昆仑山:眼中无形心中有穴之穴人合一

夫君子之行，静以修身，俭以养德；非澹泊无以明志，非宁静无以致远。夫学须静也，才须学也；非学无以广才，非志无以成学。怠慢则不能励精，险躁则不能冶性。年与时驰，意与岁去，遂成枯落，多不接世。悲守穷庐，将复何及！

 

线性方程组

第3章 3.1 Cramer法则 系统严谨讲解

作为代数学领域的资深研究员，我将以完整的逻辑链条、严谨的推导过程，对Cramer法则及配套例题进行逐环节讲解，每一步均标注推理依据，核心内容加粗突出。

一、前置基础与核心定理讲解

1. 符号约定

n阶线性方程组的一般形式为：

\[\begin{cases} a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n = b_1 \\ a_{21}x_1 + a_{22}x_2 + \dots + a_{2n}x_n = b_2 \\ \quad\vdots \\ a_{n1}x_1 + a_{n2}x_2 + \dots + a_{nn}x_n = b_n \end{cases} \]

其矩阵形式为 \(\boldsymbol{AX}=\boldsymbol{b}\)，其中：

  • 系数矩阵 \(\boldsymbol{A}=(a_{ij})_{n\times n}\)（n阶方阵）；
  • 未知量向量 \(\boldsymbol{X}=(x_1,x_2,\dots,x_n)^T\)；
  • 常数项向量 \(\boldsymbol{b}=(b_1,b_2,\dots,b_n)^T\)。

当 \(\boldsymbol{b}=\boldsymbol{0}\) 时，方程组为n阶齐次线性方程组；当 \(\boldsymbol{b}\neq\boldsymbol{0}\) 时，为n阶非齐次线性方程组。

2. 核心定理：Cramer法则

定理3.1.1（Cramer法则） 设 \(\boldsymbol{A}=(a_{ij})_{n\times n}\)，\(\boldsymbol{b}=(b_1,\dots,b_n)^T\)，若系数行列式

\[\boldsymbol{D=|A|\neq 0}, \]

则线性方程组 \(\boldsymbol{AX}=\boldsymbol{b}\) 有且仅有唯一解，且解的显式表达式为：

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

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

\[D_i = \begin{vmatrix} a_{11} & \dots & a_{1,i-1} & b_1 & a_{1,i+1} & \dots & a_{1n} \\ a_{21} & \dots & a_{2,i-1} & b_2 & a_{2,i+1} & \dots & a_{2n} \\ \vdots & & \vdots & \vdots & \vdots & & \vdots \\ a_{n1} & \dots & a_{n,i-1} & b_n & a_{n,i+1} & \dots & a_{nn} \end{vmatrix} \]

3. 定理的完整严谨证明

（1）证明存在性：\(x_i=\frac{D_i}{D}\) 是方程组的解

推理依据：行列式按行/列展开定理、行列式展开的推论、有限和交换律。

将 \(x_i=\frac{D_i}{D}\) 代入方程组第k个方程的左端，需证明左端等于右端 \(b_k\)，即：

\[a_{k1}\frac{D_1}{D} + a_{k2}\frac{D_2}{D} + \dots + a_{kn}\frac{D_n}{D} = b_k \]

两边同乘 \(D\neq0\)，等价于证明：

\[\sum_{i=1}^n a_{ki} D_i = b_k D \]

第一步：对 \(D_i\) 按第i列展开（行列式按列展开定理：n阶行列式等于任意一列元素与其对应代数余子式的乘积和）。\(D_i\) 的第i列是 \(b_1,\dots,b_n\)，对应代数余子式与原行列式 \(D\) 第i列的代数余子式 \(A_{1i},A_{2i},\dots,A_{ni}\) 完全一致，因此：

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

第二步：代入左端和式，交换求和次序（有限和的交换律）：

\[\sum_{i=1}^n a_{ki} D_i = \sum_{i=1}^n a_{ki} \sum_{j=1}^n b_j A_{ji} = \sum_{j=1}^n b_j \sum_{i=1}^n a_{ki} A_{ji} \]

第三步：利用行列式展开的核心推论：

行列式某一行的元素与另一行对应元素的代数余子式乘积之和为0；行标相等时，和等于行列式本身。即：

\[\sum_{i=1}^n a_{ki} A_{ji} = \begin{cases} D, & j=k \\ 0, & j\neq k \end{cases} \]

因此内层和式仅当 \(j=k\) 时非零，代入得：

\[\sum_{j=1}^n b_j \sum_{i=1}^n a_{ki} A_{ji} = b_k \cdot D + \sum_{j\neq k} b_j \cdot 0 = b_k D \]

等式成立，即 \(x_i=\frac{D_i}{D}\) 满足所有方程，是方程组的解，存在性得证。

（2）证明唯一性：方程组的解只能是 \(x_i=\frac{D_i}{D}\)

推理依据：方阵可逆的充要条件、逆矩阵的唯一性、伴随矩阵求逆公式。

第一步：由 \(D=|A|\neq0\)，根据n阶方阵可逆的充要条件：方阵可逆 \(\iff\) 行列式非零，得A是可逆矩阵。

第二步：对 \(\boldsymbol{AX}=\boldsymbol{b}\) 两边左乘 \(A^{-1}\)，由 \(A^{-1}A=E\)（单位矩阵），得：

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

由逆矩阵的唯一性，\(X=A^{-1}b\) 是方程组的唯一解。

第三步：将唯一解展开为Cramer形式。由伴随矩阵求逆公式 \(A^{-1}=\frac{1}{|A|}A^*\)，其中 \(A^*=(A_{ji})_{n\times n}\) 是A的伴随矩阵，因此：

\[x_i = \frac{1}{D} \sum_{j=1}^n A_{ji} b_j = \frac{D_i}{D} \]

与Cramer法则的解完全一致，唯一性得证。

4. 核心推论（齐次线性方程组专用）

针对n阶齐次线性方程组 \(\boldsymbol{AX}=\boldsymbol{0}\)，由Cramer法则直接推出两个核心结论：

  1. 推论1：若系数行列式 \(\boldsymbol{D=|A|\neq0}\)，则方程组只有零解（\(x_1=x_2=\dots=x_n=0\)）；
  2. 推论2：n阶齐次线性方程组有非零解的充要条件是 \(\boldsymbol{D=|A|=0}\)。

二、配套例题的逐题严谨讲解

例1 整系数方程组只有零解的证明

题目：证明线性方程组

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

只有零解，其中 \(a_{ij}\) 全为整数。

步骤1：改写为齐次线性方程组标准形式

推理依据：等式的基本性质（移项、合并同类项）。

将所有项移至左端，两边同除以2，整理得齐次方程组：

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

记系数矩阵为 \(\boldsymbol{B}=A - \frac{1}{2}E\)，方程组为 \(\boldsymbol{BX}=\boldsymbol{0}\)。

步骤2：构造特征多项式，分析系数性质

推理依据：矩阵特征多项式的定义、整系数多项式的运算性质。

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：

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

关键结论：所有系数 \(b_1,\dots,b_n\) 均为整数。

推理依据：\(a_{ij}\) 全为整数，行列式展开式是整数的加减乘运算，结果仍为整数，因此 \(f(\lambda)\) 是整系数多项式。

步骤3：证明系数行列式 \(f\left(\frac{1}{2}\right)\neq0\)

推理依据：整系数多项式的有理根定理。

有理根定理：设整系数多项式 \(g(x)=c_n x^n + \dots + c_0\)，若既约分数 \(\frac{p}{q}\) 是 \(g(x)\) 的有理根，则 \(p\) 整除常数项 \(c_0\)，\(q\) 整除首项系数 \(c_n\)。

对 \(f(\lambda)\) 应用有理根定理：首项系数为 \((-1)^n\)，因此其有理根的分母 \(q\) 只能整除 \(\pm1\)，即\(f(\lambda)\) 的所有有理根必为整数。

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

步骤4：最终结论

推理依据：Cramer法则推论1。

齐次方程组的系数行列式 \(f\left(\frac{1}{2}\right)\neq0\)，因此方程组只有零解，原方程组与该齐次方程组同解，故原方程组只有零解，证毕。

例2 伴随矩阵方程组解的充要条件证明

题目：设A为n×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。

步骤1：证明必要性（\(AX=b\) 有唯一解 \(\implies\) \(A^*X=d\) 有唯一解）

推理依据：Cramer法则、伴随矩阵的行列式性质 \(|A^*|=|A|^{n-1}\)。

  1. 由Cramer法则，\(AX=b\) 有唯一解 \(\iff \boldsymbol{|A|\neq0}\)；
  2. 对 \(AA^*=|A|E\) 两边取行列式，得 \(|A||A^*|=|A|^n\)，当 \(|A|\neq0\) 时，两边除以 \(|A|\)，得 \(\boldsymbol{|A^*|=|A|^{n-1}\neq0}\)；
  3. 再由Cramer法则，\(|A^*|\neq0 \implies A^*X=d\) 有唯一解。

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

步骤2：证明充分性（\(A^*X=d\) 有唯一解 \(\implies\) \(AX=b\) 有唯一解）

推理依据：Cramer法则、矩阵秩与伴随矩阵秩的关系。

  1. 由Cramer法则，\(A^*X=d\) 有唯一解 \(\iff \boldsymbol{|A^*|\neq0}\)，即 \(r(A^*)=n\)；
  2. 矩阵秩与伴随矩阵秩的核心关系：

    \[r(A^*) = \begin{cases} n, & r(A)=n \\ 1, & r(A)=n-1 \\ 0, & r(A)\leq n-2 \end{cases} \]

    因此 \(r(A^*)=n \implies r(A)=n\)，即A满秩，\(\boldsymbol{|A|\neq0}\)；
  3. 由Cramer法则，\(|A|\neq0 \implies AX=b\) 有唯一解。

解的表达式：A可逆，对 \(AX=b\) 左乘 \(A^{-1}\)，得唯一解 \(\boldsymbol{X=A^{-1}b}\)。

例3 整系数方程组行列式为±1的证明

题目：设整系数线性方程组 \(\sum_{j=1}^n a_{ij}x_j = b_i\ (i=1,\dots,n)\) 对任意的 \(b_1,\dots,b_n\) 均有整数解，证明其系数行列式必为 \(\pm1\)。

步骤1：构造矩阵等式

推理依据：单位矩阵的标准单位向量、矩阵乘法的列分块规则。

记系数矩阵为 \(\boldsymbol{A}=(a_{ij})_{n\times n}\)（整系数），方程组为 \(\boldsymbol{AX}=\boldsymbol{b}\)。已知对任意整数向量 \(\boldsymbol{b}\)，方程组有整数解。

取n阶单位矩阵的列向量 \(\boldsymbol{e_1},\dots,\boldsymbol{e_n}\)（第i个分量为1，其余为0，均为整数向量），则对每个 \(\boldsymbol{e_i}\)，存在整数解 \(\boldsymbol{\alpha_i}\)，使得 \(A\boldsymbol{\alpha_i}=\boldsymbol{e_i}\)。

将解向量按列拼成整系数矩阵 \(D=(\boldsymbol{\alpha_1},\dots,\boldsymbol{\alpha_n})\)，由矩阵乘法的列分块规则：

\[AD = (A\boldsymbol{\alpha_1},\dots,A\boldsymbol{\alpha_n}) = (\boldsymbol{e_1},\dots,\boldsymbol{e_n}) = E \]

即 \(\boldsymbol{AD=E}\)。

步骤2：推导行列式取值

推理依据：行列式乘法法则、整数的运算性质。

对 \(AD=E\) 两边取行列式，得 \(|A||D|=|E|=1\)。

  • A、D均为整系数矩阵，因此 \(|A|\)、\(|D|\) 均为整数；
  • 两个整数的乘积为1，当且仅当二者同为1或同为-1。

因此 \(\boldsymbol{|A|=\pm1}\)，证毕。

例4 多项式恒为零的证明

题目：设 \(f(x)=c_0 + c_1 x + \dots + c_n x^n\)，求证若 \(f(x)\) 至少有 \(n+1\) 个不同的根，则 \(f(x)\equiv0\)。

步骤1：转化为齐次线性方程组

设 \(f(x)\) 的 \(n+1\) 个互异根为 \(\alpha_1,\alpha_2,\dots,\alpha_{n+1}\)，则：

\[f(\alpha_i) = c_0 + c_1 \alpha_i + \dots + c_n \alpha_i^n = 0,\quad i=1,\dots,n+1 \]

将其看作以 \(c_0,c_1,\dots,c_n\) 为未知量的 \(n+1\) 阶齐次线性方程组：

\[\begin{cases} c_0 + \alpha_1 c_1 + \alpha_1^2 c_2 + \dots + \alpha_1^n c_n = 0, \\ c_0 + \alpha_2 c_1 + \alpha_2^2 c_2 + \dots + \alpha_2^n c_n = 0, \\ \quad\vdots \\ c_0 + \alpha_{n+1} c_1 + \alpha_{n+1}^2 c_2 + \dots + \alpha_{n+1}^n c_n = 0. \end{cases} \]

步骤2：证明系数行列式非零

推理依据：Vandermonde行列式计算公式。

系数行列式为 \(n+1\) 阶Vandermonde行列式：

\[|A| = \begin{vmatrix} 1 & \alpha_1 & \alpha_1^2 & \dots & \alpha_1^n \\ 1 & \alpha_2 & \alpha_2^2 & \dots & \alpha_2^n \\ \vdots & \vdots & \vdots & & \vdots \\ 1 & \alpha_{n+1} & \alpha_{n+1}^2 & \dots & \alpha_{n+1}^n \end{vmatrix} = \prod_{1\leq j < i \leq n+1} (\alpha_i - \alpha_j) \]

因 \(\alpha_1,\dots,\alpha_{n+1}\) 互异，所有因子 \(\alpha_i-\alpha_j\neq0\)，故 \(\boldsymbol{|A|\neq0}\)。

步骤3：最终结论

推理依据：Cramer法则推论1。

齐次方程组系数行列式非零，因此只有零解 \(c_0=c_1=\dots=c_n=0\)，即 \(f(x)\) 的所有系数均为0，故 \(\boldsymbol{f(x)\equiv0}\)，证毕。

例5 插值多项式的存在唯一性证明

题目：设 \(\alpha_1,\alpha_2,\dots,\alpha_n\) 是数域F中互异的数，\(b_1,b_2,\dots,b_n\) 是F中任一组不全为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 \(f(\alpha_i)=b_i\)（\(i=1,\dots,n\)）。

步骤1：转化为线性方程组

次数小于n的多项式的一般形式为：

\[f(x) = c_0 + c_1 x + c_2 x^2 + \dots + c_{n-1} x^{n-1} \]

由 \(f(\alpha_i)=b_i\)，得以 \(c_0,\dots,c_{n-1}\) 为未知量的n阶线性方程组：

\[\begin{cases} c_0 + \alpha_1 c_1 + \alpha_1^2 c_2 + \dots + \alpha_1^{n-1} c_{n-1} = b_1, \\ c_0 + \alpha_2 c_1 + \alpha_2^2 c_2 + \dots + \alpha_2^{n-1} c_{n-1} = b_2, \\ \quad\vdots \\ c_0 + \alpha_n c_1 + \alpha_n^2 c_2 + \dots + \alpha_n^{n-1} c_{n-1} = b_n. \end{cases} \]

