高等代数：3 线性方程组的解集的结构

3 线性方程组的解集的结构

3.1 n维向量空间$K^n$

1、定义1：数域K上所有n元有序数组组成的集合$K^n$,连同定义在它上面的加法运算和数量乘法运算，以及满足的8条运算法则一起，称为数域K上的一个n维向量空间。$K^n$的元素称为n维向量；设向量$\alpha =(a_1,a_2,\dots ,a_n)$，称$a_i$是$\alpha$的第$i$个分量。

取定一个数域K，设n是任意给定的一个正整数。令
K n = { ( a 1 , a 2 , … , a n )   ∣   a i ∈ K , i = 1 , 2 , … , n } . K^n=\{(a_1,a_2,\dots,a_n)\space|\space a_i \in K,i=1,2,\dots,n\}. Kn={(a1​,a2​,…,an​) ∣ ai​∈K,i=1,2,…,n}.
如果$a_1=b_1,a_2=b_2,\dots ,a_n=b_n$，则称$K^n$中两个元素$(a_1,a_2,\dots ,a_n)$与$(b_1,b_2,\dots ,b_n)$相等。

在$K^n$中规定加法运算如下：
$$(a_1,a_2,\dots ,a_n)+(b_1,b_2,\dots ,b_n)\stackrel{\text{def}}{=}(a_1+b_1,a_2+b_2,\dots ,a_n+b_n)$$
在$K$的元素与$K^n$的元素之间规定数量乘法运算如下：
$$k(a_1,a_2,\dots ,a_n)\stackrel{\text{def}}{=}(k{a}_1,k{a}_2,\dots ,k{a}_n)$$
容易直接验证加法和数量乘法满足下述8条运算法则：对于$\alpha ,\beta ,\gamma \in K^n;k,l\in K$ 有

(1)$\alpha +\beta =\beta +\alpha$；

(2)$(\alpha +\beta )+\gamma =\alpha +(\beta +\gamma )$；

(3)把元素$(0,0,\dots ,0)$记作0，它使得
$$0+\alpha =\alpha +0=\alpha ,$$
称0是$K^n$的零元素；

(4)对于$\alpha =(a_1,a_2,\dots ,a_n)\in K^n$，令
$$-\alpha \stackrel{\text{def}}{=}(-a_1,-a_2,\dots ,-a_n)\in K^n,$$
有
$$\alpha +(-\alpha )=(-\alpha )+\alpha =0,$$
称$-\alpha$是$\alpha$的负元素；

(5)$1\alpha =\alpha$;

(6)$(kl)\alpha =k(l\alpha )$;

(7)$(k+l)\alpha =k\alpha +l\alpha$;

(8)$k(\alpha +\beta )=k\alpha +k\beta$.

2、补充：

(1)通常用小写字母$\alpha ,\beta ,\gamma$表示向量。

(2)在n维向量空间$K^n$中，可以定义减法运算如下：
$$\alpha -\beta \stackrel{\text{def}}{=}\alpha +(-\beta ).$$
(3)在n维向量空间$K^n$中，容易直接验证下述4条性质：
$$\begin{array}{rl}0\alpha =0,& \forall \alpha \in K^n;\\ (-1)\alpha =-\alpha ,& \forall \alpha \in K^n;\\ k0=0,& \forall k\in K;\\ k\alpha =0⟹& k=0或\alpha =0\end{array}$$
(4)n元有序数组写成一行，称为行向量；写成一列，称为列向量。$K^n$既是n维行向量组成的向量空间，也是n维列向量组成的向量空间。

(5)在$K^n$中，给定向量组${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s$，对于$\beta \in K^n$，如果存在K中一组数$c_1,c_2,\dots ,c_s$使得
$$\beta =c_1{\alpha }_1+c_2{\alpha }_2+\cdots +c_s{\alpha }_s,$$
那么称$\beta$可以由${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s$线性表出（示）。$\beta$是向量组${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s$的一个线性组合，其中$c_1,c_2,\dots ,c_s$称为系数。

