线性方程组
定义4.1:含
m
m
m个方程,
n
n
n个未知量的线性方程组的一般形式为:
{
a
11
x
1
+
a
12
x
2
+
⋯
+
a
1
n
x
n
=
b
1
a
21
x
1
+
a
22
x
2
+
⋯
+
a
2
n
x
n
=
b
2
…
a
m
1
x
1
+
a
m
2
x
2
+
⋯
+
a
m
n
x
n
=
b
m
⟺
A
m
×
n
X
⃗
n
=
b
⃗
n
⟺
[
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
]
[
x
1
x
2
⋮
x
n
]
=
b
⃗
\begin{cases} a_{11}x_1+a_{12}x_2+\dots+a_{1n}x_n=b_1\\ a_{21}x_1+a_{22}x_2+\dots+a_{2n}x_n=b_2\\ \dots\\ a_{m1}x_1+a_{m2}x_2+\dots+a_{mn}x_n=b_m\end{cases}\Longleftrightarrow \bold{A_{m\times n}\vec{X}_n}=\vec{b}_n\Longleftrightarrow[\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n]\begin{bmatrix}x_1\\x_2\\\vdots\\x_n\end{bmatrix}=\vec{b}
⎩
⎨
⎧a11x1+a12x2+⋯+a1nxn=b1a21x1+a22x2+⋯+a2nxn=b2…am1x1+am2x2+⋯+amnxn=bm⟺Am×nXn=bn⟺[A1,A2,…,An]⎣
⎡x1x2⋮xn⎦
⎤=b
将其称为
m
×
n
m\times n
m×n型线性方程组 ,
A
m
×
n
\bold{A_{m\times n}}
Am×n称作方程组的 系数矩阵,
[
A
∣
b
⃗
]
[\bold{A| \vec{b}]}
[A∣b]称作其 增广矩阵。
定理4.1:
(
1
)
m
×
n
(1)m\times n
(1)m×n型线性方程组
A
X
⃗
=
b
⃗
\bold{A\vec{X}=\vec{b}}
AX=b有解
⟺
r
(
A
)
=
r
(
[
A
∣
b
⃗
]
)
\quad\Longleftrightarrow \quad r(\bold A)=r([\bold A |\vec{b}])
⟺r(A)=r([A∣b]);
(
2
)
m
×
n
(2)m\times n
(2)m×n型线性方程组
A
X
⃗
=
b
⃗
\bold{A\vec{X}=\vec{b}}
AX=b有唯一解
⟺
r
(
A
)
=
r
(
[
A
∣
b
⃗
]
)
=
n
\quad\Longleftrightarrow \quad r(\bold A)=r([\bold A |\vec{b}])=n
⟺r(A)=r([A∣b])=n;
证明(1):
若
A
x
⃗
=
b
⃗
A\vec{x}=\vec{b}
Ax=b有解,则
b
⃗
\vec{b}
b为
A
A
A列向量
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
}
\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\}
{A1,A2,…,An}的线性组合,则:
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
}
与
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
,
b
⃗
}
等价
⟹
r
(
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
,
b
⃗
}
)
=
r
(
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
}
)
\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\}与\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n,\vec{b}\}等价\Longrightarrow r(\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n,\vec{b}\})=r(\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\})
