- 本文说明以下重要结论
n n n 元齐次线性方程组的解空间的维数（基础解系中向量个数），加上此方程组系数矩阵的秩 r r r，等于未知量个数 n n n
- 考虑一个
n
n
n 元齐次线性方程组如下，它总共有
n
n
n 个未知数和
m
m
m 个方程（显式约束）
{ a 11 x 1 + a 12 x 2 + a 13 x 3 + . . . + a 1 n x n = 0 a 21 x 1 + a 22 x 2 + a 23 x 3 + . . . + a 2 n x n = 0 . . . a m 1 x 1 + a m 2 x 2 + a m 3 x 3 + . . . + a m n x n = 0 \left\{\begin{matrix} a_{11}x_1+a_{12}x_2+a_{13}x_3+...+a_{1n}x_n=0\\ a_{21}x_1+a_{22}x_2+a_{23}x_3+...+a_{2n}x_n=0 \\...\\ a_{m1}x_1+a_{m2}x_2+a_{m3}x_3+...+a_{mn}x_n=0 \end{matrix}\right. ⎩ ⎨ ⎧a11x1+a12x2+a13x3+...+a1nxn=0a21x1+a22x2+a23x3+...+a2nxn=0...am1x1+am2x2+am3x3+...+amnxn=0
1. 行向量视角
- 将系数矩阵
A
m
×
n
\pmb{A}_{m\times n}
Am×n用
m
m
m 个
n
n
n 维行向量
α
i
=
[
a
i
1
,
a
i
2
,
.
.
.
,
a
i
n
]
⊤
\pmb{\alpha}_i=[a_{i1},a_{i2},...,a_{in}]^\top
αi=[ai1,ai2,...,ain]⊤ 表示，原方程组变形为
A x = [ α 1 , α 2 , . . . , α m ] ⊤ x = [ α 1 x , α 2 x , . . . , α m x ] ⊤ = 0 \begin{aligned} \pmb{Ax} &= [\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_m]^\top\pmb{x} \\&= [\pmb{\alpha}_1\pmb{x},\pmb{\alpha}_2\pmb{x},...,\pmb{\alpha}_m\pmb{x}]^\top = \pmb{0} \end{aligned} Ax=[α1,α2,...,αm]⊤x=[α1x,α2x,...,αmx]⊤=0 设秩 rank ( A ) = r \text{rank}(\pmb{A})=r rank(A)=r，根据性质 “矩阵的秩 = 列向量组的秩 = 行向量组的秩”，得到行向量组 α 1 , α 2 , . . . , α m \pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_m α1,α2,...,αm 的秩也为 r r r - 行向量组秩为 r r r，说明只要 r r r 个方程，就能线性表示全部 m m m 个方程，这样就能通过行初等变换消去多余的方程（高斯消元法），留下的有效方程（约束）个数只有 r r r
- n n n 个未知数只能约束 r r r 个，剩余的 n − r n-r n−r 个未知数就可以任意取值，因此解空间维数，即基础解系中（线性无关）向量个数为 n − r n-r n−r
- 综上，解空间的维数 n − r n-r n−r + 系数矩阵秩 r r r = 未知数个数 n n n
2. 列向量视角
- 将系数矩阵
A
m
×
n
\pmb{A}_{m\times n}
Am×n 用
n
n
n 个
m
m
m 维列向量
α
i
=
[
a
1
i
,
a
2
i
,
.
.
.
,
a
m
i
]
⊤
\pmb{\alpha}_i=[a_{1i},a_{2i},...,a_{mi}]^\top
αi=[a1i,a2i,...,ami]⊤ 表示，原方程组变形为
A x = [ α 1 , α 2 , . . . , α n ] x = x 1 α 1 + x 2 α 2 + . . . + x n α n = 0 \begin{aligned} \pmb{Ax} &= [\pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_n]\pmb{x} \\ &= x_1\pmb{\alpha}_1+x_2\pmb{\alpha}_2 +...+x_n\pmb{\alpha}_n = \pmb{0} \end{aligned} Ax=[α1,α2,...,αn]x=x1α1+x2α2+...+xnαn=0 设秩 rank ( A ) = r \text{rank}(\pmb{A})=r rank(A)=r，根据性质 “矩阵的秩 = 列向量组的秩 = 行向量组的秩”，列向量组 α 1 , α 2 , . . . , α n \pmb{\alpha}_1,\pmb{\alpha}_2,...,\pmb{\alpha}_n α1,α2,...,αn 的秩也为 r r r - 把矩阵
A
\pmb{A}
A 通过初等行变换化阶梯型
B
\pmb{B}
B，得到同解方程组
x
1
β
1
+
x
2
β
2
+
.