3、定义2：$K^n$的一个非空子集U如果满足：
$$\begin{array}{rl}(1)& \alpha ,\gamma \in U⟹\alpha +\gamma \in U,\\ (2)& \alpha \in U,k\in K⟹k\alpha \in U,\end{array}$$
那么称U是$K^n$的一个线性子空间，简称子空间。其中性质（1）称为U对于$K^n$的加法封闭；性质（2）称为U对于$K^n$的数量乘法封闭。

(1) {0}是$K^n$的一个子空间，称为零子空间。$K^n$本身也是$K^n$的一个子空间。

(2) 从而，$K^n$中，向量组${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s$的所有线性组合组成的集合W是$K^n$的一个子空间，称它为${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s$生成（或张成）的子空间，记作
$$<{\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s>$$
(3) 命题1：数域K上n元线性方程组$x_1{\alpha }_1+x_2{\alpha }_2+\cdots +x_n{\alpha }_n=\beta$有解
$$\begin{array}{rl}⟺& \beta 可以由{\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n线性表出\\ ⟺& \beta \in <{\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n>\end{array}$$

3.2 线性相关与线性无关的向量组

1、定义1：$K^n$中向量组${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s(s⩾1)$称为是线性相关的，如果有K中不全为0的数$k_1,k_2,\dots ,k_s$，使得
$$k_1{\alpha }_1+\cdots +k_s{\alpha }_s=0$$
2、定义2：$K^n$中向量组${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s(s⩾1)$如果不是线性相关的，那么称为线性无关的。

3、从定义1和定义2显得：

（1）包含零向量的向量组一定线性相关$(k0+{\alpha }_2+\cdots +0{\alpha }_s=0)$;

（2）单个向量$\alpha$线性相关当且仅当$\alpha =0(因为k\alpha =0,k\ne 0⟺\alpha =0)$;

从而单个向量$\alpha$线性无关当且仅当$\alpha \ne 0$;

（3）$K^n$中，向量组
$${\epsilon }_1=\left[\begin{array}{c}1\\ 0\\ 0\\ ⋮\\ 0\\ 0\end{array}\right],{\epsilon }_2=\left[\begin{array}{c}0\\ 1\\ 0\\ ⋮\\ 0\\ 0\end{array}\right],\dots ,{\epsilon }_n=\left[\begin{array}{c}0\\ 0\\ 0\\ ⋮\\ 0\\ 1\end{array}\right],$$
是线性无关的。

4、向量组线性相关与线性无关区别：

（1）从线性组合看：
$$\begin{array}{rl}& 向量组{\alpha }_1,\dots ,{\alpha }_s(s⩾1)线性相关\\ ⟺& 它们有系数不全为0的线性组合等于零向量；\\ & \\ & 向量组{\alpha }_1,\dots ,{\alpha }_s(s⩾1)线性无关\\ ⟺& 它们只有系数全为0的线性组合才会等于零向量。\end{array}$$
（2）从线性表出看：
$$\begin{array}{rl}& 向量组{\alpha }_1,\dots ,{\alpha }_s(s⩾2)线性相关\\ ⟺& 其中至少有一个向量可以由其余向量线性表出；\\ & \\ & 向量组{\alpha }_1,\dots ,{\alpha }_s(s⩾2)线性无关\\ ⟺& 其中每一个向量都不能由其余向量线性表出。\end{array}$$

（3）从齐次线性方程组看：
$$\begin{array}{rl}& 列向量组{\alpha }_1,\dots ,{\alpha }_s(s⩾1)线性相关\\ ⟺& 齐次线性方程组x_1{\alpha }_1+\cdots +x_s{\alpha }_s=0有非零解；\\ & \\ & 列向量组{\alpha }_1,\dots ,{\alpha }_s(s⩾1)线性无关\\ ⟺& 齐次线性方程组x_1{\alpha }_1+\cdots +x_s{\alpha }_s=0只有零解。\end{array}$$

