线性方程组

Cramer法则 知识点详解与推导证明

我将从核心定理的底层逻辑出发，完整推导证明Cramer法则，拆解每个例题的思路与推导细节，最后用表格系统归纳核心知识点。

---

一、Cramer法则 核心定理与完整证明

定理3.1.1（Cramer法则）

设\(A=(a_{ij})_{n\times n}\)为n阶方阵，常数项向量\(b=(b_1,b_2,\dots,b_n)^T\)，若系数行列式 \(D=|A|\neq0\)，则n元线性方程组 \(AX=b\) 有唯一解，且解的分量为：

\[x_i = \frac{D_i}{D},\quad i=1,2,\dots,n \]

其中\(D_i\)是将系数行列式\(D\)的第\(i\)列，替换为常数项\(b_1,b_2,\dots,b_n\)后得到的n阶行列式。

---

定理完整证明

Cramer法则的证明分为唯一性和存在性两部分，核心依赖可逆矩阵、伴随矩阵与行列式展开定理。

1. 唯一性证明

若线性方程组\(AX=b\)有解，由\(D=|A|\neq0\)，可知方阵\(A\)可逆（逆矩阵\(A^{-1}\)存在且唯一）。
对\(AX=b\)两边同时左乘\(A^{-1}\)，得：

\[X=A^{-1}b \]

由于逆矩阵唯一，因此方程组的解\(X\)唯一。

2. 存在性证明

我们需要证明：\(X=A^{-1}b\)的分量恰好满足\(x_i=\frac{D_i}{D}\)。
根据伴随矩阵的核心性质，可逆矩阵的逆矩阵可表示为：

\[A^{-1} = \frac{1}{|A|}A^* = \frac{1}{D}A^* \]

其中\(A^*\)是\(A\)的伴随矩阵，其结构为\(A^*=(A_{ji})_{n\times n}\)，即\(A^*\)的第\(i\)行第\(j\)列元素，是\(A\)的第\(j\)行第\(i\)列元素的代数余子式\(A_{ji}\)。

将\(A^{-1}\)代入解的表达式，得：

\[X = \frac{1}{D}A^* b \]

因此\(X\)的第\(i\)个分量为：

\[x_i = \frac{1}{D} \cdot \left( A^*b \text{的第}i\text{个分量} \right) \]

而\(A^*b\)的第\(i\)个分量，是\(A^*\)的第\(i\)行与向量\(b\)的乘积：

\[\sum_{j=1}^n A_{ji} b_j \]

再看\(D_i\)的定义：\(D_i\)是将\(D\)的第\(i\)列替换为\(b_1,\dots,b_n\)得到的行列式，对\(D_i\)按第\(i\)列展开，得：

\[D_i = b_1A_{1i} + b_2A_{2i} + \dots + b_nA_{ni} = \sum_{j=1}^n b_j A_{ji} \]

对比可知，\(A^*b\)的第\(i\)个分量恰好等于\(D_i\)，因此：

\[x_i = \frac{D_i}{D},\quad i=1,2,\dots,n \]

即该表达式是方程组的解，存在性得证。

---

核心推论（齐次线性方程组）

对于n元齐次线性方程组\(AX=0\)：

1. 若\(|A|\neq0\)，则方程组只有零解（\(x_1=x_2=\dots=x_n=0\)）；
2. 若方程组有非零解，则必有\(|A|=0\)（逆命题同样成立）。

这是Cramer法则最常用的推论，也是判断齐次方程组解的性质的核心依据。

---

二、例题详细推导与讲解

例1 整系数齐次方程组只有零解的证明

题目：证明线性方程组

\[\begin{cases} x_1 = 2a_{11}x_1 + 2a_{12}x_2 + \dots + 2a_{1n}x_n,\\ x_2 = 2a_{21}x_1 + 2a_{22}x_2 + \dots + 2a_{2n}x_n,\\ \quad\quad\quad\quad\quad\quad\cdots\cdots\\ x_n = 2a_{n1}x_1 + 2a_{n2}x_2 + \dots + 2a_{nn}x_n \end{cases} \]

只有零解，其中\(a_{ij}\)全为整数。

详细推导过程

核心思路：要证明齐次方程组只有零解，只需证明其系数行列式≠0（Cramer法则推论）。

步骤1：将方程组化为标准齐次形式

将原方程所有项移到左侧，整理得：

\[x_i - \sum_{j=1}^n 2a_{ij}x_j = 0,\quad i=1,2,\dots,n \]

合并同类项后，两边同时除以\(-2\)，得到标准齐次线性方程组：

\[\begin{cases} \left(a_{11} - \frac{1}{2}\right)x_1 + a_{12}x_2 + \dots + a_{1n}x_n = 0,\\ a_{21}x_1 + \left(a_{22} - \frac{1}{2}\right)x_2 + \dots + a_{2n}x_n = 0,\\ \quad\quad\quad\quad\quad\quad\cdots\cdots\\ a_{n1}x_1 + a_{n2}x_2 + \dots + \left(a_{nn} - \frac{1}{2}\right)x_n = 0. \end{cases} \]

该方程组的系数矩阵为\(A-\frac{1}{2}E\)（\(E\)为n阶单位矩阵），对应的系数行列式为矩阵\(A\)的特征多项式在\(\lambda=\frac{1}{2}\)处的值。

步骤2：分析特征多项式的性质

定义矩阵\(A\)的特征多项式：

\[f(\lambda) = |A-\lambda E| = \begin{vmatrix} a_{11}-\lambda & a_{12} & \dots & a_{1n}\\ a_{21} & a_{22}-\lambda & \dots & a_{2n}\\ \vdots & \vdots & & \vdots\\ a_{n1} & a_{n2} & \dots & a_{nn}-\lambda \end{vmatrix}\]

展开后为n次多项式：

\[f(\lambda) = (-1)^n \lambda^n + b_1\lambda^{n-1} + \dots + b_n \]

由于\(a_{ij}\)全为整数，行列式的展开式是元素乘积的代数和，因此所有系数\(b_1,b_2,\dots,b_n\)均为整数，即\(f(\lambda)\)是首项系数为\(\pm1\)的整系数多项式。

步骤3：利用有理根定理证明\(f(\frac{1}{2})\neq0\)

有理根定理：对于整系数多项式\(a_nx^n+\dots+a_0\)，若有理数\(\frac{p}{q}\)（\(p,q\)互质）是多项式的根，则\(p\)整除常数项\(a_0\)，\(q\)整除首项系数\(a_n\)。

对于\(f(\lambda)\)，首项系数为\((-1)^n=\pm1\)，因此其有理根的分母\(q\)只能是\(\pm1\)，即\(f(\lambda)\)的所有有理根都是整数。

而\(\lambda=\frac{1}{2}\)是分数，不是整数，因此\(\frac{1}{2}\)不可能是\(f(\lambda)\)的根，即\(f(\frac{1}{2})\neq0\)。

步骤4：结论

\(f(\frac{1}{2})\)是齐次方程组的系数行列式，且\(f(\frac{1}{2})\neq0\)，根据Cramer法则的推论，该齐次方程组只有零解，即原方程组只有零解。

---

例2 伴随矩阵对应方程组解的等价性

题目：设\(A\)为\(n\times n\)矩阵，求证方程组\(AX=b\)有唯一解的充要条件是方程组\(A^*X=d\)有唯一解，并在此时求其解。

详细推导过程

核心思路：n阶方阵对应的线性方程组有唯一解\(\iff\)系数矩阵可逆（行列式≠0、满秩），只需证明\(A\)可逆与\(A^*\)可逆等价。

1. 必要性证明（\(AX=b\)有唯一解\(\implies A^*X=d\)有唯一解）

若\(AX=b\)有唯一解，根据Cramer法则，等价于\(|A|\neq0\)（\(A\)可逆、满秩\(r(A)=n\)）。

根据伴随矩阵的行列式性质：

\[|A^*|=|A|^{n-1} \]

由于\(|A|\neq0\)，因此\(|A|^{n-1}\neq0\)，即\(|A^*|\neq0\)，\(A^*\)可逆。

再根据Cramer法则，方程组\(A^*X=d\)的系数行列式\(|A^*|\neq0\)，因此该方程组有唯一解。

解的表达式：对\(A^*X=d\)两边左乘\((A^*)^{-1}\)，得唯一解：

\[X=(A^*)^{-1}d \]

补充：由\(AA^*=|A|E\)，可得\((A^*)^{-1}=\frac{A}{|A|}\)，因此解也可写为\(X=\frac{1}{|A|}Ad\)。

2. 充分性证明（\(A^*X=d\)有唯一解\(\implies AX=b\)有唯一解）

若\(A^*X=d\)有唯一解，根据Cramer法则，等价于\(|A^*|\neq0\)，即\(r(A^*)=n\)（满秩）。

根据伴随矩阵的秩的性质：

\[r(A^*)=n \iff r(A)=n \]

因此\(r(A)=n\)，即\(|A|\neq0\)，\(A\)可逆。

再根据Cramer法则，方程组\(AX=b\)的系数行列式\(|A|\neq0\)，因此该方程组有唯一解。

解的表达式：对\(AX=b\)两边左乘\(A^{-1}\)，得唯一解：

\[X=A^{-1}b \]

---

例3 整系数方程组整数解的行列式性质

题目：设整系数线性方程组

\[\sum_{j=1}^n a_{ij}x_j = b_i,\quad i=1,\dots,n \]

对任意的\(b_1,\dots,b_n\)均有整数解，证明其系数行列式必为\(\pm1\)。

详细推导过程

核心思路：利用“对任意\(b\)有整数解”的条件，取特殊的\(b\)构造\(A\)的逆矩阵，结合整数矩阵的行列式性质证明结论。

步骤1：方程组的矩阵形式

将方程组写为矩阵形式\(AX=b\)，其中\(A=(a_{ij})_{n\times n}\)是整系数矩阵（所有元素为整数）。

题目条件：对任意整数向量\(b\in\mathbb{Z}^n\)，都存在整数解\(X\in\mathbb{Z}^n\)满足\(AX=b\)。

步骤2：构造逆矩阵

取单位矩阵\(E\)的第\(i\)列\(e_i=(0,\dots,1,\dots,0)^T\)（第\(i\)个分量为1，其余为0），\(i=1,2,\dots,n\)。

根据题设，对每个\(e_i\)，都存在整数解\(\alpha_i\in\mathbb{Z}^n\)，使得\(A\alpha_i=e_i\)。

将\(\alpha_1,\dots,\alpha_n\)按列拼成矩阵\(D=(\alpha_1,\alpha_2,\dots,\alpha_n)\)，由于每个\(\alpha_i\)都是整数向量，因此\(D\)是整系数矩阵。

计算\(AD\)：

\[AD = A(\alpha_1,\alpha_2,\dots,\alpha_n) = (A\alpha_1,A\alpha_2,\dots,A\alpha_n) = (e_1,e_2,\dots,e_n) = E \]

因此\(AD=E\)，即\(A\)可逆，且\(A^{-1}=D\)（\(A\)的逆矩阵是整系数矩阵）。

步骤3：行列式推导

对\(AD=E\)两边同时取行列式，得：

\[|A|\cdot|D|=|E|=1 \]

由于\(A\)和\(D\)都是整系数矩阵，整数矩阵的行列式是元素乘积的代数和，因此\(|A|\)和\(|D|\)都是整数。

两个整数相乘等于1，仅存在两种可能：

• \(|A|=1\)，\(|D|=1\)；
• \(|A|=-1\)，\(|D|=-1\)。

因此\(|A|=\pm1\)，证毕。

---

例4 多项式恒零的证明

题目：设\(f(x)=c_0 + c_1x + \dots + c_nx^n\)，求证若\(f(x)\)至少有\(n+1\)个不同的根，则\(f(x)=0\)（零多项式）。

详细推导过程

核心思路：将多项式的根转化为系数的齐次线性方程组，利用Vandermonde行列式非零，证明系数全为0。

步骤1：构造齐次线性方程组

设\(f(x)\)的\(n+1\)个不同的根为\(a_1,a_2,\dots,a_{n+1}\)，即\(f(a_i)=0\)，\(i=1,2,\dots,n+1\)。

代入多项式表达式，得：

\[c_0 + c_1a_i + c_2a_i^2 + \dots + c_na_i^n = 0,\quad i=1,2,\dots,n+1 \]

将上式视为关于未知数\(c_0,c_1,\dots,c_n\)的齐次线性方程组，共\(n+1\)个方程、\(n+1\)个未知数，其系数矩阵为：

\[A=\begin{pmatrix} 1 & a_1 & a_1^2 & \dots & a_1^n\\ 1 & a_2 & a_2^2 & \dots & a_2^n\\ \vdots & \vdots & \vdots & & \vdots\\ 1 & a_{n+1} & a_{n+1}^2 & \dots & a_{n+1}^n \end{pmatrix}\]

步骤2：分析系数行列式

\(|A|\)是\(n+1\)阶Vandermonde行列式，其计算公式为：

\[|A| = \prod_{1\leq j<i\leq n+1} (a_i - a_j) \]

由于\(a_1,a_2,\dots,a_{n+1}\)是互不相同的数，因此所有\(a_i - a_j\neq0\)，故\(|A|\neq0\)。

步骤3：结论

根据Cramer法则的推论，系数行列式非零的齐次线性方程组只有零解，因此：

\[c_0=c_1=\dots=c_n=0 \]

即多项式\(f(x)\)的所有系数均为0，因此\(f(x)\)是零多项式，证毕。

---

例5 插值多项式的存在唯一性

题目：设\(a_1,a_2,\dots,a_n\)是数域\(F\)中互异的数，\(b_1,b_2,\dots,b_n\)是\(F\)中任一组给定的不全为0的数，求证存在\(F\)上唯一的次数小于\(n\)的多项式\(f(x)\)，使得\(f(a_i)=b_i \ (i=1,\dots,n)\)。

详细推导过程

核心思路：将插值条件转化为线性方程组，利用Vandermonde行列式非零证明存在性，结合例4的结论证明唯一性。

步骤1：构造线性方程组

次数小于\(n\)的多项式可表示为：

\[f(x)=c_0 + c_1x + c_2x^2 + \dots + c_{n-1}x^{n-1} \]