.
.
+
x
n
β
n
=
0
x_1\pmb{\beta}_1+x_2\pmb{\beta}_2 +...+x_n\pmb{\beta}_n = \pmb{0}
x1β1+x2β2+...+xnβn=0这时有
- 由于来自阶梯型矩阵，每个列向量 β i \pmb{\beta}_i βi 的非零元素都集中在上方
- 由于初等行变换不改变列向量线性相关性（说明见此文第2节）， β 1 , β 2 , . . . , β n \pmb{\beta}_1,\pmb{\beta}_2,...,\pmb{\beta}_n β1,β2,...,βn 的秩也为 r r r
- 由于同解，下面仅分析新方程的情况
- 由于秩为
r
r
r，
B
\pmb{B}
B 中一共有
r
r
r 个阶梯，从每层阶梯任取一个列向量组成极大线性无关组。为了符号简便，不妨假设前
r
r
r 个列向量
β
1
,
β
2
,
.
.
.
,
β
r
\pmb{\beta}_1,\pmb{\beta}_2,...,\pmb{\beta}_r
β1,β2,...,βr 组成极大线性无关组，这意味着：
- 前 r r r 个列向量组成的齐次线性方程组 x 1 β 1 + x 2 β 2 + . . . + x r β r = 0 x_1\pmb{\beta}_1+x_2\pmb{\beta}_2 +...+x_r\pmb{\beta}_r = \pmb{0} x1β1+x2β2+...+xrβr=0 只有零解
- 后 n − r n-r n−r 个列向量组成的向量组 β r + 1 , β r + 2 , . . . , β n \pmb{\beta}_{r+1},\pmb{\beta}_{r+2},...,\pmb{\beta}_n βr+1,βr+2,...,βn 的秩 r ′ ≤ r r' \leq r r′≤r
- 由于每个列向量 β i \pmb{\beta}_i βi 的非零元素都集中在上方，极大线性无关组 β 1 , β 2 , . . . , β r \pmb{\beta}_1,\pmb{\beta}_2,...,\pmb{\beta}_r β1,β2,...,βr 可以唯一地线性表出任意后 m − r m-r m−r 个元素为 0 0 0 的 m m m 维列向量 b = [ b 1 , b 2 , . . . , b r , 0 , 0 , . . . , 0 ] ⊤ ∈ R m \pmb{b} = [b_1,b_2,...,b_r,0,0,...,0]^\top \in R^m b=[b1,b2,...,br,0,0,...,0]⊤∈Rm同理 β r + 1 , β r + 2 , . . . , β n \pmb{\beta}_{r+1},\pmb{\beta}_{r+2},...,\pmb{\beta}_n βr+1,βr+2,...,βn 可以线性表出（不一定唯一）任意后 m − r ′ m-r' m−r′ 个元素为 0 0 0 的 m m m 维列向量 b ′ = [ b 1 ′ , b 2 ′ , . . . , b r ′ ′ , 0 , 0 , . . . , 0 ] ⊤ ∈ R m \pmb{b}' = [b_1',b_2',...,b'_{r'},0,0,...,0]^\top \in R^m b′=[b1′,b2′,...,br′′,0,0,...,0]⊤∈Rm
- 对化阶梯型得到的同解齐次线性方程组移项，把极大线性无关组向量和其他向量分别放在等号两边，即
x 1 β 1 + x 2 β 2 + . . . + x r β r = − x r + 1 β r + 1 − x r + 2 β r + 2 − . . . − x n β n x_1\pmb{\beta}_1+x_2\pmb{\beta}_2 +...+x_r\pmb{\beta}_r = -x_{r+1}\pmb{\beta}_{r+1}-x_{r+2}\pmb{\beta}_{r+2}-...-x_n\pmb{\beta}_n x1β1+x2β2+...+xrβr=−xr+1βr+1−xr+2βr+2−...−xnβn 这时，等号右边的 n − r n-r n−r 个未知数 x r + 1 , x r + 2 , . . . , x n x_{r+1},x_{r+2},...,x_n xr+1,xr+2,...,xn 可以任取以组合出任意后 m − r ′ m-r' m−r′ 个元素为 0 0 0 的 m m m 维列向量，由于 r ′ ≤ r r'\leq r r′≤r，根据前述分析，左边 x 1 , . . . , x r x_1,...,x_r x1,...,xr 必有唯一取值使得等号成立。因此解空间维数，即基础解系中（线性无关）向量个数为 n − r n-r n−r - 综上，解空间的维数 n − r n-r n−r + 系数矩阵秩 r r r = 未知数个数 n n n
4565
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