{A1,A2,…,An}与{A1,A2,…,An,b}等价⟹r({A1,A2,…,An,b})=r({A1,A2,…,An})
则
r
(
A
)
=
r
(
[
A
∣
b
⃗
]
)
r(\bold A)=r(\bold{[A|\vec{b}]})
r(A)=r([A∣b])。
反过来,若
r
(
A
)
=
r
(
[
A
∣
b
⃗
]
)
r(\bold A)=r(\bold{[A|\vec{b}]})
r(A)=r([A∣b]),则
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
}
的极大线性无关组是
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
,
b
⃗
}
的极大线性无关组
\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\}的极大线性无关组是\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n,\vec{b}\}的极大线性无关组
{A1,A2,…,An}的极大线性无关组是{A1,A2,…,An,b}的极大线性无关组
那么,
b
⃗
\vec{b}
b可由
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
}
\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\}
{A1,A2,…,An}线性表示,即方程组有解。
证明(2):
若
A
x
⃗
=
b
⃗
A\vec{x}=\vec{b}
Ax=b有唯一解,则唯一存在
{
x
1
,
…
,
x
n
}
\{x_1,\dots,x_n\}
{x1,…,xn}使得
x
1
A
⃗
1
+
x
2
A
⃗
2
+
⋯
+
x
n
A
⃗
n
=
b
⃗
x_1\vec{A}_1+x_2\vec{A}_2+\dots+x_n\vec{A}_n=\vec{b}
x1A1+x2A2+⋯+xnAn=b
设此时
r
(
A
)
=
r
(
[
A
∣
b
⃗
]
)
<
n
r(A)=r([A|\vec{b}])<n
r(A)=r([A∣b])<n,则存在不全为零的
{
y
1
,
…
,
y
n
}
\{y_1,\dots,y_n\}
{y1,…,yn}
使得
y
1
A
⃗
1
+
y
2
A
⃗
2
+
⋯
+
y
n
A
⃗
n
=
0
y_1\vec{A}_1+y_2\vec{A}_2+\dots+y_n\vec{A}_n=0
y1A1+y2A2+⋯+ynAn=0
那么,
b
⃗
=
x
1
A
⃗
1
+
x
2
A
⃗
2
+
⋯
+
x
n
A
⃗
n
+
y
1
A
⃗
1
+
y
2
A
⃗
2
+
⋯
+
y
n
A
⃗
n
=
(
x
1
+
y
1
)
A
⃗
1
+
(
x
2
+
y
2
)
A
⃗
2
+
⋯
+
(
x
n
+
y
n
)
A
⃗
n
\vec{b}=x_1\vec{A}_1+x_2\vec{A}_2+\dots+x_n\vec{A}_n+y_1\vec{A}_1+y_2\vec{A}_2+\dots+y_n\vec{A}_n=(x_1+y_1)\vec{A}_1+(x_2+y_2)\vec{A}_2+\dots+(x_n+y_n)\vec{A}_n
b=x1A1+x2A2+⋯+xnAn+y1A1+y2A2+⋯+ynAn=(x1+y1)A1+(x2+y2)A2+⋯+(xn+yn)An
故,
{
(
x
1
+
y
1
)
,
(
x
2
+
y
2
)
,
…
,
(
x
n
+
y
n
)
}
\{(x_1+y_1),(x_2+y_2),\dots,(x_n+y_n)\}
{(x1+y1),(x2+y2),…,(xn+yn)}也是方程组的解,与解唯一相悖。
那么, r ( A ) = r ( [ A ∣ b ⃗ ] ) = n r(A)=r([A|\vec{b}])=n r(A)=r([A∣b])=n
若
r
(
A
)
=
r
(
[
A
∣
b
⃗
]
)
=
n
r(A)=r([A|\vec{b}])=n
r(A)=r([A∣b])=n,则方程组有解,且
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
}