（4）从行列式看：
$$\begin{array}{rl}& n个n维列（行）向量{\alpha }_1,\dots ,{\alpha }_n(s⩾1)线性相关\\ ⟺& 以{\alpha }_1,\dots ,{\alpha }_n为列（行）向量组的矩阵的行列式等于零；\\ & \\ & n个n维列（行）向量{\alpha }_1,\dots ,{\alpha }_n(s⩾1)线性无关\\ ⟺& 以{\alpha }_1,\dots ,{\alpha }_n为列（行）向量组的矩阵的行列式不等于零。\end{array}$$

（5）从向量组线性表出一个向量的方式看：
$$\begin{array}{rl}设向量\beta 可以由向量组{\alpha }_1,\dots ,{\alpha }_s线性表出，则& \\ 向量组{\alpha }_1,\dots ,{\alpha }_s线性无关⟺& 表出方式唯一；\\ 向量组{\alpha }_1,\dots ,{\alpha }_s线性相关⟺& 表出方式有无穷多种。\end{array}$$

（6）从向量组与它的部分组的关系看：
$$\begin{array}{rl}& 如果向量组的一个部分组线性相关，那么整个向量组也线性相关。\\ & 如果向量组线性无关，那么它的任何一个部分组也线性无关。\end{array}$$

（7）从向量组与它的延伸组或缩短组的关系看：
$$\begin{array}{rl}& 如果向量组线性无关，那么把每个向量添上m个分量（所添分量位置对于每个向量都一样）得到的延伸组也线性无关。\\ & 如果向量组线性相关，那么把每个向量去掉m个分量（去掉的分量位置对于每个向量都一样）得到的缩短组也线性相关。\end{array}$$
5、命题1：设向量组${\alpha }_1,\dots ,{\alpha }_s$线性无关，则向量$\beta$可以由${\alpha }_1,\dots ,{\alpha }_s$线性表出的充分必要条件是${\alpha }_1,\dots ,{\alpha }_s,\beta$线性相关。

推论1：设向量组${\alpha }_1,\dots ,{\alpha }_s$线性无关，则向量$\beta$不能由${\alpha }_1,\dots ,{\alpha }_s$线性表出的充分必要条件是${\alpha }_1,\dots ,{\alpha }_s,\beta$线性无关。

6、替换定理：设向量组${\alpha }_1,\dots ,{\alpha }_s$线性无关，$\beta =b_1{\alpha }_1,\dots ,b_s{\alpha }_s$。如果$b_i\ne 0$，那么用$\beta$替换${\alpha }_i$后得到的向量组${\alpha }_1,\dots ,{\alpha }_{i-1},\beta ,{\alpha }_{i+1},\dots ,{\alpha }_s$也线性无关。

3.3 向量组的秩

1、定义1：向量组的一个部分组称为一个极大线性无关组，如果这个部分组本身是线性无关的，但是从这个向量组的其余向量（如果还有的话）中任取一个添进去，得到的新的部分组都线性相关。

