系数依次为 、、、,即

通分后也写成 。

关于本题参考答案的核对说明

有的教材/题解把本题答案写成 。用 numpy 复算可知这个表达式不满足插值条件:

正确结果为上文给出的 (三处独立验算:拉格朗日公式代数化简、逐点代入、numpy.linalg.solve(V, b) 解范德蒙德方程组)。读书遇到答案不一致时,请自己代回原条件验算——插值问题最容易出错的地方是节点与函数值抄错位置。

为什么「 个点唯一确定一个 次多项式」值得记住

它是三条重要结论的共同来源:

1. 数值积分公式(梯形公式、Simpson 公式)都是用插值多项式代替被积函数再积分得到的;

2. 差分与差商: 个点可以写成牛顿形式 ,系数由差商表给出——与拉格朗日形式是同一个多项式的不同写法(回忆本篇例题 10:特解可以任取,写法不唯一,集合唯一);

3. 曲线拟合与信号重建:这是 4-3-最小二乘逼近 与 12-3-多元高斯与加权最小二乘 中「精确插值」与「近似拟合」的分水岭——点的个数超过待定系数个数时,通常无解,只能求最小二乘解。

8.3 应用二:网络流量(交通流量、灌溉网、电力网)

通用建模思路

任何网络(交通路网、灌溉渠网、电力网、物资流通网、管网、通信网)都可以这样建模:

1. 把网络抽象成图:交叉点/枢纽是节点(vertex),路段/管线是边(edge);

2. 给每条边一个未知流量 (带方向:正数表示沿设定方向流动);

3. 对每个节点写守恒方程(Kirchhoff 电流定律 / 流量守恒):

4. 得到 ,其中 是图的关联矩阵(incidence matrix), 是外部注入/流出的流量;

5. 解这个线性方程组:有解说明流量分配可行;无穷多解说明网络有「自由度」(某些环路可以任意调节流量);无解说明给定的外部流量在物理上不可能守恒。

这正是 10-1-图与网络 的核心内容:关联矩阵的零空间维数等于图中连通分支的个数, 中的向量就是「环流」。

例题 14(交通流量:4 个路口、6 个路段的完整求解)

题目

某城区由 4 个路口 与 6 条单行路段组成。路段、方向与实测的外部车流(单位:辆/小时)如下:

- 路段 :(主路,双向,此处按 计);路段 :;

- 路段 :;路段 :;

- 路段 :(支路,与 平行);路段 :;

- 外部车流: 路口驶入 辆/小时, 路口驶入 辆/小时, 路口驶出 辆/小时, 路口驶出 辆/小时。

(a) 对每个路口写出守恒方程,求全部可行流量分配,并用自由未知量的非负性给出实际可行范围;

(b) 若已知路段 的实测流量为 ,写出各路段的流量的显式公式,并求 的允许范围;

(c) 讨论「路段 封闭」()会怎样变化。

第 1 步:对每个路口列守恒方程。

  • 路口 :流入 (来自 的车流与外部驶入),流出 ,故

  • 路口 :流入 ,流出 ,故

(等价写法:,即 。)

  • 路口 :流入 ,流出 (外部驶出),故

  • 路口 :流入 ,流出 ,故

第 2 步:写成矩阵形式。

增广矩阵:

第 3 步:初等行变换。 用 、:

用 (把第 4 行消成零行):

交换第 2、3 行,并把第 2 行乘 :

继续消元到行最简形::

第 4 步:读信息。

有解,且有无穷多解,基础解系含 个向量。主元列是第 列,自由未知量是 。( 说明四个路口的方程有一个是冗余的: 型关系,物理上就是「四个路口的净流量总和必为零」。)

第 5 步:同解方程组。

第 6 步:特解与基础解系。

特解(自由未知量全取 ):

基础解系(依次取 ,右端视为 ):

  • :,,,得

  • :,,,得

  • :,,,得

第 7 步:通解。

第 8 步:几何意义与「环流」。 。其中 表示「 与 之间的环流」( 两条平行支路之间的内部循环,不影响任何外部车流); 表示「 的环路」( 与 构成的环流)。零空间的每个向量都是网络中的一个环流——这就是 10-1-图与网络 中「关联矩阵零空间 = 环流空间,维数 = 独立回路数」的具体实例。

第 9 步:非负约束给出实际可行范围。 实际流量必须 ,于是

所以可行域是

即 中的一个无界多面体区域。结论:流量分配不唯一,但只要绕行流量 落在 之内,所有路段就都非负可行。

第 10 步 (b):用「两条 支路的总流量」 参数化。 令

(即路口 流向路口 的总车流),则由第 5 步的同解方程组立刻得到

而 只受「,,」的限制。于是全部可行流量分配可以极简地写成:先选定 与 ,再任选 并令 。

逐路口验算一个具体值。 取 (即 )、:

路口原始方程左边值右端是否成立
✓
✓
✓
✓

四个路口全部守恒。 再取 、,得 ,,;同样代入可验证 ✓。

第 11 步:非负约束给出 的实际可行范围。 所有路段流量必须非负:

所以可行域是

结论:若总流量 落在 之外(例如 或 ),则 或 会成为负数,不存在非负可行解——尽管线性方程组本身在那时仍然有解(它是 的任意值)。这是「线性方程组有解」与「实际问题有可行解」的差别:非负约束是线性方程组之外的额外要求,属于线性规划(见 10-3-线性规划)的范围。

第 12 步 (c):路段 封闭()后会怎样?

