本文深入探讨了线性方程组的解集，包括齐次方程组和非齐次方程组。对于齐次方程组，阐述了解的参数向量形式，指出解集与自由变量的关系。非齐次方程组的解集可通过特解加上齐次方程组解集来描述，形成一条通过特解并平行于齐次解集的直线。通过几何直观理解线性方程组的解集，有助于更好地掌握线性代数中的这一核心概念。
小结
- 齐次线性方程组的定义。
- 解集的参数向量形式。
- 非齐次线性方程组的解。
齐次线性方程组
线性方程组称为齐次的，若它可写成 A x = 0 \boldsymbol{Ax}=\boldsymbol{0} Ax=0的形式，其中 A \boldsymbol{A} A是 m × n m{\times}n m×n矩阵而 0 \boldsymbol{0} 0是 R m \mathbb{R}^{m} Rm中的零向量。这样的方程组至少有一个解，即 x = 0 \boldsymbol{x}=\boldsymbol{0} x=0（ R n \mathbb{R}^{n} Rn中的零向量），这个解称为它的平凡解。对给定方程 A x = 0 \boldsymbol{Ax}=\boldsymbol{0} Ax=0，重要的是它是否有非平凡解，即满足 A x = 0 \boldsymbol{Ax}=\boldsymbol{0} Ax=0的非零向量 x \boldsymbol{x} x。
齐次方程 A x = 0 \boldsymbol{Ax}=\boldsymbol{0} Ax=0有非平凡解当且仅当方程至少有一个自由变量。
确定齐次方程组 { 3 x 1 + 5 x 2 − 4 x 3 = 0 − 3 x 1 − 2 x 2 + 4 x 3 = 0 6 x 1 + x 2 − 8 x 3 = 0 \begin{cases} 3x_1 + 5x_2 - 4x_3 = 0 \\ -3x_1 - 2x_2 + 4x_3 = 0 \\ 6x_1 + x_2 - 8x_3 = 0 \\ \end{cases} ⎩⎪⎨⎪⎧3x1+5x2−4x3=0−3x1−2x2+4x3=06x1+x2−8x3=0是否有平凡解，并描述它的解集。
解：令 A \boldsymbol{A} A为该方程组的系数矩阵，用行化简算法把增广矩阵 [ A 0 ] \begin{bmatrix}\boldsymbol{A} & \boldsymbol{0} \end{bmatrix} [A0]化为阶梯形
[ 3 5 − 4 0 − 3 − 2 4 0 6 1 − 8 0 ] \begin{bmatrix}3 & 5 & -4 & 0 \\ -3 & -2 & 4 & 0 \\ 6 & 1 & -8 & 0\end{bmatrix} ⎣⎡3−365−21−44−8000⎦⎤～ [ 3 5 − 4 0 0 3 0 0 0 9 0 0 ] \begin{bmatrix} 3 & 5 & -4 & 0 \\ 0 & 3 & 0 & 0 \\ 0 & 9 & 0 & 0\end{bmatrix} ⎣⎡300539−400000⎦⎤～ [ 3 5 − 4 0 0 3 0 0 0 0 0 0 ] \begin{bmatrix} 3 & 5 & -4 & 0 \\ 0 & 3 & 0 & 0 \\ 0 & 0 & 0 & 0\end{bmatrix} ⎣⎡300530−400000⎦⎤
因为 x 3 x_3 x3是自由变量，故 A x = 0 \boldsymbol{Ax}=\boldsymbol{0} Ax=0有平凡解（对 x 3 x_3 x3的每一个选择都有一个解）。为描述解集，继续把 [ A 0 ] \begin{bmatrix}\boldsymbol{A} & \boldsymbol{0} \end{bmatrix} [A0]化为简化阶梯形：
[ 1 0 − 4 3 0 0 1 0 0 0 0 0 0 ] { x 1 = f r a c 43 x 3 x 2 = 0 x 3 为 自 由 变 量 \begin{bmatrix} 1 & 0 & -\frac{4}{3} & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{bmatrix} \qquad \begin{cases} x_1 = frac{4}{3}x_3 \\ x_2 = 0 \\ x_3为自由变量 \\ \end{cases} ⎣⎡1
最低0.47元/天 解锁文章
扫一扫
1008
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