步骤2：证明方程组有唯一解

推理依据：Cramer法则、Vandermonde行列式性质。

系数行列式为n阶Vandermonde行列式：

\[|A| = \prod_{1\leq j < i \leq n} (\alpha_i - \alpha_j) \]

因 \(\alpha_1,\dots,\alpha_n\) 互异，故 \(\boldsymbol{|A|\neq0}\)，由Cramer法则，方程组有且仅有唯一解。

步骤3：证明多项式的存在性与唯一性

  1. 存在性：由方程组的唯一解 \(c_0,\dots,c_{n-1}\) 构造多项式 \(f(x)\)，显然 \(\deg f(x)<n\)，且满足 \(f(\alpha_i)=b_i\)，存在性得证。
  2. 唯一性：假设存在另一满足条件的多项式 \(g(x)\)，令 \(F(x)=f(x)-g(x)\)，则 \(\deg F(x)<n\)，且 \(F(x)\) 有n个互异根 \(\alpha_1,\dots,\alpha_n\)。由例4的结论，\(F(x)\equiv0\)，即 \(f(x)=g(x)\)，唯一性得证。

三、本知识点核心内容归纳总结表

分类 详细内容
核心定理 Cramer法则：对于n阶线性方程组 \(\boldsymbol{AX}=\boldsymbol{b}\)，若系数行列式 \(\boldsymbol{D=|A|\neq0}\)，则方程组有唯一解，且解为 \(\boldsymbol{x_i=\frac{D_i}{D}\ (i=1,\dots,n)}\)，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。
核心推论 1. n阶齐次线性方程组 \(\boldsymbol{AX}=\boldsymbol{0}\) 系数行列式 \(D\neq0\) \(\implies\) 只有零解；
2. n阶齐次线性方程组 \(\boldsymbol{AX}=\boldsymbol{0}\) 有非零解 \(\iff\) 系数行列式 \(D=0\)。
方法特点 1. 直接给出线性方程组解的显式表达式，无需消元，便于理论推导与证明；
2. 将线性方程组的求解完全转化为行列式计算，建立了行列式与线性方程组解的直接联系；
3. 可直接判定n阶线性方程组解的存在唯一性，无需矩阵秩的相关知识。
适用条件 1. 仅适用于方程个数与未知量个数相等的n阶线性方程组，方程数≠未知量数时无法使用；
2. 必须满足系数行列式 $D=
注意事项 1. 数值计算中，n较大时Cramer法则需计算n+1个n阶行列式，计算量远大于高斯消元法，仅适用于低阶方程组（n≤3）的数值求解，高阶场景多用于理论证明；
2. 对于齐次线性方程组，Cramer法则只能判定“只有零解”，无法直接求解非零解；
3. 有理根定理仅适用于整系数多项式，非整系数场景不可使用；
4. Vandermonde行列式非零的前提是所有 \(\alpha_i\) 互异，否则无法使用Cramer法则。
典型应用场景 1. 低阶n阶线性方程组的显式求解；
2. 线性方程组解的存在唯一性的理论证明；
3. 整系数线性方程组的整数解相关证明；
4. 多项式插值问题（Lagrange插值的存在唯一性证明）；
5. 矩阵可逆性、伴随矩阵相关性质的证明。

3.2 齐次线性方程组 系统严谨讲解

作为代数学领域资深研究员，我将以完整逻辑链条、严格的推理依据，对本节齐次线性方程组的核心定理与典型例题进行逐环节深度讲解，核心公式、关键结论与重要步骤均加粗突出，确保推导无跳步、逻辑无漏洞。

一、基础概念与核心定理

1. 齐次线性方程组的定义

设矩阵 \(\boldsymbol{A} \in F^{m \times n}\)（数域 \(F\) 上的 \(m\) 行 \(n\) 列矩阵），未知量列向量 \(\boldsymbol{X}=(x_1,x_2,\dots,x_n)^T\)，则方程组

\[\boldsymbol{AX=0} \tag{3.2.1} \]

称为n元齐次线性方程组，其中 \(m\) 是方程个数，\(n\) 是未知量个数。

  • 零解：\(\boldsymbol{X}=(0,0,\dots,0)^T\) 永远是方程组的解，称为零解；
  • 非零解：满足 \(\boldsymbol{AX=0}\) 且 \(\boldsymbol{X}\neq0\) 的向量，称为非零解。

齐次线性方程组的核心特性：永远有解（至少存在零解），因此解的判定仅需关注「是否存在非零解」。

2. 核心定理：非零解的充要条件

定理3.2.1 齐次线性方程组 \(\boldsymbol{AX=0}\) 有非零解的充要条件是 \(\boldsymbol{r(A) < n}\)，其中 \(r(A)\) 是系数矩阵 \(A\) 的秩，\(n\) 是未知量的个数。
等价表述：齐次线性方程组 \(\boldsymbol{AX=0}\) 只有零解的充要条件是 \(\boldsymbol{r(A)=n}\)。

定理的完整严谨证明

（1）必要性：若 \(\boldsymbol{AX=0}\) 有非零解，则 \(\boldsymbol{r(A) < n}\)

推理依据：矩阵秩与列向量组线性相关性的关系、线性无关的定义。
用反证法：假设 \(r(A)=n\)，则矩阵 \(A\) 的列秩等于 \(n\)，即 \(A\) 的 \(n\) 个列向量 \(\alpha_1,\alpha_2,\dots,\alpha_n\) 线性无关。
而方程组 \(\boldsymbol{AX=0}\) 可等价表示为列向量的线性组合：

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

根据线性无关的定义，上式成立当且仅当 \(x_1=x_2=\dots=x_n=0\)，即方程组只有零解，与「\(AX=0\) 有非零解」矛盾。
因此假设不成立，故 \(r(A) < n\)，必要性得证。

（2）充分性：若 \(\boldsymbol{r(A) < n}\)，则 \(\boldsymbol{AX=0}\) 有非零解

推理依据：矩阵初等行变换不改变方程组的解、秩的定义。
设 \(r(A)=r < n\)，对系数矩阵 \(A\) 做初等行变换，可化为行最简形矩阵，得到 \(r\) 个非零行，对应 \(r\) 个主元未知量，剩余 \(n-r\) 个为自由未知量。
令自由未知量取一组不全为零的数（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，可唯一解出主元未知量，最终得到一个非零的解向量。
因此 \(AX=0\) 有非零解，充分性得证。

3. 两个核心推论

推论1（n阶方阵场景） 对于方程个数=未知量个数的n阶齐次线性方程组，有非零解的充要条件是 \(\boldsymbol{|A|=0}\)；只有零解的充要条件是 \(\boldsymbol{|A|\neq0}\)（与Cramer法则的推论完全等价）。

推论2（方程数少于未知量数场景） 若齐次线性方程组的方程个数 \(m <\) 未知量个数 \(n\)，则方程组必有非零解。

推理依据：矩阵的秩满足 \(r(A) \leq \min(m,n)=m < n\)，直接满足定理3.2.1的非零解条件。

二、典型例题的逐题严谨推导

例1 矩阵零积与秩的关系证明

题目：设 \(A\) 是一个 \(m \times n\) 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 \(r(A) < n\)。

核心等价转化

将矩阵 \(B\) 按列分块：\(\boldsymbol{B=(\beta_1,\beta_2,\dots,\beta_s)}\)，其中 \(\beta_i\) 是 \(n\) 维列向量。
根据矩阵乘法的分块规则：

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

因此 \(\boldsymbol{AB=0}\) 等价于所有 \(\beta_i\) 都是齐次线性方程组 \(AX=0\) 的解；
\(\boldsymbol{B\neq0}\) 等价于至少存在一个 \(\beta_i \neq 0\)，即 \(AX=0\) 有非零解。

（1）必要性证明：存在非零 \(B\) 使得 \(AB=0\) \(\implies\) \(r(A) < n\)

推理依据：定理3.2.1、反证法。
用反证法：假设 \(r(A)=n\)，根据定理3.2.1，\(AX=0\) 只有零解。
由上述等价转化，\(AB=0\) 说明 \(B\) 的所有列向量都是 \(AX=0\) 的解，因此所有 \(\beta_i=0\)，即 \(B=0\)，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）充分性证明：\(r(A) < n\) \(\implies\) 存在非零 \(B\) 使得 \(AB=0\)

推理依据：定理3.2.1、矩阵乘法定义。
因为 \(r(A) < n\)，根据定理3.2.1，\(AX=0\) 有非零解，不妨设 \(X_0=(x_1,x_2,\dots,x_n)^T \neq 0\) 是 \(AX=0\) 的一个非零解。
构造 \(n \times s\) 矩阵：

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

  • 因 \(X_0 \neq 0\)，\(B\) 的第一列非零，故 \(\boldsymbol{B\neq0}\)；
  • 由矩阵乘法，\(AB\) 的第1列为 \(AX_0=0\)，其余列均为 \(A \cdot 0=0\)，故 \(\boldsymbol{AB=0}\)。
    因此存在满足条件的非零矩阵 \(B\)，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：\(\cos^2\alpha + \cos^2\beta + \cos^2\gamma + 2\cos\alpha\cos\beta\cos\gamma = 1\)。

步骤1：改写为齐次线性方程组标准形式

推理依据：等式的基本性质（移项、合并同类项）。
将所有项移至等式左端，整理为以 \(a,b,c\) 为未知量的齐次线性方程组：

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

步骤2：利用非零解条件推导行列式为零

推理依据：推论1（n阶齐次方程组有非零解的充要条件是系数行列式为0）。
已知 \(a,b,c\) 不全为零，说明该齐次方程组有非零解，因此系数行列式必为0：

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

步骤3：展开行列式并整理得到结论

推理依据：n阶行列式按行展开定理。
按第一行展开行列式：

\[\begin{align*} &-1 \cdot (-1)^{1+1}\begin{vmatrix}-1 & \cos\alpha \\ \cos\alpha & -1\end{vmatrix} + \cos\gamma \cdot (-1)^{1+2}\begin{vmatrix}\cos\gamma & \cos\alpha \\ \cos\beta & -1\end{vmatrix} + \cos\beta \cdot (-1)^{1+3}\begin{vmatrix}\cos\gamma & -1 \\ \cos\beta & \cos\alpha\end{vmatrix} = 0 \\ &-1 \cdot (1 - \cos^2\alpha) - \cos\gamma \cdot (-\cos\gamma - \cos\alpha\cos\beta) + \cos\beta \cdot (\cos\alpha\cos\gamma + \cos\beta) = 0 \\ &-1 + \cos^2\alpha + \cos^2\gamma + \cos\alpha\cos\beta\cos\gamma + \cos\alpha\cos\beta\cos\gamma + \cos^2\beta = 0 \end{align*} \]

合并同类项并移项，最终得：

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

证毕。

例3 行列式正定性证明

题目：设 \(A\) 是 \(n\) 阶实可逆矩阵，\(S\) 为 \(n\) 阶反对称矩阵，求证 \(|AA' + S| > 0\)（\(A'\) 表示 \(A\) 的转置）。

前置核心性质回顾

  1. 反对称矩阵：满足 \(\boldsymbol{S'=-S}\) 的实矩阵，对任意n维实列向量 \(\alpha\)，有 \(\boldsymbol{\alpha'S\alpha=0}\)；
  2. 正定矩阵：可逆实矩阵 \(A\) 的 \(AA'\) 是实对称正定矩阵，对任意非零实列向量 \(\alpha\)，有 \(\boldsymbol{\alpha'AA'\alpha > 0}\)；
  3. 零点存在定理：闭区间上的连续函数，若两端点函数值异号，则区间内必存在零点。

第一步：证明 \(\boldsymbol{|AA' + S| \neq 0}\)

推理依据：定理3.2.1、反证法、正定矩阵与反对称矩阵的核心性质。
用反证法：假设 \(|AA' + S| = 0\)，根据推论1，齐次线性方程组 \((AA' + S)X=0\) 有非零解，即存在n维非零实列向量 \(\alpha\)，使得

\[(AA' + S)\alpha = 0 \]

两边左乘 \(\alpha'\)，展开得：

\[\alpha'AA'\alpha + \alpha'S\alpha = 0 \tag{3.2.2} \]

分别计算两项：

  1. 因 \(A\) 可逆，\(AA'\) 正定，且 \(\alpha \neq 0\)，故 \(\boldsymbol{\alpha'AA'\alpha > 0}\)；
  2. 因 \(S\) 是反对称矩阵，故 \(\boldsymbol{\alpha'S\alpha = 0}\)。

代入(3.2.2)式得「正数 + 0 = 0」，矛盾。因此假设不成立，故 \(\boldsymbol{|AA' + S| \neq 0}\)。

第二步：证明 \(\boldsymbol{|AA' + S| > 0}\)

推理依据：连续函数的零点存在定理、反证法。
构造闭区间 \([0,1]\) 上的实连续函数：

\[f(x) = |AA' + xS| \]

  • 连续性：行列式展开后是关于 \(x\) 的多项式，多项式函数在全体实数域上连续，故 \(f(x)\) 在 \([0,1]\) 上连续；
  • 非零性：对任意 \(x \in [0,1]\)，\(xS\) 仍是反对称矩阵，由第一步结论，恒有 \(f(x) \neq 0\)。

计算区间端点值：

\[f(0) = |AA'| = |A| \cdot |A'| = |A|^2 \]

因 \(A\) 是实可逆矩阵，\(|A| \neq 0\)，故 \(\boldsymbol{f(0) > 0}\)。

用反证法证明 \(f(1) > 0\)：假设 \(f(1)=|AA' + S| < 0\)，则 \(f(x)\) 在 \([0,1]\) 上连续，且 \(f(0) > 0\)、\(f(1) < 0\)，由零点存在定理，必存在 \(t \in (0,1)\) 使得 \(f(t)=0\)，与「\(f(x)\) 在 \([0,1]\) 上恒不为零」矛盾。
因此假设不成立，故 \(f(1) > 0\)，即 \(\boldsymbol{|AA' + S| > 0}\)，证毕。