共\(n\)个待求系数\(c_0,c_1,\dots,c_{n-1}\)。

将插值条件\(f(a_i)=b_i\)代入，得：

\[c_0 + c_1a_i + c_2a_i^2 + \dots + c_{n-1}a_i^{n-1} = b_i,\quad i=1,2,\dots,n \]

这是关于\(c_0,c_1,\dots,c_{n-1}\)的线性方程组，系数矩阵为n阶Vandermonde矩阵：

\[A=\begin{pmatrix} 1 & a_1 & a_1^2 & \dots & a_1^{n-1}\\ 1 & a_2 & a_2^2 & \dots & a_2^{n-1}\\ \vdots & \vdots & \vdots & & \vdots\\ 1 & a_n & a_n^2 & \dots & a_n^{n-1} \end{pmatrix}\]

步骤2：存在性证明

由于\(a_1,a_2,\dots,a_n\)互异，因此Vandermonde行列式：

\[|A|=\prod_{1\leq j<i\leq n}(a_i - a_j)\neq0 \]

根据Cramer法则，该线性方程组有唯一解\(c_0,c_1,\dots,c_{n-1}\)，代入多项式表达式，即可得到满足条件的次数小于\(n\)的多项式\(f(x)\)，存在性得证。

步骤3：唯一性证明

假设存在另一个次数小于\(n\)的多项式\(g(x)\)，也满足\(g(a_i)=b_i \ (i=1,\dots,n)\)。

令\(F(x)=f(x)-g(x)\)，则\(F(x)\)也是次数小于\(n\)的多项式，且：

\[F(a_i)=f(a_i)-g(a_i)=b_i - b_i=0,\quad i=1,\dots,n \]

即\(F(x)\)有\(n\)个不同的根。

根据例4的结论，次数小于\(n\)的多项式若有\(n\)个不同的根，则必为零多项式，即\(F(x)=0\)，因此\(f(x)=g(x)\)，唯一性得证。

---

三、核心知识点归纳总结

分类	核心内容	关键细节与说明
Cramer法则核心定理	设n阶方阵\(A=(a_{ij})_{n\times n}\)，线性方程组\(AX=b\)，若系数行列式\(D=|A|\neq0\)，则方程组有唯一解，且解为\(x_i=\frac{D_i}{D} \ (i=1,2,\dots,n)\)，其中\(D_i\)是将D的第i列替换为常数项\(b_1,\dots,b_n\)得到的行列式。	1. 适用前提：n个方程n个未知数的线性方程组，系数矩阵为方阵； 2. 核心等价：\(|A|\neq0 \iff A可逆 \iff r(A)=n \iff AX=b有唯一解\)； 3. 证明核心：伴随矩阵性质\(A^{-1}=\frac{1}{|A|}A^*\) + 行列式按列展开定理。
齐次线性方程组推论	对于n元齐次线性方程组\(AX=0\)： 1. 若\(|A|\neq0\)，则方程组只有零解； 2. 若方程组有非零解，则必有\(|A|=0\)。	1. Cramer法则最常用的推论，是齐次方程组解的核心判断依据； 2. 逆命题成立：\(|A|=0 \iff AX=0\)有非零解。
伴随矩阵核心性质	1. 行列式关系：\(|A^*|=|A|^{n-1}\)； 2. 秩的关系：\(r(A^*)=\begin{cases}n, & r(A)=n \\1, & r(A)=n-1 \\0, & r(A)<n-1\end{cases}\)； 3. 逆矩阵关系：\(AA^*=|A|E\)，\(|A|\neq0\)时\(A^{-1}=\frac{1}{|A|}A^*\)。	核心作用：建立\(A\)可逆与\(A^*\)可逆的等价关系，是例2的核心理论依据。
有理根定理	整系数多项式\(f(x)=a_nx^n+\dots+a_0\)，若有理数\(\frac{p}{q}\)（\(p,q\)互质）是\(f(x)\)的根，则\(p\)整除\(a_0\)，\(q\)整除\(a_n\)。	推论：首项系数为\(\pm1\)的整系数多项式，所有有理根均为整数，是例1的核心工具。
Vandermonde行列式	n阶Vandermonde行列式：\(V_n=\begin{vmatrix}1 & a_1 & a_1^2 & \dots & a_1^{n-1} \\1 & a_2 & a_2^2 & \dots & a_2^{n-1} \\\vdots & \vdots & \vdots & & \vdots \\1 & a_n & a_n^2 & \dots & a_n^{n-1}\end{vmatrix}=\prod_{1\leq j<i\leq n}(a_i-a_j)\)	核心结论：\(a_1,\dots,a_n\)互异\(\iff V_n\neq0\)，是例4、例5的核心工具。
经典应用1	整系数齐次方程组只有零解的证明	核心逻辑：标准化方程组→特征多项式→有理根定理证明行列式非零→Cramer推论得结论。
经典应用2	整系数方程组的整数解性质	核心逻辑：取单位列构造逆矩阵→整数矩阵行列式为整数→$
经典应用3	多项式插值与恒零证明	核心逻辑：根/插值条件转化为线性方程组→Vandermonde行列式非零→解的存在唯一性。

---

补充说明

Cramer法则具有极高的理论价值，是线性方程组解的理论的核心基础，但在实际数值计算中，求解n阶方程组需要计算n+1个n阶行列式，计算量远大于高斯消元法，因此多用于理论推导与证明，而非大规模数值计算。

---

3.2 齐次线性方程组 知识点详解与完整推导

承接3.1节Cramer法则（仅适用于n阶方阵的特殊情况），本节将齐次线性方程组的解的判定推广到m×n一般矩阵的通用场景，完整讲解核心定理、推导证明与经典应用。

---

一、核心概念与基础定理

1. 齐次线性方程组的定义

设\(A\)是数域\(F\)上的\(m\times n\)矩阵（\(m\)为方程个数，\(n\)为未知数个数，\(m\)与\(n\)可不等），\(X=(x_1,x_2,\dots,x_n)^T\)为n维未知列向量，则

\[AX=0 \]

称为n元齐次线性方程组。
其本质是：寻找所有n维向量\(X\)，使得\(X\)与\(A\)的每一个行向量正交（内积为0），所有解构成的集合称为\(A\)的零空间（核空间）。

---

2. 核心定理（有非零解的充要条件）

定理3.2.1

齐次线性方程组\(AX=0\)有非零解的充要条件是\(r(A) < n\)，其中\(r(A)\)是系数矩阵\(A\)的秩，\(n\)是未知数的个数。

定理完整证明

（1）必要性：有非零解 \(\implies r(A) < n\)

将系数矩阵\(A\)按列分块：\(A=(\alpha_1,\alpha_2,\dots,\alpha_n)\)，其中\(\alpha_i\)是\(A\)的第\(i\)个m维列向量。
则方程组\(AX=0\)可改写为向量形式：

\[x_1\alpha_1 + x_2\alpha_2 + \dots + x_n\alpha_n = 0 \]

若方程组有非零解，即存在不全为0的数\(x_1,x_2,\dots,x_n\)使上式成立，根据线性相关的定义，列向量组\(\alpha_1,\alpha_2,\dots,\alpha_n\)线性相关。
而向量组线性相关的充要条件是：向量组的秩小于向量的个数，即\(r(A)=r\{\alpha_1,\dots,\alpha_n\} < n\)，必要性得证。

（2）充分性：\(r(A) < n \implies\) 有非零解

设\(r(A)=r < n\)，对\(A\)做初等行变换化为行最简形，行最简形仅有\(r\)个非零行，对应\(r\)个约束变量，剩余\(n-r\)个为自由未知量。
给自由未知量取一组不全为0的值（例如第一个自由未知量取1，其余取0），代入行最简形对应的方程组，可解出约束变量的值，得到一个非零解向量，因此\(AX=0\)有非零解，充分性得证。

---

3. 核心推论（高频应用）

推论场景	结论
方程个数=未知数个数（\(m=n\)）	\(AX=0\)有非零解 \(\iff |A|=0\)（即\(r(A)<n\)）； \(AX=0\)只有零解 \(\iff |A|\neq0\)（即\(r(A)=n\)）。 （此为3.1节Cramer法则的推论，是通用定理的特例）
方程个数<未知数个数（\(m<n\)）	\(AX=0\)必有非零解。 原因：\(r(A)\leq\min\{m,n\}=m < n\)，满足定理条件。

---

二、例题详细推导与讲解

例1 矩阵零化问题的充要条件证明

题目：设\(A\)是\(m\times n\)矩阵，求证存在非零的\(n\times s\)矩阵\(B\)，使得\(AB=0\)的充要条件是\(r(A) < n\)。

核心思路

矩阵乘法\(AB=0\)的本质是：\(B\)的每一个列向量都是齐次线性方程组\(AX=0\)的解。因此“存在非零矩阵\(B\)”等价于“\(AX=0\)至少有一个非零解”，将矩阵问题转化为齐次方程组解的判定问题。

完整证明

（1）必要性：存在非零\(n\times s\)矩阵\(B\)，\(AB=0\) \(\implies r(A) < n\)

反证法：假设\(r(A)=n\)，根据定理3.2.1，\(AX=0\)只有零解。
将\(B\)按列分块：\(B=(\beta_1,\beta_2,\dots,\beta_s)\)，其中\(\beta_i\)是n维列向量。则

\[AB = A(\beta_1,\beta_2,\dots,\beta_s) = (A\beta_1,A\beta_2,\dots,A\beta_s) = 0 \]

等价于\(A\beta_i=0\)对所有\(i=1,\dots,s\)成立。
由于\(AX=0\)只有零解，因此所有\(\beta_i=0\)，即\(B\)是零矩阵，与“\(B\)是非零矩阵”矛盾。
因此假设不成立，故\(r(A) < n\)，必要性得证。

（2）充分性：\(r(A) < n\) \(\implies\) 存在非零\(n\times s\)矩阵\(B\)，\(AB=0\)

因为\(r(A) < n\)，根据定理3.2.1，\(AX=0\)有非零解，设\(X_0=(x_1,x_2,\dots,x_n)^T\neq0\)是一个非零解，即\(AX_0=0\)。

构造\(n\times s\)矩阵\(B\)：将\(X_0\)作为\(B\)的第一列，其余列均取零向量，即

\[B = \begin{pmatrix} x_1 & 0 & \dots & 0 \\ x_2 & 0 & \dots & 0 \\ \vdots & \vdots & & \vdots \\ x_n & 0 & \dots & 0 \end{pmatrix}\]

• 由于\(X_0\neq0\)，因此\(B\)是非零矩阵；
• 计算\(AB\)：\(AB = A(X_0,0,\dots,0) = (AX_0,A0,\dots,A0) = (0,0,\dots,0) = 0\)。

满足条件的非零矩阵\(B\)构造完成，充分性得证。

---

例2 三角恒等式的证明

题目：设\(a,b,c\)不全为零，\(\alpha,\beta,\gamma\)为任意实数，且

\[\begin{cases} a = b\cos\gamma + c\cos\beta, \\ b = c\cos\alpha + a\cos\gamma, \\ c = a\cos\beta + b\cos\alpha, \end{cases}\]

求证：\(\cos^2\alpha + \cos^2\beta + \cos^2\gamma + 2\cos\alpha\cos\beta\cos\gamma = 1\)。

核心思路

将已知等式整理为关于\(a,b,c\)的齐次线性方程组，利用“\(a,b,c\)不全为零”的条件，得出方程组有非零解，因此系数行列式为0，展开行列式即可得到待证恒等式。

完整推导

步骤1：整理为齐次线性方程组的标准形式

将所有项移到等式左侧，整理为以\(a,b,c\)为未知数的齐次方程组：

\[\begin{cases} -a + b\cos\gamma + c\cos\beta = 0, \\ a\cos\gamma - b + c\cos\alpha = 0, \\ a\cos\beta + b\cos\alpha - c = 0. \end{cases}\]

步骤2：利用非零解条件得到行列式为0

已知\(a,b,c\)不全为零，即该齐次方程组有非零解。根据推论（\(m=n\)时，有非零解\(\iff\)系数行列式为0），得：

\[\begin{vmatrix} -1 & \cos\gamma & \cos\beta \\ \cos\gamma & -1 & \cos\alpha \\ \cos\beta & \cos\alpha & -1 \end{vmatrix} = 0\]

步骤3：展开行列式并整理

按第一行展开3阶行列式：

\[\begin{align*} &-1\cdot\begin{vmatrix}-1 & \cos\alpha \\ \cos\alpha & -1\end{vmatrix} - \cos\gamma\cdot\begin{vmatrix}\cos\gamma & \cos\alpha \\ \cos\beta & -1\end{vmatrix} + \cos\beta\cdot\begin{vmatrix}\cos\gamma & -1 \\ \cos\beta & \cos\alpha\end{vmatrix} = 0 \\ \end{align*} \]

分别计算每个2阶行列式：

1. \(\begin{vmatrix}-1 & \cos\alpha \\ \cos\alpha & -1\end{vmatrix} = 1 - \cos^2\alpha\)
2. \(\begin{vmatrix}\cos\gamma & \cos\alpha \\ \cos\beta & -1\end{vmatrix} = -\cos\gamma - \cos\alpha\cos\beta\)
3. \(\begin{vmatrix}\cos\gamma & -1 \\ \cos\beta & \cos\alpha\end{vmatrix} = \cos\alpha\cos\gamma + \cos\beta\)

代入展开式并化简：

\[\begin{align*} &-1\cdot(1-\cos^2\alpha) - \cos\gamma\cdot(-\cos\gamma - \cos\alpha\cos\beta) + \cos\beta\cdot(\cos\alpha\cos\gamma + \cos\beta) = 0 \\ &-1 + \cos^2\alpha + \cos^2\gamma + \cos\alpha\cos\beta\cos\gamma + \cos\alpha\cos\beta\cos\gamma + \cos^2\beta = 0 \\ &\cos^2\alpha + \cos^2\beta + \cos^2\gamma + 2\cos\alpha\cos\beta\cos\gamma - 1 = 0 \end{align*} \]

移项后即得：

\[\cos^2\alpha + \cos^2\beta + \cos^2\gamma + 2\cos\alpha\cos\beta\cos\gamma = 1 \]

证毕。

---

例3 行列式符号的证明（经典方法）

题目：设\(A\)是\(n\)阶实可逆矩阵，\(S\)为\(n\)阶反对称矩阵，求证 \(|AA^T + S| > 0\)（注：题目中\(A'\)为\(A\)的转置\(A^T\)）。