\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\}
{A1,A2,…,An}线性无关但
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
,
b
⃗
}
\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n,\vec{b}\}
{A1,A2,…,An,b}线性相关。
则由定理2.5知:
b
⃗
\vec{b}
b可由
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
n
}
\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\}
{A1,A2,…,An}唯一的线性表示,即解唯一。
推论4.1: A X ⃗ = 0 A\vec{X}=0 AX=0有非零解 ⟺ r ( A ) < n \Longleftrightarrow r(A)<n ⟺r(A)<n
定理4.2:齐次线性方程组的解集合
{
X
⃗
∣
A
X
⃗
=
0
}
\{\vec{X}|A\vec{X}=0\}
{X∣AX=0}是 一个向量空间,称作解空间;非齐次线性方程组的解集合不是向量空间。
证明:若
X
⃗
1
,
X
⃗
2
∈
{
X
⃗
∣
A
X
⃗
=
0
}
\vec{X}_1,\vec{X}_2\in\{\vec{X}|A\vec{X}=0\}
X1,X2∈{X∣AX=0},即
A
X
⃗
1
=
0
A\vec{X}_1=0
AX1=0,
A
X
⃗
2
=
0
A\vec{X}_2=0
AX2=0
\quad\ \ \quad
则
k
1
A
X
⃗
1
+
k
2
A
X
⃗
2
=
A
(
k
1
X
⃗
1
+
k
2
X
⃗
2
)
=
0
k_1A\vec{X}_1+k_2A\vec{X}_2=A(k_1\vec{X}_1+k_2\vec{X}_2)=0
k1AX1+k2AX2=A(k1X1+k2X2)=0
\quad\ \ \quad
即
k
1
X
⃗
1
+
k
2
X
⃗
2
∈
{
X
⃗
∣
A
X
⃗
=
0
}
k_1\vec{X}_1+k_2\vec{X}_2\in\{\vec{X}|A\vec{X}=0\}
k1X1+k2X2∈{X∣AX=0}.
\quad\ \ \quad
若
X
⃗
1
,
X
⃗
2
∈
{
X
⃗
∣
A
X
⃗
=
b
⃗
}
\vec{X}_1,\vec{X}_2\in\{\vec{X}|A\vec{X}=\vec{b}\}
X1,X2∈{X∣AX=b},即
A
X
⃗
1
=
b
⃗
A\vec{X}_1=\vec{b}
AX1=b,
A
X
⃗
2
=
b
⃗
A\vec{X}_2=\vec{b}
AX2=b
\quad\ \ \quad
则
k
1
A
X
⃗
1
+
k
2
A
X
⃗
2
=
A
(
k
1
X
⃗
1
+
k
2
X
⃗
2
)
=
(
k
1
+
k
2
)
b
⃗
≠
b
⃗
k_1A\vec{X}_1+k_2A\vec{X}_2=A(k_1\vec{X}_1+k_2\vec{X}_2)=(k_1+k_2)\vec{b}\ne \vec{b}
k1AX1+k2AX2=A(k1X1+k2X2)=(k1+k2)b=b
\quad\ \ \quad
即
k
1
X
⃗
1
+
k
2
X
⃗
2
∉
{
X
⃗
∣
A
X
⃗
=
b
⃗
}
k_1\vec{X}_1+k_2\vec{X}_2 \notin\{\vec{X}|A\vec{X}= \vec{b}\}
k1X1+k2X2∈/{X∣AX=b}.
定义4.2:齐次线性方程组 A X ⃗ = 0 A \vec X=0 AX=0解空间 N ( A ) N(A) N(A)的基称作该方程组的 基础解系 。
定理4.2:齐次线性方程组
A
m
×
n
X
⃗
=
0
A_{m\times n} \vec X=0
Am×nX=0解空间
N
(
A
)
N(A)
N(A)的维数
d
i
m
(
N
(
A
)
)
=
n
−
r
(
A
)
dim(N(A))=n-r(A)
dim(N(A))=n−r(A).
证明:设
r
(
A
)
=
r
r(A)=r
r(A)=r,不妨设A的列向量组的极大线性无关组为
{
A
⃗
1
,
A
⃗
2
,
…
,
A
⃗
r
}
\{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_r\}
{A1,A2,…,Ar}.