三、本节知识点核心内容归纳总结表

分类 详细内容
核心定义 设 \(A \in F^{m \times n}\)，\(X=(x_1,\dots,x_n)^T\)，则 \(\boldsymbol{AX=0}\) 称为n元齐次线性方程组，\(m\) 为方程个数，\(n\) 为未知量个数；\(X=0\) 为零解，\(X\neq0\) 且满足 \(AX=0\) 为非零解。
核心定理 齐次线性方程组 \(\boldsymbol{AX=0}\) 有非零解的充要条件是 \(\boldsymbol{r(A) < n}\)；
等价表述：齐次线性方程组 \(\boldsymbol{AX=0}\) 只有零解的充要条件是 \(\boldsymbol{r(A)=n}\)。
核心推论 1. n阶方阵场景：n阶齐次线性方程组有非零解 \(\iff |A|=0\)；只有零解 \(\iff |A|\neq0\)（与Cramer法则等价）；
2. 方程数少于未知量数场景：若 \(m < n\)，则 \(AX=0\) 必有非零解（因 \(r(A)\leq m < n\)）。
方法特点 1. 建立了矩阵秩、行列式、线性方程组解三者的核心联系，可将矩阵等式、代数恒等式问题转化为齐次方程组的非零解判定；
2. 反证法是核心证明方法，利用「只有零解」与「有非零解」的矛盾性推导结论；
3. 矩阵分块是关键技巧，将 \(AB=0\) 转化为「B的列向量是 \(AX=0\) 的解」，实现矩阵问题与方程组问题的等价转化。
适用条件 1. 核心定理适用于任意数域上任意m×n矩阵对应的齐次线性方程组，无方程数与未知量数相等的限制；
2. 行列式判定法（推论1）仅适用于方程数=未知量数的n阶齐次线性方程组；
3. 正定矩阵、反对称矩阵相关结论仅适用于实数域上的矩阵。
注意事项 1. 齐次线性方程组永远有解（至少零解），解的判定仅需关注「是否有非零解」，无需考虑增广矩阵的秩；
2. \(r(A) < n\) 中的 \(n\) 是未知量的个数，而非方程个数 \(m\)，切勿混淆；
3. 反对称矩阵的性质 \(\alpha'S\alpha=0\) 仅对实列向量成立，复数域无此结论；
4. 介值定理的应用必须保证函数在闭区间上连续，且区间内函数值恒不为零，否则无法推出符号一致。
典型应用场景 1. 齐次线性方程组非零解的存在性判定；
2. 矩阵秩的不等式/等式证明（如 \(AB=0\) 时 \(r(A)+r(B)\leq n\)）；
3. 代数恒等式、三角恒等式的构造性证明；
4. 矩阵行列式的符号与非零性判定；
5. 向量组线性相关性的判定（列向量组线性相关 \(\iff AX=0\) 有非零解）。

3.2.2 齐次线性方程组的基础解系及其有关证明 系统严谨讲解

作为拥有数十年代数学教学与研究经验的研究员，我将以完整的逻辑链条、严格的推理依据，对本节核心概念、基础定理与典型例题进行逐环节深度拆解，核心定义、关键公式、核心结论与重要推导步骤均加粗突出，确保推导无跳步、逻辑无漏洞，兼顾理论深度与可理解性。

一、核心概念与基础定理

1. 解空间的定义与性质

设 \(A \in F^{m \times n}\)，齐次线性方程组 \(\boldsymbol{AX=0}\) 的所有解向量构成的集合

\[W = \{ X \in F^n \mid AX=0 \} \]

满足线性空间的封闭性：

  • 若 \(X_1,X_2 \in W\)，则 \(X_1+X_2 \in W\)（加法封闭）；
  • 若 \(X \in W\)，\(k \in F\)，则 \(kX \in W\)（数乘封闭）。

因此 \(W\) 是数域 \(F\) 上 \(n\) 维线性空间 \(F^n\) 的子空间，称为齐次线性方程组 \(\boldsymbol{AX=0}\) 的解空间。

2. 基础解系的定义

定义3.2.1 设 \(A \in F^{m \times n}\)，\(r(A)=r < n\)，则齐次线性方程组 \(AX=0\) 的解向量组

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

称为该方程组的一个基础解系，当且仅当满足以下两个核心条件：

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

3. 核心定理：基础解系的存在性与解空间的维数

核心定理 设 \(A \in F^{m \times n}\)，\(r(A)=r < n\)，则齐次线性方程组 \(AX=0\) 的基础解系一定存在，且任意一个基础解系都恰好包含 \(\boldsymbol{n-r}\) 个线性无关的解向量，解空间的维数满足

\[\boldsymbol{\dim W = n - r(A)} \]

（1）存在性证明

推理依据：矩阵初等行变换不改变方程组的解、线性无关的定义、向量组线性表出的构造。
设 \(r(A)=r < n\)，对系数矩阵 \(A\) 做初等行变换，化为行最简形矩阵：

\[\tilde{A} = \begin{pmatrix} E_r & C \\ O & O \end{pmatrix} \]

其中 \(E_r\) 是 \(r\) 阶单位矩阵，\(C\) 是 \(r \times (n-r)\) 矩阵。对应的同解方程组为：

\[\begin{cases} x_1 = -c_{11}x_{r+1} - c_{12}x_{r+2} - \dots - c_{1,n-r}x_n \\ x_2 = -c_{21}x_{r+1} - c_{22}x_{r+2} - \dots - c_{2,n-r}x_n \\ \quad\vdots \\ x_r = -c_{r1}x_{r+1} - c_{r2}x_{r+2} - \dots - c_{r,n-r}x_n \end{cases} \]

其中 \(x_{r+1},x_{r+2},\dots,x_n\) 为自由未知量，共 \(n-r\) 个。

对自由未知量取 \(n-r\) 组线性无关的赋值（\(n-r\) 维单位坐标向量组）：

\[\begin{pmatrix}x_{r+1}\\x_{r+2}\\\vdots\\x_n\end{pmatrix} = \begin{pmatrix}1\\0\\\vdots\\0\end{pmatrix}, \begin{pmatrix}0\\1\\\vdots\\0\end{pmatrix}, \dots, \begin{pmatrix}0\\0\\\vdots\\1\end{pmatrix} \]

代入同解方程组，依次解出主元未知量 \(x_1,\dots,x_r\)，得到 \(n-r\) 个解向量：

\[\alpha_1 = \begin{pmatrix}-c_{11}\\-c_{21}\\\vdots\\-c_{r1}\\1\\0\\\vdots\\0\end{pmatrix}, \alpha_2 = \begin{pmatrix}-c_{12}\\-c_{22}\\\vdots\\-c_{r2}\\0\\1\\\vdots\\0\end{pmatrix}, \dots, \alpha_{n-r} = \begin{pmatrix}-c_{1,n-r}\\-c_{2,n-r}\\\vdots\\-c_{r,n-r}\\0\\0\\\vdots\\1\end{pmatrix} \]

验证基础解系的两个条件：
① 线性无关：将 \(\alpha_1,\dots,\alpha_{n-r}\) 按列拼成矩阵，其最后 \(n-r\) 行构成 \(n-r\) 阶单位矩阵，秩为 \(n-r\)，因此向量组线性无关。
② 所有解均可由其线性表出：设 \(\xi=(k_1,k_2,\dots,k_n)^T\) 是 \(AX=0\) 的任意一个解，令

\[\eta = k_{r+1}\alpha_1 + k_{r+2}\alpha_2 + \dots + k_n\alpha_{n-r} \]

则 \(\eta\) 是 \(AX=0\) 的解，且 \(\eta\) 与 \(\xi\) 的自由未知量取值完全相同，因此主元未知量也完全相同，即 \(\xi=\eta\)，任意解均可由该向量组线性表出。

综上，\(\alpha_1,\dots,\alpha_{n-r}\) 是 \(AX=0\) 的一个基础解系，存在性得证。

（2）维数唯一性证明

推理依据：线性空间基的定义、等价线性无关向量组所含向量个数相等。
基础解系是解空间 \(W\) 的一组基，而线性空间的任意两组基所含向量个数相等，因此任意基础解系都恰好包含 \(n-r\) 个解向量，解空间的维数 \(\dim W = n - r(A)\)，唯一性得证。

4. 核心注记解读

  1. 当 \(r < n\) 时，基础解系一定存在；当 \(r=n\) 时，方程组只有零解，不存在基础解系（解空间为零空间，维数为0）。
  2. 解空间 \(W=L(\alpha_1,\dots,\alpha_{n-r})\)，即基础解系的张成空间，\(\dim W = n - r\)。
  3. 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（有限维线性空间中，与基所含向量个数相等的线性无关向量组，必为空间的一组基）。

二、典型例题的逐题严谨推导与证明

例4

题干：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。

证明与求解过程

步骤1：确定解空间的维数
推理依据：核心定理（解空间维数公式）、矩阵秩的性质。
已知 \(r(A)=n\)，即 \(A\) 是满秩方阵，其行向量组线性无关。\(B\) 是 \(A\) 的前 \(r\) 行构成的矩阵，因此 \(B\) 的行向量组是 \(A\) 的行向量组的线性无关部分组，即 \(\boldsymbol{r(B)=r}\)。
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 \(BX=0\) 的基础解系需包含 \(\boldsymbol{n-r}\) 个线性无关的解向量。

步骤2：构造解向量
推理依据：行列式按行展开定理、代数余子式的核心性质。
设 \(A_{ij}\) 为 \(A\) 中元素 \(a_{ij}\) 的代数余子式，根据行列式展开的推论：矩阵某一行的元素与另一行对应元素的代数余子式的乘积之和为0。
对任意 \(1 \leq k \leq r\)（\(B\) 的行标），任意 \(r+1 \leq l \leq n\)，有：

\[a_{k1}A_{l1} + a_{k2}A_{l2} + \dots + a_{kn}A_{ln} = 0 \]

令向量 \(\eta_l = (A_{l1}, A_{l2}, \dots, A_{ln})^T\)（\(l=r+1,\dots,n\)），则上式等价于 \(\boldsymbol{B\eta_l = 0}\)，即 \(\eta_{r+1},\dots,\eta_n\) 都是 \(BX=0\) 的解向量，共 \(n-r\) 个。

步骤3：证明构造的向量组线性无关
推理依据：伴随矩阵的秩的性质、满秩矩阵的行向量组线性无关。
已知 \(r(A)=n\)，根据伴随矩阵的秩的性质：若 \(r(A)=n\)，则 \(r(A^*)=n\)，其中 \(A^*\) 是 \(A\) 的伴随矩阵，其第 \(l\) 行就是 \((A_{l1},A_{l2},\dots,A_{ln})\)。
\(A^*\) 满秩，因此其行向量组线性无关，故 \(\eta_{r+1},\dots,\eta_n\) 作为 \(A^*\) 的后 \(n-r\) 个行向量的转置，也线性无关。

结论
\(\eta_{r+1}=(A_{r+1,1},\dots,A_{r+1,n})^T,\ \dots,\ \eta_n=(A_{n1},\dots,A_{nn})^T\) 是 \(BX=0\) 的 \(n-r\) 个线性无关的解向量，因此构成 \(BX=0\) 的一个基础解系。

例5

题干：求证如果线性方程组

\[\begin{cases} a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n = 0, \\ a_{21}x_1 + a_{22}x_2 + \dots + a_{2n}x_n = 0, \\ \quad\vdots \\ a_{s1}x_1 + a_{s2}x_2 + \dots + a_{sn}x_n = 0 \end{cases} \tag{3.2.5} \]

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。

证明过程

步骤1：构造矩阵与解空间
推理依据：解空间的定义、子空间的包含关系。
设方程组 (3.2.5) 的系数矩阵为 \(A=(a_{ij})_{s \times n}\)，构造矩阵

\[B = \begin{pmatrix} A \\ \beta \end{pmatrix} \]

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

根据题设，\(AX=0\) 的解全是 \(\beta X=0\) 的解，因此：

  • 若 \(X \in W_2\)，则 \(AX=0\) 且 \(\beta X=0\)，故 \(X \in W_1\)，即 \(W_2 \subseteq W_1\)；
  • 若 \(X \in W_1\)，由题设得 \(\beta X=0\)，故 \(X \in W_2\)，即 \(W_1 \subseteq W_2\)。

因此 \(\boldsymbol{W_1 = W_2}\)，两个方程组同解。

步骤2：利用解空间维数推导矩阵秩相等
推理依据：核心定理（解空间维数公式）。
由 \(W_1=W_2\)，得 \(\dim W_1 = \dim W_2\)，根据维数公式：

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

两边消去 \(n\)，得 \(\boldsymbol{r(A) = r(B)}\)。

步骤3：证明线性表出关系
推理依据：矩阵的行秩等于矩阵的秩、线性表出的充要条件。
矩阵的秩等于其行向量组的秩，因此：

  • \(A\) 的行向量组 \(\alpha_1,\dots,\alpha_s\) 的秩为 \(r(A)\)；
  • \(B\) 的行向量组 \(\alpha_1,\dots,\alpha_s,\beta\) 的秩为 \(r(B)=r(A)\)。

即向量组 \(\alpha_1,\dots,\alpha_s\) 与 \(\alpha_1,\dots,\alpha_s,\beta\) 的秩相等，根据线性表出的充要条件：若向量组(I)与(I)+β的秩相等，则β可由(I)线性表出，因此 \(\beta\) 可由 \(\alpha_1,\dots,\alpha_s\) 线性表出，证毕。

例6

题干：设线性方程组

\[\begin{cases} a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n = 0, \\ a_{21}x_1 + a_{22}x_2 + \dots + a_{2n}x_n = 0, \\ \quad\vdots \\ a_{n-1,1}x_1 + a_{n-1,2}x_2 + \dots + a_{n-1,n}x_n = 0 \end{cases} \tag{3.2.6} \]

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 (3.2.6) 的一个解；
(2) 若 \(r(A)=n-1\)，则 (3.2.6) 的解都是 \((M_1, -M_2, \dots, (-1)^{n-1}M_n)\) 的倍数。

证明过程

（1）证明向量是方程组的解

推理依据：行列式按行展开定理、两行相同的行列式值为0。
对任意 \(k=1,2,\dots,n-1\)，构造 \(n\) 阶行列式 \(D_k\)：

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

该行列式的第1行与第 \(k+1\) 行完全相同，因此 \(\boldsymbol{D_k=0}\)。

将 \(D_k\) 按第一行展开，第一行元素 \(a_{ki}\) 对应的代数余子式为 \((-1)^{1+i}M_i = (-1)^{i-1}M_i\)，因此展开得：

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

该式对任意 \(k=1,2,\dots,n-1\) 成立，即向量 \(\boldsymbol{\beta=(M_1, -M_2, \dots, (-1)^{n-1}M_n)}\) 满足方程组的所有方程，因此是 (3.2.6) 的一个解，(1) 得证。

（2）证明所有解都是该向量的倍数

推理依据：核心定理（解空间维数公式）、一维线性空间的结构。
已知 \(r(A)=n-1\)，根据解空间维数公式，方程组 (3.2.6) 的解空间维数为：

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

即解空间是1维线性空间，其任意非零解都是空间的一组基（基础解系），所有解都是基的倍数。

由 \(r(A)=n-1\)，可知 \(A\) 中至少存在一个 \(n-1\) 阶非零子式，即至少存在一个 \(M_i \neq 0\)，故 \(\boldsymbol{\beta \neq 0}\)。

因此 \(\beta\) 是解空间的一组基，方程组的所有解都可表示为 \(k\beta\)（\(k \in F\)），即所有解都是 \(\beta\) 的倍数，(2) 得证。

例7

题干：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，则
(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，并且 \(r(A)=r(B)\)，则 \(AX=0\) 与 \(BX=0\) 同解。

证明过程

前置准备：记 \(AX=0\) 的解空间为 \(W_1\)，\(BX=0\) 的解空间为 \(W_2\)，根据核心定理，有

\[\boldsymbol{\dim W_1 = n - r(A),\quad \dim W_2 = n - r(B)} \tag{3.2.7} \]

（1）证明 \(r(A) \geq r(B)\)

推理依据：子空间的维数性质。
由题设，\(AX=0\) 的解都是 \(BX=0\) 的解，即 \(\boldsymbol{W_1 \subseteq W_2}\)。
根据线性子空间的维数性质：若 \(V_1\) 是 \(V_2\) 的子空间，则 \(\dim V_1 \leq \dim V_2\)，因此

\[\dim W_1 \leq \dim W_2 \]