2、定义2：如果向量组${\alpha }_1,\dots ,{\alpha }_s$的每一个向量都可以由向量组${\beta }_1,\dots ,{\beta }_r$线性表出，那么称向量组${\alpha }_1,\dots ,{\alpha }_s$可以由向量组${\beta }_1,\dots ,{\beta }_r$线性表出。如果向量组${\alpha }_1,\dots ,{\alpha }_s$与向量组${\beta }_1,\dots ,{\beta }_r$可以相互线性表出，那么称向量组${\alpha }_1,\dots ,{\alpha }_s$与向量组${\beta }_1,\dots ,{\beta }_r$等价，记作
{ α 1 , … , α s } ≅ { β 1 , … , β r } \{\alpha_1,\dots,\alpha_s\}\cong\{\beta_1,\dots,\beta_r\} {α1​,…,αs​}≅{β1​,…,βr​}
向量组的等价是向量组之间的一种关系。可以证明其具有以下三种性质：
( 1 ) 反 身 性 。 即 任 何 一 个 向 量 组 都 与 自 身 等 价 ； ( 2 ) 对 称 性 。 即 如 果 α 1 , … , α s 与 β 1 , … , β r 等 价 ， 那 么 β 1 , … , β r 与 α 1 , … , α s 等 价 ； ( 3 ) 传 递 性 。 即 如 果 { α 1 , … , α s } ≅ { β 1 , … , β r } , { β 1 , … , β r } ≅ { γ 1 , … , γ t } ， 那 么 { α 1 , … , α s } ≅ { γ 1 , … , γ t } 。 \begin{aligned} &(1)反身性。即任何一个向量组都与自身等价； \\ &(2)对称性。即如果\alpha_1,\dots,\alpha_s与\beta_1,\dots,\beta_r 等价，那么\beta_1,\dots,\beta_r与\alpha_1,\dots,\alpha_s等价； \\ &(3)传递性。即如果 \\ &\qquad \{\alpha_1,\dots,\alpha_s\}\cong\{\beta_1,\dots,\beta_r\},\{\beta_1,\dots,\beta_r\}\cong\{\gamma_1,\dots,\gamma_t\}， \\ &那么\qquad \qquad \qquad \{\alpha_1,\dots,\alpha_s\}\cong\{\gamma_1,\dots,\gamma_t\}。 \end{aligned} ​(1)反身性。即任何一个向量组都与自身等价；(2)对称性。即如果α1​,…,αs​与β1​,…,βr​等价，那么β1​,…,βr​与α1​,…,αs​等价；(3)传递性。即如果{α1​,…,αs​}≅{β1​,…,βr​},{β1​,…,βr​}≅{γ1​,…,γt​}，那么{α1​,…,αs​}≅{γ1​,…,γt​}。​
3、命题1：向量组与它的极大线性无关组等价。

推论1：向量组的任意两个极大线性无关组等价。

推论2：$\beta$可以由向量组${\alpha }_1,\dots ,{\alpha }_s$线性表出当且仅当$\beta$可以由${\alpha }_1,\dots ,{\alpha }_s$的一个极大线性无关组线性表出。

4、引理1：设向量组${\beta }_1,\dots ,{\beta }_r$可以由向量组${\alpha }_1,\dots ,{\alpha }_s$线性表出，如果$r>s$，那么${\beta }_1,\dots ,{\beta }_r$线性相关。

推论3：设向量组${\beta }_1,\dots ,{\beta }_r$可以由向量组${\alpha }_1,\dots ,{\alpha }_s$线性表出，如果${\beta }_1,\dots ,{\beta }_r$线性无关，那么$r⩽s$。

推论4：等价的线性无关的向量组所含向量的个数相等。

推论5：向量组的任意两个极大线性无关组所含向量的个数相等。

5、定义3：向量组的极大线性无关组所含向量的个数称为这个向量组的秩。

全由零向量组成的向量组的秩规定为0。

向量组${\alpha }_1,\dots ,{\alpha }_s$的秩记作 r a n k { α 1 , … , α s } rank\{\alpha_1,\dots,\alpha_s\} rank{α1​,…,αs​}。

6、命题2：向量组${\alpha }_1,\dots ,{\alpha }_s$线性无关的充分必要条件是它的秩等于它所含向量的个数。

7、命题3：如果向量组（1）可以由向量组（2）线性表出，那么：（1）的秩$⩽$（2）的秩

8、命题4：等价的向量组有相等的秩。（注意：秩相等的向量组不一定等价）

3.4 子空间的基与维数

1、定义1：设U是$K^n$的一个子空间，如果${\alpha }_1,\dots ,{\alpha }_r\in U$,并且满足下述两个条件：
$$\begin{array}{rl}& (1){\alpha }_1,\dots ,{\alpha }_r线性无关，\\ & (2)U中每一个向量都可以由{\alpha }_1,\dots ,{\alpha }_r线性表出，\end{array}$$
那么称${\alpha }_1,\dots ,{\alpha }_r$是U的一个基。

