3.2 A 的零空间：求解 Ax=0 和 Rx=0

passxgx

已于 2024-03-15 22:42:49 修改

阅读量521

点赞数 7

分类专栏： # 第3章向量空间与子空间文章标签：线性代数

于 2024-02-26 21:51:10 首次发布

本文链接：https://blog.csdn.net/passxgx/article/details/135921915

版权

第3章向量空间与子空间专栏收录该内容

5 篇文章 0 订阅

订阅专栏

一、零空间

$A\boldsymbol x=\boldsymbol 0$ 所有的解构成一个子空间，称为零空间。 $A$ 是 $m\times n$ 的矩阵，它可以是方阵也可以是矩形的。右侧的向量 $\boldsymbol b=\boldsymbol 0$ ，我们可以立即求出它的一个解是 $\boldsymbol x=\boldsymbol 0$ ，对于可逆矩阵来说这是它的唯一解，对于不可逆矩阵，则 $A\boldsymbol x=\boldsymbol 0$ 有非零解，这些解都在 $A$ 的零空间中。
消元法可以找到所有的解，并且鉴别这个非常重要的子空间。 $零空间\,\pmb N(A)\,由A\boldsymbol x=\boldsymbol 0\,所有的解组成。这些向量\,\boldsymbol x\,都在\,\pmb {\textrm R}^n\,中。$ 下面来检验这些解可以形成子空间。假设 $\boldsymbol x$ 和 $\boldsymbol y$ 都在零空间中，即有 $A\boldsymbol x=\boldsymbol 0$ 且 $A\boldsymbol y=\boldsymbol 0$ ，由矩阵的乘法法则可得 $A(\boldsymbol x+\boldsymbol y)=\boldsymbol 0+\boldsymbol 0$ ；同样可得 $A(c\boldsymbol x)=c\boldsymbol 0$ ，右侧的向量仍然是零。因此， $\boldsymbol x+\boldsymbol y$ 和 $c\boldsymbol x$ 都在零空间 $\pmb N(A)$ 中，即在零空间中向量的加法和数乘封闭，所以，它是一个子空间。
注：解 $\boldsymbol x$ 有 $n$ 个分量，它们是 $Rn \pmb{\textrm R}^n$ 中的向量，因此零空间 $\pmb N(A)$ 是 $Rn \pmb{\textrm R}^n$ 的一个子空间，列空间 $\pmb{C}(A)$ 是 $\textrm{\pmb{R}}^m$ 的一个子空间。

【例1】描述 $A=\begin{bmatrix}1&2\\3&6\end{bmatrix}$ 的零空间，这是一个奇异矩阵！
解：对线性方程 $A\boldsymbol x=\boldsymbol 0$ 使用消元法： $\begin{matrix}x_1+2x_2=0\\3x_1+6x_2=0\kern 4pt\end{matrix}\rightarrow\begin{matrix}x_1+2x_2=0\\\kern 35pt0=0\end{matrix}$ 这里实际上只有一个方程，第二个方程是第一个方程的 $3$ 倍。在行图像中，直线 $x_1+2x_2=0$ 与直线 $3x_1+6x_2=0$ 完全相同，这条直线就是零空间 $\pmb N(A)$ ，它包含所有的解 $x_1,x_2)$ 。
有一个有效的方法用来描述 $A\boldsymbol x=\boldsymbol 0$ 的解：取直线上的一点（一个特殊解），该直线上所有的点都是这个点的倍数。我们让第二个分量 $x_2=1$ （一个特殊选择），由方程 $x_1+2x_2=0$ ，则第一个分量一定是 $x_1=-2$ ，这个特殊解 $\boldsymbol s=(-2,1)$ 。

$特殊解\,A\boldsymbol s=\boldsymbol 0\kern 10ptA=\begin{bmatrix}1&2\\3&6\end{bmatrix}\,的零空间包含\,\boldsymbol s=\begin{bmatrix}-2\\\kern 7pt1\end{bmatrix}的所有倍数$