前置知识点回顾

1. 正定矩阵性质：实可逆矩阵\(A\)对应的\(AA^T\)是正定实对称矩阵。对任意非零实列向量\(\alpha\)，有\(\alpha^TAA^T\alpha = \|A^T\alpha\|^2 > 0\)（\(A\)可逆，\(\alpha\neq0\)时\(A^T\alpha\neq0\)）。
2. 反对称矩阵性质：满足\(S^T=-S\)的实方阵，对任意实列向量\(\alpha\)，有\(\alpha^TS\alpha=0\)。
   证明：\(\alpha^TS\alpha\)是1阶矩阵，转置等于自身，即\((\alpha^TS\alpha)^T = \alpha^TS^T\alpha = -\alpha^TS\alpha\)，因此\(\alpha^TS\alpha = -\alpha^TS\alpha\)，即\(\alpha^TS\alpha=0\)。

完整证明

证明分为两步：先证\(|AA^T + S|\neq0\)，再证\(|AA^T + S|>0\)。

第一步：证明\(|AA^T + S|\neq0\)（反证法）

假设\(|AA^T + S|=0\)，则齐次线性方程组\((AA^T + S)X=0\)有非零解，设\(\alpha\neq0\)为该非零解，即：

\[(AA^T + S)\alpha = 0 \]

对等式两边左乘\(\alpha^T\)，得：

\[\alpha^T(AA^T + S)\alpha = 0 \]

展开得：

\[\alpha^TAA^T\alpha + \alpha^TS\alpha = 0 \]

根据前置性质：\(\alpha^TAA^T\alpha > 0\)，\(\alpha^TS\alpha=0\)，代入得正数+0=0，矛盾。
因此假设不成立，故\(|AA^T + S|\neq0\)。

第二步：证明\(|AA^T + S|>0\)（连续函数介值定理）

构造闭区间\([0,1]\)上的实连续函数：

\[f(x) = |AA^T + xS|,\quad x\in[0,1] \]

1. 连续性：行列式的元素是\(x\)的一次多项式，多项式是连续函数，因此\(f(x)\)是\([0,1]\)上的连续函数。
2. 恒不为0：对任意\(x\in[0,1]\)，\(xS\)仍是反对称矩阵（\((xS)^T=xS^T=-xS\)），根据第一步的结论，\(|AA^T + xS|\neq0\)，即\(f(x)\)在\([0,1]\)上恒不为0。
3. 端点值分析：
   • \(f(0) = |AA^T| = |A|\cdot|A^T| = |A|^2\)，\(A\)可逆故\(|A|\neq0\)，因此\(f(0) > 0\)；
   • \(f(1) = |AA^T + S|\)，即待证的行列式。

反证法：假设\(f(1) < 0\)，则\(f(x)\)在\([0,1]\)上连续，且\(f(0)>0\)，\(f(1)<0\)，根据连续函数介值定理，必存在\(t\in(0,1)\)使得\(f(t)=0\)，与“\(f(x)\)在\([0,1]\)上恒不为0”矛盾。
因此假设不成立，故\(f(1) > 0\)，即\(|AA^T + S| > 0\)，证毕。

---

三、核心知识点归纳总结

分类	核心内容	关键细节与应用场景
核心定理	齐次线性方程组\(AX=0\)（\(A_{m\times n}\)）有非零解 \(\iff r(A) < n\)； 只有零解 \(\iff r(A) = n\)。	通用判定规则，不受方程个数与未知数个数是否相等的限制，是齐次方程组解的核心判定依据。
核心推论1	\(m=n\)（方阵场景）： \(AX=0\)有非零解 \(\iff |A|=0\)； 只有零解 \(\iff |A|\neq0\)。	Cramer法则的核心推论，用于方阵场景的快速判定，是恒等式证明、矩阵可逆性判定的高频工具。
核心推论2	\(m < n\)（方程数<未知数数）： \(AX=0\)必有非零解。	快速判断欠定方程组的解的性质，无需计算秩和行列式。
核心等价转化	\(AB=0\) \(\iff\) \(B\)的所有列向量都是\(AX=0\)的解。	矩阵乘法与齐次方程组的核心桥梁，将矩阵零化问题转化为方程组解的问题（例1核心逻辑）。
经典应用1	代数/三角恒等式证明	核心思路：将已知条件转化为齐次方程组，利用“非零解”条件得到行列式为0，展开行列式得到恒等式（例2）。
经典应用2	行列式符号/非零性证明	核心技巧： 1. 反证法+齐次方程组非零解，证明行列式非零； 2. 构造连续函数+介值定理，证明行列式符号（例3经典方法）。
关键性质	1. 正定矩阵：\(\alpha\neq0\)时\(\alpha^TA\alpha>0\)； 2. 反对称矩阵：对任意\(\alpha\)，\(\alpha^TS\alpha=0\)。	例3的核心基础，也是二次型、矩阵正定性分析的常用性质。

---

3.2.2 齐次线性方程组的基础解系 知识点详解与完整推导

本节是齐次线性方程组解的结构的核心内容，我们将从基础解系的定义本质出发，完整推导核心性质，逐例拆解证明思路与逻辑链条，最终系统归纳核心知识点。

---

一、基础解系的核心定义与本质

定义3.2.1（基础解系）

设\(A \in F^{m\times n}\)，且\(r(A)=r < n\)，齐次线性方程组

\[AX=0 \]

的解向量组\(\alpha_1,\alpha_2,\dots,\alpha_{n-r}\)称为该方程组的一个基础解系，当且仅当满足以下两个条件：

1. 向量组\(\alpha_1,\alpha_2,\dots,\alpha_{n-r}\)线性无关；
2. 方程组\(AX=0\)的任意一个解向量，都可由该向量组线性表出。

---

核心本质与关键注解

基础解系的本质是：齐次线性方程组解空间（零空间）的一组基，类比平面直角坐标系的\((1,0),(0,1)\)是二维平面的基，基础解系就是解空间的“坐标系”，所有解都可由其线性组合表示。

三个注解是核心性质，是所有证明题的理论基础：

1. 存在性：当\(r(A)=r < n\)时，齐次线性方程组的基础解系一定存在。
   原因：解空间是\(n-r\)维线性空间，必然存在\(n-r\)个线性无关的解向量作为基。
2. 解空间维数公式：记解空间\(W = \{X \in F^n \mid AX=0\}\)，则
   \[W = L(\alpha_1,\alpha_2,\dots,\alpha_{n-r}),\quad \dim W = n - r(A) \]
   这是本节最核心的公式：解空间的维数 = 未知数个数\(n\) - 系数矩阵的秩\(r(A)\)。
   直观理解：\(r(A)=r\)说明方程组有\(r\)个独立的约束方程，仅能约束\(r\)个变量，剩余\(n-r\)个为自由变量，每个自由变量对应一个线性无关的解，因此解空间维数为\(n-r\)。
3. 基础解系的等价判定：齐次线性方程组的任意\(n-r\)个线性无关的解向量，必为其一个基础解系。
   这是线性空间基的性质的直接推论：\(n-r\)维线性空间中，任意\(n-r\)个线性无关的向量，必然是空间的一组基。
   该结论极大简化了基础解系的证明：只需证明一组向量满足「是解、线性无关、个数为\(n-r\)」三个条件，无需再证明“能表出所有解”。

---

二、例题详细推导与证明

例4 伴随矩阵构造基础解系

题目：设\(A=(a_{ij})_{n\times n}\)的秩为\(n\)，求齐次线性方程组\(BX=0\)的一个基础解系，其中\(B=(a_{ij})_{r\times n} \ (r < n)\)，\(X\)为\(n\)维列向量。

完整推导

步骤1：分析已知条件与解空间维数

• 由\(r(A)=n\)，可知\(A\)是\(n\)阶可逆矩阵，其行向量组线性无关，因此\(A\)的前\(r\)行构成的矩阵\(B\)的秩\(r(B)=r\)。
• 根据解空间维数公式，\(BX=0\)的解空间维数为\(\dim W = n - r(B) = n - r\)，因此基础解系需要\(n-r\)个线性无关的解向量。

步骤2：利用伴随矩阵性质构造解向量

记\(A_{ij}\)为\(A\)中元素\(a_{ij}\)的代数余子式，\(A^*\)为\(A\)的伴随矩阵。由\(r(A)=n\)，得\(r(A^*)=n\)（\(A^*\)可逆，列向量组线性无关）。

根据伴随矩阵的核心性质\(AA^*=|A|E\)，可得行列式展开定理：

\[\sum_{j=1}^n a_{ij}A_{kj} = \begin{cases} |A|, & i=k \\ 0, & i\neq k \end{cases}\]

取\(k=r+1,r+2,\dots,n\)，构造向量

\[\eta_k' = (A_{k1},A_{k2},\dots,A_{kn}),\quad k=r+1,\dots,n \]

对于\(B\)的任意一行（\(i=1,2,\dots,r\)），有\(i\neq k\)，因此：

\[\sum_{j=1}^n a_{ij}A_{kj} = 0 \]

即\(B\eta_k=0\)，因此\(\eta_k\)是\(BX=0\)的解。

步骤3：证明线性无关，完成基础解系构造

\(\eta_{r+1},\dots,\eta_n\)共\(n-r\)个向量，且是可逆矩阵\(A^*\)的行向量，因此线性无关。

根据基础解系的等价判定，\(n-r\)个线性无关的解向量必为\(BX=0\)的一个基础解系。

---

例5 解的包含关系与线性表出

题目：求证如果线性方程组

\[\begin{cases} a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n = 0, \\ a_{21}x_1 + a_{22}x_2 + \dots + a_{2n}x_n = 0, \\ \quad\quad\quad\quad\cdots\cdots \\ a_{s1}x_1 + a_{s2}x_2 + \dots + a_{sn}x_n = 0 \end{cases}\]

的解全是方程\(b_1x_1 + b_2x_2 + \dots + b_nx_n = 0\)的解，则\(\beta=(b_1,b_2,\dots,b_n)\)可由\(\alpha_i=(a_{i1},a_{i2},\dots,a_{in}) \ (i=1,\dots,s)\)线性表出。

完整推导

核心思路

将“解的包含关系”转化为“解空间的相等关系”，再转化为“系数矩阵的秩相等”，最终得到向量组的线性表出结论。

步骤1：构造矩阵与解空间

设原方程组的系数矩阵为\(A=(a_{ij})_{s\times n}\)，其行向量为\(\alpha_1,\alpha_2,\dots,\alpha_s\)；
将\(\beta\)作为新行加入\(A\)，得到矩阵\(B=\begin{pmatrix}A \\ \beta\end{pmatrix}\)，对应方程组\(BX=0\)。

记\(AX=0\)的解空间为\(W_1\)，\(BX=0\)的解空间为\(W_2\)。

步骤2：证明解空间相等

• \(BX=0\)的解需同时满足\(AX=0\)和\(\beta X=0\)，因此\(W_2 \subseteq W_1\)；
• 题目条件：\(AX=0\)的解全是\(\beta X=0\)的解，因此\(AX=0\)的解也满足\(BX=0\)，即\(W_1 \subseteq W_2\)。

综上\(W_1=W_2\)，解空间维数相等：\(\dim W_1 = \dim W_2\)。

步骤3：秩相等推导线性表出

由解空间维数公式：

\[\dim W_1 = n - r(A),\quad \dim W_2 = n - r(B) \]

因此\(n - r(A) = n - r(B)\)，即\(r(A)=r(B)\)。

而\(r(A)=r(\alpha_1,\dots,\alpha_s)\)，\(r(B)=r(\alpha_1,\dots,\alpha_s,\beta)\)，因此：

\[r(\alpha_1,\dots,\alpha_s) = r(\alpha_1,\dots,\alpha_s,\beta) \]

根据向量组秩的性质：向量组扩充一个向量后秩不变，当且仅当新增向量可由原向量组线性表出。因此\(\beta\)可由\(\alpha_1,\dots,\alpha_s\)线性表出，证毕。

---

例6 行列式构造解与解空间维数应用

题目：设线性方程组

\[\begin{cases} a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n = 0, \\ a_{21}x_1 + a_{22}x_2 + \dots + a_{2n}x_n = 0, \\ \quad\quad\quad\quad\cdots\cdots \\ a_{n-1,1}x_1 + a_{n-1,2}x_2 + \dots + a_{n-1,n}x_n = 0 \end{cases}\]

的系数矩阵为\(A=(a_{ij})_{(n-1)\times n}\)，\(M_i\)是\(A\)划去第\(i\)列剩下的\((n-1)\times(n-1)\)矩阵的行列式。求证：
(1) \((M_1,-M_2,\dots,(-1)^{n-1}M_n)\)是方程组的一个解；
(2) 若\(r(A)=n-1\)，则方程组的解都是该向量的倍数。

完整推导

(1) 证明向量是方程组的解

核心工具：行列式展开定理——一行元素乘另一行的代数余子式，和为0。

构造\(n\)阶行列式\(D_k\)（\(k=1,2,\dots,n-1\)）：将\(A\)的第\(k\)行重复作为第一行，\(A\)的全体行作为第2到第\(n\)行，即

\[D_k = \begin{vmatrix} a_{k1} & a_{k2} & \dots & a_{kn} \\ a_{11} & a_{12} & \dots & a_{1n} \\ a_{21} & a_{22} & \dots & a_{2n} \\ \vdots & \vdots & & \vdots \\ a_{n-1,1} & a_{n-1,2} & \dots & a_{n-1,n} \end{vmatrix}\]

该行列式有两行完全相同，因此\(D_k=0\)。

对\(D_k\)按第一行展开，第一行第\(i\)列元素的代数余子式为：划去第一行第\(i\)列，剩余行列式恰好是\(A\)划去第\(i\)列的行列式\(M_i\)，因此代数余子式为\((-1)^{1+i}M_i\)。

展开得：

\[D_k = a_{k1}\cdot(-1)^{1+1}M_1 + a_{k2}\cdot(-1)^{1+2}M_2 + \dots + a_{kn}\cdot(-1)^{1+n}M_n = 0 \]