显然，${\epsilon }_1,\dots ,{\epsilon }_n$是$K^n$的一个基，称它为$K^n$的标准基。

2、定理1：$K^n$的任一非零子空间U都有一个基。

3、定理2：$K^n$的非零子空间U的任意两个基所含的向量的个数相等。

4、定义2：$K^n$的非零子空间U的一个基所含向量的个数称为U的维数，记作$di{m}_{K}U$，或者$dimU$。

零子空间的维数规定为0。

因为$dim{K}^n=n$，所以称$K^n$为n维向量空间。

对于$\alpha =a_1{\alpha }_1+\cdots +a_r{\alpha }_r$，把有序数组$(a_1,\dots ,a_r)$称为$\alpha$在基${\alpha }_1,\dots ,{\alpha }_r$下的坐标。

5、命题1：设$dimU=r$，则U中任意r+1个向量都线性相关。

6、命题2：设$dimU=r$，则U中任意r个线性无关的向量都是U的一个基。

7、命题3：设$dimU=r$，设${\alpha }_1,\dots ,{\alpha }_r\in U$。如果U中每一个向量都可以由$\alpha_1,\dots,\alpha_r $线性表出，那么$\alpha_1,\dots,\alpha_r $是U的一个基。

8、命题4：设U和W都是$K^n$的非零子空间，如果$U\subseteq W$，那么$dimU⩽dimW$。

9、命题5：设U和W是$K^n$的两个非零子空间，且$U\subseteq W$，如果$dimU=dimW$，那么$U=W$。

10、定理3：向量组${\alpha }_1,\dots ,{\alpha }_s$的一个极大线性无关组是这个向量组生成的子空间$<{\alpha }_1,\dots ,{\alpha }_s>$的一个基，从而
d i m < α 1 , … , α s > = r a n k { α 1 , … , α s } . dim<\alpha_1,\dots,\alpha_s>=rank\{\alpha_1,\dots,\alpha_s\}. dim<α1​,…,αs​>=rank{α1​,…,αs​}.

3.5 矩阵的秩

1、定理1：阶梯型矩阵J的行秩与列秩相等，它们都等于J的非零行的个数；并且J的主元所在的列构成列向量的一个极大线性无关组。

2、定理2：矩阵的初等行变换不改变矩阵的行秩。

3、定理3：矩阵的初等行变换不改变矩阵的列向量组的线性相关性，从而不改变矩阵的列秩。

4、定理4：任一矩阵A的行秩等于它的列秩。

5、定义1：矩阵A的行秩与列秩统称为A的秩，记作$rank(A)$。

6、推论1：设矩阵A经过初等行变换化成阶梯型矩阵J，则A的秩等于J的非零行个数。设J的主元所在的列是第$j_1,j_2,\dots ,j_r$列，则A的第$j_1,j_2,\dots ,j_r$列构成A的列向量组的一个极大线性无关组。

7、推论2：矩阵的初等列变换不改变矩阵的秩。

8、定理5：任一非零矩阵的秩等于它的不为零的子式的最高阶数。

9、推论3：设$s\times n$矩阵A的秩为r，则A的不等于零的r阶子式所在的列（行）构成A的列（行）向量组的一个极大线性无关组。

10、推论4：n级矩阵A满秩的充分必要条件是$|A|\ne 0$。

3.6 线性方程组有解的充分必要条件

1、定理1（线性方程组有解判别定理）：数域K上线性方程组
$$x_1{\alpha }_1+\cdots +x_n{\alpha }_n=\beta \text{\hspace{1em}(1)}$$
有解的充分必要条件是：它的系数矩阵与增广矩阵的秩相等。

2、定理2：数域K上n元线性方程组（1）有解时，如果它的系数矩阵等于n，那么方程组（1）有唯一解；如果A的秩小于n，那么方程组（1）有无穷多个解。

推论1：齐次线性方程组有非零解的充分必要条件是：它的系数矩阵的秩小于未知量的个数。

3.7 齐次线性方程组的解集的结构

数域K上n元齐次线性方程组
$$x_1{\alpha }_1+\cdots +x_n{\alpha }_n=0\text{\hspace{1em}(1)}$$
的一个解是$K^n$中一个向量，称它为齐次线性方程组（1）的一个解向量。齐次线性方程组（1）的解集W是$K^n$的一个非空子集。

