线性代数(四)：线性方程组

线性方程组

定义4.1：含$m$个方程，$n$个未知量的线性方程组的一般形式为：
$$\{\begin{array}{l}{a}_{11}{x}_1+a_{12}{x}_2+\cdots +a_{1n}{x}_n=b_1\\ a_{21}{x}_1+a_{22}{x}_2+\cdots +a_{2n}{x}_n=b_2\\ \dots \\ a_{m1}{x}_1+a_{m2}{x}_2+\cdots +a_{mn}{x}_n=b_m\end{array}⟺{\mathbf{A}}_{\mathbf{m}\times \mathbf{n}}{\vec{\mathbf{X}}}_{\mathbf{n}}={\vec{b}}_n⟺[{\vec{A}}_1,{\vec{A}}_2,\dots ,{\vec{A}}_n]\left[\begin{array}{c}{x}_1\\ x_2\\ ⋮\\ x_n\end{array}\right]=\vec{b}$$
将其称为 $m\times n$型线性方程组 ，${\mathbf{A}}_{\mathbf{m}\times \mathbf{n}}$称作方程组的 系数矩阵, $[A|\vec{\mathbf{b}}]$称作其 增广矩阵。

定理4.1：
$（1）m\times n$型线性方程组$\mathbf{A}\vec{\mathbf{X}}=\vec{\mathbf{b}}$有解$⟺r(\mathbf{A})=r([\mathbf{A}|\vec{b}])$；
$（2）m\times n$型线性方程组$\mathbf{A}\vec{\mathbf{X}}=\vec{\mathbf{b}}$有唯一解$⟺r(\mathbf{A})=r([\mathbf{A}|\vec{b}])=n$；

证明(1)：

若$A\vec{x}=\vec{b}$有解，则$\vec{b}$为$A$列向量 { A ⃗ 1 , A ⃗ 2 , … , A ⃗ n } \{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\} {A 1​,A 2​,…,A n​}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\}) {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​})
则$r(\mathbf{A})=r([A|\vec{\mathbf{b}}])$。

反过来，若$r(\mathbf{A})=r([A|\vec{\mathbf{b}}])$，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 {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
那么，$\vec{b}$可由 { A ⃗ 1 , A ⃗ 2 , … , A ⃗ n } \{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\} {A 1​,A 2​,…,A n​}线性表示，即方程组有解。

证明(2)：

若$A\vec{x}=\vec{b}$有唯一解，则唯一存在 { x 1 , … , x n } \{x_1,\dots,x_n\} {x1​,…,xn​}使得 $x_1{\vec{A}}_1+x_2{\vec{A}}_2+\cdots +x_n{\vec{A}}_n=\vec{b}$
设此时$r(A)=r([A|\vec{b}])<n$，则存在不全为零的 { y 1 , … , y n } \{y_1,\dots,y_n\} {y1​,…,yn​}
使得 $y_1{\vec{A}}_1+y_2{\vec{A}}_2+\cdots +y_n{\vec{A}}_n=0$
那么，$$\vec{b}=x_1{\vec{A}}_1+x_2{\vec{A}}_2+\cdots +x_n{\vec{A}}_n+y_1{\vec{A}}_1+y_2{\vec{A}}_2+\cdots +y_n{\vec{A}}_n=(x_1+y_1){\vec{A}}_1+(x_2+y_2){\vec{A}}_2+\cdots +(x_n+y_n){\vec{A}}_n$$
故，$\{(x_1+y_1),(x_2+y_2),\dots ,(x_n+y_n)\}$也是方程组的解，与解唯一相悖。

那么，$r(A)=r([A|\vec{b}])=n$

若$r(A)=r([A|\vec{b}])=n$，则方程组有解，且 { A ⃗ 1 , A ⃗ 2 , … , A ⃗ n } \{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\} {A 1​,A 2​,…,A n​}线性无关但 { A ⃗ 1 , A ⃗ 2 , … , A ⃗ n ， b ⃗ } \{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n，\vec{b}\} {A 1​,A 2​,…,A n​，b }线性相关。
则由定理2.5知：$\vec{b}$可由 { A ⃗ 1 , A ⃗ 2 , … , A ⃗ n } \{\vec{A}_1,\vec{A}_2,\dots,\vec{A}_n\} {A 1​,A 2​,…,A n​}唯一的线性表示，即解唯一。