(i)只把 设为 (路段封闭,但外部车流不变)。 在通解中令 ,记 、,得

非负条件给出 (由 与 ),; 自动成立。

结论:路段 封闭后流量分配仍然可行,只是原来由 承担的那部分车流全部被挤到平行支路 上—— 的取值范围从原来的 ( 时)扩大到 。这解释了为什么有平行支路的路网抗堵塞能力强:封闭一条边只是把流量重新分配,不一定破坏可行性。

(什么时候会破坏可行性:若同时要求 也不能超过某个值,例如再追加 。注意在「」的情形下 就等于 ,于是

矛盾,无可行解。这正是「线性方程组有解、但加上非负约束后无可行解」的情形,属于 10-3-线性规划 的范围。)

(ii)若把「封闭」理解成删去该路段(未知量 直接消失)。 此时网络只剩 5 个路段,关联矩阵变成 ,重新列方程:

行变换后同样得到 、,通解为

非负条件同样是 、——与 (i) 完全一致(这是必然的:把 删掉与令 给出同一个解集)。

第 13 步:真正无解的情形——外部车流总量不守恒。 若把外部车流改成「 驶入 ,其余路口既不驶入也不驶出」,即 ,则对 作行变换得

最后一行是 ,即 ,矛盾。所以

物理原因: 的四个行向量之和为零向量(每个路段在一个路口是流入、在另一个路口是流出,符号相消),即

由例题 8 的相容性条件( 必须与左零空间的每个向量正交),必须有

而 ,条件被破坏。交通流问题的第一道检查永远是「总驶入 = 总驶出」。 对本网络而言 ,相容性条件只有 个,就是这条总量守恒式。

通用结论

任何可控制的网络系统(灌溉网、电力网、物资流通网、供水管网、通信网)的流量计算都归结为解线性方程组,且都有以下共同结构:

| 现象 | 代数含义 | 工程含义 |

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

| 有解 | | 流量分配可行 |

| 无穷多解 | | 网络有内部环流自由度 |

| 无解 | ,即总量不守恒 | 给定的外部流量不可能实现 |

| 非负约束 | 的额外限制 | 实际可行性(单行道不能倒流) |

| 封闭一条边 | 追加一个方程 | 流量重新分配,可行性可能保持也可能破坏 |

关联矩阵 的零空间维数等于图的独立回路数,即 ,其中 是节点数、 是连通分支数;左零空间维数等于连通分支数,即 (本例 )。完整理论见 10-1-图与网络。

8.4 应用三:几何中的线性方程组

8.4.1 平面上两条直线的位置关系 设平面上两条直线

它们的公共点就是方程组

的解。相应的增广矩阵是

位置关系秩的条件解的情况几何图像
相交于一点唯一解两条不平行的直线交于一点
重合无穷多解()两个方程成比例,是同一条直线
平行(不重合)无解方向相同、位置不同

说明: 意味着两个方程的左端成比例(),即两直线平行(或重合)。此时再看增广矩阵的秩:若 也成立,则为重合();否则为平行不重合(,出现矛盾行 ,)。这正是本篇定理 2 的几何版本。

8.4.2 空间中 张平面的公共点 设 中的 张平面

公共点就是 的解,其中 是 的系数矩阵, 是增广矩阵。位置关系与秩的对应表:

位置关系秩的条件解集说明
无公共点无解平面之间互相矛盾(如两张平行平面)
交于一点唯一解三张以上平面恰交于一点
交于一条直线无穷多解,平面束(plane pencil):所有平面共含一条直线
交于一张平面无穷多解,所有平面重合

读法

决定解集的维数( 就是公共部分的维数: 是点、 是直线、 是平面); 是否等于 决定有没有公共点。这与本篇「可解性看两个秩是否相等,唯一性看 与 的关系」完全一致。

8.4.3 个点共线的充要条件

定理 平面上 个点 ()共线,当且仅当

证明

()设秩小于 。 记该矩阵为 ()。(即 )说明 的三个列向量线性相关,即存在不全为零的 使

(这一点的等价说法是:以 为系数矩阵的齐次方程组 有非零解 ,因为 未知量个数。)

逐分量写出:对每个 都有

关键一步:证明 。 若 ,则由 得 ,与「 不全为零」矛盾。所以 。

于是所有 个点都满足同一个非平凡线性方程 ,这是一条直线(因为 保证它不是退化方程),故 点共线。

()设 点共线。 则存在不全为零的 使所有点满足 (直线的方程),即

有非零解,于是 。由「行秩 = 列秩」得 。

两个有用的推论

- 三点共线的判据:(这就是「三角形面积为 」的解析几何公式)。行列式展开后为

行列式的几何意义(面积与体积)见 5-3-克莱姆法则与体积。

- 点共线的本质:把「点」看成 中的向量 ,共线 这些向量都落在一张过原点的平面上(法向量 ),即它们张成的空间维数 。这与本篇「解集是仿射集」的图像完全一致。

例题 15(三直线交于一点 ⇒ 系数向量线性相关且前两个无关)