化简符号：\((-1)^{1+i}=(-1)^{i-1}\)，因此：

\[a_{k1}M_1 + a_{k2}\cdot(-1)M_2 + \dots + a_{kn}\cdot(-1)^{n-1}M_n = 0 \]

该式说明：\(A\)的第\(k\)行与向量\(\beta=(M_1,-M_2,\dots,(-1)^{n-1}M_n)\)的内积为0，即\(A\beta=0\)，因此\(\beta\)是方程组的解，(1)得证。

(2) 证明所有解都是\(\beta\)的倍数

若\(r(A)=n-1\)，根据解空间维数公式，解空间维数为：

\[\dim W = n - r(A) = n - (n-1) = 1 \]

即解空间是1维线性空间，基础解系仅含1个非零解向量。

由\(r(A)=n-1\)，可知\(A\)至少有一个\(n-1\)阶子式不为0，即至少存在一个\(M_i\neq0\)，因此\(\beta\)是非零解向量。

根据基础解系的等价判定，1维空间中1个非零解向量就是基础解系，因此解空间\(W=L(\beta)\)，即所有解都是\(\beta\)的倍数，(2)得证。

---

例7 解空间包含关系与秩的核心结论

题目：设齐次线性方程组\(AX=0\)和\(BX=0\)，其中\(A,B\)分别为\(s\times n\)和\(m\times n\)矩阵，求证：
(1) 若\(AX=0\)的解都是\(BX=0\)的解，则\(r(A)\geq r(B)\)；
(2) 若\(AX=0\)与\(BX=0\)同解，则\(r(A)=r(B)\)；
(3) 若\(AX=0\)的解都是\(BX=0\)的解，且\(r(A)=r(B)\)，则\(AX=0\)与\(BX=0\)同解。

完整推导

记\(W_1\)为\(AX=0\)的解空间，\(W_2\)为\(BX=0\)的解空间，由解空间维数公式：

\[\dim W_1 = n - r(A),\quad \dim W_2 = n - r(B) \]

(1) 证明\(r(A)\geq r(B)\)

由题设，\(AX=0\)的解都是\(BX=0\)的解，即\(W_1 \subseteq W_2\)。
根据线性空间的性质：子空间的维数不超过原空间的维数，因此\(\dim W_1 \leq \dim W_2\)。

代入维数公式：

\[n - r(A) \leq n - r(B) \]

化简得\(r(A)\geq r(B)\)，(1)得证。

(2) 证明\(r(A)=r(B)\)

同解等价于\(W_1=W_2\)，因此\(\dim W_1 = \dim W_2\)，代入维数公式得：

\[n - r(A) = n - r(B) \]

即\(r(A)=r(B)\)，(2)得证。

(3) 证明同解

由题设\(W_1 \subseteq W_2\)，且\(r(A)=r(B)\)，因此\(\dim W_1 = n - r(A) = n - r(B) = \dim W_2\)。

根据线性空间的核心性质：有限维线性空间中，若子空间与原空间维数相等，则子空间等于原空间，因此\(W_1=W_2\)，即两个方程组同解，(3)得证。

---

例8 实矩阵乘积的秩的恒等式

题目：设\(A\)为\(n\)阶实矩阵，求证：
(1) \(r(A)=r(AA^T)\)（题目中\(A'\)为转置\(A^T\)）；
(2) \(r(A)=r(AA^TA)\)。

完整推导

核心方法：利用例7的结论——齐次方程组同解则系数矩阵秩相等，结合实向量的模长性质（实列向量\(Y\)满足\(Y^TY=0 \iff Y=0\)）。

(1) 证明\(r(A)=r(AA^T)\)

由转置的秩性质\(r(A)=r(A^T)\)，只需证明\(r(A^T)=r(AA^T)\)，即证\(A^TX=0\)与\(AA^TX=0\)同解。

• 第一步：证明\(A^TX=0\)的解都是\(AA^TX=0\)的解。
  若\(X_0\)满足\(A^TX_0=0\)，则\(AA^TX_0 = A(A^TX_0) = A\cdot0 = 0\)，因此\(X_0\)是\(AA^TX=0\)的解。

• 第二步：证明\(AA^TX=0\)的解都是\(A^TX=0\)的解。
  若\(X_0\)满足\(AA^TX_0=0\)，两边左乘\(X_0^T\)得：

  \[X_0^TAA^TX_0 = 0 \]

  而\(X_0^TAA^TX_0 = (A^TX_0)^T(A^TX_0)\)，令\(Y=A^TX_0\)，则\(Y^TY = y_1^2+y_2^2+\dots+y_n^2\)（实向量的模长平方）。
  实向量的模长平方为0当且仅当向量本身为0，因此\(Y=A^TX_0=0\)，即\(X_0\)是\(A^TX=0\)的解。

综上，两个方程组同解，因此\(r(A^T)=r(AA^T)\)，结合\(r(A)=r(A^T)\)，得\(r(A)=r(AA^T)\)，(1)得证。

(2) 证明\(r(A)=r(AA^TA)\)

同理，只需证明\(A^TAX=0\)与\(AA^TAX=0\)同解。

• 第一步：证明\(A^TAX=0\)的解都是\(AA^TAX=0\)的解。
  若\(X_0\)满足\(A^TAX_0=0\)，则\(AA^TAX_0 = A(A^TAX_0) = A\cdot0 = 0\)，因此\(X_0\)是\(AA^TAX=0\)的解。

• 第二步：证明\(AA^TAX=0\)的解都是\(A^TAX=0\)的解。
  若\(X_0\)满足\(AA^TAX_0=0\)，两边左乘\((AX_0)^T\)得：

  \[(AX_0)^TAA^TAX_0 = 0 \]

  即\((A^TAX_0)^T(A^TAX_0)=0\)，同理，实向量的模长平方为0当且仅当向量本身为0，因此\(A^TAX_0=0\)，即\(X_0\)是\(A^TAX=0\)的解。

综上，两个方程组同解，因此\(r(A^TA)=r(AA^TA)\)。
结合(1)的结论\(r(A)=r(A^TA)\)，得\(r(A)=r(AA^TA)\)，(2)得证。

另证（Frobenius不等式）

Frobenius不等式：对任意矩阵\(A,B,C\)，有\(r(ABC)\geq r(AB)+r(BC)-r(B)\)。

令\(B=A^T\)，\(A=A\)，\(C=A\)，代入得：

\[r(AA^TA) \geq r(AA^T) + r(A^TA) - r(A^T) \]

由(1)的结论，\(r(AA^T)=r(A^TA)=r(A)=r(A^T)\)，代入得：

\[r(AA^TA) \geq r(A) + r(A) - r(A) = r(A) \]

同时，由矩阵乘积的秩的性质\(r(ABC)\leq r(AB)\)，得\(r(AA^TA)\leq r(AA^T)=r(A)\)。

因此\(r(AA^TA)=r(A)\)，证毕。

---

三、核心知识点归纳总结

分类	核心内容	关键细节与应用场景
基础解系定义	齐次方程组\(AX=0\)（\(r(A)=r<n\)）的基础解系是解空间的一组基，满足： 1. 线性无关； 2. 能表出所有解。	本质是解空间的基，是齐次方程组解的结构的核心，所有解都可表示为基础解系的线性组合。
核心公式	解空间维数：\(\dim W = n - r(A)\)	1. 未知数个数\(n\)，系数矩阵秩\(r(A)\)； 2. 基础解系所含向量个数 = 解空间维数 = \(n-r(A)\)； 3. 所有证明的核心公式，贯穿本节所有例题。
等价判定定理	任意\(n-r\)个线性无关的解向量，必为\(AX=0\)的基础解系。	极大简化基础解系的证明，无需验证“表出所有解”，只需验证「是解、线性无关、个数为\(n-r\)」。
解空间与秩的关系	1. \(AX=0\)的解都是\(BX=0\)的解 \(\implies r(A)\geq r(B)\)； 2. \(AX=0\)与\(BX=0\)同解 \(\iff r(A)=r(B)\)且解空间有包含关系。	秩的证明题高频工具，将解的关系转化为秩的关系，是例5、例7、例8的核心逻辑。
实矩阵秩的恒等式	对实矩阵\(A\)，有\(r(A)=r(A^T)=r(AA^T)=r(A^TA)=r(AA^TA)\)	实矩阵专属性质，核心是实向量模长平方非负，在二次型、正定矩阵证明中高频应用。
经典构造方法	1. 伴随矩阵的代数余子式构造基础解系； 2. 行列式子式构造解向量； 3. 同解方程组证明秩相等。	齐次方程组证明题的三大经典技巧，覆盖绝大多数考研、代数课程的证明题型。

---

3.2.3 齐次线性方程组的反问题 知识点详解与完整推导

本节是齐次线性方程组的逆向应用，我们将先明确反问题的核心定义，完整推导其底层逻辑与通用解法，再补全例题的完整求解过程，最终系统归纳核心方法与注意事项。

---

一、正问题与反问题的核心定义

齐次线性方程组的两类核心问题互为逆过程，定义如下：

1. 正问题：给定系数矩阵\(A_{m\times n}\)，求齐次线性方程组\(AX=0\)的基础解系（解空间），是线性代数的常规问题。
2. 反问题：已知\(n\)维列向量组\(\alpha_1,\alpha_2,\dots,\alpha_s\)（\(s < n\)，线性无关），求一个齐次线性方程组，使得该向量组是它的一组基础解系（解空间为\(L(\alpha_1,\alpha_2,\dots,\alpha_s)\)）。

---

二、反问题的核心原理与完整推导

核心目标拆解

我们需要找到矩阵\(B\)，使得齐次方程组\(BX=0\)满足两个核心条件：

1. 解的条件：\(\alpha_1,\alpha_2,\dots,\alpha_s\)都是\(BX=0\)的解，即\(B\alpha_i=0 \ (i=1,2,\dots,s)\)；
2. 基础解系条件：\(BX=0\)的解空间维数恰好为\(s\)，即\(n - r(B) = s\)，等价于\(r(B)=n-s\)。

完整推导过程

步骤1：构造初始矩阵

将已知的线性无关向量组按列拼成矩阵\(A=(\alpha_1,\alpha_2,\dots,\alpha_s)\)，这是一个\(n\times s\)矩阵。
由\(\alpha_1,\dots,\alpha_s\)线性无关，得\(r(A)=s\)。

步骤2：将解的条件转化为矩阵乘法关系

条件\(B\alpha_i=0\)对所有\(i\)成立，等价于：

\[BA = B(\alpha_1,\alpha_2,\dots,\alpha_s) = (B\alpha_1,B\alpha_2,\dots,B\alpha_s) = 0 \]

对等式两边同时取转置，得到核心等价式：

\[A^T B^T = 0 \]

（注：教材中\(A'\)、\(B'\)均表示矩阵的转置\(A^T\)、\(B^T\)，后续统一用转置符号\(^T\)）

该式的本质是：\(B^T\)的每一个列向量，都是齐次线性方程组\(A^T X=0\)的解。

步骤3：求解辅助方程组\(A^T X=0\)

\(A^T\)是\(s\times n\)矩阵，且\(r(A^T)=r(A)=s\)，根据解空间维数公式，\(A^T X=0\)的解空间维数为：

\[\dim W = n - r(A^T) = n-s \]

恰好等于我们需要的\(B\)的秩。

取\(A^T X=0\)的一个基础解系\(\beta_1,\beta_2,\dots,\beta_{n-s}\)，这组向量满足：

1. 线性无关；
2. \(A^T \beta_j=0 \ (j=1,2,\dots,n-s)\)；
3. 个数为\(n-s\)，与解空间维数一致。

步骤4：构造目标矩阵与目标方程组

将\(\beta_1,\dots,\beta_{n-s}\)按列拼成矩阵\(B=(\beta_1,\beta_2,\dots,\beta_{n-s})\)，这是\(n\times(n-s)\)矩阵，且\(r(B)=n-s\)。

此时：

• 由\(A^T B^T=0\)，得\(BA=0\)，满足\(\alpha_1,\dots,\alpha_s\)是\(BX=0\)的解；
• 由\(r(B)=n-s\)，得\(BX=0\)的解空间维数为\(s\)，与\(\alpha_1,\dots,\alpha_s\)的个数一致。

结合\(\alpha_1,\dots,\alpha_s\)线性无关，根据基础解系的等价判定，\(\alpha_1,\dots,\alpha_s\)就是\(BX=0\)的一组基础解系。

因此，目标齐次线性方程组为\(B^T X=0\)。

---

三、例9 完整求解过程

题目

设\(\alpha_1=(1,-1,1,0)\)，\(\alpha_2=(1,1,0,1)\)，\(\alpha_3=(2,0,1,1)\)，求一个齐次线性方程组，使其解空间为\(L(\alpha_1,\alpha_2,\alpha_3)\)。

完整求解步骤

步骤1：秩分析，求极大线性无关组

将\(\alpha_1,\alpha_2,\alpha_3\)按行排成矩阵，做初等行变换：

\[\begin{pmatrix} 1 & -1 & 1 & 0 \\ 1 & 1 & 0 & 1 \\ 2 & 0 & 1 & 1 \end{pmatrix} \xrightarrow{R_3=R_3-R_1-R_2} \begin{pmatrix} 1 & -1 & 1 & 0 \\ 1 & 1 & 0 & 1 \\ 0 & 0 & 0 & 0 \end{pmatrix}\]

可见\(\alpha_3=\alpha_1+\alpha_2\)，因此\(\alpha_1,\alpha_2\)是极大线性无关组，且\(L(\alpha_1,\alpha_2,\alpha_3)=L(\alpha_1,\alpha_2)\)，只需构造以\(\alpha_1,\alpha_2\)为基础解系的方程组即可。

步骤2：构造转置矩阵\(A\)

将\(\alpha_1,\alpha_2\)作为行向量，构造\(2\times4\)矩阵\(A\)（对应原理中的\(A^T\)）：

\[A = \begin{pmatrix} \alpha_1 \\ \alpha_2 \end{pmatrix} = \begin{pmatrix} 1 & -1 & 1 & 0 \\ 1 & 1 & 0 & 1 \end{pmatrix}\]

步骤3：求解辅助方程组\(AX=0\)

辅助方程组为：

\[\begin{cases} x_1 - x_2 + x_3 = 0 \\ x_1 + x_2 + x_4 = 0 \end{cases}\]