推论4.1：$A\vec{X}=0$有非零解$⟺r(A)<n$

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\} X 1​,X 2​∈{X ∣AX =0},即$A{\vec{X}}_1=0$,$A{\vec{X}}_2=0$
   \quad\ \ \quad   则 $k_{1}A{\vec{X}}_1+k_{2}A{\vec{X}}_2=A(k_1{\vec{X}}_1+k_2{\vec{X}}_2)=0$
   \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\} k1​X 1​+k2​X 2​∈{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}\} X 1​,X 2​∈{X ∣AX =b },即$A{\vec{X}}_1=\vec{b}$,$A{\vec{X}}_2=\vec{b}$
   \quad\ \ \quad   则 $k_{1}A{\vec{X}}_1+k_{2}A{\vec{X}}_2=A(k_1{\vec{X}}_1+k_2{\vec{X}}_2)=(k_1+k_2)\vec{b}\ne \vec{b}$
   \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}\} k1​X 1​+k2​X 2​∈/{X ∣AX =b }.

定义4.2：齐次线性方程组$A\vec{X}=0$解空间$N(A)$的基称作该方程组的 基础解系 。

定理4.2：齐次线性方程组$A_{m\times n}\vec{X}=0$解空间$N(A)$的维数$dim(N(A))=n-r(A)$.
证明：设$r(A)=r$,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\} {A 1​,A 2​,…,A r​}.
   \quad\ \ \quad   那么，${\vec{A}}_i=k_{i1}{\vec{A}}_1+k_{i2}{\vec{A}}_2+\cdots +k_{ir}{\vec{A}}_r(i=r+1,r+2,\dots ,n)$
   \quad\ \ \quad   即，$-{\vec{A}}_i+k_{i1}{\vec{A}}_1+k_{i2}{\vec{A}}_2+\cdots +k_{ir}{\vec{A}}_r=0(i=r+1,r+2,\dots ,n)$
   \quad\ \ \quad   故此，寻找到$(n-r)$个线性方程组的特解：
$${\vec{\alpha }}_1=\left[\begin{array}{c}{k}_{r+1,1}\\ k_{r+1,2}\\ ⋮\\ k_{r+1,r}\\ -1\\ 0\\ ⋮\\ 0\end{array}\right],{\vec{\alpha }}_2=\left[\begin{array}{c}{k}_{r+2,1}\\ k_{r+2,2}\\ ⋮\\ k_{r+2,r}\\ 0\\ -1\\ ⋮\\ 0\end{array}\right]，\dots ，{\vec{\alpha }}_{n-r}=\left[\begin{array}{c}{k}_{n,1}\\ k_{n,2}\\ ⋮\\ k_{n,r}\\ 0\\ 0\\ ⋮\\ -1\end{array}\right]$$
   \quad\ \ \quad   显然，矩阵$[{\vec{\alpha }}_1,{\vec{\alpha }}_2,\dots ,{\vec{\alpha }}_{n-r}]$的秩为$n-r$
   \quad\ \ \quad   则,向量组 { α ⃗ 1 , α ⃗ 2 , … , α ⃗ n − r } \{\vec{\alpha}_1,\vec{\alpha}_2,\dots,\vec{\alpha}_{n-r}\} {α 1​,α 2​,…,α n−r​}线性无关
   \quad\ \ \quad   为说明这$n-r$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$A$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   $A\mapsto B=[{\vec{e}}_1,{\vec{e}}_2,\dots ,{\vec{e}}_r,{\vec{\beta }}_{r+1},{\vec{\beta }}_{r+2},\dots ,{\vec{\beta }}_n]$
   \quad\ \ \quad   那么，${\beta }_i=\left[\begin{array}{c}{k}_{i1}\\ k_{i2}\\ ⋮\\ k_{ir}\end{array}\right](i=r+1,r+2,\dots ,n)$
   \quad\ \ \quad   又$B\vec{X}=0$即，$\{\begin{array}{l}{x}_1+k_{r+1,1}{x}_{r+1}+\cdots +k_{n1}{x}_n=0\\ x_2+k_{r+1,2}{x}_{r+1}+\cdots +k_{n2}{x}_n=0\\ \dots \\ x_r+k_{r+1,r}{x}_{r+1}+\cdots +k_{nr}{x}_n=0\end{array}$ 与原方程组等价。
   \quad\ \ \quad   取$(n-r)$个未知量$x_{r+1},x_{r+2},\dots ,x_n$为自由未知量，则：
$$\vec{X}=-x_{r+1}\left[\begin{array}{c}{k}_{r+1,1}\\ k_{r+1,2}\\ ⋮\\ k_{r+1,r}\\ -1\\ 0\\ ⋮\\ 0\end{array}\right]-x_{r+2}\left[\begin{array}{c}{k}_{r+2,1}\\ k_{r+1,2}\\ ⋮\\ k_{r+2,r}\\ 0\\ -1\\ ⋮\\ 0\end{array}\right]+\cdots -x_n\left[\begin{array}{c}{k}_{n1}\\ k_{n2}\\ ⋮\\ k_{nr}\\ 0\\ 0\\ ⋮\\ -1\end{array}\right]=-x_{r+1}{\vec{\alpha }}_1-x_{r+2}{\vec{\alpha }}_2+\cdots -x_n{\vec{\alpha }}_n$$
   \quad\ \ \quad   综上， { α ⃗ 1 , α ⃗ 2 , … , α ⃗ n − r } \{\vec{\alpha}_1,\vec{\alpha}_2,\dots,\vec{\alpha}_{n-r}\} {α 1​,α 2​,…,α n−r​}为解空间的基，解空间的维数为：$$dim(N(A))=n-r=n-r(A)$$(证毕)