\quad\ \ \quad
那么,
A
⃗
i
=
k
i
1
A
⃗
1
+
k
i
2
A
⃗
2
+
⋯
+
k
i
r
A
⃗
r
(
i
=
r
+
1
,
r
+
2
,
…
,
n
)
\vec{A}_i=k_{i1}\vec{A}_1+k_{i2}\vec{A}_2+\dots+k_{ir}\vec{A}_r\qquad (i=r+1,r+2,\dots,n)
Ai=ki1A1+ki2A2+⋯+kirAr(i=r+1,r+2,…,n)
\quad\ \ \quad
即,
−
A
⃗
i
+
k
i
1
A
⃗
1
+
k
i
2
A
⃗
2
+
⋯
+
k
i
r
A
⃗
r
=
0
(
i
=
r
+
1
,
r
+
2
,
…
,
n
)
-\vec{A}_i+k_{i1}\vec{A}_1+k_{i2}\vec{A}_2+\dots+k_{ir}\vec{A}_r=0\quad (i=r+1,r+2,\dots,n)
−Ai+ki1A1+ki2A2+⋯+kirAr=0(i=r+1,r+2,…,n)
\quad\ \ \quad
故此,寻找到
(
n
−
r
)
(n-r)
(n−r)个线性方程组的特解:
α
⃗
1
=
[
k
r
+
1
,
1
k
r
+
1
,
2
⋮
k
r
+
1
,
r
−
1
0
⋮
0
]
,
α
⃗
2
=
[
k
r
+
2
,
1
k
r
+
2
,
2
⋮
k
r
+
2
,
r
0
−
1
⋮
0
]
,
…
,
α
⃗
n
−
r
=
[
k
n
,
1
k
n
,
2
⋮
k
n
,
r
0
0
⋮
−
1
]
\vec{\alpha}_1=\begin{bmatrix}k_{r+1,1}\\k_{r+1,2}\\\vdots\\k_{r+1,r}\\-1\\0\\\vdots\\0\end{bmatrix},\vec{\alpha}_2=\begin{bmatrix}k_{r+2,1}\\k_{r+2,2}\\\vdots\\k_{r+2,r}\\0\\-1\\\vdots\\0\end{bmatrix},\dots,\vec{\alpha}_{n-r}=\begin{bmatrix}k_{n,1}\\k_{n,2}\\\vdots\\k_{n,r}\\0\\0\\\vdots\\-1\end{bmatrix}
α1=⎣
⎡kr+1,1kr+1,2⋮kr+1,r−10⋮0⎦
⎤,α2=⎣
⎡kr+2,1kr+2,2⋮kr+2,r0−1⋮0⎦
⎤,…,αn−r=⎣
⎡kn,1kn,2⋮kn,r00⋮−1⎦
⎤
\quad\ \ \quad
显然,矩阵
[
α
⃗
1
,
α
⃗
2
,
…
,
α
⃗
n
−
r
]
[\vec{\alpha}_1,\vec{\alpha}_2,\dots,\vec{\alpha}_{n-r}]
[α1,α2,…,αn−r]的秩为
n
−
r
n-r
n−r
\quad\ \ \quad
则,向量组
{
α
⃗
1
,
α
⃗
2
,
…
,
α
⃗
n
−
r
}
\{\vec{\alpha}_1,\vec{\alpha}_2,\dots,\vec{\alpha}_{n-r}\}
{α1,α2,…,αn−r}线性无关
\quad\ \ \quad
为说明这
n
−
r
n-r
n−r个特解为解空间的基,还需要说明任意解均可由它们线性组合而成
\quad\ \ \quad
对
A
A
A进行行变换,由于行变换不改变其列向量的线性组合关系
\quad\ \ \quad\quad\quad
A
↦
B
=
[
e
⃗
1
,
e
⃗
2
,
…
,
e
⃗
r
,
β
⃗
r
+
1
,
β
⃗
r
+
2
,
…
,
β
⃗
n
]