通过计算 $A\boldsymbol x=\boldsymbol 0$ 的特殊解，这是描述零空间最好的方法。因为我们令自由变量 $x_2=1$ ，所以这个解是特殊解。 $A\,的零空间由所有\,A\boldsymbol x=\boldsymbol 0\,特殊解的线性组合组成。$ 【例2】 $x + 2 y + 3 z = 0$ 来自于 $1\times3$ 的矩阵 $A=\begin{bmatrix}1&2&3\end{bmatrix}$ ， $A\boldsymbol x=\boldsymbol 0$ 产生一个平面。该平面上的所有向量都与 $(1, 2, 3)$ 垂直，这个平面就是 $A$ 的零空间。这里由两个自由变量 $y$ 和 $z$ ：将它们设为 $0$ 和 $1$ $\begin{bmatrix}1&2&3\end{bmatrix}\begin{bmatrix}x\\y\\z\end{bmatrix}=0\,有两个特殊解\,\boldsymbol s_1=\begin{bmatrix}-2\\\kern 7pt\pmb1\\\kern 7pt\pmb0\end{bmatrix}和\,\boldsymbol s_2=\begin{bmatrix}-3\\\kern 7pt\pmb0\\\kern 7pt\pmb1\end{bmatrix}$ 向量 $\boldsymbol s_1$ 和 $\boldsymbol s_2$ 都在平面 $x + 2 y + 3 = 0$ 上，该平面上所有的向量就是 $\boldsymbol s_1$ 和 $\boldsymbol s_2$ 的线性组合。
注意 $\boldsymbol s_1$ 和 $\boldsymbol s_2$ 的特殊性，后面两个是自由分量，我们特意将它们设成 $1, 0$ 和 $0, 1$ ，则由方程 $A\boldsymbol x=\boldsymbol 0$ 可以确定第一分量分别是 $- 2$ 和 $- 3$ 。
$x+2y+3z=\pmb 6$ 所有的解也都在一个平面上，但是这个平面不是子空间，因为 $\boldsymbol x=\boldsymbol 0$ 时不在该平面上。

本节有两个关键步骤：
（1）将 $A$ 简化成行阶梯形式 $R$
（2）求 $A\boldsymbol x=\boldsymbol 0$ 的特殊解

二、主元列和自由列

$A=\begin{bmatrix}1&2&3\end{bmatrix}$ 的第一列是唯一的主元，所以 $\boldsymbol x$ 的第一分量不是自由的。自由分量对应的是没有主元的列。特殊选择（ $1$ 或 $0$ ）只能用在特殊解的自由变量。

【例3】求 $A 、 B 、 C$ 的零空间，并且求出 $C\boldsymbol x=\boldsymbol 0$ 的两个特殊解。 $A=\begin{bmatrix}1&2\\3&8\end{bmatrix}\kern 10ptB=\begin{bmatrix}\kern 7ptA\\2A\end{bmatrix}=\begin{bmatrix}1&2\\3&8\\2&4\\6&16\end{bmatrix}\kern 10ptC=\begin{bmatrix}A&2A\end{bmatrix}=\begin{bmatrix}1&2&2&4\\3&8&6&16\end{bmatrix}$ 解： $A\boldsymbol x=\boldsymbol 0$ 只有一个解 $\boldsymbol x=\boldsymbol 0$ ， $A$ 零空间就是 $\pmb {\textrm Z}$ ，只包含 $R2 \pmb{\textrm R}^2$ 空间中的一个点 $\boldsymbol x=\boldsymbol 0$ ，我们可以通过消元法来得到答案： $A\boldsymbol x=\begin{bmatrix}1&2\\3&8\end{bmatrix}\begin{bmatrix}x_1\\x_2\end{bmatrix}=\begin{bmatrix}0\\0\end{bmatrix}消元后得\begin{bmatrix}1&2\\0&2\end{bmatrix}\begin{bmatrix}x_1\\x_2\end{bmatrix}=\begin{bmatrix}0\\0\end{bmatrix}即有\begin{bmatrix}x_1=0\\x_2=0\end{bmatrix}$ $A$ 是可逆矩阵，没有特殊解，两列都有主元。
矩形矩阵 $B$ 与 $A$ 是相同的零空间 $\pmb{\textrm Z}$ 。 $B\boldsymbol x=\boldsymbol 0$ 的前两个方程会得到 $\boldsymbol x=\boldsymbol 0$ ，后两个方程同样会得到 $\boldsymbol x=\boldsymbol 0$ 。如果我们增加额外的方程（额外的行），零空间不可能会变大，因为多出来的行会对零空间中的 $\boldsymbol x$ 有更多的限制条件。
矩形矩阵 $C$ 和前两个矩阵的零空间不同，它有额外的列而不是额外的行，这样解 $\boldsymbol x$ 就有 $4$ 个分量，消元会在 $C$ 的前两列产生主元，但是 $C$ 和 $U$ 的后两列是自由列，它们没有主元：