定理4.3：对实矩阵$A_{m\times n}$有 $r(A^{T}A)=r(A{A}^T)=r(A)$。
证明：若$\vec{X}$为$A\vec{X}=0$的解，则$(A^{T}A)\vec{X}=0$
   \quad\ \ \quad   若$\vec{X}$为$(A^{T}A)\vec{X}=0$的解，则${\vec{X}}^T{A}^{T}A\vec{X}=(A\vec{X},A\vec{X})=0⟺A\vec{X}=0$
   \quad\ \ \quad   故，解空间：$N(A)=N(A^{T}A)$
   \quad\ \ \quad   则，$n-r(A)=n-r(A^{T}A)⟺r(A^{T}A)=r(A)$
   \quad\ \ \quad   同理可得：$r(A^T)=r(A{A}^T)=r(A)$ (证毕)

推论4.1：对实对称矩阵$A$有：$r(A)=r(A^2)=r(A^4)=\cdots =r(A^{2n})$

定理4.4：若非齐次线性方程组$A\vec{X}=\vec{b}$有解，${\vec{X}}_0$为其某个特解，${\vec{X}}_r$为非齐次线性方程组的导出方程组$A\vec{X}=0$的通解，则非齐次线性方程组的通解为$\vec{X}={\vec{X}}_r+{\vec{X}}_0$。
证明：设$\vec{X}$为非齐次线性方程组$A\vec{X}=\vec{b}$ 的解
   \quad\ \ \quad   又，$A{\vec{X}}_0=\vec{b}$
   \quad\ \ \quad   则，$A(\vec{X}-{\vec{X}}_0)=0$
   \quad\ \ \quad   故，$\vec{X}-{\vec{X}}_0={\vec{X}}_r⟹\vec{X}={\vec{X}}_0+{\vec{X}}_r$ (证毕)