A\mapsto B=[\vec{e}_1,\vec{e}_2,\dots,\vec{e}_r,\vec{\beta}_{r+1},\vec{\beta}_{r+2},\dots,\vec{\beta}_{n}]
A↦B=[e1,e2,…,er,βr+1,βr+2,…,βn]
\quad\ \ \quad
那么,
β
i
=
[
k
i
1
k
i
2
⋮
k
i
r
]
(
i
=
r
+
1
,
r
+
2
,
…
,
n
)
\beta_i=\begin{bmatrix}k_{i1}\\k_{i2}\\\vdots\\k_{ir}\end{bmatrix}\qquad(i=r+1,r+2,\dots,n)
βi=⎣
⎡ki1ki2⋮kir⎦
⎤(i=r+1,r+2,…,n)
\quad\ \ \quad
又
B
X
⃗
=
0
B\vec{X}=0
BX=0即,
{
x
1
+
k
r
+
1
,
1
x
r
+
1
+
⋯
+
k
n
1
x
n
=
0
x
2
+
k
r
+
1
,
2
x
r
+
1
+
⋯
+
k
n
2
x
n
=
0
…
x
r
+
k
r
+
1
,
r
x
r
+
1
+
⋯
+
k
n
r
x
n
=
0
\begin{cases}x_1+k_{r+1,1}x_{r+1}+\dots+k_{n1}x_{n}=0\\ x_2+k_{r+1,2}x_{r+1}+\dots+k_{n2}x_{n}=0\\ \dots\\ x_r+k_{r+1,r}x_{r+1}+\dots+k_{nr}x_{n}=0\end{cases}
⎩
⎨
⎧x1+kr+1,1xr+1+⋯+kn1xn=0x2+kr+1,2xr+1+⋯+kn2xn=0…xr+kr+1,rxr+1+⋯+knrxn=0 与原方程组等价。
\quad\ \ \quad
取
(
n
−
r
)
(n-r)
(n−r)个未知量
x
r
+
1
,
x
r
+
2
,
…
,
x
n
x_{r+1},x_{r+2},\dots,x_{n}
xr+1,xr+2,…,xn为自由未知量,则:
X
⃗
=
−
x
r
+
1
[
k
r
+
1
,
1
k
r
+
1
,
2
⋮
k
r
+
1
,
r
−
1
0
⋮
0
]
−
x
r
+
2
[
k
r
+
2
,
1
k
r
+
1
,
2
⋮
k
r
+
2
,
r
0
−
1
⋮
0
]
+
⋯
−
x
n
[
k
n
1
k
n
2
⋮
k
n
r
0
0
⋮
−
1
]
=
−
x
r
+
1
α
⃗
1
−
x
r
+
2
α
⃗
2
+
⋯
−
x
n
α
⃗
n
\vec{X}=-x_{r+1}\begin{bmatrix}k_{r+1,1}\\k_{r+1,2}\\\vdots\\k_{r+1,r}\\-1\\0\\\vdots\\0\end{bmatrix}-x_{r+2}\begin{bmatrix}k_{r+2,1}\\k_{r+1,2}\\\vdots\\k_{r+2,r}\\0\\-1\\\vdots\\0\end{bmatrix} +\dots-x_{n}\begin{bmatrix}k_{n1}\\k_{n2}\\\vdots\\k_{nr}\\0\\0\\\vdots\\-1\end{bmatrix}=-x_{r+1}\vec{\alpha}_1-x_{r+2}\vec{\alpha}_2+\dots-x_n\vec{\alpha}_n
X=−xr+1⎣
⎡kr+1,1kr+1,2⋮kr+1,r−10⋮0⎦
⎤−xr+2⎣
⎡kr+2,1kr+1,2⋮kr+2,r0−1⋮0⎦
⎤+⋯−xn⎣
⎡kn1kn2⋮knr00⋮−1⎦
⎤=−xr+1α1−xr+2α2+⋯−xnαn
\quad\ \ \quad
综上,
{
α
⃗
1
,
α
⃗
2
,
…
,
α
⃗
n
−