题目

设平面上三条直线

交于一点,且 不平行。证明:向量 ,, 线性相关,且 线性无关。

证明

第 1 步:化为方程组语言。 三直线交于一点,等价于方程组

有解(公共点 给出解 ,它的第三个分量是 ,故 )。

第 2 步:由「有非零解」得 。 齐次方程组 有非零解,说明 ,即 ,所以

第 3 步: 等价于行向量组线性相关。 的三个行向量正是 (转置不改变相关性),行秩 = 向量个数,所以 线性相关。

第 4 步: 线性无关。 反证:若 线性相关,则存在不全为零的 使 ,逐分量写出即

前两式说明 与 成比例(因为 ,至少一个非零;不妨设 ,则 )。而直线的法向量 成比例正是两直线平行或重合的判据——这与「 不平行」矛盾。

(更严格地说:若 与 成比例,则 要么平行、要么重合;题目已排除平行,但「重合」也与「交于一点」矛盾——重合的两直线有无穷多公共点,不能构成「交于一点」的三线共点图形。故必有 之外无解,即 线性无关。)

第 5 步:结论的另一种形式( 行列式判据)。 由第 3、4 步,,所以 的任意三阶子式为零:

反之,若上述行列式为 且 无关(即前两行不成比例,前两直线不平行),则三直线必交于一点。这是「三线共点」最常用的判别法。

实例验算

取 ,,。

- 的交点:解 得 ,。

- 代入 :,不共点。

- 检验行列式: ✓,与「不共点」一致。

若把 改成 (即 ,与 重合),则行列式为 ,三线共点(且共点于整条直线)——这正是「 的反面:,无穷多解」的情形。

例题 16(含参数的三平面位置关系分类讨论)

题目

讨论参数 取何值时,三张平面

没有公共点、交于一点、交于一条直线?要求分类齐全并说明理由。

第 1 步:写出系数矩阵与增广矩阵。

第 2 步:算系数行列式(最高阶子式)。

所以 的零点是 (二重)与 。这三个值把实轴分成三段,逐段讨论。

第 3 步:情形一—— 且 。 此时 ,由克拉默法则

即三平面交于唯一一点。由对称性(三个方程在 的置换下不变)可取 ,代入任一方程得 ,故交点为

第 4 步:情形二——。 此时

(i)求 。 三阶子式 ;而二阶子式

(ii)求 。 对 作行变换:

(iii)比较秩。 最后一行是 ,即 ,矛盾,故

即三平面没有公共点。

(iv)几何解释。 此时三个行向量之和为零向量:

而右端之和为 ,条件被破坏。三个法向量 之和为零且两两不成比例,所以三平面两两相交于三条平行直线(构成一个「三棱柱」形配置),没有公共点。注意 时三个方程的左端相加恒为 ,所以任何 的三个分量之和必为 ;而右端之和为 ,故无解。

若把右端换成

若 且右端是 ,则由同一个行变换得 ,,无穷多解:三平面交于一条直线(过原点、方向 )。这正说明「无公共点」是由右端引起的,而不是由系数矩阵引起的。

第 5 步:情形三——。 此时三张平面都是

(i)求秩。

两个矩阵都是三行相同,一阶子式 ,二阶子式全为 ,所以

(ii)解的情况。 ,有无穷多解,。同解方程是 ,即

(iii)几何解释。 三张平面完全重合,公共部分是一张平面(而不是直线或点)。

第 6 步:补充讨论—— 但右端不全相等。 若把右端改成 (此时 是三张互相平行但不重合的平面,法向量都是 ),则

出现 ,故

三张平行平面没有公共点。这说明 时「重合」还是「无公共点」取决于右端是否一致——必须把右端一起讨论,不能只算系数矩阵。

第 7 步:分类汇总表。

参数公共点几何配置通解
且 恰一点三平面交于一点
()无公共点两两相交成三条平行直线(三棱柱)——
()交于一条直线三平面共含一条直线(平面束)
()交于一张平面三平面重合见第 5 步
()无公共点三平面互相平行——

这道题的四条方法要点

1. 先算最高阶子式(这里是 )找临界参数,它把参数轴切成若干段。

2. 对每个临界参数值,用「低一阶的非零子式」定出 (如 时用二阶子式得 ; 时所有二阶子式为 ,故 )。

3. 一定要把右端带进增广矩阵一起算——同样的 配不同的 ,几何结论可能完全不同( 的两种情形、 的两种情形都是如此)。

4. 用行变换复核,并给出几何解释(法向量关系、平面束、平行平面)。

例题 17(证明题: 点共线的秩判据与三点面积公式)

题目

(1) 证明:平面上 个点 共线,当且仅当

(2) 由此证明三点 共线当且仅当

证明 (1) ()设 。考虑以 为系数矩阵的齐次方程组。 是 矩阵, 未知量个数,由 3-2-零空间与阶梯形 推论 2( 时必有非零解的思想,此处是 ),,即存在非零向量 使

逐行写出即 对每个 成立。

若 ,则 (由任一式),与 非零矛盾。所以 ,方程 是一条真正的直线,全部 个点都在它上面,故共线。

()设 点都在直线 上,其中 。则 且 ,所以 ,,即 。

证明 (2) 时 是 方阵。由 (1),三点共线 ;而方阵的秩小于 当且仅当它的行列式为零(本篇第 3.5 节满秩方阵的等价条件:)。故

附注(几何意义) 该行列式的绝对值等于三角形面积的两倍:

所以「三点共线 行列式为零 三角形面积为零」是同一件事的三种说法。行列式与面积/体积的一般关系见 5-3-克莱姆法则与体积。

与本章主线的呼应

这个例题把三件事串起来了:

1. 齐次方程组有非零解()——本篇定理 3;

2. 秩的子式定义( 判秩)——本篇第十三节与 3-2-零空间与阶梯形 第十五节;