在这里插入图片描述
对于自由变量 $x_3$ 和 $x_4$ ，我们选取特殊的 $1$ 和 $0$ 。首先令 $x_3=1,x_4=0$ ，然后令 $x_3=0,x_4=1$ ，主元变量 $x_1$ 和 $x_2$ 就可以由方程 $U\boldsymbol x=\boldsymbol 0$ （或 $C\boldsymbol x=\boldsymbol 0$ ）解出。这样就得到了 $C$ 零空间的两个特殊解，也是 $U$ 的零空间：消元法不会改变解。
$\begin{matrix}特殊解\\C\boldsymbol s=\boldsymbol 0\\U\boldsymbol s=\boldsymbol 0\end{matrix}\kern 15pt\boldsymbol s_1=\begin{bmatrix}-2\\\kern 7pt0\\\kern 7pt1\\\kern 7pt0\end{bmatrix},\boldsymbol s_2=\begin{bmatrix}\kern 7pt0\\-2\\\kern 7pt0\\\kern 7pt1\end{bmatrix}\begin{matrix}\left.\rule{0mm}{5mm}\right\}主元变量\\\left.\rule{0mm}{5mm}\right\}自由变量\end{matrix}$

三、简化行阶梯形式 R

若 $A$ 是矩形矩阵，当我们得到上三角 $U$ 后，还可以继续化简，通过下面两步，可以得到最简的形式 $R$ ：

$\begin{matrix}1、将主元上方变为\,0;&在\,R\,中，使用主元行向上消元\\2、将主元变为 \,1.\kern 19pt&将整个主元行除以它的主元\kern 10pt\end{matrix}$

这些步骤不会改变方程右侧的零向量，零空间都是一样的： $\pmb N(A)=\pmb N(U)=\pmb N(R)$ 。得到简化行阶梯形式（Reduced row echelon form） $R = rre f (A)$ 后，能更容易观察零空间。 $R$ 的主元列包含单位矩阵 $I$ 。

$\,R\kern 15ptU=\begin{bmatrix}1&2&2&4\\0&2&0&4\end{bmatrix}变为\,R=\begin{bmatrix}\pmb1&\pmb0&2&0\\\pmb0&\pmb1&0&2\end{bmatrix}$

$U$ 的行 $1$ 减去行 $2$ ，然后行 $2$ 乘上 $\displaystyle\frac{1}{2}$ 得到主元等于 $1$ 。现在有 $\pmb{(自由列\,3)=2(主元列\,1)}$ ，因此 $- 2$ 会出现在 $\boldsymbol s_1=(-2,0,1,0)$ ，特殊解可以很容易从 $R\boldsymbol x=\boldsymbol 0$ 求得。 $R$ 的每个自由列，改变所有的符号就可以得到 $\boldsymbol s$ 。第二个特殊解是 $\boldsymbol s_2=(0,-2,0,1)$ 。
对于很多矩阵来说， $A\boldsymbol x=\boldsymbol 0$ 仅有唯一解 $\boldsymbol x=\boldsymbol 0$ ，它们的零空间 $\pmb N(A)=\textrm {\pmb Z}$ 仅仅包含零向量，没有特殊解。唯一可以产生 $\boldsymbol b=\boldsymbol 0$ 的列的组合就是 “零组合”。 $A\boldsymbol x=\boldsymbol 0$ 的就是平凡（trivial）解（只有 $\boldsymbol x=\boldsymbol 0$ ），但是这个概念不平凡。
这种零空间是 $\pmb{\textrm Z}$ 的情况是非常重要的，它说明 $A$ 的各列是无关的，没有组合（除了零组合）可以得到零向量。所有的列都有主元，没有自由列。
$\pmb{阶梯矩阵\,R\,的主元变量和自由变量}\\A=\begin{bmatrix}p&p&f&p&f\\|&|&|&|&|\\|&|&|&|&|\\|&|&|&|&|\\|&|&|&|&|\end{bmatrix}\kern 10ptR=\begin{bmatrix}\pmb1&0&a&0&c\\0&\pmb1&b&0&d\\0&0&0&\pmb1&e\\0&0&0&0&0\end{bmatrix}\kern 10pt\boldsymbol s_1=\begin{bmatrix}-a\\-b\\\kern 7pt\pmb1\\\kern 7pt0\\\kern 7pt\pmb0\end{bmatrix}\kern 10pt\boldsymbol s_2=\begin{bmatrix}-c\\-d\\\kern 7pt\pmb0\\-e\\\kern 7pt\pmb1\end{bmatrix}\\3个主元列p\kern 72ptI在主元列\kern 71pt特殊解\,R\boldsymbol s_1=\boldsymbol 0\,和\,R\boldsymbol s_2=\boldsymbol 0\\2个自由列f\kern 69ptF在自由列\kern 70pt从\,R\,中取-a\,到-e\kern 33pt\\R\,中显露\kern 82pt3个主元：秩 \,r=3\kern 38ptR\boldsymbol s=\boldsymbol 0\,则\,A\boldsymbol s=\boldsymbol 0\kern 43pt\\R\,中表明:column\,3=a(column\,1)+b(column\,2)，A\,中也有同样的关系。\kern 0pt\\特殊解\,\boldsymbol s_1\,也表明了上述组合，(-a,-b,1,0,0)\,有\,R\boldsymbol s_1=\boldsymbol 0。\kern 65pt\\A\,的零空间=R\,的零空间=\boldsymbol s_1\,和\,\boldsymbol s_2\,的所有组合。\kern 105pt$ 下面是有 $3$ 个主元的 $4\times7$ 简化行阶梯矩阵 $R$ 的步骤：