性质1：若$\gamma ,\delta \in W$，则$\gamma +\delta \in W.$

性质2：$若\gamma \in W,k\in K,则k\gamma \in W.$

由上述得，齐次线性方程组（1）的解集W是$K^n$的一个子空间，称它为方程组（1）的解空间。如果方程组（1）的系数矩阵A的秩等于n，那么 W = { 0 } W=\{\bold 0 \} W={0}。如果$rank(A)<n$，那么W是非零子空间。从而W有基。把解空间W的一个基称为齐次线性方程组（1）的一个基础解系，即：

定义1：齐次线性方程组（1）有非零解时，如果它的有限多个解${\eta }_1,{\eta }_2,\dots ,{\eta }_t$满足：
$$\begin{array}{rl}& (1){\eta }_1,{\eta }_2,\dots ,{\eta }_t线性无关；\\ & (2)齐次线性方程组（1）的每一个解都可以由{\eta }_1,{\eta }_2,\dots ,{\eta }_t线性表出，\end{array}$$
那么称${\eta }_1,{\eta }_2,\dots ,{\eta }_t$是齐次线性方程组（1）的一个基础解系。其解集W表示为：
W = { k 1 η 1 + k 2 η 2 + ⋯ + k t η t   ∣   k i ∈ K , i = 1 , 2 , … , t } . W=\{k_1\eta_1+k_2\eta_2+\dots+k_t\eta_t \,|\,k_i \in K,i=1,2,\dots,t\}. W={k1​η1​+k2​η2​+⋯+kt​ηt​∣ki​∈K,i=1,2,…,t}.
通常也说齐次线性方程组（1）的全部解是：
$$k_1{\eta }_1+k_2{\eta }_2+\cdots +k_t{\eta }_t,k_1,k_2,\dots ,k_i\in K$$
定理1：数域K上n元齐次线性方程组的解空间W的维数为
$$dimW=n-rank(A),\text{\hspace{1em}(2)}$$
其中A是方程组的系数矩阵。从而当齐次线性方程组（1）有非零解时，它的每个基础解系所含解向量的个数都等于$n-rank(A)$。

3.8 非齐次线性方程组的解集的结构

对于数域K上n元非齐次线性方程组
$$x_1{\alpha }_1+\cdots +x_n{\alpha }_n=\beta \text{\hspace{1em}(1)}$$
设其解集为U。为此考虑相应的齐次线性方程组
$$x_1{\alpha }_1+\cdots +x_n{\alpha }_n=0\text{\hspace{1em}(2)}$$
称它为非齐次线性方程组（1）的导出组。导出组的解空间用W表示。

性质1：若$\gamma ,\delta \in U$，则$\gamma -\delta \in W.$

性质2：$若\gamma \in U,\eta \in W,则\gamma +\eta \in U.$

定理1：如果数域K上n元非齐次线性方程组（1）有解，那么它的解集U为
U = { γ 0 + η   ∣   η ∈ W } , (3) U=\{\gamma_0+\eta \, | \, \eta \in W\}, \tag{3} U={γ0​+η∣η∈W},(3)
其中${\gamma }_0$是非齐次线性方程组（1）的一个解（称${\gamma }_0$是特解），W是方程组（1）的导出组的解空间。

我们把集合 { γ 0 + η   ∣   η ∈ W } \{\gamma_0+\eta \, | \, \eta \in W\} {γ0​+η∣η∈W}记作${\gamma }_0+W$。称它是一个W型的线性流形（或子空间W的一个陪集），把$dimW$称为线性流形${\gamma }_0+W$的维数。

注：U不是子空间，因为U对于加法和数乘都不封闭。

推论1：如果n元非齐次线性方程组（1）有解，那么它的解唯一的充分必要条件是：它的导出组（2）只有零解。