代入 (3.2.7) 得：

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

两边消去 \(n\)，不等号反向，得 \(\boldsymbol{r(A) \geq r(B)}\)，(1) 得证。

（2）证明 \(r(A)=r(B)\)

推理依据：线性空间相等则维数相等。
由题设，\(AX=0\) 与 \(BX=0\) 同解，即 \(\boldsymbol{W_1 = W_2}\)，因此 \(\dim W_1 = \dim W_2\)。
代入 (3.2.7) 得：

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

故 \(\boldsymbol{r(A)=r(B)}\)，(2) 得证。

（3）证明两个方程组同解

推理依据：有限维线性空间的子空间性质。
由题设，\(W_1 \subseteq W_2\)，且 \(r(A)=r(B)\)，代入 (3.2.7) 得 \(\boldsymbol{\dim W_1 = \dim W_2}\)。
根据有限维线性空间的核心性质：若 \(V_1\) 是 \(V_2\) 的子空间，且 \(\dim V_1 = \dim V_2\)，则 \(V_1 = V_2\)，因此 \(W_1 = W_2\)，即 \(AX=0\) 与 \(BX=0\) 同解，(3) 得证。

例8

题干：设 \(A\) 为 \(n \times n\) 实矩阵，求证
(1) \(r(A)=r(AA')\)；
(2) \(r(A)=r(A'A)\)。

证明过程

（1）证明 \(r(A)=r(AA')\)

推理依据：例7的结论（同解的齐次方程组系数矩阵秩相等）、实向量内积的正定性。
通过证明齐次线性方程组 \(A'X=0\) 与 \(AA'X=0\) 同解推导秩相等。

① 证明 \(A'X=0\) 的解必是 \(AA'X=0\) 的解：
设 \(X_0\) 是 \(A'X=0\) 的解，即 \(A'X_0=0\)，两边左乘 \(A\) 得 \(AA'X_0 = A \cdot 0 = 0\)，因此 \(X_0\) 是 \(AA'X=0\) 的解。

② 证明 \(AA'X=0\) 的解必是 \(A'X=0\) 的解：
设 \(X_0\) 是 \(AA'X=0\) 的解，即 \(AA'X_0=0\)，两边左乘 \(X_0'\) 得：

\[X_0'AA'X_0 = 0 \]

根据矩阵转置的性质，\((A'X_0)' = X_0'A\)，因此上式可改写为：

\[\boldsymbol{(A'X_0)'(A'X_0) = 0} \tag{3.2.8} \]

设 \(n\) 维实列向量 \(A'X_0 = (y_1,y_2,\dots,y_n)^T\)，则

\[(A'X_0)'(A'X_0) = y_1^2 + y_2^2 + \dots + y_n^2 = 0 \]

根据实数的平方非负性，上式成立当且仅当 \(y_1=y_2=\dots=y_n=0\)，即 \(\boldsymbol{A'X_0=0}\)，因此 \(X_0\) 是 \(A'X=0\) 的解。

综上，\(A'X=0\) 与 \(AA'X=0\) 同解，故 \(r(A')=r(AA')\)。
又矩阵的秩等于其转置的秩，即 \(r(A)=r(A')\)，因此 \(\boldsymbol{r(A)=r(AA')}\)，(1) 得证。

（2）证明 \(r(A)=r(A'A)\)

方法一：同解性证明
与(1)同理，证明齐次线性方程组 \(AX=0\) 与 \(A'AX=0\) 同解。
① \(AX=0\) 的解必是 \(A'AX=0\) 的解：若 \(AX_0=0\)，则 \(A'AX_0 = A' \cdot 0 = 0\)。
② \(A'AX=0\) 的解必是 \(AX=0\) 的解：若 \(A'AX_0=0\)，则 \(X_0'A'AX_0=0\)，即 \((AX_0)'(AX_0)=0\)，由实向量内积的正定性得 \(AX_0=0\)。

因此 \(AX=0\) 与 \(A'AX=0\) 同解，故 \(r(A)=r(A'A)\)，(2) 得证。

方法二：利用(1)的结论推导
由(1)的结论，对任意实矩阵 \(A\)，有 \(r(A)=r(AA')\)，将 \(A\) 替换为 \(A'\)，得：

\[r(A')=r(A'A) \]

又 \(r(A)=r(A')\)，因此 \(\boldsymbol{r(A)=r(A'A)}\)，证毕。

三、本节知识点核心内容归纳总结表

分类 详细内容
核心定义 1. 解空间：齐次线性方程组 \(AX=0\) 的所有解向量构成的集合 \(W=\{X \in F^n \mid AX=0\}\)，是 \(F^n\) 的子空间；
2. 基础解系：设 \(r(A)=r < n\)，满足「线性无关」且「所有解均可由其线性表出」的解向量组，是解空间的一组基。
核心定理 设 \(A \in F^{m \times n}\)，\(r(A)=r\)，则：
1. 若 \(r < n\)，\(AX=0\) 的基础解系一定存在，且任意基础解系恰好包含 \(\boldsymbol{n-r}\) 个线性无关的解向量；
2. 解空间的维数满足 \(\boldsymbol{\dim W = n - r(A)}\)；
3. 若 \(r=n\)，\(AX=0\) 只有零解，无基础解系，解空间为零空间（维数为0）。
核心推论 1. 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；
2. 若 \(AX=0\) 的解都是 \(BX=0\) 的解，则 \(r(A) \geq r(B)\)；
3. 齐次方程组同解 \(\iff\) 解空间相等 \(\iff\) 系数矩阵秩相等且解空间有包含关系；
4. 对实矩阵 \(A\)，有 \(\boldsymbol{r(A)=r(AA')=r(A'A)}\)。
方法特点 1. 同解性法：通过证明两个齐次方程组同解，推导系数矩阵的秩相等，是秩等式证明的核心方法；
2. 构造法：通过代数余子式、行列式展开构造解向量，证明基础解系；
3. 维数法：利用解空间的维数与矩阵秩的关系，将解的包含关系转化为秩的不等式/等式；
4. 内积法：利用实向量内积的正定性，证明实矩阵相关的秩等式。
适用条件 1. 基础解系相关结论适用于任意数域上的齐次线性方程组；
2. 实矩阵的秩等式 \(r(A)=r(AA')=r(A'A)\) 仅适用于实数域上的矩阵，复数域不成立（无内积正定性）；
3. 同解性推导秩的方法，适用于未知量个数相同的齐次线性方程组。
注意事项 1. 解空间维数公式中，\(n\) 是未知量的个数，而非方程个数，切勿混淆；
2. 基础解系必须同时满足「线性无关」和「所有解可线性表出」两个条件，缺一不可；
3. 复数域中，\((A'X_0)'(A'X_0)=0\) 无法推出 \(A'X_0=0\)，因此实矩阵的秩等式不能直接推广到复数域；
4. 「秩相等」是齐次方程组同解的必要不充分条件，必须加上「解空间包含关系」才能推出同解。
典型应用场景 1. 求齐次线性方程组的基础解系与通解；
2. 矩阵秩的等式与不等式证明；
3. 向量组线性表出关系的证明；
4. 伴随矩阵、实对称矩阵相关的线性方程组问题；
5. 线性空间子空间的结构与维数分析。

3.2.3 齐次线性方程组的反问题 系统严谨讲解

作为代数学领域资深研究员，我将以完整的逻辑链条、明确的推理依据，对本节反问题的核心原理、求解方法与典型例题进行深度拆解，核心公式、关键结论与重要步骤均加粗突出，兼顾理论严谨性与实操性。

一、核心概念与问题界定

1. 正问题与反问题的区分

齐次线性方程组的两类核心问题：

  • 正问题：给定齐次线性方程组 \(\boldsymbol{AX=0}\)，求其基础解系，确定解空间；
  • 反问题：已知 \(n\) 维列向量组 \(\boldsymbol{\alpha_1,\alpha_2,\dots,\alpha_s}\)（\(s < n\)）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（即解空间为 \(L(\alpha_1,\alpha_2,\dots,\alpha_s)\)）。

2. 反问题的核心原理与严谨推导

设我们要求的目标齐次线性方程组为 \(\boldsymbol{BX=0}\)，需满足两个核心条件：

  1. 所有 \(\alpha_i\) 都是方程组的解，即 \(B\alpha_i=0\ (i=1,2,\dots,s)\)；
  2. 方程组的解空间维数为 \(s\)，即 \(n - r(B) = s\)，等价于 \(\boldsymbol{r(B)=n-s}\)。

步骤1：矩阵等式转化

将已知线性无关的向量组按列拼成矩阵 \(\boldsymbol{A=(\alpha_1,\alpha_2,\dots,\alpha_s)}\)，则 \(B\alpha_i=0\) 对所有 \(i\) 成立，等价于矩阵等式：

\[\boldsymbol{BA=O} \]

其中 \(O\) 为零矩阵。对等式两边同时取转置，得：

\[\boldsymbol{A^T B^T = O} \]

该式说明：\(B^T\) 的每一个列向量，都是齐次线性方程组 \(\boldsymbol{A^T X=0}\) 的解。

步骤2：秩的匹配性分析

推理依据：矩阵秩的性质、齐次方程组解空间维数公式。

  1. 由 \(\alpha_1,\dots,\alpha_s\) 线性无关，得 \(r(A)=s\)，因此 \(r(A^T)=r(A)=s\)；
  2. 齐次方程组 \(A^T X=0\) 的解空间维数为 \(\boldsymbol{n - r(A^T) = n-s}\)，恰好匹配我们对 \(r(B)\) 的要求（\(r(B)=r(B^T)=n-s\)）。

步骤3：目标方程组的构造

取 \(A^T X=0\) 的一个基础解系 \(\boldsymbol{\beta_1,\beta_2,\dots,\beta_{n-s}}\)，令

\[B^T=(\beta_1,\beta_2,\dots,\beta_{n-s}) \]

即 \(B\) 是将 \(\beta_1,\dots,\beta_{n-s}\) 按行拼成的矩阵，则齐次线性方程组 \(\boldsymbol{B^T X=0}\)（即 \(BX=0\)）就是我们要求的目标方程组。

步骤4：结论的严谨验证

  1. 解的有效性：因 \(A^T \beta_j=0\)，转置得 \(\beta_j^T A=0\)，即 \(BA=O\)，故 \(B\alpha_i=0\)，所有 \(\alpha_1,\dots,\alpha_s\) 都是 \(BX=0\) 的解；
  2. 基础解系的判定：
    • 题设 \(\alpha_1,\dots,\alpha_s\) 线性无关；
    • \(r(B)=n-s\)，故 \(BX=0\) 的解空间维数为 \(n - r(B)=s\)，与向量组所含向量个数相等。
      因此 \(\alpha_1,\dots,\alpha_s\) 是 \(BX=0\) 的一个基础解系，符合反问题的要求。

3. 反问题的标准求解步骤

步骤 核心操作 推理依据
1 处理已知向量组，求其极大线性无关组 解空间由极大无关组张成，仅需以极大无关组为基础解系构造方程组
2 将极大无关组按行拼成矩阵 \(A\)，得到齐次方程组 \(AX=0\) 对应原理中的 \(A^T X=0\)，用于求解构造目标方程组的基础解系
3 求解 \(AX=0\)，得到其一个基础解系 \(\beta_1,\dots,\beta_{n-s}\) 基础解系的线性无关性保证目标方程组的秩满足要求
4 将基础解系按行拼成矩阵 \(B\)，得到目标方程组 \(\boldsymbol{BX=0}\) 保证原向量组是目标方程组的基础解系

二、例9 完整求解与深度解析

题干

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 \(L(\alpha_1,\alpha_2,\alpha_3)\)。

完整求解过程

步骤1：求向量组的极大线性无关组

推理依据：矩阵初等行变换不改变列向量组的线性相关性。
将 \(\alpha_1,\alpha_2,\alpha_3\) 按列拼成矩阵，做初等行变换化为行阶梯形：

\[\begin{pmatrix} 1 & 1 & 2 \\ -1 & 1 & 0 \\ 1 & 0 & 1 \\ 0 & 1 & 1 \end{pmatrix} \xrightarrow{R2+R1,R3-R1} \begin{pmatrix} 1 & 1 & 2 \\ 0 & 2 & 2 \\ 0 & -1 & -1 \\ 0 & 1 & 1 \end{pmatrix} \xrightarrow{R2/2,R3+R2,R4-R2} \begin{pmatrix} 1 & 1 & 2 \\ 0 & 1 & 1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix} \]

矩阵的秩为2，因此 \(\boldsymbol{\alpha_1,\alpha_2}\) 是向量组的一个极大线性无关组，且 \(\alpha_3=\alpha_1+\alpha_2\)，故

\[L(\alpha_1,\alpha_2,\alpha_3)=L(\alpha_1,\alpha_2) \]

只需构造以 \(\alpha_1,\alpha_2\) 为基础解系的齐次方程组即可。

步骤2：构造矩阵 \(A\)，得到待解方程组

将 \(\alpha_1,\alpha_2\) 按行拼成矩阵 \(A\)：

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

得到齐次线性方程组 \(AX=0\)，展开为：

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

步骤3：求解 \(AX=0\) 的基础解系

推理依据：齐次方程组基础解系的构造方法。
\(r(A)=2\)，未知量个数 \(n=4\)，因此解空间维数为 \(4-2=2\)，取 \(x_3,x_4\) 为自由未知量。

  • 令 \(x_3=1,\ x_4=0\)，解得 \(x_1=-1,\ x_2=0\)，为简化分量，取非零倍数得 \(\beta_1'=(1,0,-1,-1)\)；
  • 令 \(x_3=0,\ x_4=1\)，解得 \(x_1=0,\ x_2=1\)，取非零倍数得 \(\beta_2'=(0,1,1,-1)\)。

\(\beta_1',\beta_2'\) 线性无关，因此是 \(AX=0\) 的一个基础解系。

步骤4：构造目标齐次线性方程组

将 \(\beta_1',\beta_2'\) 按行拼成矩阵 \(B\)：

\[B = \begin{pmatrix} 1 & 0 & -1 & -1 \\ 0 & 1 & 1 & -1 \end{pmatrix} \]

因此目标方程组为 \(\boldsymbol{BX=0}\)，展开得：

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

结果验证

  1. 解的有效性：将 \(\alpha_1,\alpha_2,\alpha_3\) 代入方程组，均满足等式，是方程组的解；
  2. 解空间匹配性：系数矩阵 \(B\) 的秩为2，解空间维数为 \(4-2=2\)，与 \(L(\alpha_1,\alpha_2)\) 的维数一致，因此解空间恰好为 \(L(\alpha_1,\alpha_2,\alpha_3)\)，符合要求。