整理为用自由变量表示约束变量的形式：

\[\begin{cases} x_3 = -x_1 + x_2 \\ x_4 = -x_1 - x_2 \end{cases}\]

取\(x_1,x_2\)为自由变量，赋值求解基础解系：

• 令\(x_1=1,x_2=0\)，得\(x_3=-1,x_4=-1\)，即\(\beta_1=(1,0,-1,-1)^T\)；
• 令\(x_1=0,x_2=1\)，得\(x_3=1,x_4=-1\)，即\(\beta_2=(0,1,1,-1)^T\)。

\(\beta_1,\beta_2\)即为\(AX=0\)的基础解系，与教材结果一致。

步骤4：构造目标方程组

将\(\beta_1,\beta_2\)作为列向量构造矩阵\(B\)，再取转置得到\(B^T\)：

\[B=(\beta_1,\beta_2)=\begin{pmatrix} 1 & 0 \\ 0 & 1 \\ -1 & 1 \\ -1 & -1 \end{pmatrix}, \quad B^T=\begin{pmatrix} 1 & 0 & -1 & -1 \\ 0 & 1 & 1 & -1 \end{pmatrix}\]

因此，目标齐次线性方程组为\(B^T X=0\)，展开得：

\[\begin{cases} x_1 - x_3 - x_4 = 0 \\ x_2 + x_3 - x_4 = 0 \end{cases}\]

验证

将\(\alpha_1,\alpha_2,\alpha_3\)代入方程组，均满足等式，且解空间维数为\(4-2=2\)，与\(\alpha_1,\alpha_2\)张成的空间一致，结果正确。

---

四、核心知识点归纳总结

1. 反问题标准解题步骤

步骤	操作内容	核心目的
1 秩分析	给定向量组线性相关时，先求其极大线性无关组，确定解空间维数\(s\)	保证后续构造的方程组解空间与目标一致
2 构造转置矩阵	将极大无关组按行拼成\(s\times n\)矩阵\(A\)	为构造辅助方程组做准备
3 求解辅助方程组	求\(AX=0\)的基础解系\(\beta_1,\dots,\beta_{n-s}\)	得到目标矩阵的行向量
4 构造目标方程组	将\(\beta_1,\dots,\beta_{n-s}\)按行拼成矩阵\(B\)，得到\(BX=0\)	得到满足要求的齐次线性方程组

2. 核心性质与注意事项

分类	核心内容	关键说明
核心等价关系	\(\alpha\)是\(BX=0\)的解 \(\iff B\alpha=0 \iff BA=0 \iff A^T B^T=0\)	反问题的逻辑核心，将两个方程组的解建立双向联系
秩的约束	1. 给定向量组线性无关\(\implies r(A)=s\) 2. 辅助方程组解空间维数\(=n-s\) 3. 目标矩阵秩\(r(B)=n-s\)	保证给定向量组是基础解系，而非普通解的关键
解的唯一性	目标方程组不唯一	辅助方程组的基础解系选取不唯一，只要解空间一致，均为正确结果
适用前提	给定向量组必须是\(n\)维向量，且线性无关（或取极大无关组后）	若向量组线性相关，直接构造会导致解空间维数不匹配

3. 正问题与反问题对比

问题类型	已知条件	求解目标	核心公式
正问题	系数矩阵\(A\)	\(AX=0\)的基础解系	解空间维数\(=n-r(A)\)
反问题	基础解系（解空间）	齐次线性方程组\(BX=0\)	\(r(B)=n-\)解空间维数

---

3.2.4 基础解系的简便求法 知识点详解与完整推导

本节核心是利用矩阵初等行变换，给出齐次线性方程组基础解系的一种高效求解方法，我们将先拆解定理的底层逻辑与完整证明，再明确标准操作步骤，结合例题完整演示求解过程，最后对比常规方法总结核心要点。

---

一、核心定理与完整证明

前置说明：齐次方程组的两种等价形式

我们通常接触的齐次方程组是列向量形式：\(A_{m\times n}X_{n\times1}=0\)；
本节定理适用的是行向量形式：\(X_{1\times n}A_{n\times m}=0_{1\times m}\)。
二者是转置等价关系：\((AX)^T = X^T A^T = 0\)，即列向量形式的解\(X\)，转置后就是行向量形式\(X^T A^T=0\)的解，这是理解本节方法的关键。

---

定理3.2.2

考虑数域\(F\)上的行向量型齐次线性方程组

\[X_{1\times n}A_{n\times m} = 0_{1\times m} \tag{3.2.13} \]

构造分块矩阵

\[C = \left(A_{n\times m},\ I_n\right) \]

对\(C\)做初等行变换，化为如下形式：

\[\left( \begin{pmatrix} D_r \\ 0 \end{pmatrix},\ P \right) \]

其中：

• \(D_r\)是\(r\)阶行满秩矩阵，\(r=r(A)\)（系数矩阵\(A\)的秩）；
• \(P\)是\(n\)阶可逆矩阵（由单位矩阵\(I_n\)经相同初等行变换得到）。

则\(P\)的后\(n-r\)个行向量，就是方程组(3.2.13)的一个基础解系。

---

定理完整证明

证明分为三部分：1. 矩阵变换的合理性；2. \(P\)的后\(n-r\)行是方程组的解；3. 这组向量是基础解系（线性无关+能表出所有解）。

1. 矩阵变换的合理性

根据矩阵等价标准形定理：对任意秩为\(r\)的\(n\times m\)矩阵\(A\)，必存在\(n\)阶可逆矩阵\(P\)和\(m\)阶可逆矩阵\(Q\)，使得

\[PAQ = \begin{pmatrix} I_r & 0 \\ 0 & 0 \end{pmatrix} \]

其中\(I_r\)是\(r\)阶单位矩阵。

对等式两边右乘\(Q^{-1}\)，得：

\[PA = \begin{pmatrix} I_r & 0 \\ 0 & 0 \end{pmatrix} Q^{-1} \]

由于\(Q^{-1}\)是\(m\)阶可逆矩阵，其前\(r\)行构成的矩阵\(D_r\)是行满秩矩阵，后\(n-r\)行全为0，因此\(PA\)可写为：

\[PA = \begin{pmatrix} D_r \\ 0 \end{pmatrix} \]

而初等行变换的本质是左乘可逆矩阵，因此对\(C=(A,I_n)\)左乘\(P\)，得：

\[PC = (PA,\ PI_n) = \left( \begin{pmatrix} D_r \\ 0 \end{pmatrix},\ P \right) \]

这就证明了初等行变换可以将\(C\)化为定理要求的形式。

2. \(P\)的后\(n-r\)行是方程组的解

\(P\)的后\(n-r\)行，可表示为分块矩阵\((0,\ I_{n-r})P\)（\(I_{n-r}\)是\(n-r\)阶单位矩阵）。

将其代入方程组左边：

\[(0,\ I_{n-r})P \cdot A = (0,\ I_{n-r}) \cdot PA = (0,\ I_{n-r}) \begin{pmatrix} D_r \\ 0 \end{pmatrix} = 0 \]

因此\(P\)的后\(n-r\)个行向量，都是方程组\(XA=0\)的解。

3. 这组向量是基础解系

（1）证明线性无关

\(P\)是\(n\)阶可逆矩阵，其行向量组是线性无关的向量组，而线性无关向量组的任意子集也线性无关，因此\(P\)的后\(n-r\)个行向量线性无关。

（2）证明任意解都可由其线性表出

设\(X_0\)是方程组\(XA=0\)的任意一个解，即\(X_0 A=0\)。

对等式两边右乘\(Q\)，结合\(PAQ=\begin{pmatrix} I_r & 0 \\ 0 & 0 \end{pmatrix}\)，得：

\[X_0 A Q = 0 \implies X_0 P^{-1} \cdot PAQ = 0 \]

令\(X_0 P^{-1} = (Y_1,\ Y_2)\)，其中\(Y_1\)是\(1\times r\)行向量，\(Y_2\)是\(1\times(n-r)\)行向量，代入得：

\[(Y_1,\ Y_2) \begin{pmatrix} I_r & 0 \\ 0 & 0 \end{pmatrix} = 0 \implies (Y_1,\ 0) = 0 \]

因此\(Y_1=0\)，即\(X_0 P^{-1} = (0,\ Y_2)\)。

对等式两边右乘\(P\)，得：

\[X_0 = (0,\ Y_2) P = Y_2 \cdot (0,\ I_{n-r})P \]

这说明任意解\(X_0\)都可由\(P\)的后\(n-r\)个行向量线性表出。

综上，\(P\)的后\(n-r\)行满足基础解系的两个核心条件，是方程组的一个基础解系，定理得证。

---

二、简便求法的标准操作步骤

场景1：求解行向量型方程组\(XA=0\)

1. 构造分块矩阵\(C=(A,\ I_n)\)，其中\(I_n\)是与\(A\)行数相同的单位矩阵；
2. 对\(C\)做初等行变换，将左侧的\(A\)化为\(\begin{pmatrix} D_r \\ 0 \end{pmatrix}\)的形式，右侧单位矩阵同步变换为\(P\)；
3. 确定\(A\)的秩\(r\)，提取\(P\)的后\(n-r\)个行向量，即为基础解系。

场景2：求解列向量型方程组\(AX=0\)（最常用）

1. 转置转化：列向量型\(AX=0\)等价于行向量型\(X^T A^T=0\)，对应定理中的\(A'=A^T\)；
2. 构造分块矩阵\(C=(A^T,\ I_n)\)，其中\(n\)是未知数个数（\(A\)的列数）；
3. 对\(C\)做初等行变换，左侧化为行阶梯形，右侧同步变换为\(P\)；
4. 确定\(r(A)\)，提取\(P\)的后\(n-r\)个行向量，转置后即为列向量型方程组的基础解系（也可直接作为行向量形式的解）。

---

三、例10 完整求解过程

题目

求下面齐次线性方程组的一个基础解系：

\[\begin{cases} x_1 - x_2 + 5x_3 - x_4 = 0, \\ x_1 + x_2 - 2x_3 + 3x_4 = 0, \\ 3x_1 - x_2 + 8x_3 + x_4 = 0, \\ x_1 + 3x_2 - 9x_3 + 7x_4 = 0. \end{cases} \]

完整求解步骤

步骤1：转化为定理适用形式

这是列向量型方程组\(AX=0\)，其中系数矩阵\(A\)为\(4\times4\)矩阵：

\[A = \begin{pmatrix} 1 & -1 & 5 & -1 \\ 1 & 1 & -2 & 3 \\ 3 & -1 & 8 & 1 \\ 1 & 3 & -9 & 7 \end{pmatrix}\]

等价于行向量型\(X^T A^T=0\)，因此构造分块矩阵\(C=(A^T,\ I_4)\)，其中\(A^T\)是\(A\)的转置：

\[A^T = \begin{pmatrix} 1 & 1 & 3 & 1 \\ -1 & 1 & -1 & 3 \\ 5 & -2 & 8 & -9 \\ -1 & 3 & 1 & 7 \end{pmatrix}\]

初始矩阵为：

\[C = \left( A^T,\ I_4 \right) = \begin{pmatrix} 1 & 1 & 3 & 1 & 1 & 0 & 0 & 0 \\ -1 & 1 & -1 & 3 & 0 & 1 & 0 & 0 \\ 5 & -2 & 8 & -9 & 0 & 0 & 1 & 0 \\ -1 & 3 & 1 & 7 & 0 & 0 & 0 & 1 \end{pmatrix}\]

步骤2：初等行变换化简

对\(C\)做初等行变换，将左侧\(A^T\)化为行阶梯形：

1. 消去第一列下方元素：\(R_2=R_2+R_1\)，\(R_3=R_3-5R_1\)，\(R_4=R_4+R_1\)
   \[\to \begin{pmatrix} 1 & 1 & 3 & 1 & 1 & 0 & 0 & 0 \\ 0 & 2 & 2 & 4 & 1 & 1 & 0 & 0 \\ 0 & -7 & -7 & -14 & -5 & 0 & 1 & 0 \\ 0 & 4 & 4 & 8 & 1 & 0 & 0 & 1 \end{pmatrix}\]

2. 消去第二列下方元素：\(R_3=R_3+\frac{7}{2}R_2\)，\(R_4=R_4-2R_2\)
   \[\to \begin{pmatrix} 1 & 1 & 3 & 1 & 1 & 0 & 0 & 0 \\ 0 & 2 & 2 & 4 & 1 & 1 & 0 & 0 \\ 0 & 0 & 0 & 0 & -\frac{3}{2} & \frac{7}{2} & 1 & 0 \\ 0 & 0 & 0 & 0 & -1 & -2 & 0 & 1 \end{pmatrix}\]

此时左侧\(A^T\)已化为\(\begin{pmatrix} D_r \\ 0 \end{pmatrix}\)的形式，\(r=r(A^T)=r(A)=2\)，未知数个数\(n=4\)，因此\(n-r=2\)，需要提取右侧可逆矩阵\(P\)的后2行。

步骤3：提取基础解系

右侧同步变换后的矩阵\(P\)为：

\[P = \begin{pmatrix} 1 & 0 & 0 & 0 \\ 1 & 1 & 0 & 0 \\ -\frac{3}{2} & \frac{7}{2} & 1 & 0 \\ -1 & -2 & 0 & 1 \end{pmatrix}\]

\(P\)的后\(2\)行即为基础解系：

\[\alpha_1 = \left( -\frac{3}{2},\ \frac{7}{2},\ 1,\ 0 \right),\quad \alpha_2 = \left( -1,\ -2,\ 0,\ 1 \right) \]

步骤4：验证正确性

将\(\alpha_1,\alpha_2\)代入原方程组，均满足所有方程；且\(\alpha_1,\alpha_2\)线性无关，解空间维数为\(4-2=2\)，因此是原方程组的一个基础解系。

---

四、与常规行最简形方法的对比

我们用常规的行最简形方法求解同一例题，验证结果一致性：
对系数矩阵\(A\)做初等行变换化为行最简形：

\[A = \begin{pmatrix} 1 & -1 & 5 & -1 \\ 1 & 1 & -2 & 3 \\ 3 & -1 & 8 & 1 \\ 1 & 3 & -9 & 7 \end{pmatrix} \xrightarrow{\text{行变换}} \begin{pmatrix} 1 & 0 & \frac{3}{2} & 1 \\ 0 & 1 & -\frac{7}{2} & 2 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{pmatrix} \]