$R=\begin{bmatrix}\pmb1&\pmb0&x&x&x&\pmb0&x\\\pmb0&\pmb1&x&x&x&\pmb0&x\\\pmb0&\pmb0&0&0&0&\pmb1&x\\0&0&0&0&0&0&0\end{bmatrix}\begin{matrix}三个主元变量\,x_1,x_2\,x_6\\\kern 18pt四个自由变量\,x_3,x_4,x_5,x_7\\\pmb N(R)中有四个特殊解\kern 4pt\\\kern 5pt主元行和主元列中含有\,I\end{matrix}$

问题： 矩阵 $R$ 的列空间和零空间分别是什么？
答： $R$ 的列空间有 $4$ 个分量，因此它在 $R4 \pmb {\textrm R}^4$ 中。每个列的第四个分量都是 $0$ ，因此所有列的线性组合即列空间的每个向量的第四个分量都是 $0$ ，列空间 $\pmb C(R)$ 由所有形如 $b_1,b_2,b_3,0)$ 的向量组成，对于这些向量 $R\boldsymbol x=\boldsymbol b$ 有解。
零空间 $\pmb N(R)$ 是 $R7 \pmb{\textrm R}^7$ 的子空间， $R\boldsymbol x=\boldsymbol 0$ 的解是四个特殊解的所有组合——每个特殊解对应一个自由变量：

列 $3, 4, 5, 7$ 没有主元，因此四个自由变量是 $x_3,x_4,x_5,x_7$ 。
将其中一个自由变量设为 $1$ ，另外三个自由变量设为 $0$ 。
求出 $R\boldsymbol x=\boldsymbol 0$ 的三个主元变量 $x_1,x_2,x_6$ 就得到 $\boldsymbol s$ 。

计算主元的个数得到一个非常重要的定理：假设 $A$ 的列数多于行数，当 $n > m$ 时，则至少有一个自由变量， $A\boldsymbol x=\boldsymbol 0$ 至少有一个特殊解，这个解不是零。

假设 $A\boldsymbol x=\boldsymbol 0$ 未知数的个数比方程的个数多（ $n\times m$ ，列数比行数多），则至少有一个自由列， $A\boldsymbol x=\boldsymbol 0$ 有非零解。

一个又矮又宽的矩阵（ $n > m$ ）的零空间必有非零向量，因为主元的个数不可能超过 $m$ ，所以至少有 $n - m$ 个自由变量。（矩阵只有 $m$ 行，每行不可能存在 $2$ 个主元）。一行可能没有主元 —— 这意味着存在自由变量，这里的重点是：当存在自由变量时，它可以被设为 $1$ ，此时 $A\boldsymbol x=\boldsymbol 0$ 至少有一些列非零解。
零空间是一个子空间，它的 “维度” 就是自由变量的数量。