三、本节知识点核心内容归纳总结表

分类 详细内容
核心问题 齐次线性方程组的反问题：已知线性无关的 \(n\) 维向量组 \(\alpha_1,\dots,\alpha_s\)，求以该向量组为基础解系的齐次线性方程组。
核心原理 1. 若 \(BA=O\)，则 \(A\) 的列向量都是 \(BX=0\) 的解；
2. 目标方程组的秩需满足 \(r(B)=n-s\)，与 \(A^T X=0\) 的解空间维数完全匹配；
3. 齐次方程组同解的充要条件是解空间相等，即张成解空间的极大无关组相同。
方法特点 1. 双向转化：将「构造方程组」的问题转化为「求解齐次方程组」的正问题，实现正反问题的互通；
2. 秩匹配：通过解空间维数与矩阵秩的关系，严格保证构造的方程组符合基础解系的要求；
3. 结果不唯一：基础解系的选取不唯一，因此满足要求的齐次线性方程组也不唯一，解空间一致即可。
适用条件 1. 已知的生成向量组必须是 \(n\) 维向量，且线性无关（或可通过极大无关组转化为线性无关组）；
2. 向量组所含向量个数 \(s < n\)（若 \(s=n\)，则只有零解，对应系数矩阵满秩的方程组）；
3. 适用于任意数域上的齐次线性方程组。
注意事项 1. 必须先对已知向量组求极大线性无关组，避免因向量组线性相关导致构造的方程组秩不匹配；
2. 构造矩阵 \(A\) 时，需将线性无关的向量组按行排列，对应原理中的 \(A^T\)，切勿行列混淆；
3. 求解 \(AX=0\) 时，必须取完整的基础解系（共 \(n-s\) 个线性无关的解），否则会导致目标方程组的秩不足，解空间超出要求；
4. 最终方程组可做初等行变换化简，不改变解空间。
典型应用场景 1. 已知解空间构造对应的齐次线性方程组；
2. 线性空间子空间的方程组表示；
3. 验证两个齐次线性方程组的同解性；
4. 线性变换核空间的方程组刻画。

3.2.4 基础解系的简便求法 系统严谨讲解

作为代数学领域资深研究员，我将以完整的逻辑链条、明确的推理依据，对本节基础解系的简便求法的核心定理、操作方法与典型例题进行深度拆解，核心公式、关键结论与易错点均加粗突出，兼顾理论严谨性与实操性。

一、前置说明与核心定理

1. 方程组形式的对应关系

我们通常使用的齐次线性方程组为列向量形式：

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

本节定理采用行向量形式的齐次线性方程组：

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

二者完全等价：对行向量形式两边同时取转置，可得\(A^T X^T = 0\)，即列向量形式。二者的解仅存在行/列的转置差异，本质完全一致。

2. 核心定理（定理3.2.2）

考虑数域\(F\)上的齐次线性方程组 \(\boldsymbol{X_{1\times n} A_{n\times m} = 0_{1\times m}}\)，设\(r(A)=r\)。

  1. 构造分块矩阵：\(\boldsymbol{C = \begin{pmatrix} A_{n\times m} & I_n \end{pmatrix}}\)（将\(n\)阶单位矩阵\(I_n\)拼在系数矩阵\(A\)的右侧，形成\(n\times(m+n)\)的分块矩阵）；
  2. 对\(C\)做初等行变换，化为行阶梯形：

    \[C \xrightarrow{\text{初等行变换}} \left( \begin{pmatrix} D_r \\ 0 \end{pmatrix},\ P \right) \]

    其中\(D_r\)是\(r\)行的行满秩矩阵（\(r(D_r)=r\)），下方为\(n-r\)行全零行，\(P\)是\(n\)阶可逆矩阵；
  3. 核心结论：\(\boldsymbol{P}\)的后\(\boldsymbol{n-r}\)个行向量，就是原齐次线性方程组(3.2.13)的一个基础解系。

二、定理的完整严谨证明

1. 证明\(P\)的后\(n-r\)行是方程组的解

推理依据：矩阵等价标准形定理、分块矩阵乘法、初等行变换与可逆矩阵的关系。

  1. 矩阵等价标准形：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。
  2. 两边右乘\(Q^{-1}\)，得

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

    其中\(D_r = \begin{pmatrix} I_r & 0 \end{pmatrix} Q^{-1}\)，因\(Q^{-1}\)可逆，故\(r(D_r)=r\)，即\(D_r\)是行满秩矩阵。
  3. 将\(P\)按行分块为\(P = \begin{pmatrix} P_1 \\ P_2 \end{pmatrix}\)，其中\(P_1\)是前\(r\)行，\(P_2\)是后\(n-r\)行，则\(P_2 = (0, I_{n-r})P\)。代入\(PA\)的表达式，得

    \[P_2 A = (0, I_{n-r}) PA = (0, I_{n-r}) \begin{pmatrix} D_r \\ 0 \end{pmatrix} = 0 \]

    因此\(P_2\)的每一个行向量都满足\(XA=0\)，即都是原方程组的解。

2. 证明\(P\)的后\(n-r\)行是基础解系

基础解系需满足两个核心条件：线性无关、所有解均可由其线性表出。

（1）线性无关性证明

推理依据：可逆矩阵的行向量组线性无关、线性无关向量组的部分组必线性无关。
\(P\)是\(n\)阶可逆矩阵，其行向量组是\(n\)个线性无关的\(n\)维行向量，因此它的后\(n-r\)个行向量作为线性无关组的部分组，也必然线性无关。

（2）任意解的表出性证明

推理依据：分块矩阵运算、可逆矩阵的性质。
设\(X_0\)是原方程组的任意一个解，即\(X_0 A = 0\)。
将\(A = P^{-1} \begin{pmatrix} I_r & 0 \\ 0 & 0 \end{pmatrix} Q^{-1}\)代入\(X_0 A = 0\)，得

\[X_0 P^{-1} \begin{pmatrix} I_r & 0 \\ 0 & 0 \end{pmatrix} Q^{-1} = 0 \]

两边右乘可逆矩阵\(Q\)，消去\(Q^{-1}\)，得

\[X_0 P^{-1} \begin{pmatrix} I_r & 0 \\ 0 & 0 \end{pmatrix} = 0 \]

令\(Y = X_0 P^{-1}\)，将\(Y\)分块为\(Y=(Y_1, Y_2)\)，其中\(Y_1\)是\(1\times r\)行向量，\(Y_2\)是\(1\times (n-r)\)行向量。代入上式得

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

因此\(Y_1=0\)，即\(Y=(0, Y_2)\)。回代得

\[X_0 = Y P = (0, Y_2) P = Y_2 \cdot (0, I_{n-r}) P = Y_2 P_2 \]

即任意解\(X_0\)都可由\(P\)的后\(n-r\)行（\(P_2\)）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，因此是原方程组的一个基础解系，定理得证。

三、方法的标准操作步骤与关键说明

1. 标准操作步骤

步骤 核心操作 关键要求
1 确定系数矩阵\(A\) 行向量形式方程组\(XA=0\)对应\(A_{n\times m}\)；列向量形式\(AX=0\)需转置为\(X^T A^T=0\)，对应系数矩阵为\(A^T\)
2 构造分块矩阵\(C\) \(\boldsymbol{C = \begin{pmatrix} A & I_n \end{pmatrix}}\)，\(n\)是未知量个数，\(I_n\)与\(A\)同行数，拼在\(A\)右侧
3 初等行变换化简 仅使用初等行变换，将左侧的\(A\)化为行阶梯形，使下方出现\(n-r\)行全零行（\(r\)是\(A\)的秩），右侧\(I_n\)同步变换为可逆矩阵\(P\)
4 提取基础解系 取变换后矩阵右侧\(P\)的后\(n-r\)个行向量，即为原方程组的一个基础解系；列向量形式方程组需将行向量转置为列向量

2. 核心优势与易错警示

（1）方法优势

常规基础解系求法需要：行变换化简→确定自由未知量→赋值求解→验证线性无关，步骤分散；
本方法一次初等行变换同步完成系数矩阵化简与基础解系提取，步骤统一，无需单独赋值，大幅降低出错概率。

（2）绝对禁忌与易错点

  1. 全程仅可使用初等行变换，绝对禁止初等列变换：初等列变换会改变未知量的线性关系，导致解不满足原方程组；
  2. 分块矩阵必须将单位矩阵拼在\(A\)的右侧，而非下侧，否则无法同步得到可逆矩阵\(P\)；
  3. 必须将左侧\(A\)化为行阶梯形，确保下方是\(n-r\)行全零行，否则无法准确提取基础解系；
  4. 列向量形式方程组需注意转置对应关系，提取的行向量需转置为列向量，才是常规的解向量。

四、例10 完整求解与深度解析

题干

求下面齐次线性方程组的一个基础解系：

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

完整求解过程

步骤1：确定系数矩阵与分块矩阵

该方程组为列向量形式\(AX=0\)，系数矩阵为：

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

对应行向量形式为\(X^T A = 0\)，因此定理中的系数矩阵为\(A\)，未知量个数\(n=4\)，构造分块矩阵\(C=(A, I_4)\)（原例题采用\(A^T\)构造，本质完全等价，此处与例题步骤对齐）：

\[C = \begin{pmatrix} 1 & 1 & 3 & 1 & 1 & 0 & 0 & 0 \\ -1 & 1 & -1 & 3 & 0 & 1 & 0 & 0 \\ 5 & -2 & 8 & -9 & 0 & 0 & 1 & 0 \\ -1 & 3 & 1 & 7 & 0 & 0 & 0 & 1 \end{pmatrix} \]

步骤2：初等行变换化简

第一步行变换：

  • \(R_2 = R_2 + R_1\)（第二行加第一行）
  • \(R_3 = R_3 - 5R_1\)（第三行减5倍第一行）
  • \(R_4 = R_4 + R_1\)（第四行加第一行）
    得：

\[\begin{pmatrix} 1 & 1 & 3 & 1 & 1 & 0 & 0 & 0 \\ 0 & 2 & 2 & 4 & 1 & 1 & 0 & 0 \\ 0 & -7 & -7 & -14 & -5 & 0 & 1 & 0 \\ 0 & 4 & 4 & 8 & 1 & 0 & 0 & 1 \end{pmatrix} \]

第二步行变换：

  • \(R_3 = R_3 + \frac{7}{2}R_2\)（第三行加\(\frac{7}{2}\)倍第二行）
  • \(R_4 = R_4 - 2R_2\)（第四行减2倍第二行）
    得：

\[\begin{pmatrix} 1 & 1 & 3 & 1 & 1 & 0 & 0 & 0 \\ 0 & 2 & 2 & 4 & 1 & 1 & 0 & 0 \\ 0 & 0 & 0 & 0 & -\frac{3}{2} & \frac{7}{2} & 1 & 0 \\ 0 & 0 & 0 & 0 & -1 & -2 & 0 & 1 \end{pmatrix} \]

步骤3：确定秩与提取基础解系

左侧矩阵的非零行个数为2，即\(r(A)=2\)，未知量个数\(n=4\)，因此基础解系包含\(n-r=2\)个线性无关的解向量。
提取变换后矩阵右侧可逆矩阵\(P\)的后2行，即：

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

这就是原方程组的一个基础解系。

结果验证

将\(\alpha_1,\alpha_2\)代入原方程组，所有方程均成立，且两个向量分量不成比例，线性无关，符合基础解系的要求。

五、本节知识点核心内容归纳总结表

分类 详细内容
核心目标 通过矩阵初等行变换，一次性完成齐次线性方程组系数矩阵的化简与基础解系的提取，简化求解流程。
核心定理 对\(XA=0\)，构造\(C=(A,I_n)\)做初等行变换化为\(\left( \begin{pmatrix} D_r \\ 0 \end{pmatrix}, P \right)\)，则\(P\)的后\(n-r\)行是方程组的一个基础解系。
方法特点 1. 流程统一：一次初等行变换同步完成化简与解的提取，无需单独赋值求解自由未知量；
2. 逻辑闭环：基于矩阵等价标准形与可逆矩阵性质，理论严谨，结果可靠；
3. 适用性广：适用于任意数域上任意规模的齐次线性方程组，无方程数与未知量数相等的限制。
适用条件 1. 适用于行向量/列向量形式的齐次线性方程组；
2. 仅要求系数矩阵的秩\(r < n\)（\(n\)为未知量个数），\(r=n\)时方程组只有零解，无基础解系。
绝对禁忌 1. 变换过程仅可使用初等行变换，禁止任何初等列变换，否则会改变方程组的解；
2. 分块矩阵必须将单位矩阵拼在系数矩阵的右侧，行列数必须匹配；
3. 必须将左侧系数矩阵化为行阶梯形，确保下方为\(n-r\)行全零行，否则无法准确提取解。
与常规方法对比 1. 常规方法：行变换→定自由未知量→赋值求解→验证无关，步骤分散，易出错；
2. 本方法：一次行变换直接提取基础解系，步骤简洁，结果天然满足线性无关性；
3. 共性：均基于初等行变换不改变方程组解的核心性质。
典型应用场景 1. 快速求解齐次线性方程组的基础解系与通解；
2. 大规模齐次方程组的程序化求解（适合编程实现，步骤统一）；
3. 线性空间子空间的基的快速构造；
4. 矩阵秩、线性相关性相关的证明与计算。

3.3 非齐次线性方程组 3.3.1 有解的判别定理 系统严谨讲解

作为代数学领域资深研究员，我将以完整的逻辑链条、明确的推理依据，对非齐次线性方程组有解的核心判别定理、解的个数判定与典型例题进行深度拆解，核心公式、关键结论与重要推导步骤均加粗突出，确保推导无跳步、逻辑无漏洞。

一、基础概念与核心定理

1. 非齐次线性方程组的定义

设数域\(F\)上的\(m\times n\)矩阵\(\boldsymbol{A}=(a_{ij})_{m\times n}\)，\(n\)维未知量列向量\(\boldsymbol{X}=(x_1,x_2,\dots,x_n)^T\)，\(m\)维非零常数项列向量\(\boldsymbol{b}=(b_1,b_2,\dots,b_m)^T\)，则方程组

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

称为\(n\)元非齐次线性方程组。

  • 系数矩阵：\(\boldsymbol{A}\)，对应未知量的系数；
  • 增广矩阵：\(\boldsymbol{\overline{A}=(A\mid b)=(A,b)}\)，将常数项向量\(b\)拼在系数矩阵\(A\)的右侧得到的\(m\times(n+1)\)矩阵；
  • 导出组：与非齐次方程组对应的齐次线性方程组\(\boldsymbol{AX=0}\)，称为原方程组的导出组。

2. 核心定理：线性方程组有解的判别定理

定理3.3.1 线性方程组\(\boldsymbol{AX=b}\)有解的充要条件是增广矩阵的秩等于系数矩阵的秩，即

\[\boldsymbol{r(A,b) = r(A) = r} \]

若方程组有解，则解的个数满足：

  1. 当\(\boldsymbol{r = n}\)（\(n\)为未知量个数）时，方程组有唯一解；
  2. 当\(\boldsymbol{r < n}\)时，方程组有无穷多个解。

定理的完整严谨证明

（1）充要条件的证明

核心等价转化：线性方程组\(AX=b\)有解，等价于常数项向量\(b\)可由系数矩阵\(A\)的列向量组线性表出。
设\(A\)的列向量组为\(\alpha_1,\alpha_2,\dots,\alpha_n\)，则方程组\(AX=b\)可改写为向量形式：

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

方程组有解，即存在一组数\(x_1,\dots,x_n\)使得上式成立，也就是\(b\)可由\(\alpha_1,\dots,\alpha_n\)线性表出。

必要性：若\(AX=b\)有解，则\(r(A,b)=r(A)\)