得到方程组：

\[\begin{cases} x_1 = -\frac{3}{2}x_3 - x_4 \\ x_2 = \frac{7}{2}x_3 - 2x_4 \end{cases} \]

取自由变量\(x_3=1,x_4=0\)得\(\alpha_1\)，取\(x_3=0,x_4=1\)得\(\alpha_2\)，与简便求法结果完全一致。

方法	核心操作	优势	适用场景
本节简便求法	对\((A^T,I_n)\)做行变换，直接从\(P\)提取解	无需回代、步骤统一，同步完成秩的判断与解的提取	通用场景，尤其适合高阶矩阵、编程实现
常规行最简形法	对\(A\)做行变换化为行最简形，赋值自由变量求解	直观易懂，符合解的定义逻辑	低阶矩阵、手动计算入门

---

五、核心知识点归纳总结

分类	核心内容	关键注意事项
定理核心	对\((A,I_n)\)做初等行变换，可逆矩阵\(P\)的后\(n-r\)行是\(XA=0\)的基础解系	定理默认方程组是行向量型\(XA=0\)，列向量型需先转置\(A\)
核心逻辑	初等行变换=左乘可逆矩阵\(P\)，\(PA\)的后\(n-r\)行为0，对应\(P\)的后\(n-r\)行是解	可逆矩阵\(P\)的行向量组必线性无关，保证了解的线性无关性
操作关键	1. 构造分块矩阵时，单位矩阵的阶数与\(A\)的行数一致； 2. 仅做初等行变换，列变换会破坏右侧\(P\)的结构； 3. 秩\(r\)是\(A\)的秩，不是\(A^T\)的秩（二者相等）	绝对不能对分块矩阵做列变换，否则会导致结果错误
解空间维数	基础解系所含向量个数 = 未知数个数\(n\) - 系数矩阵的秩\(r(A)\)	与齐次方程组解空间维数公式完全一致，是方法的理论基础
解的唯一性	基础解系不唯一，只要是\(n-r\)个线性无关的解，均为正确结果	初等行变换的过程不同，得到的\(P\)不同，基础解系也不同，但解空间一致

---

3.3 非齐次线性方程组 3.3.1 有解判定定理 知识点详解与完整推导

本节是非齐次线性方程组的核心基础，我们将先明确非齐次方程组的定义，完整证明有解的充要条件，再逐例拆解证明逻辑与核心技巧，最终系统归纳核心知识点。

---

一、核心定义与判定定理

1. 非齐次线性方程组的定义

设\(A=(a_{ij}) \in F^{m\times n}\)为\(m\times n\)系数矩阵，\(X=(x_1,x_2,\dots,x_n)^T\)为\(n\)维未知列向量，\(b=(b_1,b_2,\dots,b_m)^T \neq 0\)为\(m\)维常数项列向量，则方程组

\[AX = b \tag{3.3.1} \]

称为非齐次线性方程组。

• 对应的齐次方程组\(AX=0\)，称为该非齐次方程组的导出组；
• 矩阵\(\overline{A}=(A,b)\)（将\(b\)作为列拼接在\(A\)右侧），称为方程组的增广矩阵，是解的判定的核心工具。

---

2. 核心判定定理（定理3.3.1）

定理内容

线性方程组\(AX=b\)有解的充要条件是：系数矩阵的秩等于增广矩阵的秩，即

\[r(A,b) = r(A) = r \]

若方程组有解，则解的个数满足：

1. 当\(r = n\)（秩等于未知数个数）时，方程组有唯一解；
2. 当\(r < n\)（秩小于未知数个数）时，方程组有无穷多解。

---

定理完整证明

（1）充要条件证明

我们将方程组转化为向量组的线性表出问题，核心逻辑：\(AX=b\)有解 \(\iff\) \(b\)可由\(A\)的列向量组线性表出。

• 必要性（有解 \(\implies r(A,b)=r(A)\)）
  若\(AX=b\)有解，设解为\(X_0=(k_1,k_2,\dots,k_n)^T\)，则

  \[AX_0 = k_1\alpha_1 + k_2\alpha_2 + \dots + k_n\alpha_n = b \]

  其中\(\alpha_1,\alpha_2,\dots,\alpha_n\)是\(A\)的列向量组。
  上式说明\(b\)可由\(A\)的列向量组线性表出，因此\(A\)的列向量组与\(\overline{A}=(A,b)\)的列向量组等价。
  等价的向量组秩相等，因此\(r(A)=r(A,b)\)，必要性得证。

• 充分性（\(r(A,b)=r(A) \implies\) 有解）
  设\(r(A)=r(A,b)=r\)，则\(A\)的列向量组的极大线性无关组，也是\(\overline{A}=(A,b)\)的列向量组的极大线性无关组。
  因此\(b\)可由该极大线性无关组线性表出，进而可由\(A\)的列向量组线性表出，即存在\(X_0\)使得\(AX_0=b\)，方程组有解，充分性得证。

（2）解的个数证明

• 唯一解（\(r=n\)）
  当\(r(A)=n\)时，\(A\)的列向量组线性无关，而线性无关向量组的线性表出是唯一的，因此\(b\)的线性表出系数唯一，即方程组有唯一解。
  补充：当\(m=n\)时，\(r=n\)等价于\(|A|\neq0\)，对应3.1节的Cramer法则。

• 无穷多解（\(r<n\)）
  当\(r(A)=r<n\)时，\(A\)的列向量组线性相关，方程组存在\(n-r\)个自由未知量。自由未知量可取任意值，因此方程组有无穷多解。

---

二、例题详细推导与证明

例1 正规方程组的有解性证明

题目：设\(A\)是\(m\times n\)非零实矩阵，\(b\)是\(m\times1\)实矩阵，求证线性方程组\(A^TAX = A^Tb\)一定有解。
（注：教材中\(A'\)表示矩阵的转置\(A^T\)，全文统一用\(A^T\)表示转置）

完整证明

核心思路：利用有解判定定理，证明系数矩阵的秩等于增广矩阵的秩，核心工具是实矩阵的秩恒等式\(r(A^TA)=r(A)\)。

1. 前置结论回顾：对任意实矩阵\(A\)，有\(r(A^TA)=r(A)=r(A^T)\)（3.2节例8已证）。
2. 秩的不等式推导：
   • 第一步：增广矩阵的秩不小于系数矩阵的秩，即
     \[r(A^TA) \leq r(A^TA,\ A^Tb) \]

   • 第二步：对增广矩阵做变形，\((A^TA,\ A^Tb) = A^T(A,\ b)\)，根据矩阵乘积的秩的性质：\(r(CD)\leq\min\{r(C),r(D)\}\)，得
     \[r(A^T(A,\ b)) \leq r(A^T) \]

   • 第三步：结合前置结论\(r(A^T)=r(A)=r(A^TA)\)，得
     \[r(A^TA,\ A^Tb) \leq r(A^TA) \]

3. 联立不等式：
   \[r(A^TA) \leq r(A^TA,\ A^Tb) \leq r(A^TA) \]
   因此必有\(r(A^TA,\ A^Tb) = r(A^TA)\)。
4. 结论：根据非齐次方程组有解的判定定理，方程组\(A^TAX=A^Tb\)一定有解。

补充说明：该方程组是线性代数中正规方程组，是最小二乘法的核心。当原方程组\(AX=b\)无解时，正规方程组的解就是\(AX=b\)的最小二乘解，是数据拟合、回归分析的核心工具。

---

例2 秩的传递性证明方程组有解

题目：设线性方程组

\[\begin{cases} a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n = b_1, \\ \quad\quad\quad\quad\cdots\cdots \\ a_{n1}x_1 + a_{n2}x_2 + \dots + a_{nn}x_n = b_n \end{cases}\]

的系数矩阵\(A\)的秩等于矩阵

\[B = \begin{pmatrix} a_{11} & \dots & a_{1n} & b_1 \\ \vdots & & \vdots & \vdots \\ a_{n1} & \dots & a_{nn} & b_n \\ b_1 & \dots & b_n & k \end{pmatrix}\]

的秩，其中\(k\)为任意常数。求证该线性方程组有解。

完整证明

核心思路：利用秩的不等式传递，证明增广矩阵的秩等于系数矩阵的秩。

1. 秩的基本不等式：
   • 对系数矩阵\(A\)和增广矩阵\(\overline{A}=(A,b)\)，有\(r(A) \leq r(A,b)\)（增广矩阵比系数矩阵多一列，秩不会减小）；
   • 增广矩阵\(\overline{A}=(A,b)\)是矩阵\(B\)的子矩阵，子矩阵的秩不超过原矩阵的秩，因此\(r(A,b) \leq r(B)\)。
2. 联立条件：题目给出\(r(B)=r(A)\)，因此
   \[r(A) \leq r(A,b) \leq r(B) = r(A) \]
   由不等式的夹逼性，必有\(r(A,b)=r(A)\)。
3. 结论：根据有解判定定理，该线性方程组有解。

---

例3 正交性与有解性的等价证明

题目：设\(A \in \mathbb{R}^{m\times n}\)，\(b=(b_1,\dots,b_m) \in \mathbb{R}^m\)，求证线性方程组\(AX=b\)有解的充要条件是\(b\)与齐次线性方程组\(A^TY=0\)的解空间\(W\)正交。

前置概念回顾

• 实向量的正交：两个\(m\)维实向量\(Y,b\)正交，当且仅当它们的内积为0，即\((Y,b)=Y^Tb=0\)；
• 解空间\(W\)：\(W=\{Y\in\mathbb{R}^m \mid A^TY=0\}\)，即齐次方程组\(A^TY=0\)的所有解构成的空间。

完整证明

（1）必要性：\(AX=b\)有解 \(\implies\) \(b\)与\(W\)正交

设\(AX=b\)有解\(X_0\)，即\(AX_0=b\)。
对任意\(Y\in W\)，有\(A^TY=0\)，对等式两边转置得\(Y^TA=0\)。
计算\(Y\)与\(b\)的内积：

\[Y^Tb = Y^T(AX_0) = (Y^TA)X_0 = 0\cdot X_0 = 0 \]

因此\(Y\)与\(b\)正交，由\(Y\)的任意性，\(b\)与解空间\(W\)正交，必要性得证。

（2）充分性：\(b\)与\(W\)正交 \(\implies\) \(AX=b\)有解

已知对任意\(Y\in W\)，有\(b^TY=0\)，且\(A^TY=0\)。
我们需要证明\(r(A,b)=r(A)\)，利用同解的齐次方程组秩相等的性质：

考虑两个齐次线性方程组：

\[\text{方程组1：}A^TY=0,\quad \text{方程组2：}\begin{pmatrix}A^T \\ b^T\end{pmatrix}Y=0 \]

• 首先，方程组2的解一定是方程组1的解（方程组2包含方程组1的所有方程），因此方程组2的解空间是方程组1解空间\(W\)的子空间；
• 反过来，对任意\(Y\in W\)（方程组1的解），由题设\(b^TY=0\)，因此\(Y\)也满足方程组2，即方程组1的解也是方程组2的解。

因此两个方程组同解，同解的齐次方程组系数矩阵的秩相等，即：

\[r\begin{pmatrix}A^T \\ b^T\end{pmatrix} = r(A^T) \]

而矩阵的秩等于转置的秩，因此：

\[r\begin{pmatrix}A^T \\ b^T\end{pmatrix} = r\left( \begin{pmatrix}A^T \\ b^T\end{pmatrix}^T \right) = r(A,b),\quad r(A^T)=r(A) \]

因此\(r(A,b)=r(A)\)，根据有解判定定理，\(AX=b\)有解，充分性得证。

---

三、核心知识点归纳总结

分类	核心内容	关键细节与应用场景
核心判定定理	非齐次线性方程组\(AX=b\)有解 \(\iff r(A,b)=r(A)\)	通用判定规则，是所有非齐次方程组有解性证明的核心依据，不受方程数与未知数个数是否相等的限制
解的个数判定	1. 有解且\(r=n\) \(\iff\) 唯一解； 2. 有解且\(r<n\) \(\iff\) 无穷多解	\(n\)为未知数个数，\(r\)为系数矩阵的秩；自由未知量个数为\(n-r\)，决定了解的自由度
核心证明技巧1	秩的夹逼法：通过不等式\(r(A)\leq r(A,b)\leq r(\text{更高阶矩阵})=r(A)\)，证明秩相等	例1、例2的核心方法，是线性代数秩证明题的高频技巧
核心证明技巧2	同解方程组秩相等：将有解性转化为两个齐次方程组的同解性，进而得到秩相等	例3的核心逻辑，也是齐次与非齐次方程组的核心桥梁
核心等价关系	\(AX=b\)有解 \(\iff\) \(b\)可由\(A\)的列向量组线性表出 \(\iff\) \(r(A,b)=r(A)\)	方程组、向量组、矩阵秩的三者等价转换，是线性代数的核心思维
拓展应用	正规方程组\(A^TAX=A^Tb\)一定有解，无解时的解为最小二乘解	数据拟合、回归分析、数值计算的核心工具，是判定定理的经典应用

齐次与非齐次方程组核心对比

对比项	齐次线性方程组\(AX=0\)	非齐次线性方程组\(AX=b\)
解的存在性	必有解（零解恒存在）	不一定有解，需满足\(r(A,b)=r(A)\)
非零解条件	有非零解 \(\iff r(A)<n\)	有无穷多解 \(\iff\) 有解且\(r(A)<n\)
唯一解条件	只有零解 \(\iff r(A)=n\)	有唯一解 \(\iff\) 有解且\(r(A)=n\)
解的结构	解空间是\(n-r\)维线性空间	解集合不是线性空间，通解为「导出组的通解+非齐次的一个特解」

---

3.3.2 非齐次线性方程组解的结构 知识点详解与完整推导

本节是非齐次线性方程组的核心内容，我们将从解的基本性质出发，完整证明解的结构定理，逐例拆解证明逻辑与解题技巧，最终系统归纳核心知识点。

---

一、核心定义与基础性质

1. 导出组的定义

设\(A \in F^{m\times n}\)，\(b=(b_1,\dots,b_m)^T \neq 0\)，对于非齐次线性方程组

\[AX = b \tag{3.3.3} \]