3. 行列式的几何意义(面积、体积)——5-3-克莱姆法则与体积。

几何问题转化为线性方程组问题,是「线性代数为什么有用」的最直接例证。

七、易错点

解 的十个常见错误

1. 忘记检查可解性就先求特解:无解时「令自由变量为 回代」会得到矛盾,或得到看似有意义的数——必须先看有没有 ()。

2. 把解集当子空间: 时解集不过原点,不是子空间;只有 时解集才是 。

3. 对 做行化简,却忘了对 同步操作:必须用增广矩阵一起化简,只化 会丢掉可解性信息。

4. 误以为「 一定无解」: 只是说 可能是真子空间( 时才有无解的 );若恰好 (只能在 时发生,所以 时确实 )——准确说法是: 时存在无解的 ,但给定的 完全可能有唯一解。

5. 误以为「有多余方程就一定无解」:多余方程可能彼此相容(如例题 1 的第三行),此时有无穷多解。

6. 忘记特解不唯一:任何特解都可以,不同特解给出的表达式只是「同一个集合的不同参数化」。写答案时不必与标准答案逐字一致,但要能互相转换。

7. 把 与 比、 与 比时搞混:唯一性看 与 ( 则唯一),可解性看 与 ( 则必有解)。反过来记会全盘出错。

8. 以为解只能是「0 个、1 个、2 个」:线性方程组的解数只可能是 、 或 ,绝不可能恰好 个(因为若有两个解,它们的差是非零零空间向量,可以任意倍数叠加)。

9. 非齐次与齐次的自由变量处理混用:求特解时把自由变量全部置零;求零空间基时轮流置 。两者目的不同,不能混。

10. 对长方形矩阵套用「可逆」的语言: 时 不存在,只能说列满秩/行满秩。列满秩给「唯一性」,行满秩给「可解性」,两者不可兼得(除非 )。

八、练习题

基础题 1 设 。分别讨论 与 时 的解,并写出有解时的完整解。

基础题 2 解方程组

指出它属于秩的四种情形中的哪一种。

进阶题 3 设 是 矩阵,。对任意 , 有多少解?零空间的维数是多少?解集在 中的「维数」(作为仿射集)是多少?

进阶题 4 设 ,。先判断 与 ,再求完整解。

思考题 5 证明:若 恰有两个不同的解,则它有无穷多个解。(提示:利用两个解的差。)

思考题 6 设 是 矩阵,,且 有解。证明:解集 是子空间当且仅当 。

九、常见问题 FAQ Q1:为什么特解可以随便取?

因为定理 1 的证明只用到「 是解」与「」两条事实,没有用到 的任何特殊性。若换一个特解 ,则 ,于是

(因为 已在零空间里,加它不改变集合)。所以不同特解给出同一个集合,只是参数化不同。

Q2:可解性条件为什么等价于「不出现 ,」?

行化简把方程组变成同解的方程组。若化简后某行是 (),这一行读出来就是 ,即 ,矛盾,故无解。反之若没有这样的行,则每个非零行都含一个主元,可以自由变量取零后逐行回代,一定解得出主元变量的值,故有解。这与 是同一件事。

Q3: 时到底哪些 有解?

恰好是列空间 中的那些。 是 中一个 维子空间,可以用「 的 个行关系」来描述:若 (左零空间),则对任何 都有

即 必须与左零空间正交。这些等式就是 必须满足的相容性条件(compatibility conditions),共有 个独立条件。见 3-5-四大子空间的维数 与 4-1-四大子空间的正交性。

Q4:为什么「唯一性看 与 」而「可解性看 与 」?

因为未知量有 个(自由变量的个数 决定解的自由度),方程有 个(列空间维数 与 的维数 的关系决定 是否可达)。几何上: 把 映到 中的 维子空间,定义域一侧的塌陷决定唯一性,值域一侧的覆盖决定可解性。

Q5: 什么时候可逆?和本篇有什么关系?

可逆 列满秩()。证明:(由 ),所以 零空间只有零向量 零空间只有零向量。这正是情形 ② 的条件:只有列满秩时,超定方程组的最小二乘解才唯一。详见 4-3-最小二乘逼近。

十、用基础解系写完整解

为什么这一节必须看

国内教材讲线性方程组时,通解一定写成「特解 + 基础解系的线性组合」:给分点是「求出基础解系」与「写出通解」两步,缺一步都扣分。本节把本库的「完整解」翻译成这个格式,并补上含参数方程组的讨论——这是国内考试最常出的大题类型。

10.1 从「完整解」到「通解」

回顾本篇定理 1:。再回顾 3-2-零空间与阶梯形 第十二节: 的一组基就是基础解系 ,其中每个 由「第 个自由未知量取 、其余自由未知量取 」得到。把两件事合起来,就得到国内教材的标准形式:

定理(非齐次线性方程组的通解结构) 设 是 矩阵,, 有解, 是它的一个特解, 是导出组 的一个基础解系。则 的全部解为

其中 是任意常数。 时求和部分为空,通解就是唯一的特解。

证明 (基础解系是基),代入定理 1 的 即得。

求通解的完整流程(国内考试版)