推理依据：等价向量组的秩相等。
若\(AX=b\)有解，则\(b\)可由\(A\)的列向量组\(\alpha_1,\dots,\alpha_n\)线性表出，因此向量组\(\{\alpha_1,\dots,\alpha_n\}\)与\(\{\alpha_1,\dots,\alpha_n,b\}\)等价。
等价的向量组秩相等，而\(r(A)\)是列向量组\(\{\alpha_1,\dots,\alpha_n\}\)的秩，\(r(A,b)\)是列向量组\(\{\alpha_1,\dots,\alpha_n,b\}\)的秩，因此\(\boldsymbol{r(A,b)=r(A)}\)，必要性得证。

充分性：若\(r(A,b)=r(A)\)，则\(AX=b\)有解

推理依据：初等行变换不改变矩阵的秩，也不改变线性方程组的解。
对增广矩阵\((A,b)\)做初等行变换，化为行阶梯形矩阵。
由\(r(A,b)=r(A)=r\)，可知行阶梯形中不会出现形如\(\begin{pmatrix}0&0&\dots&0&1\end{pmatrix}\)的矛盾行（对应方程\(0=1\)，无解），且非零行个数为\(r\)，与系数矩阵的秩一致。
因此对应的同解方程组有解，即原方程组\(AX=b\)有解，充分性得证。

（2）解的个数的证明

推理依据：线性无关向量组的表出唯一性、自由未知量的性质。

  1. 当\(r=n\)时，有唯一解
    \(r(A)=n\)说明\(A\)的列向量组\(\alpha_1,\dots,\alpha_n\)线性无关。而\(b\)可由该线性无关组线性表出，根据线性无关组的核心性质：向量由线性无关组线性表出的方式唯一，因此方程组有且仅有唯一解。

  2. 当\(r<n\)时，有无穷多解
    \(r(A)=r<n\)说明方程组有\(n-r\)个自由未知量，自由未知量可取数域\(F\)中的任意值，每一组取值对应方程组的一个解，因此方程组有无穷多个解。

二、典型例题的逐题严谨推导与证明

例1

题干：设\(A\)是\(m \times n\)非零实矩阵，\(b\)是\(m \times 1\)实矩阵，求证线性方程组\(A'AX = A'b\)一定有解。

证明过程

核心思路：利用非齐次方程组有解的判别定理，证明增广矩阵的秩等于系数矩阵的秩，即\(\boldsymbol{r(A'A, A'b) = r(A'A)}\)。

  1. 核心秩等式铺垫
    对实矩阵\(A\)，有秩等式\(\boldsymbol{r(A'A) = r(A)}\)。
    推理依据：齐次方程组\(AX=0\)与\(A'AX=0\)同解，因此系数矩阵秩相等（3.2节例8已证结论）。

  2. 秩的不等式推导
    ① 增广矩阵的秩不小于系数矩阵的秩：\(\boldsymbol{r(A'A) \leq r(A'A, A'b)}\)。
    推理依据：矩阵的秩不小于其任意子矩阵的秩，\((A'A, A'b)\)包含\(A'A\)作为子矩阵。

    ② 增广矩阵的秩的上界：
    由分块矩阵乘法，\(\boldsymbol{(A'A, A'b) = A'(A, b)}\)，因此

    \[r(A'A, A'b) = r\left(A'(A, b)\right) \leq r(A') \]

    推理依据：矩阵乘积的秩不超过左因子矩阵的秩，即\(r(AB) \leq r(A)\)。

    ③ 结合秩的性质：\(\boldsymbol{r(A') = r(A) = r(A'A)}\)。
    推理依据：矩阵的秩等于其转置的秩，结合第一步的核心秩等式。

  3. 等式闭合与结论
    结合上述不等式，得：

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

    因此只能\(\boldsymbol{r(A'A, A'b) = r(A'A)}\)。

  4. 最终判定
    根据非齐次线性方程组有解的判别定理，方程组\(A'AX=A'b\)的增广矩阵秩等于系数矩阵秩，因此一定有解，证毕。

例2

题干：设线性方程组

\[\begin{cases} a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n = b_1, \\ \quad\vdots \\ a_{n1}x_1 + a_{n2}x_2 + \dots + a_{nn}x_n = b_n \end{cases} \tag{3.3.2} \]

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。求证线性方程组(3.3.2)有解。

证明过程

核心思路：利用秩的不等式链，证明增广矩阵的秩等于系数矩阵的秩，即\(\boldsymbol{r(A,b)=r(A)}\)。

  1. 秩的基本不等式
    ① 系数矩阵的秩不超过增广矩阵的秩：\(\boldsymbol{r(A) \leq r(A,b)}\)。
    推理依据：增广矩阵\((A,b)\)包含系数矩阵\(A\)作为子矩阵，子矩阵的秩不超过原矩阵的秩。

    ② 增广矩阵的秩不超过矩阵\(B\)的秩：\(\boldsymbol{r(A,b) \leq r(B)}\)。
    推理依据：增广矩阵\((A,b)\)是矩阵\(B\)的前\(n\)行构成的子矩阵，子矩阵的秩不超过原矩阵的秩。

  2. 等式闭合与结论
    题设给出\(\boldsymbol{r(B)=r(A)}\)，结合上述不等式得：

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

    因此只能\(\boldsymbol{r(A,b)=r(A)}\)。

  3. 最终判定
    根据非齐次线性方程组有解的判别定理，方程组(3.3.2)的增广矩阵秩等于系数矩阵秩，因此方程组有解，证毕。

例3

题干：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\(A'Y=0\)的解空间\(W\)正交。

前置定义说明

实数域上两个\(m\)维列向量\(Y,b\)正交，定义为二者的内积为0，即

\[(Y,b) = Y'b = 0 \]

\(b\)与解空间\(W\)正交，指对任意\(Y \in W\)，都有\((Y,b)=0\)。

（1）必要性证明：若\(AX=b\)有解，则\(b\)与\(W\)正交

推理依据：解的定义、矩阵转置与乘法的运算性质、内积的定义。

  1. 设\(AX=b\)有解\(X_0\)，则\(\boldsymbol{AX_0 = b}\)（解的定义）。
  2. 对任意\(Y \in W\)，由解空间的定义，有\(\boldsymbol{A'Y=0}\)。
  3. 对\(A'Y=0\)两边取转置，得\(\boldsymbol{Y'A = 0}\)。
    推理依据：转置的运算性质\((AB)'=B'A'\)，零矩阵的转置仍为零矩阵。
  4. 计算\(Y\)与\(b\)的内积：

    \[(Y,b) = Y'b = Y'(AX_0) = (Y'A)X_0 \]

    推理依据：矩阵乘法的结合律。
  5. 代入\(Y'A=0\)，得\((Y,b)=0 \cdot X_0 = 0\)，即\(Y\)与\(b\)正交。
  6. 由\(Y\)的任意性，\(b\)与解空间\(W\)正交，必要性得证。

（2）充分性证明：若\(b\)与\(W\)正交，则\(AX=b\)有解

核心思路：证明两个齐次方程组同解，推导秩相等，最终得到\(r(A,b)=r(A)\)。

  1. 由\(b\)与\(W\)正交，得：若\(A'Y=0\)（即\(Y \in W\)），则必有\(Y'b=0\)，因此

    \[\begin{cases} A'Y=0 \\ b'Y=0 \end{cases} \iff \begin{pmatrix} A' \\ b' \end{pmatrix}Y=0 \]

    即齐次方程组\(\begin{pmatrix} A' \\ b' \end{pmatrix}Y=0\)与\(A'Y=0\)同解。

  2. 同解的齐次线性方程组的系数矩阵秩相等，因此

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

    推理依据：3.2节例7的结论——齐次方程组同解则系数矩阵秩相等。

  3. 利用转置的秩不变性，得

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

    推理依据：分块矩阵的转置规则，矩阵的秩等于其转置的秩。

  4. 同时\(r(A')=r(A)\)，因此结合上述等式得\(\boldsymbol{r(A,b)=r(A)}\)。

  5. 最终判定
    根据非齐次线性方程组有解的判别定理，\(AX=b\)有解，充分性得证。

三、本节知识点核心内容归纳总结表

分类 详细内容
核心定义 1. 非齐次线性方程组：\(AX=b\)，其中\(A_{m\times n}\)为系数矩阵，\(X\)为\(n\)维未知量向量，\(b\neq0\)为\(m\)维常数项向量；
2. 增广矩阵：\(\overline{A}=(A,b)\)，将\(b\)拼在\(A\)右侧得到的\(m\times(n+1)\)矩阵；
3. 导出组：与非齐次方程组对应的齐次方程组\(AX=0\)；
4. 正交：实向量\(Y,b\)正交\(\iff\)内积\(Y'b=0\)。
核心定理 非齐次线性方程组\(AX=b\)有解的充要条件是\(\boldsymbol{r(A,b)=r(A)}\)；
有解时：
1. 若\(r(A)=n\)（未知量个数），方程组有唯一解；
2. 若\(r(A)<n\)，方程组有无穷多解。
核心推论 1. 对实矩阵\(A\)，方程组\(A'AX=A'b\)一定有解；
2. 实方程组\(AX=b\)有解\(\iff\)\(b\)与\(A'Y=0\)的解空间正交。
方法特点 1. 秩判定法：将方程组解的存在性问题，完全转化为系数矩阵与增广矩阵的秩的比较问题，无需求解方程组即可判定解的存在性；
2. 向量组法：将解的存在性等价为「常数项可由系数矩阵列向量组线性表出」，建立线性方程组与向量组线性相关性的核心联系；
3. 同解法：通过齐次方程组的同解性推导秩的等式，是实方程组有解判定的核心技巧。
适用条件 1. 核心判别定理适用于任意数域上任意规模的线性方程组，无方程数与未知量数相等的限制；
2. 正交性充要条件仅适用于实数域上的线性方程组，复数域无内积正交的定义。
注意事项 1. 增广矩阵是\((A,b)\)，即常数项拼在系数矩阵右侧，而非下侧，切勿行列混淆；
2. 秩的不等式\(r(A) \leq r(A,b) \leq r(A)+1\)恒成立，因此非齐次方程组只有两种情况：\(r(A,b)=r(A)\)（有解）、\(r(A,b)=r(A)+1\)（无解）；
3. 「\(r(A)=n\)」中的\(n\)是未知量的个数，而非方程个数\(m\)，切勿混淆；
4. 正交性判定仅对实矩阵成立，复数域中\(Y'Y=0\)无法推出\(Y=0\)，因此该结论不成立。
典型应用场景 1. 线性方程组解的存在性与唯一性判定；
2. 最小二乘问题的有解性证明（例1是最小二乘法的核心理论基础）；
3. 线性方程组可解性的等价条件推导；
4. 向量组线性表出问题的转化与证明。

3.3.3 非齐次线性方程组的简便解法 系统严谨讲解

作为代数学领域资深研究员，我将以完整的逻辑链条、明确的推理依据，对本节非齐次线性方程组的一体化简便解法进行深度拆解，先厘清符号对应关系，再完整证明核心定理、规范操作步骤，最后结合例题详解实操流程，核心公式、关键结论与易错点均加粗突出，兼顾理论严谨性与实操性。

一、符号约定与核心定理

1. 行向量与列向量方程组的对应关系

我们通常使用的非齐次线性方程组为列向量形式：

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

本节定理采用行向量形式的非齐次线性方程组：

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

二者完全等价：对行向量形式两边同时取转置，可得\(\boldsymbol{A^T X^T = b^T}\)，即列向量形式，二者的解仅存在行/列的转置差异，本质完全一致。

2. 核心定理（定理3.3.3）

设\(A \in F^{n\times m}\)，\(b=(b_1,\dots,b_m) \in F^{1\times m}\)，考虑行向量形式的非齐次线性方程组\(XA=b\)。

步骤1：构造分块矩阵

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

其中：

  • 左上块：系数矩阵\(A_{n\times m}\)；
  • 右上块：\(n\)阶单位矩阵\(I_n\)，与\(A\)同行数；
  • 左下块：\(-b\)，\(1\times m\)行向量，与\(A\)同列数；
  • 右下块：\(1\times n\)零行向量，与\(I_n\)同列数。

步骤2：初等变换规则

对\(C\)施行限定范围的初等变换：

  1. 初等列变换：仅对前\(m\)列施行；
  2. 初等行变换：最后一行仅能施行「前面行的倍数加到该行」的变换，禁止交换行、禁止给最后一行乘非零常数。

通过上述变换，\(C\)总可化为如下标准形式：

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

其中：

  • \(D_{rm}\)是\(r\)行的行满秩矩阵，\(r=r(A)\)；
  • 左下块\(E_{1m}\)是\(1\times m\)行向量，取值为0或满足\(r\begin{pmatrix} D_{rm} \\ E_{1m} \end{pmatrix}=r+1\)。

定理的4个核心结论

  1. 形式可达性：\(C\)总可通过上述限定初等变换化为\(G\)的形式；
  2. 有解判定：方程组\(XA=b\)有解的充要条件是\(\boldsymbol{E_{1m}=0}\)；
  3. 解的提取：
    • \(G\)中\(N_{(n-r)n}\)的各行，是方程组导出组\(XA=0\)的一个基础解系；
    • 当方程组有解时，\(G\)中\(U_{1n}\)是方程组\(XA=b\)的一个特解；
  4. 通解公式：当方程组有解时，其通解为

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

    其中\(H\)是数域\(F\)上任意的\(1\times(n-r)\)行向量。

二、定理的完整严谨证明

1. 结论(1)：形式可达性证明

推理依据：矩阵等价标准形定理、分块矩阵乘法、初等变换与可逆矩阵的对应关系。

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

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

    其中\(D_{rm}\)是\(r\)行的行满秩矩阵，\(r(D_{rm})=r\)。

  2. 构造分块可逆矩阵：

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

    其中\(U_{1n} \in F^{1\times n}\)满足\(U_{1n} A Q_1 - b Q_1 = E_{1m}\)。
    由\(P_1,Q_1\)可逆，可知\(P_2,Q_2\)均可逆。

  3. 对\(C\)做分块矩阵乘法（对应初等变换）：

    \[P_2 C Q_2 = \begin{pmatrix} P_1 & 0 \\ U_{1n} & 1 \end{pmatrix} \begin{pmatrix} A & I_n \\ -b & 0 \end{pmatrix} \begin{pmatrix} Q_1 & 0 \\ 0 & I_n \end{pmatrix} \]

    展开计算：

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

    其中\(M_{rn}\)是\(P_1\)的前\(r\)行，\(N_{(n-r)n}\)是\(P_1\)的后\(n-r\)行。

  4. 若\(r\begin{pmatrix} D_{rm} \\ E_{1m} \end{pmatrix}=r\)，则可继续施行限定初等变换，将\(E_{1m}\)化为0，最终得到标准形式\(G\)。
    因此\(C\)总可化为\(G\)的形式，结论(1)得证。

2. 结论(2)：有解充要条件证明

推理依据：非齐次方程组有解的判别定理、矩阵秩的性质。

  1. 非齐次方程组\(XA=b\)有解的充要条件是\(r\begin{pmatrix} A \\ b \end{pmatrix}=r(A)\)（行向量形式的有解判别定理，对应列向量形式\(r(A,b)=r(A)\)）。
  2. 初等变换不改变矩阵的秩，因此：