称对应的齐次线性方程组\(AX=0\)为该非齐次方程组的导出组（也叫相伴齐次方程组）。

非齐次方程组的解不构成线性空间（解对加法和数乘不封闭），但它的解与导出组的解有紧密的联系，这是解的结构的核心。

---

2. 核心定理（定理3.3.2）

定理内容

考虑非齐次线性方程组\(AX=b\)及其导出组\(AX=0\)，则：

1. 通解结构：非齐次方程组的全部解，等于它的一个特解与其导出组的全部解的和。
   即：若\(\gamma_0\)是\(AX=b\)的一个特解，\(\eta_1,\eta_2,\dots,\eta_{n-r}\)是导出组\(AX=0\)的一个基础解系，则\(AX=b\)的任意解\(\gamma\)可表示为：
   \[\gamma = \gamma_0 + k_1\eta_1 + k_2\eta_2 + \dots + k_{n-r}\eta_{n-r},\quad k_1,k_2,\dots,k_{n-r} \in F \]

2. 解的基本性质：
   • 设\(\alpha,\beta\)是\(AX=b\)的任意两个解，则\(\alpha-\beta\)必是导出组\(AX=0\)的解；
   • 设\(\eta\)是导出组\(AX=0\)的任意一个解，\(\alpha\)是\(AX=b\)的解，则\(\alpha+\eta\)必是\(AX=b\)的解。

---

定理完整证明

（1）证明解的基本性质（定理第2条）

• 性质1：\(\alpha-\beta\)是导出组的解
  已知\(\alpha,\beta\)是\(AX=b\)的解，即\(A\alpha=b\)，\(A\beta=b\)。
  对\(\alpha-\beta\)左乘\(A\)，得：

  \[A(\alpha-\beta) = A\alpha - A\beta = b - b = 0 \]

  因此\(\alpha-\beta\)满足导出组\(AX=0\)，是导出组的解。

• 性质2：\(\alpha+\eta\)是\(AX=b\)的解
  已知\(A\alpha=b\)，\(A\eta=0\)，对\(\alpha+\eta\)左乘\(A\)，得：

  \[A(\alpha+\eta) = A\alpha + A\eta = b + 0 = b \]

  因此\(\alpha+\eta\)满足\(AX=b\)，是非齐次方程组的解。

（2）证明通解结构（定理第1条）

我们分两步证明：所有该形式的向量都是解，且所有解都能表示为该形式。

• 第一步：证明\(\gamma = \gamma_0 + \sum_{i=1}^{n-r}k_i\eta_i\)是\(AX=b\)的解
  由性质2，\(\sum_{i=1}^{n-r}k_i\eta_i\)是导出组\(AX=0\)的解（齐次解的线性组合仍是解），\(\gamma_0\)是\(AX=b\)的特解，因此\(\gamma_0 + \sum k_i\eta_i\)是\(AX=b\)的解。

• 第二步：证明\(AX=b\)的任意解都能表示为该形式
  设\(\gamma\)是\(AX=b\)的任意一个解，由性质1，\(\gamma - \gamma_0\)是导出组\(AX=0\)的解。
  而\(\eta_1,\dots,\eta_{n-r}\)是导出组的基础解系，因此\(\gamma - \gamma_0\)可由其线性表出，即存在\(k_1,\dots,k_{n-r} \in F\)，使得：

  \[\gamma - \gamma_0 = k_1\eta_1 + k_2\eta_2 + \dots + k_{n-r}\eta_{n-r} \]

  移项得：

  \[\gamma = \gamma_0 + k_1\eta_1 + k_2\eta_2 + \dots + k_{n-r}\eta_{n-r} \]

综上，非齐次方程组的全部解就是特解加导出组的全部解，定理得证。

---

二、例题详细推导与讲解

例4 利用解的结构求通解

题目：设四元线性方程组的系数矩阵\(A\)的秩等于3，\(X_1,X_2,X_3\)是它的三个解，其中\(X_1=(1,-2,-3,4)\)，\(5X_2-2X_3=(2,0,1,0)\)，求这个线性方程组的通解。

完整解题过程

步骤1：分析解空间维数

该方程组是四元线性方程组，未知数个数\(n=4\)，系数矩阵的秩\(r(A)=3\)，因此其导出组\(AX=0\)的解空间维数为：

\[\dim W = n - r(A) = 4 - 3 = 1 \]

即导出组的基础解系仅含1个线性无关的非零解，非齐次方程组的通解为「1个特解 + 基础解系的任意倍数」。

步骤2：判断方程组类型（非齐次）

假设原方程组是齐次方程组\(AX=0\)，则\(X_1\)是解，且齐次解的线性组合\(5X_2-2X_3\)也必是解。
但\(X_1=(1,-2,-3,4)\)与\(5X_2-2X_3=(2,0,1,0)\)线性无关（不成比例），而导出组的解空间是1维的，不可能存在2个线性无关的解，矛盾。
因此原方程组必为非齐次线性方程组\(AX=b\)（\(b\neq0\)）。

步骤3：构造导出组的基础解系

根据解的性质：非齐次方程组的两个解的差是导出组的解，因此\(X_2-X_1\)、\(X_3-X_1\)都是导出组\(AX=0\)的解，其线性组合也必是导出组的解。

构造线性组合：

\[\begin{align*} Y &= 5(X_2 - X_1) - 2(X_3 - X_1) \\ &= 5X_2 - 5X_1 - 2X_3 + 2X_1 \\ &= (5X_2 - 2X_3) - 3X_1 \end{align*} \]

代入已知数值计算：

\[Y = (2,0,1,0) - 3\times(1,-2,-3,4) = (2-3,\ 0+6,\ 1+9,\ 0-12) = (-1,6,10,-12) \]

\(Y\)是导出组的非零解，且解空间维数为1，因此\(Y\)就是导出组的一个基础解系。

步骤4：写出通解

取\(X_1\)作为非齐次方程组的一个特解，结合导出组的基础解系\(Y\)，得通解：

\[X = X_1 + tY = (1,-2,-3,4) + t(-1,6,10,-12),\quad t\in F \]

---

例5 非齐次解向量组的秩与性质

题目：设\(A \in F_r^{m\times n}\)，\(0\neq b \in F^{m\times1}\)，非齐次线性方程组\(AX=b\)满足\(r(A)=r(A,b)=r\)，求证：

1. 非齐次方程组的解向量组的秩为\(n-r+1\)；
2. 设\(\beta_1,\beta_2,\dots,\beta_{n-r+1}\)是解向量组的一个极大线性无关组，则\(\gamma = \sum_{i=1}^{n-r+1}k_i\beta_i\)是方程组的解的充要条件是\(\sum_{i=1}^{n-r+1}k_i=1\)；
3. 设\(\beta_1,\beta_2,\dots,\beta_{n-r+1}\)是解向量组的一个极大线性无关组，则\(\beta_2-\beta_1,\beta_3-\beta_1,\dots,\beta_{n-r+1}-\beta_1\)是导出组的基础解系。

---

（1）证明解向量组的秩为\(n-r+1\)

核心思路：构造一个含\(n-r+1\)个向量的线性无关解组，证明所有解都可由其线性表出，即该组是解向量组的极大线性无关组。

步骤1：构造线性无关的解组

设\(\beta\)是\(AX=b\)的一个特解，\(\alpha_1,\alpha_2,\dots,\alpha_{n-r}\)是导出组\(AX=0\)的一个基础解系，构造向量组：

\[\beta,\ \beta+\alpha_1,\ \beta+\alpha_2,\ \dots,\ \beta+\alpha_{n-r} \]

• 首先，该组的所有向量都是\(AX=b\)的解：
  \(A\beta=b\)，\(A(\beta+\alpha_i)=A\beta+A\alpha_i = b+0 = b\)，因此都是解。

• 其次，证明该向量组线性无关：
  设存在数\(k,k_1,\dots,k_{n-r}\)，使得：

  \[k\beta + \sum_{i=1}^{n-r}k_i(\beta+\alpha_i) = 0 \]

  整理得：

  \[\left(k + \sum_{i=1}^{n-r}k_i\right)\beta + \sum_{i=1}^{n-r}k_i\alpha_i = 0 \tag{3.3.7} \]

  对等式两边左乘\(A\)，得：

  \[\left(k + \sum_{i=1}^{n-r}k_i\right)A\beta + \sum_{i=1}^{n-r}k_iA\alpha_i = 0 \]

  代入\(A\beta=b\)，\(A\alpha_i=0\)，得：

  \[\left(k + \sum_{i=1}^{n-r}k_i\right)b = 0 \]

  由于\(b\neq0\)，因此系数必为0：

  \[k + \sum_{i=1}^{n-r}k_i = 0 \]

  将其代入(3.3.7)式，得：

  \[\sum_{i=1}^{n-r}k_i\alpha_i = 0 \]

  而\(\alpha_1,\dots,\alpha_{n-r}\)是导出组的基础解系，线性无关，因此\(k_1=k_2=\dots=k_{n-r}=0\)，进而\(k=0\)。
  因此该向量组线性无关，且含\(n-r+1\)个向量。

步骤2：证明任意解都可由该组线性表出

设\(\gamma\)是\(AX=b\)的任意一个解，则\(\gamma-\beta\)是导出组的解，因此可由\(\alpha_1,\dots,\alpha_{n-r}\)线性表出，即：

\[\gamma - \beta = k_1\alpha_1 + k_2\alpha_2 + \dots + k_{n-r}\alpha_{n-r} \]

移项变形：

\[\begin{align*} \gamma &= \beta + \sum_{i=1}^{n-r}k_i\alpha_i \\ &= \left(1 - \sum_{i=1}^{n-r}k_i\right)\beta + \sum_{i=1}^{n-r}k_i(\beta+\alpha_i) \end{align*} \]

即\(\gamma\)可由\(\beta,\beta+\alpha_1,\dots,\beta+\alpha_{n-r}\)线性表出。

综上，该向量组是解向量组的极大线性无关组，因此解向量组的秩为\(n-r+1\)，(1)得证。

---

（2）证明线性组合为解的充要条件是系数和为1

必要性：\(\gamma=\sum k_i\beta_i\)是解 \(\implies \sum k_i=1\)

若\(\gamma\)是\(AX=b\)的解，则\(A\gamma=b\)。
计算\(A\gamma\)：

\[A\gamma = A\left(\sum_{i=1}^{n-r+1}k_i\beta_i\right) = \sum_{i=1}^{n-r+1}k_i A\beta_i = \sum_{i=1}^{n-r+1}k_i \cdot b = \left(\sum_{i=1}^{n-r+1}k_i\right)b \]

因此\(\left(\sum k_i\right)b = b\)，而\(b\neq0\)，故\(\sum_{i=1}^{n-r+1}k_i=1\)，必要性得证。

充分性：\(\sum k_i=1 \implies \gamma=\sum k_i\beta_i\)是解

若\(\sum_{i=1}^{n-r+1}k_i=1\)，则：

\[A\gamma = \sum_{i=1}^{n-r+1}k_i A\beta_i = \left(\sum_{i=1}^{n-r+1}k_i\right)b = 1\cdot b = b \]

因此\(\gamma\)满足\(AX=b\)，是方程组的解，充分性得证。

---

（3）证明差向量组是导出组的基础解系

我们分三步证明：是导出组的解、线性无关、个数等于解空间维数。

步骤1：证明是导出组的解

对任意\(i=2,3,\dots,n-r+1\)，\(\beta_i\)和\(\beta_1\)都是\(AX=b\)的解，因此：

\[A(\beta_i - \beta_1) = A\beta_i - A\beta_1 = b - b = 0 \]

即\(\beta_i-\beta_1\)是导出组\(AX=0\)的解。

步骤2：证明向量组线性无关

设存在数\(k_2,k_3,\dots,k_{n-r+1}\)，使得：

\[\sum_{i=2}^{n-r+1}k_i(\beta_i - \beta_1) = 0 \]

整理得：

\[-\left(\sum_{i=2}^{n-r+1}k_i\right)\beta_1 + k_2\beta_2 + k_3\beta_3 + \dots + k_{n-r+1}\beta_{n-r+1} = 0 \]

已知\(\beta_1,\beta_2,\dots,\beta_{n-r+1}\)是极大线性无关组，必线性无关，因此所有系数都为0：

\[-\sum_{i=2}^{n-r+1}k_i=0,\quad k_2=0,\ k_3=0,\ \dots,\ k_{n-r+1}=0 \]

因此该向量组线性无关。

步骤3：个数等于解空间维数

导出组的解空间维数为\(n-r\)，而该向量组共有\((n-r+1)-1 = n-r\)个线性无关的解，因此它就是导出组的一个基础解系，(3)得证。

---

三、核心知识点归纳总结

1. 齐次与非齐次方程组解的核心对比

对比项	齐次线性方程组\(AX=0\)	非齐次线性方程组\(AX=b\)（\(b\neq0\)）
解的存在性	必有解（零解恒存在）	有解的充要条件：\(r(A,b)=r(A)\)
解的结构	解构成\(n-r\)维线性空间，通解为基础解系的线性组合：\(\sum k_i\eta_i\)	解不构成线性空间，通解为「特解 + 导出组的通解」：\(\gamma_0 + \sum k_i\eta_i\)
解的性质	解的加法、数乘仍为解	1. 两个解的差是导出组的解； 2. 解 + 导出组的解仍为解； 3. 解的线性组合为解 \(\iff\) 系数和为1
解向量组的秩	\(n-r\)	\(n-r+1\)

2. 核心解题与证明技巧

应用场景	核心技巧	对应例题
求非齐次方程组通解	1. 求导出组的基础解系（利用解的差构造）； 2. 找一个非齐次特解； 3. 按通解结构写出结果	例4
解向量组的秩证明	构造「特解 + 特解+基础解系」的线性无关组，证明其为极大无关组	例5(1)
解的线性组合判定	利用\(A(\sum k_i\beta_i)=(\sum k_i)b\)，系数和为1时才是解	例5(2)
导出组基础解系构造	非齐次极大无关组的向量与第一个向量的差，必为导出组的基础解系	例5(3)

3. 关键结论速记

1. 非齐次通解=特解+齐次通解，这是线性方程组解的结构的核心公式；
2. 非齐次解的差是齐次解，这是构造齐次解的最常用方法；
3. 有解的非齐次方程组，解向量组的秩比导出组解空间维数大1；
4. 非齐次解的线性组合为解，当且仅当组合系数的和为1。