r
}
\{\vec{\alpha}_1,\vec{\alpha}_2,\dots,\vec{\alpha}_{n-r}\}
{α1,α2,…,αn−r}为解空间的基,解空间的维数为:
d
i
m
(
N
(
A
)
)
=
n
−
r
=
n
−
r
(
A
)
dim(N(A))=n-r=n-r(A)
dim(N(A))=n−r=n−r(A)(证毕)
定理4.3:对实矩阵
A
m
×
n
A_{m\times n}
Am×n有
r
(
A
T
A
)
=
r
(
A
A
T
)
=
r
(
A
)
r(A^TA)=r(AA^T)=r(A)
r(ATA)=r(AAT)=r(A)。
证明:若
X
⃗
\vec{X}
X为
A
X
⃗
=
0
A\vec{X}=0
AX=0的解,则
(
A
T
A
)
X
⃗
=
0
(A^TA)\vec{X}=0
(ATA)X=0
\quad\ \ \quad
若
X
⃗
\vec{X}
X为
(
A
T
A
)
X
⃗
=
0
(A^TA)\vec{X}=0
(ATA)X=0的解,则
X
⃗
T
A
T
A
X
⃗
=
(
A
X
⃗
,
A
X
⃗
)
=
0
⟺
A
X
⃗
=
0
\vec{X}^TA^TA\vec{X}=(A\vec{X},A\vec{X})=0\Longleftrightarrow A\vec{X}=0
XTATAX=(AX,AX)=0⟺AX=0
\quad\ \ \quad
故,解空间:
N
(
A
)
=
N
(
A
T
A
)
N(A)=N(A^TA)
N(A)=N(ATA)
\quad\ \ \quad
则,
n
−
r
(
A
)
=
n
−
r
(
A
T
A
)
⟺
r
(
A
T
A
)
=
r
(
A
)
n-r(A)=n-r(A^TA)\Longleftrightarrow r(A^TA)=r(A)
n−r(A)=n−r(ATA)⟺r(ATA)=r(A)
\quad\ \ \quad
同理可得:
r
(
A
T
)
=
r
(
A
A
T
)
=
r
(
A
)
r(A^T)=r(AA^T)=r(A)
r(AT)=r(AAT)=r(A) (证毕)
推论4.1:对实对称矩阵 A A A有: r ( A ) = r ( A 2 ) = r ( A 4 ) = ⋯ = r ( A 2 n ) r(A)=r(A^2)=r(A^4)=\dots=r(A^{2n}) r(A)=r(A2)=r(A4)=⋯=r(A2n)
定理4.4:若非齐次线性方程组
A
X
⃗
=
b
⃗
A\vec{X}=\vec{b}
AX=b有解,
X
⃗
0
\vec{X}_0
X0为其某个特解,
X
⃗
r
\vec{X}_r
Xr为非齐次线性方程组的导出方程组
A
X
⃗
=
0
A\vec{X}=0
AX=0的通解,则非齐次线性方程组的通解为
X
⃗
=
X
⃗
r
+
X
⃗
0
\vec{X}=\vec{X}_r+\vec{X}_0
X=Xr+X0。
证明:设
X
⃗
\vec{X}
X为非齐次线性方程组
A
X
⃗
=
b
⃗
A\vec{X}=\vec{b}
AX=b 的解
\quad\ \ \quad
又,
A
X
⃗
0
=
b
⃗
A\vec{X}_0=\vec{b}
AX0=b
\quad\ \ \quad
则,
A
(
X
⃗
−
X
⃗
0
)
=
0
A(\vec{X}-\vec{X}_0)=0
A(X−X0)=0
\quad\ \ \quad
故,
X
⃗
−
X
⃗
0
=
X
⃗
r
⟹
X
⃗
=
X
⃗
0
+
X
⃗
r
\vec{X}-\vec{X}_0=\vec{X}_r\Longrightarrow \vec{X}=\vec{X}_0+\vec{X}_r
X−X0=Xr⟹X=X0+Xr (证毕)