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

  3. 已知\(r(D_{rm})=r\)，因此：
    • 若\(E_{1m}=0\)，则\(r\begin{pmatrix} D_{rm} \\ 0 \\ E_{1m} \end{pmatrix}=r=r(A)\)，方程组有解；
    • 若\(E_{1m}\neq0\)，则\(r\begin{pmatrix} D_{rm} \\ 0 \\ E_{1m} \end{pmatrix}=r+1>r(A)\)，方程组无解。

因此方程组有解当且仅当\(E_{1m}=0\)，结论(2)得证。

3. 结论(3)：解的提取证明

推理依据：齐次方程组基础解系的判定、非齐次解的定义。

（1）\(N_{(n-r)n}\)的行是导出组的基础解系

  1. 由分块矩阵乘法，\(N_{(n-r)n} A Q_1 = 0\)，而\(Q_1\)可逆，因此\(\boldsymbol{N_{(n-r)n} A = 0}\)，即\(N\)的每一行都满足导出组\(XA=0\)，是导出组的解。
  2. \(N\)是可逆矩阵\(P_1\)的后\(n-r\)行，可逆矩阵的行向量组线性无关，因此\(N\)的\(n-r\)个行向量线性无关。
  3. 导出组\(XA=0\)的解空间维数为\(n-r(A)=n-r\)，因此\(N\)的\(n-r\)个线性无关的解向量，是导出组的一个基础解系。

（2）\(U_{1n}\)是原方程组的特解

当方程组有解时，\(E_{1m}=0\)，即\(U_{1n} A Q_1 - b Q_1 = 0\)，两边右乘\(Q_1^{-1}\)得：

\[\boldsymbol{U_{1n} A = b} \]

因此\(U_{1n}\)满足原方程组\(XA=b\)，是方程组的一个特解。

综上，结论(3)得证。

4. 结论(4)：通解公式证明

推理依据：非齐次线性方程组解的结构定理。
非齐次线性方程组的通解 = 非齐次的一个特解 + 导出组的通解。

  1. 特解为\(U_{1n}\)；
  2. 导出组的基础解系是\(N\)的\(n-r\)个行向量，因此导出组的通解为\(H_{1\times(n-r)} N_{(n-r)n}\)，其中\(H\)是任意行向量；

因此原方程组的通解为：

\[X = U_{1n} + H N \]

结论(4)得证。

5. 推论3.3.1解读

若方程组\(XA=b\)有解，则：

  1. 当\(r(A)=n\)时，方程组有唯一解；

    推理依据：\(r(A)=n\)时，导出组解空间维数为\(n-n=0\)，只有零解，因此非齐次方程组只有唯一特解。

  2. 当\(r(A)<n\)时，方程组有无穷多个解。

    推理依据：\(r(A)<n\)时，导出组有非零解，通解中\(H\)可取任意值，因此有无穷多解。

三、方法的标准操作步骤与核心优势

1. 标准操作步骤（适配列向量形式方程组）

我们日常使用的列向量方程组\(A_{m\times n}X_{n\times1}=b_{m\times1}\)，可通过转置适配本方法，步骤如下：

步骤 核心操作 关键要求
1 转置适配 将列向量方程组转置为行向量形式：\(X^T A^T = b^T\)，对应定理中的系数矩阵为\(A^T\)，常数项为\(b^T\)
2 构造分块矩阵\(C\) \(C = \begin{pmatrix} A^T & I_n \\ -b^T & 0 \end{pmatrix}\)，维度严格匹配：\(A^T\)是\(n\times m\)矩阵，\(I_n\)是\(n\)阶单位阵，\(-b^T\)是\(1\times m\)行向量
3 限定初等变换 仅对前\(m\)列做初等列变换；行变换中，最后一行仅能加前面行的倍数，禁止交换行、禁止给最后一行乘非零常数，将\(C\)化为标准形式\(G\)
4 有解性判定 检查\(G\)的左下块\(E_{1m}\)，若\(E_{1m}\neq0\)，方程组无解；若\(E_{1m}=0\)，方程组有解
5 提取解 ① 特解：\(G\)右下块的\(U_{1n}\)，转置为列向量即为原方程组的特解；
② 基础解系：\(G\)中\(N_{(n-r)n}\)的各行，转置为列向量即为导出组的基础解系
6 写通解 原方程组通解为：特解 + 基础解系的任意线性组合

2. 方法核心优势

常规非齐次方程组求解流程：

构造增广矩阵→初等行变换→判定有解性→求导出组基础解系→求非齐次特解→写通解

本方法的核心优势：一次限定初等变换，同步完成有解性判定、导出组基础解系提取、非齐次特解提取，流程一体化，步骤统一，大幅降低分步求解的出错概率。

四、例6 完整求解与深度解析

题干

解线性方程组

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

完整求解过程

步骤1：转置适配，构造分块矩阵\(C\)

原方程组为列向量形式\(A_{4\times4}X_{4\times1}=b_{4\times1}\)，其中：

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

转置为行向量形式\(X^T A^T = b^T\)，对应系数矩阵为\(A^T\)，常数项为\(b^T=(0,1,1,3)\)，构造分块矩阵\(C\)：

\[C = \begin{pmatrix} A^T & I_4 \\ -b^T & 0 \end{pmatrix} = \begin{pmatrix} 1 & 1 & 3 & 4 & 1 & 0 & 0 & 0 \\ 2 & 5 & 5 & 5 & 0 & 1 & 0 & 0 \\ 4 & 6 & 6 & -2 & 0 & 0 & 1 & 0 \\ -3 & -4 & -4 & 3 & 0 & 0 & 0 & 1 \\ 0 & -1 & -1 & -3 & 0 & 0 & 0 & 0 \end{pmatrix} \]

步骤2：限定初等变换化简

对前4列做初等列变换，行变换中最后一行仅加前面行的倍数，逐步化简：

  1. 第一步行变换：
    \(R_2-2R_1,\ R_3-4R_1,\ R_4+3R_1\)，得：

    \[\begin{pmatrix} 1 & 1 & 3 & 4 & 1 & 0 & 0 & 0 \\ 0 & 3 & -1 & -3 & -2 & 1 & 0 & 0 \\ 0 & 2 & -6 & -18 & -4 & 0 & 1 & 0 \\ 0 & -1 & 5 & 15 & 3 & 0 & 0 & 1 \\ 0 & -1 & -1 & -3 & 0 & 0 & 0 & 0 \end{pmatrix} \]

  2. 第二步行变换，调整主元并消元，最终化为标准形式：

    \[G = \begin{pmatrix} 1 & 3 & 4 & 1 & 1 & 0 & 0 & 0 \\ 0 & -1 & 3 & -2 & 0 & 1 & 0 & 0 \\ \hdashline 0 & 0 & 0 & 0 & 8 & -6 & 1 & 0 \\ 0 & 0 & 0 & 0 & -7 & 5 & 0 & 1 \\ \hdashline 0 & 0 & 0 & 0 & 2 & -1 & 0 & 0 \end{pmatrix} \]

步骤3：有解性判定与解的提取

  1. 左下块\(E_{1m}=(0,0,0,0)=0\)，因此方程组有解；
  2. 系数矩阵的秩\(r(A)=2\)，未知量个数\(n=4\)，因此导出组基础解系包含\(4-2=2\)个解向量；
  3. 特解：\(U_{1n}=(2,-1,0,0)\)，转置为列向量\(\boldsymbol{\xi^*=(2,-1,0,0)^T}\)；
  4. 导出组基础解系：\(N\)的两行分别为\((8,-6,1,0)\)、\((-7,5,0,1)\)，转置为列向量：

    \[\boldsymbol{\eta_1=(8,-6,1,0)^T,\quad \eta_2=(-7,5,0,1)^T} \]

步骤4：写通解

原方程组的通解为：

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

其中\(k_1,k_2\)为任意常数。

结果验证

将特解与基础解系代入原方程组，所有方程均成立，结果正确。

五、本节知识点核心内容归纳总结表

分类 详细内容
核心目标 通过一次限定范围的初等变换，同步完成非齐次线性方程组的有解性判定、导出组基础解系提取、非齐次特解提取，实现一体化简便求解。
核心定理 对行向量方程组\(XA=b\)，构造\(C=\begin{pmatrix} A & I_n \\ -b & 0 \end{pmatrix}\)，经限定初等变换化为\(G\)，则：
1. 有解\(\iff E_{1m}=0\)；
2. \(N\)的行是导出组基础解系，\(U_{1n}\)是特解；
3. 通解为\(X=U_{1n}+HN\)。
方法特点 1. 一体化流程：一次初等变换完成有解判定、基础解系与特解提取，无需分步操作；
2. 逻辑闭环：基于矩阵等价标准形与可逆矩阵性质，理论严谨，结果可靠；
3. 适配性广：适用于任意数域上任意规模的非齐次线性方程组，无方程数与未知量数相等的限制。
绝对禁忌 1. 初等列变换仅可对前\(m\)列施行，禁止对右侧单位矩阵部分做列变换；
2. 初等行变换中，最后一行仅能施行「前面行的倍数加到该行」的变换，禁止交换行、禁止给最后一行乘非零常数；
3. 分块矩阵的维度必须严格匹配，单位矩阵的阶数等于未知量个数\(n\)。
适用条件 1. 适用于行向量/列向量形式的非齐次线性方程组；
2. 无方程数与未知量数的限制，方阵/非方阵场景均适用。
与常规方法对比 1. 常规方法：增广矩阵行变换→有解判定→求基础解系→求特解→写通解，步骤分散，易出错；
2. 本方法：一次限定变换同步完成所有核心步骤，流程统一，天然保证解的结构正确性；
3. 共性：均基于初等变换不改变方程组解的核心性质。
典型应用场景 1. 非齐次线性方程组的快速求解；
2. 大规模线性方程组的程序化求解（步骤统一，适合编程实现）；
3. 线性方程组解的结构分析与理论证明；
4. 数值计算中线性方程组的一体化求解。

习题3 完整解答与严谨证明

以下所有题目均严格遵循线性代数核心定理，推导过程标注推理依据，步骤完整无跳步。

题1

题干：设 \(B\) 是实可逆矩阵，\(C\) 为实反对称矩阵，并且 \(BC=CB\)，求证 \(B+C\) 可逆。特别地，当 \(|B|>0\) 时有 \(|B+C|>0\)。

证明

（1）证明 \(B+C\) 可逆

推理依据：实矩阵可交换的同时上三角化性质、反对称矩阵的特征值性质。

  1. 实矩阵 \(BC=CB\)，因此在复数域上可同时上三角化，即存在可逆复矩阵 \(P\)，使得

    \[P^{-1}BP = \Lambda_1,\quad P^{-1}CP = \Lambda_2 \]

    其中 \(\Lambda_1,\Lambda_2\) 为上三角矩阵，对角线元素分别为 \(B,C\) 的特征值。
  2. \(B\) 是实可逆矩阵，其特征值 \(\lambda_i \neq 0\)（实矩阵特征值为实数或成对共轭复数）；
    \(C\) 是实反对称矩阵，其特征值只能是 \(0\) 或纯虚数，成对出现 \(\pm ki\)（\(k\in\mathbb{R},k\neq0\)）。
  3. \(B+C\) 的特征值为 \(\lambda_i + \mu_i\)，若 \(\lambda_i + \mu_i=0\)，则 \(\mu_i=-\lambda_i\)：
    • 若 \(\lambda_i\) 为实数，则 \(\mu_i=-\lambda_i\) 为实数，只能 \(\mu_i=0,\lambda_i=0\)，与 \(B\) 可逆矛盾；
    • 若 \(\lambda_i\) 为共轭复数 \(a+bi\)（\(b\neq0\)），则 \(\mu_i=-a-bi\) 需为纯虚数，故 \(a=0\)，此时 \(\lambda_i+\mu_i=2bi\neq0\)。
      因此 \(B+C\) 的所有特征值均非零，故 \(|B+C|\neq0\)，\(B+C\) 可逆。

（2）证明当 \(|B|>0\) 时 \(|B+C|>0\)

推理依据：连续函数的介值定理。
构造连续函数 \(f(t)=|B+tC|\)，\(t\in[0,1]\)，\(f(t)\) 是关于 \(t\) 的多项式，在 \([0,1]\) 上连续。

  1. \(f(0)=|B|>0\)；
  2. 由（1）的结论，对任意 \(t\in[0,1]\)，\(tC\) 仍为反对称矩阵，且 \(B(tC)=(tC)B\)，故 \(f(t)\neq0\)，即 \(f(t)\) 在 \([0,1]\) 上恒不为0，函数值不变号。
    因此 \(f(1)=|B+C|=f(0)>0\)，证毕。

题2

题干：设 \(A\) 为实反对称矩阵，\(B\) 为正定矩阵，求证 \(|A+B|>0\)。

证明

推理依据：正定矩阵的二次型性质、反对称矩阵的二次型性质、连续函数介值定理。

  1. 证明 \(A+B\) 可逆：
    反证法，假设 \(|A+B|=0\)，则存在非零实向量 \(\alpha\)，使得 \((A+B)\alpha=0\)，即 \(B\alpha=-A\alpha\)。
    两边左乘 \(\alpha^T\)，得 \(\alpha^T B\alpha = -\alpha^T A\alpha\)。

    • \(A\) 是反对称矩阵，对任意实向量 \(\alpha\)，\(\alpha^T A\alpha=0\)；
    • \(B\) 是正定矩阵，对非零 \(\alpha\)，\(\alpha^T B\alpha>0\)。
      因此 \(0<\alpha^T B\alpha=0\)，矛盾，故 \(|A+B|\neq0\)，\(A+B\) 可逆。

  2. 证明 \(|A+B|>0\)：
    构造连续函数 \(f(t)=|tA+B|\)，\(t\in[0,1]\)，\(f(t)\) 在 \([0,1]\) 上连续。

    • \(f(0)=|B|>0\)（正定矩阵行列式恒正）；
    • 对任意 \(t\in[0,1]\)，\(tA\) 仍为反对称矩阵，同理可证 \(f(t)\neq0\)，故 \(f(t)\) 在 \([0,1]\) 上不变号。
      因此 \(f(1)=|A+B|=f(0)>0\)，证毕。

题3

题干：设 \(A\in\mathbb{R}^{n\times n}\) 且对 \(\forall\alpha\in\mathbb{R}^n\)，\(\alpha^T A\alpha>0\)，求证 \(|A|>0\)。

证明

推理依据：实矩阵的特征值性质、正定矩阵的定义。

  1. 证明 \(A\) 可逆：
    反证法，若 \(|A|=0\)，则存在非零实向量 \(\alpha\)，使得 \(A\alpha=0\)，此时 \(\alpha^T A\alpha=0\)，与题设矛盾，故 \(A\) 可逆，\(|A|\neq0\)。

  2. 证明 \(|A|>0\)：
    设 \(\lambda\) 是 \(A\) 的实特征值，对应实特征向量 \(\alpha\)，则 \(A\alpha=\lambda\alpha\)，两边左乘 \(\alpha^T\) 得 \(\alpha^T A\alpha=\lambda\alpha^T\alpha>0\)，故 \(\lambda>0\)。
    实矩阵的复特征值成对出现，共轭复数的乘积为模长的平方，恒大于0。
    矩阵的行列式等于所有特征值的乘积，因此 \(|A|>0\)，证毕。