---

3.3.3 非齐次线性方程组的简便解法 知识点详解与完整推导

本节核心是通过分块矩阵的初等变换，实现非齐次线性方程组「有解判定、求导出组基础解系、求特解」的一体化求解，是线性方程组的高效通用解法。我们将先明确定理的适用场景，完整证明定理核心结论，再拆解例题的求解逻辑，最终系统归纳方法要点。

---

一、前置说明：行向量型与列向量型方程组的等价性

我们常规接触的是列向量型非齐次方程组：\(A_{m\times n}X_{n\times1}=b_{m\times1}\)；
本节定理适用的是行向量型非齐次方程组：

\[X_{1\times n}A_{n\times m} = b_{1\times m} \tag{3.3.8} \]

二者是转置等价关系：对行向量型方程组两边同时转置，得\(A^T X^T = b^T\)，即列向量型方程组。因此该方法可通过转置适配所有线性方程组的求解。

---

二、核心定理（定理3.3.3）

定理完整内容

设\(A \in F_r^{n\times m}\)（秩为\(r\)的\(n\times m\)矩阵），\(b=(b_1,\dots,b_m)\)，考虑行向量型非齐次线性方程组\(XA=b\)，构造分块矩阵：

\[C = \begin{pmatrix} A & I_n \\ -b & 0 \end{pmatrix} \]

其中\(I_n\)是\(n\)阶单位矩阵，\(C\)是\((n+1)\times(m+n)\)矩阵。

则有以下核心结论：

1. 变换可行性：\(C\)总可以经过一系列限定的初等变换化为标准形式

   \[G = \begin{pmatrix} D_{rm} & M_{rn} \\ 0 & N_{(n-r)n} \\ E_{1m} & U_{1n} \end{pmatrix} \]

   其中：

   • 初等变换限制：初等列变换仅对前\(m\)列施行，初等行变换中，最后一行只能执行「前面行的倍数加到最后一行」的操作；
   • \(D_{rm} \in F_r^{r\times m}\)是行满秩矩阵；
   • \(E_{1m}\)只有两种可能：\(E_{1m}=0\)，或\(r\begin{pmatrix}D_{rm} \\ E_{1m}\end{pmatrix}=r+1\)。

2. 有解判定：方程组\(XA=b\)有解，当且仅当\(E_{1m}=0\)。

3. 解的提取：

   • \(G\)中\(N_{(n-r)n}\)的各行，是导出组\(XA=0\)的一个基础解系；
   • 当方程组有解时，\(G\)中\(U_{1n}\)是\(XA=b\)的一个特解。

4. 通解公式：当方程组有解时，通解为

   \[X = U_{1n} + H N_{(n-r)n} \]

   其中\(H \in F^{1\times(n-r)}\)是任意\(n-r\)维行向量。

---

定理完整证明

（1）变换可行性证明

由\(r(A)=r\)，根据矩阵等价标准形定理，存在\(m\)阶可逆矩阵\(Q_1\)和\(n\)阶可逆矩阵\(P_1\)，使得：

\[P_1 A Q_1 = \begin{pmatrix} D_{rm} \\ 0 \end{pmatrix} \]

其中\(D_{rm}\)是\(r\times m\)行满秩矩阵。

构造可逆矩阵：

\[P_2 = \begin{pmatrix} P_1 & 0 \\ U_{1n} & 1 \end{pmatrix},\quad Q_2 = \begin{pmatrix} Q_1 & 0 \\ 0 & I_n \end{pmatrix} \]

其中\(U_{1n}\)满足\(U_{1n} A Q_1 - b Q_1 = E_{1m}\)，\(P_2\)是\(n+1\)阶可逆矩阵，\(Q_2\)是\(m+n\)阶可逆矩阵。

对\(C\)做变换\(P_2 C Q_2\)，展开计算：

\[\begin{align*} P_2 C Q_2 &= \begin{pmatrix} P_1 & 0 \\ U_{1n} & 1 \end{pmatrix} \begin{pmatrix} A & I_n \\ -b & 0 \end{pmatrix} \begin{pmatrix} Q_1 & 0 \\ 0 & I_n \end{pmatrix} \\ &= \begin{pmatrix} P_1 A Q_1 & P_1 \\ U_{1n} A Q_1 - b Q_1 & U_{1n} \end{pmatrix} \\ &= \begin{pmatrix} D_{rm} & M_{rn} \\ 0 & N_{(n-r)n} \\ E_{1m} & U_{1n} \end{pmatrix} = G \end{align*} \]

可逆矩阵可分解为初等矩阵的乘积，因此\(P_2\)对应初等行变换（最后一行仅加前面行的倍数，符合限制），\(Q_2\)对应前\(m\)列的初等列变换，因此\(C\)可通过限定的初等变换化为\(G\)，(1)得证。

---

（2）有解判定证明

行向量型方程组\(XA=b\)有解的充要条件是：系数矩阵的秩等于增广矩阵的秩，即

\[r(A) = r\begin{pmatrix} A \\ b \end{pmatrix} \]

对增广矩阵做初等变换，秩不变：

\[r\begin{pmatrix} A \\ b \end{pmatrix} = r\begin{pmatrix} A \\ -b \end{pmatrix} = r\left( P\begin{pmatrix} A \\ -b \end{pmatrix}Q \right) = r\begin{pmatrix} D_{rm} \\ 0 \\ E_{1m} \end{pmatrix} \]

已知\(r(A)=r(D_{rm})=r\)，因此：

• 若\(E_{1m}=0\)，则\(r\begin{pmatrix} D_{rm} \\ 0 \\ 0 \end{pmatrix}=r\)，满足\(r(A)=r\begin{pmatrix}A\\b\end{pmatrix}\)，方程组有解；
• 若\(E_{1m}\neq0\)，则\(r\begin{pmatrix} D_{rm} \\ 0 \\ E_{1m} \end{pmatrix}=r+1\)，秩不相等，方程组无解。

因此方程组有解当且仅当\(E_{1m}=0\)，(2)得证。

---

（3）解的提取证明

① 证明\(N\)的行是导出组的基础解系

由变换结果，\(N_{(n-r)n} A Q_1 = 0\)，而\(Q_1\)是可逆矩阵，因此\(N_{(n-r)n} A = 0\)，即\(N\)的每一行都满足\(XA=0\)，是导出组的解。

同时，\(N\)是可逆矩阵\(P_1\)的后\(n-r\)行，因此行向量组线性无关，且个数为\(n-r\)（等于导出组解空间维数），因此\(N\)的各行是导出组的一个基础解系。

② 证明\(U\)是方程组的特解

当方程组有解时，\(E_{1m}=0\)，因此\(U_{1n} A Q_1 - b Q_1 = 0\)，即\(U_{1n} A Q_1 = b Q_1\)。
\(Q_1\)可逆，两边右乘\(Q_1^{-1}\)得\(U_{1n} A = b\)，因此\(U_{1n}\)是\(XA=b\)的一个特解，(3)得证。

---

（4）通解公式证明

根据非齐次线性方程组解的结构定理（3.3.2），非齐次方程组的通解 = 一个特解 + 导出组的通解。

导出组的通解是基础解系的任意线性组合，即\(H N_{(n-r)n}\)（\(H\)是任意行向量），结合特解\(U_{1n}\)，得通解：

\[X = U_{1n} + H N_{(n-r)n} \]

(4)得证。

---

推论3.3.1

若方程组\(XA=b\)有解，则：

1. 当\(r(A)=n\)（秩等于未知数个数）时，方程组有唯一解；
2. 当\(r(A)<n\)（秩小于未知数个数）时，方程组有无穷多解。

该推论与列向量型方程组的解的个数判定完全一致，是解的结构定理的直接结果。

---

三、例6 完整求解过程

题目

解线性方程组

\[\begin{cases} x_1 + 2x_2 + 4x_3 - 3x_4 = 0, \\ 3x_1 + 5x_2 + 6x_3 - 4x_4 = 1, \\ 4x_1 + 5x_2 - 2x_3 + 3x_4 = 3. \end{cases} \]

---

完整求解步骤

步骤1：转化为定理适用的行向量型

原方程组是列向量型\(A_{3\times4}X_{4\times1}=b_{3\times1}\)，其中：

\[A = \begin{pmatrix}1 & 2 & 4 & -3 \\ 3 & 5 & 6 & -4 \\ 4 & 5 & -2 & 3\end{pmatrix},\quad b = \begin{pmatrix}0 \\ 1 \\ 3\end{pmatrix} \]

转置为行向量型\(X_{1\times4} A^T_{4\times3} = b^T_{1\times3}\)，对应定理中的：

• 系数矩阵为\(A^T\)（\(4\times3\)矩阵），常数项为\(b^T=(0,1,3)\)；
• 构造分块矩阵\(C = \begin{pmatrix} A^T & I_4 \\ -b^T & 0 \end{pmatrix}\)，即\(5\times7\)矩阵：

\[C = \begin{pmatrix} 1 & 3 & 4 & 1 & 0 & 0 & 0 \\ 2 & 5 & 5 & 0 & 1 & 0 & 0 \\ 4 & 6 & -2 & 0 & 0 & 1 & 0 \\ -3 & -4 & 3 & 0 & 0 & 0 & 1 \\ 0 & -1 & -3 & 0 & 0 & 0 & 0 \end{pmatrix}\]

---

步骤2：按定理要求做初等变换化简

严格遵循：行变换仅将前面行的倍数加到最后一行，列变换仅动前3列，做初等行变换化简：

1. 消去第一列下方元素：\(R_2=R_2-2R_1\)，\(R_3=R_3-4R_1\)，\(R_4=R_4+3R_1\)
   \[\to \begin{pmatrix} 1 & 3 & 4 & 1 & 0 & 0 & 0 \\ 0 & -1 & -3 & -2 & 1 & 0 & 0 \\ 0 & -6 & -18 & -4 & 0 & 1 & 0 \\ 0 & 5 & 15 & 3 & 0 & 0 & 1 \\ 0 & -1 & -3 & 0 & 0 & 0 & 0 \end{pmatrix}\]

2. 消去第二列下方元素：\(R_3=R_3-6R_2\)，\(R_4=R_4+5R_2\)，\(R_5=R_5-R_2\)
   \[\to \begin{pmatrix} 1 & 3 & 4 & 1 & 0 & 0 & 0 \\ 0 & -1 & -3 & -2 & 1 & 0 & 0 \\ 0 & 0 & 0 & 8 & -6 & 1 & 0 \\ 0 & 0 & 0 & -7 & 5 & 0 & 1 \\ 0 & 0 & 0 & 2 & -1 & 0 & 0 \end{pmatrix}\]

此时已化为定理要求的标准形式\(G\)，分块对应：

• 前3列（系数部分）：\(D_{rm}=\begin{pmatrix}1&3&4\\0&-1&-3\end{pmatrix}\)，\(E_{1m}=(0,0,0)\)（最后一行前3列）；
• 后4列（单位矩阵变换部分）：\(M_{rn}=\begin{pmatrix}1&0&0&0\\-2&1&0&0\end{pmatrix}\)，\(N_{(4-2)4}=\begin{pmatrix}8&-6&1&0\\-7&5&0&1\end{pmatrix}\)，\(U_{1n}=(2,-1,0,0)\)（最后一行后4列）。

---

步骤3：有解判定与解的提取

1. 有解判定：\(E_{1m}=(0,0,0)\)，因此方程组有解；
2. 特解：\(U=(2,-1,0,0)^T\)（行向量转置为列向量，适配原方程组）；
3. 导出组基础解系：\(N\)的两行转置为列向量，即\(\eta_1=(8,-6,1,0)^T\)，\(\eta_2=(-7,5,0,1)^T\)。

---

步骤4：写出通解

原方程组的通解为：

\[X = U + k_1\eta_1 + k_2\eta_2 = \begin{pmatrix}2\\-1\\0\\0\end{pmatrix} + k_1\begin{pmatrix}8\\-6\\1\\0\end{pmatrix} + k_2\begin{pmatrix}-7\\5\\0\\1\end{pmatrix} \]

其中\(k_1,k_2\)为任意常数，与教材结果完全一致。

---

四、核心知识点归纳总结

1. 方法核心优势

该方法通过一次分块矩阵的初等变换，一次性完成「有解判定、求基础解系、求特解」三个核心步骤，无需分开处理系数矩阵和增广矩阵，是线性方程组的一体化高效解法。

2. 标准操作步骤（列向量型\(AX=b\)）

步骤	操作内容	核心目的
1 构造分块矩阵	对列向量型\(A_{m\times n}X=b\)，构造\(C=\begin{pmatrix}A^T & I_n \\ -b^T & 0\end{pmatrix}\)	适配定理的行向量型形式
2 限定初等变换	仅对前\(m\)列做列变换，行变换中最后一行仅加前面行的倍数，化为标准形\(G\)	得到可直接提取解的标准结构
3 有解判定	检查\(G\)最后一行前\(m\)列\(E_{1m}\)，若为0则有解，否则无解	快速判断方程组是否有解
4 提取解	有解时，最后一行后\(n\)列是特解，中间\(n-r\)行后\(n\)列是导出组基础解系	直接得到通解的全部要素
5 写出通解	按「特解+基础解系的线性组合」写出通解	得到方程组的全部解

3. 关键注意事项

1. 变换限制必须严格遵守：列变换仅能作用于前\(m\)列，最后一行仅能执行「前面行的倍数加到最后一行」，否则会破坏单位矩阵和常数项的结构，导致结果错误；
2. 行/列向量的转置适配：定理默认行向量型方程组，求解常规列向量型方程组时，需对系数矩阵和常数项转置，最终结果再转置回来；
3. 基础解系的个数：\(N\)的行数为\(n-r(A)\)，与导出组解空间维数一致，无需额外验证线性无关性。

4. 与常规消元法的对比

方法	操作步骤	优势	适用场景
本节简便解法	一次分块矩阵变换，同步完成判定、求特解、求基础解系	步骤统一、效率高，无回代过程	通用场景，尤其适合高阶矩阵、编程实现
常规行最简形法	先化增广矩阵为行最简形，判定有解后，分别求特解和基础解系	直观易懂，符合解的定义逻辑	低阶矩阵、手动计算入门