四、矩阵的秩

数字 $m 、 n$ 给出了矩阵的大小，但是不一定是线性系统的真正大小，例如方程 $0 = 0$ 就不算。如果矩阵 $A$ 有两个相同的行，那么消元后第二行将会消失；同样的如果行 $3$ 是行 $1$ 和行 $2$ 组合，那么行 $3$ 在上三角矩阵 $U$ 和简化阶梯矩阵 $R$ 中都会变成 $0$ 。我们不会计算全 $0$ 的行， $A$ 的真正大小是由矩阵的秩（rank）决定的。

$\pmb{秩的定义}\kern 20ptA\,的秩就是主元的个数，用\,r\,表示。$

最终的矩阵 $R$ 有 $r$ 个非零行。下面是一个 $3\times4$ 矩阵的例子，秩 $r = 2$ ： $4\,列，2\,个主元\kern 10ptA=\begin{bmatrix}1&1&2&4\\1&2&2&5\\1&3&2&6\end{bmatrix}\kern 10ptR=\begin{bmatrix}\pmb1&\pmb0&2&3\\\pmb0&\pmb1&0&1\\0&0&0&0\end{bmatrix}$ $A$ 的前两列是 $(1, 1, 1)$ 和 $(1, 2, 3)$ ，它们是不同的方向，这些是主元列（将会在 $R$ 中显现）。第三列 $(2, 2, 2)$ 是第一列的倍数，该列不会有主元；第四列 $(4, 5, 6)$ 是前三列的和，因此第四列也没有主元。矩阵 $A$ 和 $R$ 的秩就是 $2$ 。 $\pmb{每个自由列都是前面主元列的组合，特殊解\,\boldsymbol s\,会告诉我们这些组合：}\\\textrm{Column}\,\,3=\pmb2(\textrm{column}\,\,1)+\pmb0(\textrm{column}\,\,2)\kern 8pt\boldsymbol s_1=(\pmb{-2,-0},1,0)\\\textrm{Column}\,\,4=\pmb3(\textrm{column}\,\,1)+\pmb1(\textrm{column}\,\,2)\kern 8pt\boldsymbol s_2=(\pmb{-3,-1},0,1)$ $R$ 的列 $3$ 中的数字 $2, 0$ 出现在 $\boldsymbol s_1$ 中（符号相反）； $R$ 的列 $4$ 中的数字 $3, 1$ 出现在 $\boldsymbol s_2$ 中（符号相反）。

五、秩一

秩一矩阵只有一个主元，消元后第一列产生 $0$ 后，其它列也会得到 $0$ ，每一行都是主元行的倍数，同时每一列都是主元列的倍数。 $\pmb{秩一矩阵}\kern 10ptA=\begin{bmatrix}\pmb1&3&10\\\pmb2&6&20\\\pmb3&9&30\end{bmatrix}\rightarrow R=\begin{bmatrix}\pmb1&3&10\\0&0&0\\0&0&0\end{bmatrix}$ 秩一矩阵的列空间是一维的，这里所有的列都是通过 $\boldsymbol u=(1,2,3)$ 的直线， $A$ 的列分别是 $\boldsymbol u$ ， $3\boldsymbol u$ 和 $10\boldsymbol u$ ，将这些数字放在一行 $\boldsymbol v^T=\begin{bmatrix}1&3&10\end{bmatrix}$ 就可以得到这个特殊的秩一形式 $A=\boldsymbol u\boldsymbol v^T$ ： $A=列乘行=\boldsymbol u\boldsymbol v^T\kern 10pt\begin{bmatrix}1&3&10\\2&6&20\\3&9&30\end{bmatrix}=\begin{bmatrix}\pmb1\\\pmb2\\\pmb3\end{bmatrix}\begin{matrix}\begin{bmatrix}\pmb1&\pmb3&\pmb{10}\end{bmatrix}\\\\\\\end{matrix}$ 对于秩一矩阵， $A\boldsymbol x=\boldsymbol 0$ 会很好理解，由方程 $\boldsymbol u(\boldsymbol v^T\boldsymbol x)=\boldsymbol 0$ 可以得到 $\boldsymbol v^T\boldsymbol x=\boldsymbol 0$ ，因此，所有零空间中的向量 $\boldsymbol x$ 都与行空间中的 $\boldsymbol v$ 垂直。 $r = 1$ 的几何意义是： $行空间 = 直线，零空间 = 垂直的平面$ 。