第 1 步 对增广矩阵 只用初等行变换化为行最简形 。

第 2 步 比较 与 :不相等则无解,结束。

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 令所有自由未知量为 ,得到特解 。

第 5 步 令自由未知量依次取 、其余取 ,右端视为 ,得到基础解系 。

第 6 步 写出通解 ,并注明 为任意常数。

三个扣分点

1. 不写「 为任意常数」:通解必须含任意常数,否则只是特解。

2. 基础解系的个数写错:个数是 ( = 未知量个数),不是 。

3. 只讨论 相等的情形:含参数的题目里,参数取不同值时两个秩可能不相等(无解),必须分情况讨论,「 相等时才有解」这一步不能省。

10.2 含参数方程组的讨论(国内高频大题)

含参数方程组的一般解法是「先把系数矩阵的秩与增广矩阵的秩都算出来,再比较」。因为两个秩都可能随参数变化,所以要先找临界参数值(通常是系数矩阵的行列式的零点),再对每个临界值单独讨论。

含参数方程组的三步法

第 1 步 算系数矩阵的行列式 (方阵情形),求出它的零点 。这些就是「秩可能下降」的临界值。

第 2 步 在 的范围内,,方程组有唯一解(对任意 )。

第 3 步 对每个临界值 代回原方程,分别求 与 ,再比较:

- :无解;

- :唯一解(这在方阵情形只可能发生在 );

- :无穷多解,基础解系含 个向量。

例题 5(、:一个参数的完整解)

题目

求非齐次线性方程组

的通解(要求写出特解与基础解系)。

第 1 步:增广矩阵。

第 2 步:化行最简形。 ,再 :

第 3 步:比较秩。 (,行满秩),有解。主元列是第 1、2 列,自由未知量是 ,所以

基础解系含 个解向量。

第 4 步:同解方程组。

第 5 步:特解(自由未知量取 )。 令 :

第 6 步:基础解系(自由未知量取 ,右端视为 )。 令 :,,所以

(基础解系可以相差任意非零倍数,取 同样正确。)

第 7 步:通解。

第 8 步:验算。 取 : ✓, ✓。取 :, ✓, ✓。取 :, ✓, ✓。

结论:解集是 中过点 、方向为 的直线(不过原点,故不是子空间),有无穷多解。

例题 6(、:两个主元、三个自由未知量)

题目

求解线性方程组

若有解,写出通解;若无解,说明理由并给出一个使方程组有解的右端向量。

第 1 步:写增广矩阵。

第 2 步:前向消元。 用 、、:

再用 、:

第 3 步:比较秩。 第三行左半部分全为 、右端为 ,即方程 ,矛盾。所以

由本篇定理 2,方程组无解。几何上: 不在 的列空间 中( 只是 中的一个二维子空间,即一张过原点的平面)。

第 4 步:说明矛盾来自哪里。 的行向量之间有两组关系:

这些关系必须被右端继承,但

两个条件都不满足,所以无解。(这正是 个相容性条件。)

第 5 步:换一个相容的右端求通解。 取 (令 ,,两个条件都满足)。此时

,有解,且 。主元列是第 1、3 列,自由未知量是 。同解方程组为

第 6 步:特解(自由未知量全取 )。

第 7 步:基础解系(依次取 )。

  • ,其余取 :,,得 ;
  • ,其余取 :,,得 ;
  • ,其余取 :,,得 。

第 8 步:通解。

第 9 步:验算 。 的第 1、2 列完全相同(都是 ),所以 ✓,与 一致。

「」不等于「有无穷多解」

本例 ,但原方程组无解。 只保证「若有解则有无穷多解」。判断顺序永远是:先比较两个秩判可解性,再用 与 判唯一性。

例题 7(含参数方程组:三种情形全出现)

题目

讨论参数 取何值时,线性方程组

有唯一解、无解、有无穷多解?有解时求出通解。

第 1 步:算系数行列式。 系数矩阵为

按第一行展开:

因式分解( 是根):

第 2 步:情形一—— 且 。

由克莱姆法则或直接观察:三行相加得 ,又由对称性 ,代入任一方程得 ,所以

第 3 步:情形二——。 此时

三行完全相同(),行化简后有 个非零行,且不存在 ()的行,所以

同解方程:,即 ,自由未知量是 ,基础解系含 个向量。

  • 特解():;
  • ,:;
  • ,:。

通解为

即 ,,,其中 可以取任意值——解集是 中一张不过原点的平面(法向量 ,过点 ),所以有无穷多解。

第 4 步:情形三——。 此时

先看秩。(由第 1 步),而二阶子式

所以 (因为不存在非零的三阶子式)。用行变换复核并同时处理右端:

第三行左半部分全为 、右端为 ,即 ,矛盾。故

为什么会矛盾:当 时三个行向量之和为零向量(),于是任何 的三个分量之和必为 ;但 ,条件被破坏。

第 5 步:结论汇总。

参数取值解的情况通解
且 唯一解
无穷多解
无解——

这个例子的价值

它把本篇「秩的四种情形」里的三种(① 满秩方阵唯一解、④ 秩不足无解、④ 秩不足无穷多解)用同一个方程组、只改一个参数演示出来。含参数题的关键就是不要漏掉任何一个临界参数值:本例若漏掉 ,就会漏掉「无穷多解」这一整种情形。

例题 8(证明题:可解性的相容性条件)

题目

设 是 矩阵,。证明: 有解,当且仅当 与左零空间 中的每一个向量都正交,即

并说明这些条件中共有 个是独立的。

证明(必要性) 设 有解,取任意 ,即 。两边取转置得 ,于是

所以 与每个左零向量正交。

证明(充分性) 设 对每个 成立,即 。由正交补的基本定理(第四章,见 4-1-四大子空间的正交性), 可正交分解为

且 。于是 ,即 是 的列的线性组合,由本篇定理 2()得 有解。

补充(条件的个数) ,取它的一组基 ,则「 与每个左零向量正交」等价于「 与这 个基向量都正交」(因为任何 是它们的线性组合,正交性可以线性传播)。所以相容性条件共有 个独立等式,与