【例4】当所有的行都是主元行的倍数时，则矩阵的秩有： $r = 1$ ：

$\begin{bmatrix}1&3&4\\2&6&8\end{bmatrix}与\begin{bmatrix}0&3\\0&5\end{bmatrix}与\begin{bmatrix}5\\2\end{bmatrix}与\begin{bmatrix}6\end{bmatrix}都为秩一矩阵$

这些矩阵在 MATLAB 中可以使用简化行阶梯指令 $R = rre f (A)$ 来检验：

$R=\begin{bmatrix}1&3&4\\0&0&0\end{bmatrix}与\begin{bmatrix}0&1\\0&0\end{bmatrix}与\begin{bmatrix}1\\0\end{bmatrix}与\begin{bmatrix}1\end{bmatrix}都只有一个主元$

第二个秩的定义更高阶，它处理整个行与整个列——处理的是向量而不只是数字。这三个矩阵 $A$ 、 $U$ 和 $R$ 都有 $r$ 个无关行。
$A$ 、 $U$ 和 $R$ 同样也有 $r$ 个无关列（主元列）。
秩的第三个定义是线性代数的最高层次，它处理的是向量空间。秩 $r$ 是列空间的维数，也是行空间的维数。而 $n - r$ 是零空间的维数。

六、消元法：大局

这里在向量和子空间层次来说明消元法，其中 $A$ 简化至 $R$ 。消元法从第一主元开始，一次移动一列（从左到右），以及一次移动一行（从上到下）。在移动时，消元法可以回答以下两个问题：
问题1：该列是前面列的线性组合吗？
如果该列有主元，那么就不是，主元列与前面的列是无关的。如果该列没有主元，则它是前面列的组合。
问题2：该行是前面行的线性组合吗？
如果该行有主元，则不是，主元行与前面的行是无关的。如果该行没有主元，则它是前面行的组合。
通过矩阵消元这一过程，就可以同时回答以上两个问题，实际上消元得到的是上三角矩阵 $U$ ，并不是行简化矩阵 $R$ ，从 $U$ 到 $R$ 需要从底部向上进行消元。 $U$ 可以告诉我们哪些列是前面较早列的组合（失去主元的），而 $R$ 则会告诉我们是什么样的组合。
换句话说，通过 $R$ 我们可以得到 $A\boldsymbol x=\boldsymbol 0$ 的特殊解。我们可以通过不同的行交换和消元的方法从 $A$ 得到 $R$ ，但是得到的 $R$ 是相同的（因为 $A$ 决定了特殊解）。 $R$ 展现了三个基础子空间的 “基底（base）”：

$A$ 的列空间 —— 选择 $A$ 的主元列为基底。
$A$ 的行空间 —— 选择 $R$ 的非零行为基底。
$A$ 的零空间 —— 选择 $R\boldsymbol x=\boldsymbol 0$ 的特殊解为基底。

我们从消元法也得到了一个最重要的数值 —— 秩 $r$ 。这个数字主元列和主元行的个数， $n - r$ 是自由列和特殊解的个数。
简化 $\begin{bmatrix}A&I\end{bmatrix}$ 到 $\begin{bmatrix}R&E\end{bmatrix}$ 可以得到 $A$ 的几乎所有信息（包括 $E A = R$ ）。矩阵 $E$ 是 $A$ 到 $R$ 的消元记录；当 $A$ 是可逆方阵时， $R$ 就是 $I$ ， $E$ 就是 $A^{-1}$ 。

七、主要内容总结

零空间 $\pmb{ N}(A)$ 是 $Rn \pmb{\textrm R}^n$ 的子空间，它包含 $A\boldsymbol x=\boldsymbol 0$ 的所有解。
对 $A$ 进行消元可以得到一个行简化矩阵 $R$ ，它含有主元列和自由列。
每个自由列都可以得到一个特殊解，令其中一个自由变量为 $1$ ，其它的为 $0$ 即可求出特殊解。
$A$ 的秩 $r$ 是主元的个数， $R = rre f (A)$ 的所有主元都是 $1$ 。
$A\boldsymbol x=\boldsymbol 0$ 的完整解是 $n - r$ 个特殊解的组合。
如果 $n > m$ ，则 $A$ 至少有一个自由列， $A\boldsymbol x=\boldsymbol 0$ 有非零解。