是同一件事的两种说法。

几何意义:列空间 是 中一个 维子空间,它被 个线性方程「切」出来(每个左零基向量给出一个方程 )。所谓「可解」就是 满足这 个方程。当 时没有条件(,必有解);当 时至少有一个条件(存在无解的 )。这正好解释了本篇定理 3 的第 3、4 条。

不要与「 个自由变量」混淆

- :解的个数的自由度(定义域一侧)。

- :可解性要满足的条件个数(值域一侧)。

两者只在方阵时相等。把它们弄反是本章最经典的错误。完整账本见 3-5-四大子空间的维数。

例题 9(证明题: 至多一个解 列向量组线性无关)

题目

设 是 矩阵,。证明: 至多有一个解,当且仅当 的列向量组 线性无关。

证明

()设列向量组线性无关。 设 都是解,即 且 。相减得

把 的分量记为 ,按列展开即

由线性无关的定义,,即 。所以至多一个解。

()设 至多有一个解。 反证:若 线性相关,则存在不全为零的系数 使

即存在非零向量 使 ,也就是 。

  • 若 无解:取任何 使有解(例如 ,此时 是解),则 处至少有两个解 与 ,与「至多一个解」矛盾(注意:我们的条件是「对给定的这个 」还是「对任意 」需要区分,见下)。
  • 若 有解 :由定理 1, 也是解,且 说明两者不同,于是至少两个解,矛盾。

所以 ,由 3-2-零空间与阶梯形 推论 1 得 ,再由本篇定理 1(矩阵判定)等价于列向量组线性无关。

条件的精确含义

「至多一个解」必须理解为对给定的 。例如 、 时方程无解,也就「至多一个解」( 个);但 的列显然相关,此时上述「」的论证需要先在 的前提下构造另一个解——由于本题给定 无解,只能改用「」这个有解的右端来给出反例。这正是为什么教材把这个定理写成「对任意 至多一个解」或「有解时至多一个解」的版本:

例题 10(证明题:特解可以任取,解集不变)

题目

设 与 都是 的解。证明

并由此说明:通解表达式中的特解可以任取,不同写法给出的是同一个集合。

证明 分两步。

第 1 步:。 由矩阵乘法的线性性,

所以 。记 。

第 2 步:两个平移集合相等。 任取 (),则

而 (零空间对加法封闭),所以 ,即

对称地(把 与 互换)得反向包含,故两个集合相等。

推论(用基础解系的语言) 若

是两个通解表达式( 都是特解, 是同一个基础解系),则它们描述同一个解集,只是参数化不同。二者的参数之间有显式换算:设 ,则 。

考试怎么写才不会被判「与标准答案不同」

解集是集合,写法不唯一。判断自己的答案是否正确,最可靠的办法是代回原方程验算,或者证明自己写的解集与参考答案互相包含(即两组「特解 + 基础解系」能互相线性表示)。这也是 3-4-线性无关基与维数 中「基不唯一」的直接推论。

十一、非齐次方程组解的结构

四条性质一览

设 是 的解, 是导出组 的解,。

| 编号 | 性质 | 一句话 |

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

| 1 | 是 的解 | 两个解之差是齐次解 |

| 2 | 是 的解 | 加齐次解仍是解 |

| 3 | | 解的线性组合对应右端的线性组合 |

| 4 | | 全部解 = 特解 + 导出组通解 |

11.1 四条性质的证明

性质 1(两个解之差是导出组的解) 设 ,。则

即 是导出组 的解。

性质 2(特解加齐次解仍是解) 设 ,。则

性质 3(线性组合对应右端的线性组合) 设 ,,。则

特别地: 是 的解; 是 的解; 是 的解,取 就回到性质 1。

性质 4(结构定理:全部解 = 特解 + 导出组通解) 需要两个包含关系。

  • :由性质 2,每个 都是解。
  • :设 是任一解,则 由性质 1 是导出组的解,记为 ,于是 ,属于右边。

两者相等。再代入基础解系 ,即得国内教材的标准形式

11.2 四条性质推出的五个结论

  1. 解的个数只有三种:无解( 个)、唯一解( 个)、无穷多解。由性质 1 与 2,只要导出组有非零解,就能用 的任意取值造出无穷多个解。
  2. 唯一性判据:(即 )时, 至多一个解。因为此时性质 4 中的 只能取 。
  3. 可解性判据: 时有解(本篇定理 2)。
  4. 特解任取:不同特解只改变参数化的原点位置,不改变解集(例题 10)。
  5. 齐次与非齐次的关系: 时,任何一个特解都可以取 ,性质 4 退化为「齐次方程的全部解就是基础解系的所有线性组合」——齐次情形是非齐次情形的特例。

与 3-2-零空间与阶梯形 第十三节的关系

该节从「零空间」的角度讲同一件事,本节从「方程组」的角度讲。两处的结论完全一致:

前者是国内教材写法(显式列出基础解系),后者是本库写法(用零空间这个几何对象)。

十二、向量组的秩与极大线性无关组如何决定解的情况

一个翻译

「 的列向量组 的秩」就是 ;「 的行向量组的秩」也等于 (行秩 = 列秩)。所以前面所有关于 的结论都可以改写成「向量组的秩」的语言:

| 本库说法 | 国内说法 | 对方程组的意义 |

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

| (列满秩) | 列向量组线性无关,秩为 | 解至多一个(唯一性) |

| (行满秩) | 行向量组线性无关,秩为 | 一定有解(可解性) |

| | 可由列向量组线性表示 | 有解 |

| | 不能由列向量组线性表示 | 无解 |

| | 基础解系含 个向量 | 有解时解的自由度 |

| | 加上 后极大无关组变大 | 无解 |

12.1 用极大无关组判断可解性(不用消元的判据)

定理 设 。则

证明 「 可由列向量组线性表示」 有解(本篇定理 2 的 );而「 可由 线性表示」 加入 后张成空间不扩大 向量组的秩不变。

实践意义:从向量组的极大无关组出发判断可解性时,可以先把列向量组化简(求极大无关组与秩),再看 能否由极大无关组表示——若不能,则无解。这与「比较 与 」等价,但有时更快(极大无关组只有 个向量,判断表示关系只需解一个 元方程组)。

含参数向量组与含参数方程组是同一件事

「 能否由 唯一线性表示」这个问题,翻译成方程组的语言就是

「能否表示」 有解;「表示是否唯一」 。所以三道看似不同的题——含参数方程组、含参数向量组的线性表示、含参数矩阵的秩——本质上是同一道题,都可以用「算秩、比较秩」解决。这也说明为什么国内教材要把「向量组的秩」「极大无关组」「线性表示」与「线性方程组」放在同一章:它们是同一套语言。

12.2 用子式法快速判断含参数方程组的解 对方阵系数矩阵 ,最省力的顺序是:

  1. 算 ,找出使 的参数值(此时秩下降,可能出现无解或无穷多解);
  2. 时:唯一解(克莱姆法则可直接给出公式);
  3. 时:代回原方程组,比较 与 。

例题 7 就是按这个顺序做的,其中 时 、 时 ,两次都是先从三阶子式(行列式)为零入手,再用二阶子式定出具体秩。

十三、秩的子式定义与计算

国内教材的秩定义

国内教材用子式定义秩: 中最高阶非零子式的阶数就是 。这在含参数的秩与可解性讨论中最有用,因为它把「秩是否下降」转化为「某个行列式是否为零」。

13.1 定义与可解性的子式判据

定义 在 矩阵中任取 行 列(),交叉处的元素按原位置构成的 阶行列式称为 的一个 阶子式。若存在 阶非零子式,而所有 阶子式全为零,则 。

定理(方程组的子式判据) 设 为 矩阵, 为增广矩阵。则

用子式说: 有解,当且仅当使得 的某个子式非零的最高阶数不超过 ,等价地说: 中任何包含最后一列的非零子式,都能在 中找到一个同阶的非零子式与之对应。最常用的操作版是:

用子式判可解性的操作版

设 。则 无解的典型标志是:存在一个包含 这一列的 阶子式非零。因为在 中所有 阶子式都是 ,而把 换进来以后出现了非零的 阶子式,说明 不能被列向量组线性表示。

更精确的表述: 时 落在 维列空间中(有解); 时 把秩「抬高」了一阶(无解)。

例题 11(用子式判断含参数方程组的可解性)

题目

讨论参数 取何值时,方程组

有唯一解;并对使 的参数值,判断是否有解。

题面修正

上面的第三个方程写成 显然是笔误(出现了两个 )。本章采用惯例修正:第三式为 ,即与例题 7 相同的系数矩阵

但把右端改成一般形式 ,以便完整展示子式法的两种用法。

第 1 步:算最高阶(三阶)子式。

(推导见例题 7 第 1 步。)所以

第 2 步: 时的二阶子式。 此时

任取两行两列所得的二阶子式都是 (两行相同),而一阶子式 ,所以

第 3 步: 时的二阶子式。 此时

三阶子式为零,而取第 1、2 行与第 2、3 列:

所以存在非零二阶子式,;结合三阶子式为零得

第 4 步:用「含 的子式」判可解性( 的情形)。 对增广矩阵

考虑包含第 4 列的三阶子式(即取三行与第 1、2、4 列,第 1、3、4 列,第 2、3、4 列等)。以取第 1、2、3 行与第 1、2、4 列为例:

所以

由操作版判据:若 ,则 有三阶非零子式而 的最高阶非零子式只有二阶,即 ,无解。

反之若 ,则三个含第 4 列的三阶子式全为零(它们都等于 的倍数),故 ,有无穷多解。

第 5 步: 的情形。 此时 的三行完全相同,增广矩阵的三行也完全相同,任何含 的二阶子式形如

所以

本题 ,三个分量相等,故 (即 )时有无穷多解,与例题 7 的结论一致。

第 6 步:结论汇总。

参数可解性条件(用子式写)解的情况
无(必有解)唯一解
时有解,否则无解无穷多解 / 无解
时有解,否则无解无穷多解 / 无解

子式法与消元法的分工

- 含参数的秩与可解性讨论:用子式法——因为行列式给出参数的显式零点,一眼就能看出分界点。

- 求具体的解(通解、基础解系):用消元法(行最简形)——因为子式法虽然能判秩,却不会直接给出解。

- 两者常常配合使用:先用子式法定出参数的临界值与秩,再用消元法在临界值处求通解(如例题 7 那样)。

例题 12(证明题:由两个解构造全部解)

题目

设 是 矩阵,,且 有解。已知它的两个不同的解 。证明:

(1) 也是 的解;

(2) 若 ,则 的全部解恰为

证明 (1) 由性质 3(取 ,):

所以 是解。

证明 (2) 时

即导出组的解空间是一条直线(一维)。由性质 1,,且它非零(因为 ),所以它是 的一组基(一维空间中任何非零向量都构成基,见 3-4-线性无关基与维数)。

由本篇定理 1(或性质 4),

其中 由 (1) 是一个特解。

几何意义:当 时,解集是一条过 、方向为 的直线;两个已知解的中点在这条直线上(它是特解),两个已知解之差给出这条直线的方向。这解释了为什么「已知两个解」在 时就足以写出全部解——一个点加一个方向确定一条直线。

一般情形的推广

若 (),已知两个解只能确定一条直线(一维仿射子空间),要确定整个平面还需要三个解:例如 可以给出两条方向 、,只要它们线性无关,就张成整个零空间。一般地:

这与 3-4-线性无关基与维数 中「 个点确定一个 维仿射子空间」是同一件事。

本篇小结

一句话总览

解 只需回答三个问题:有没有解( 在不在列空间 / 吗)、有多少解( 是否为 )、解长什么样()。

核心公式

名称公式用途
完整解 / 通解写出全部解
可解性 for all 判有没有解
唯一性判解是否唯一
自由度基础解系向量个数
相容性条件个数无解时缺几个条件
特解取法自由未知量全部取 最快得到

秩的四种情形(再记一遍)

情形条件解
① 满秩方阵对任意 唯一解
② 列满秩无解或唯一解
③ 行满秩对任意 无穷多解
④ 秩不足 且 无解或无穷多解

方法清单

  1. 求通解:增广矩阵 → 行最简形 → 比较两个秩 → 特解(自由未知量取 )+ 基础解系(自由未知量依次取 )。
  2. 含参数方程组:先算 找临界值 → 非临界时唯一解 → 临界值逐个代回,比较 与 。
  3. 用子式判可解性: 时,若存在含 列的 阶非零子式,则无解。
  4. 验证答案:把特解与至少一个 代回原方程;或证明自己的解集与参考答案互相包含。

三条最值得记住的「为什么」

  1. 为什么解集是「特解 + 零空间」:任意两个解的差被 映成 ,所以差别全部落在零空间里。
  2. 为什么「唯一性看 与 、可解性看 与 」:定义域一侧的塌陷()决定解的自由度;值域一侧的覆盖( 对 )决定 是否可达。
  3. 为什么解的个数不可能是 2:有两个解就有一个非零的差向量落在零空间里,它可以被任意倍数地叠加,于是立刻有无穷多个解。

下一步

  • 基础解系、极大无关组、秩的子式定义的完整版 → 3-2-零空间与阶梯形
  • 基、维数、秩—零化度定理、行秩 = 列秩 → 3-4-线性无关基与维数
  • 四个子空间的维数账本与 的含义 → 3-5-四大子空间的维数
  • 相容性条件的正交解释 → 4-1-四大子空间的正交性
  • 无解时的最优替代(最小二乘) → 4-3-最小二乘逼近

相关笔记

  • 3-2-零空间与阶梯形 —— 的求法、基础解系的定义与求法、极大无关组、秩的子式定义
  • 3-4-线性无关基与维数 —— 线性无关、基、维数与秩—零化度定理;行秩 = 列秩
  • 3-5-四大子空间的维数 —— 四个子空间的维数与 、
  • 2-2-消元法的思想 —— 主元、回代与消元失败(无解)的三种情形
  • 2-4-矩阵运算与逆矩阵 —— 方阵可逆与唯一解的关系、Gauss–Jordan 求逆
  • 5-2-排列与代数余子式 —— 范德蒙德行列式(拉格朗日插值唯一性的依据)
  • 5-3-克莱姆法则与体积 —— 克拉默法则;行列式的面积与体积意义( 点共线的几何解释)
  • 4-1-四大子空间的正交性 —— 相容性条件的正交解释
  • 4-3-最小二乘逼近 —— 无解时的最优替代方案
  • 10-1-图与网络 —— 网络流量、关联矩阵与环流空间(8.3 节的完整理论)
  • 10-3-线性规划 —— 流量问题加上非负约束后的完整理论
  • 11-1-数值稳定性与LU —— 范德蒙德方程组与插值的数值不稳定性

参考来源

  • MIT OpenCourseWare, 18.06 Linear Algebra, Spring 2010,Lecture 8「Solving : Row reduced form 」与 Lecture 7「The nullspace: Solving 」:<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/>
  • MIT OCW, 18.06 阅读安排与章节对应(Chapter 3.3):<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 3.3 节「The Complete Solution to 」与第 3.4 节「Independence, Basis, and Dimension」:<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「线性方程组」(有解判别定理 、非齐次方程组解的结构)。
  • NumPy 文档 numpy.linalg.matrix_rank(比较 与 的数值实现):<https://numpy.org/doc/stable/reference/generated/numpy.linalg.matrix_rank.html>
  • NumPy 文档 numpy.linalg.lstsq(无解时的最小二乘解):<https://numpy.org/doc/stable/reference/generated/numpy.linalg.lstsq.html>
  • SciPy 文档 scipy.linalg.null_space(用 SVD 构造标准正交零空间基,可与 RREF 手算结果对照):<https://docs.scipy.org/doc/scipy/reference/generated/scipy.linalg.null_space.html>