八、例题

【例5】如果 $E A = R$ 且 $E$ 可逆，则为什么 $A$ 和 $R$ 有相同的零空间？
解：若 $A\boldsymbol x=\boldsymbol 0$ ，则 $R\boldsymbol x=EA\boldsymbol x=E\boldsymbol 0=\boldsymbol 0$ ；
若 $R\boldsymbol x=\boldsymbol 0$ ，则 $A\boldsymbol x=E^{-1}R\boldsymbol x=E^{-1}\boldsymbol 0=\boldsymbol 0$ 。
所以 $A$ 和 $R$ 有相同的零空间，且有相同的行空间和秩。

【例6】创建一个 $3\times4$ 的矩阵 $R$ ，并且 $R\boldsymbol x=\boldsymbol 0$ 的特殊解为 $\boldsymbol s_1$ 和 $\boldsymbol s_2$ ： $\boldsymbol s_1=\begin{bmatrix}-3\\\kern 7pt1\\\kern 7pt0\\\kern 7pt0\end{bmatrix}，\kern 5pt\boldsymbol s_2=\begin{bmatrix}-2\\\kern 7pt0\\-6\\\kern 7pt1\end{bmatrix}\kern 10pt\begin{matrix}主元列是列\,1\,和列\,3\\自由变量是\,x_2和\,x_4\end{matrix}$ 描述所有可能的矩阵A，它的零空间 $\pmb N(A)=所有的\,\boldsymbol s_1和\,\boldsymbol s_2\,的组合$ 。
解：简化矩阵 $R$ 在列 $1$ 和列 $3$ 的主元为 $1$ ，由于没有第三主元，所以 $R$ 的行 $3$ 全为 $0$ 。自由列 $2$ 和 $4$ 是主元列的组合： $R$ 的 $3, 0, 2, 6$ 是从 $\boldsymbol s_1$ 和 $\boldsymbol s_2$ 中的 $- 3, - 0, - 2, - 6$ 得来的，每个 $A = ER$ 。
每个 $3\times4$ 的矩阵至少有一个特殊解，这个矩阵有两个： $R=\begin{bmatrix}\pmb1&\pmb3&0&\pmb2\\0&\pmb0&\pmb1&\pmb6\\0&0&0&0\end{bmatrix}有R\boldsymbol s_1=\boldsymbol 0\,且\,R\boldsymbol s_2=\boldsymbol 0$ 【例7】求矩阵 $A$ 和 $B$ 的行简化形式 $R$ 以及它们的秩（与 $c$ 有关）。哪个是矩阵 $A$ 的主元列？特殊解是什么？ $求特殊解\kern 10ptA=\begin{bmatrix}1&2&1\\3&6&3\\4&8&c\end{bmatrix}\kern 15ptB=\begin{bmatrix}c&c\\c&c\end{bmatrix}$ 解：对于矩阵 $A$ ，它的第二行是第一行的 $3$ 倍，若 $c\neq4$ ，则 $A$ 的秩为 $2$ ；主元列是列 $1$ 和列 $3$ ，自由变量是 $x_2$ ，注意 $R$ 的形式，行 $3$ 移到了行 $2$ 的位置。 $c\neq4\kern 10ptR=\begin{bmatrix}\pmb1&2&0\\0&0&\pmb1\\0&0&0\end{bmatrix}\kern 15ptc=4\kern 10ptR=\begin{bmatrix}\pmb1&2&1\\0&0&0\\0&0&0\end{bmatrix}$ 当 $c = 4$ 时，只有列 $1$ 是主元列（秩一），第二和第三个变量是自由变量。特殊解： $c\neq4\kern 5pt\,特殊解(-2,1,0)\kern 10ptc=4\,另一特殊解\,(-1,0,1)$ $2\times2$ 的矩阵 $B=\begin{bmatrix}c&c\\c&c\end{bmatrix}$ ，当 $c\neq0$ 时， $r = 1$ ；当 $c = 0$ 时， $r = 0$ 。 $c\neq0\kern 5ptR=\begin{bmatrix}1&1\\0&0\end{bmatrix}\kern 10ptc=0\kern 5ptR=\begin{bmatrix}0&0\\0&0\end{bmatrix}\kern 5pt零空间为\,\pmb{\textrm R}^2$