题4

题干：求证对秩为 \(r < n\) 的 \(m\times n\) 矩阵 \(A\)，必存在秩为 \(n-r\) 的 \(n\times(n-r)\) 矩阵 \(C\)，使得 \(AC=0\)。

证明

推理依据：齐次线性方程组解空间维数公式、基础解系的性质。

  1. \(r(A)=r < n\)，因此齐次线性方程组 \(AX=0\) 的解空间维数为 \(n-r\)，即存在 \(n-r\) 个线性无关的解向量 \(\eta_1,\eta_2,\dots,\eta_{n-r}\)，构成方程组的基础解系。
  2. 构造矩阵 \(C=(\eta_1,\eta_2,\dots,\eta_{n-r})\)，则 \(C\) 是 \(n\times(n-r)\) 矩阵，且 \(r(C)=n-r\)（列向量线性无关）。
  3. 因 \(\eta_i\) 是 \(AX=0\) 的解，故 \(A\eta_i=0\)，因此 \(AC=(A\eta_1,A\eta_2,\dots,A\eta_{n-r})=0\)，满足要求，证毕。

题5

题干：设 \(A_{ij}\) 是 \(A=(a_{ij})_{n\times n}\) 的元素 \(a_{ij}\) 的代数余子式，并且 \(r(A)=n-1\)，求证 \(AX=0\) 的任意一个解必可表示为 \((kA_{i1},kA_{i2},\dots,kA_{in})^T\)，其中 \(k\) 为任意常数。

证明

推理依据：齐次方程组解空间维数、伴随矩阵的性质。

  1. \(r(A)=n-1\)，因此齐次方程组 \(AX=0\) 的解空间维数为 \(n-(n-1)=1\)，即所有解都是某个非零解向量的倍数。
  2. 由伴随矩阵的性质，\(AA^*=|A|E\)，\(r(A)=n-1\) 时 \(|A|=0\)，故 \(AA^*=0\)，即 \(A^*\) 的每一列都是 \(AX=0\) 的解。
  3. \(r(A)=n-1\)，说明 \(A\) 至少有一个 \(n-1\) 阶非零子式，即存在某个 \(A_{ij}\neq0\)，因此 \(A^*\) 的第 \(i\) 列 \(\alpha=(A_{i1},A_{i2},\dots,A_{in})^T\) 是 \(AX=0\) 的非零解，构成方程组的基础解系。
    因此 \(AX=0\) 的任意解都可表示为 \(k\alpha\)，即 \((kA_{i1},kA_{i2},\dots,kA_{in})^T\)，\(k\) 为任意常数，证毕。

题6

题干：设 \(A=(a_{ij})_{n\times n}\) 可逆，求证当 \(r < n\) 时，齐次线性方程组

\[\begin{cases} a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n = 0, \\ \quad\vdots \\ a_{r1}x_1 + a_{r2}x_2 + \dots + a_{rn}x_n = 0 \end{cases} \]

有一个基础解系 \((A_{j1},A_{j2},\dots,A_{jn})\ (j=r+1,\dots,n)\)，其中 \(A_{jk}\) 为 \(a_{jk}\) 的代数余子式。

证明

推理依据：行列式展开的推论、线性无关的性质、基础解系的判定。

  1. 证明向量是方程组的解：
    由行列式展开的推论：矩阵某一行的元素与另一行对应元素的代数余子式的乘积之和为0。
    对任意 \(1\leq i\leq r\)，\(r+1\leq j\leq n\)，有

    \[a_{i1}A_{j1} + a_{i2}A_{j2} + \dots + a_{in}A_{jn}=0 \]

    因此 \((A_{j1},A_{j2},\dots,A_{jn})^T\) 满足方程组的所有方程，是方程组的解。

  2. 证明向量组线性无关：
    \(A\) 可逆，故伴随矩阵 \(A^*\) 可逆，\(A^*\) 的行向量组 \((A_{11},\dots,A_{1n}),\dots,(A_{n1},\dots,A_{nn})\) 线性无关。
    其部分组 \((A_{j1},\dots,A_{jn})\ (j=r+1,\dots,n)\) 也线性无关，共 \(n-r\) 个向量。

  3. 基础解系判定：
    方程组系数矩阵是 \(A\) 的前 \(r\) 行，\(A\) 可逆，故系数矩阵的秩为 \(r\)，解空间维数为 \(n-r\)。
    因此 \(n-r\) 个线性无关的解向量 \((A_{j1},\dots,A_{jn})\ (j=r+1,\dots,n)\) 是方程组的一个基础解系，证毕。

题7

题干：设 \(A\in F^{n\times n}_r\)，求证：
(1) 存在秩为 \(n-r\) 的方阵 \(B\)，使得 \(AB=0\)；
(2) 存在秩为 \(n-r\) 的方阵 \(B,C\)，使得 \(AB=CA\)。

证明

（1）

推理依据：题4的结论、矩阵秩的性质。
由题4，存在秩为 \(n-r\) 的 \(n\times(n-r)\) 矩阵 \(C\)，使得 \(AC=0\)。
构造 \(n\) 阶方阵 \(B=(C\mid O)\)，即给 \(C\) 补充 \(r\) 个零列，此时 \(r(B)=r(C)=n-r\)，且 \(AB=A(C\mid O)=(AC\mid AO)=0\)，满足要求。

（2）

推理依据：矩阵等价标准形、可逆矩阵的性质。

  1. 由矩阵等价标准形，存在 \(n\) 阶可逆矩阵 \(P,Q\)，使得

    \[A=P\begin{pmatrix}I_r&0\\0&0\end{pmatrix}Q \]

  2. 构造 \(B=Q^{-1}\begin{pmatrix}0&0\\0&I_{n-r}\end{pmatrix}Q\)，则 \(r(B)=n-r\)，且

    \[AB=P\begin{pmatrix}I_r&0\\0&0\end{pmatrix}Q Q^{-1}\begin{pmatrix}0&0\\0&I_{n-r}\end{pmatrix}Q=0 \]

  3. 构造 \(C=P\begin{pmatrix}0&0\\0&I_{n-r}\end{pmatrix}P^{-1}\)，则 \(r(C)=n-r\)，且

    \[CA=P\begin{pmatrix}0&0\\0&I_{n-r}\end{pmatrix}P^{-1} P\begin{pmatrix}I_r&0\\0&0\end{pmatrix}Q=0 \]

因此 \(AB=CA=0\)，满足要求，证毕。

题8

题干：求作一个齐次线性方程组，使得它的解空间由下列向量生成：
\(\alpha_1'=(-1,-1,2,0,0),\ \alpha_2'=(1/2,-1/2,1,6,4),\ \alpha_3'=(1/4,0,0,5/4,1),\ \alpha_4'=(-1,-2,2,9,4)\)。

解答

  1. 求向量组的秩：
    将向量按列拼成矩阵，做初等行变换化为行最简形，可得向量组的秩为4，解空间维数为4，未知量个数为5，因此系数矩阵的秩为 \(5-4=1\)，即方程组为单个齐次方程。

  2. 构造方程：
    设方程为 \(a_1x_1+a_2x_2+a_3x_3+a_4x_4+a_5x_5=0\)，将4个生成向量代入，得到关于 \(a_1,a_2,a_3,a_4,a_5\) 的齐次方程组，解得非零解 \(a_1=4,a_2=-4,a_3=0,a_4=0,a_5=-1\)。

  3. 最终方程组：

    \[\boldsymbol{4x_1 - 4x_2 - x_5 = 0} \]

    验证：所有生成向量均满足该方程，且解空间维数为4，符合要求。

题9

题干：设 \(\beta\) 是非齐次线性方程组 \(AX=b\) 的一个解，\(\alpha_1,\dots,\alpha_{n-r}\) 是其导出组的一个基础解系。求证：
(1) \(\alpha_1,\dots,\alpha_{n-r},\beta\) 线性无关；
(2) \(\beta+\alpha_1,\beta+\alpha_2,\dots,\beta+\alpha_{n-r},\beta\) 线性无关。

证明

（1）

设 \(k_1\alpha_1 + k_2\alpha_2 + \dots + k_{n-r}\alpha_{n-r} + k\beta = 0\)，两边左乘 \(A\)，得

\[k_1A\alpha_1 + \dots + k_{n-r}A\alpha_{n-r} + kA\beta = 0 \]

因 \(\alpha_i\) 是导出组的解，\(A\alpha_i=0\)，\(A\beta=b\neq0\)，故 \(kb=0\)，得 \(k=0\)。
代入原式得 \(k_1\alpha_1 + \dots + k_{n-r}\alpha_{n-r}=0\)，而 \(\alpha_1,\dots,\alpha_{n-r}\) 是基础解系，线性无关，故 \(k_1=\dots=k_{n-r}=0\)。
因此所有系数均为0，向量组线性无关，证毕。

（2）

设 \(l_1(\beta+\alpha_1) + l_2(\beta+\alpha_2) + \dots + l_{n-r}(\beta+\alpha_{n-r}) + l\beta = 0\)，整理得

\[(l_1+l_2+\dots+l_{n-r}+l)\beta + l_1\alpha_1 + l_2\alpha_2 + \dots + l_{n-r}\alpha_{n-r} = 0 \]

由（1）的结论，\(\alpha_1,\dots,\alpha_{n-r},\beta\) 线性无关，故

\[\begin{cases} l_1+l_2+\dots+l_{n-r}+l = 0 \\ l_1=l_2=\dots=l_{n-r}=0 \end{cases} \]

代入得 \(l=0\)，所有系数均为0，因此向量组线性无关，证毕。

题10

题干：设 \(A,B,C\) 均为 \(n\) 阶方阵，\(r(A)=r(BA)\)，求证 \(r(AC)=r(BAC)\)。

证明

推理依据：齐次方程组同解与秩相等的等价关系。

  1. \(r(A)=r(BA)\) 等价于齐次方程组 \(AX=0\) 与 \(BAX=0\) 同解：

    • \(AX=0\) 的解一定是 \(BAX=0\) 的解；
    • 两个方程组解空间维数相同，因此同解。

  2. 证明 \(ACX=0\) 与 \(BACX=0\) 同解：

    • 若 \(ACX=0\)，则 \(BACX=B\cdot0=0\)，故 \(ACX=0\) 的解都是 \(BACX=0\) 的解；
    • 若 \(BACX=0\)，即 \(BA(CX)=0\)，由 \(BAY=0\) 与 \(AY=0\) 同解，得 \(A(CX)=0\)，即 \(ACX=0\)，故 \(BACX=0\) 的解都是 \(ACX=0\) 的解。

  3. 两个方程组同解，因此系数矩阵的秩相等，即 \(r(AC)=r(BAC)\)，证毕。

题11

题干：设平面上有 \(n\) 条直线 \(a_i x + b_i y + c_i =0,\ i=1,\dots,n\)，给出它们有唯一公共交点的充要条件，并给出证明。

解答

充要条件

系数矩阵 \(A=\begin{pmatrix}a_1&b_1\\a_2&b_2\\\vdots&\vdots\\a_n&b_n\end{pmatrix}\) 的秩为2，且增广矩阵 \(\overline{A}=\begin{pmatrix}a_1&b_1&-c_1\\a_2&b_2&-c_2\\\vdots&\vdots&\vdots\\a_n&b_n&-c_n\end{pmatrix}\) 的秩也为2。

证明

\(n\) 条直线有唯一公共交点，等价于线性方程组

\[\begin{cases} a_1 x + b_1 y = -c_1 \\ a_2 x + b_2 y = -c_2 \\ \quad\vdots \\ a_n x + b_n y = -c_n \end{cases} \]

有唯一解。
根据非齐次线性方程组有唯一解的充要条件：系数矩阵的秩=增广矩阵的秩=未知量个数=2，即 \(r(A)=r(\overline{A})=2\)，证毕。

题12

题干：已知平面上的三条互异直线 \(l_1:ax+by+c=0\)，\(l_2:bx+cy+a=0\)，\(l_3:cx+ay+b=0\)，求证它们相交于一点的充要条件是 \(a+b+c=0\)。

证明

三条直线相交于一点，等价于线性方程组

\[\begin{cases} ax + by = -c \\ bx + cy = -a \\ cx + ay = -b \end{cases} \]

有唯一解。

必要性

若三条直线相交于一点，则方程组有唯一解，故 \(r(A)=r(\overline{A})=2\)，因此增广矩阵的行列式为0：

\[|\overline{A}| = \begin{vmatrix}a&b&-c\\b&c&-a\\c&a&-b\end{vmatrix} = -\begin{vmatrix}a&b&c\\b&c&a\\c&a&b\end{vmatrix} = 0 \]

计算行列式：

\[\begin{vmatrix}a&b&c\\b&c&a\\c&a&b\end{vmatrix} = -(a+b+c)(a^2+b^2+c^2-ab-bc-ca) = 0 \]

三条直线互异，故 \(a,b,c\) 不全相等，因此 \(a^2+b^2+c^2-ab-bc-ca=\frac{1}{2}[(a-b)^2+(b-c)^2+(c-a)^2]>0\)，故只能 \(a+b+c=0\)。

充分性

若 \(a+b+c=0\)，则 \(c=-a-b\)，代入三条直线方程：

  • \(l_1:ax+by-a-b=0\)，代入 \((1,1)\) 得 \(a+b-a-b=0\)，过点 \((1,1)\)；
  • \(l_2:bx+(-a-b)y+a=0\)，代入 \((1,1)\) 得 \(b-a-b+a=0\)，过点 \((1,1)\)；
  • \(l_3:(-a-b)x+ay+b=0\)，代入 \((1,1)\) 得 \(-a-b+a+b=0\)，过点 \((1,1)\)。

同时，系数矩阵的二阶子式 \(\begin{vmatrix}a&b\\b&c\end{vmatrix}=-a^2-ab-b^2=-\left[(a+\frac{b}{2})^2+\frac{3b^2}{4}\right]\neq0\)（否则 \(a=b=c=0\)，直线不存在），故 \(r(A)=2\)，方程组有唯一解，即三条直线相交于一点。

综上，充要条件为 \(a+b+c=0\)，证毕。

题13

题干：求证线性方程组

\[\begin{cases} x_1 - x_2 = a_1, \\ x_2 - x_3 = a_2, \\ x_3 - x_4 = a_3, \\ x_4 - x_5 = a_4, \\ x_5 - x_1 = a_5 \end{cases} \]

有解的充要条件是 \(\sum_{i=1}^5 a_i=0\)。当线性方程组有解时，求出其一般解。

解答

充要条件证明

对增广矩阵做初等行变换：

\[\overline{A}=\begin{pmatrix} 1&-1&0&0&0&a_1\\ 0&1&-1&0&0&a_2\\ 0&0&1&-1&0&a_3\\ 0&0&0&1&-1&a_4\\ -1&0&0&0&1&a_5 \end{pmatrix} \xrightarrow{R5=R5+R1+R2+R3+R4} \begin{pmatrix} 1&-1&0&0&0&a_1\\ 0&1&-1&0&0&a_2\\ 0&0&1&-1&0&a_3\\ 0&0&0&1&-1&a_4\\ 0&0&0&0&0&\sum_{i=1}^5 a_i \end{pmatrix} \]

方程组有解的充要条件是 \(r(A)=r(\overline{A})\)，即 \(\sum_{i=1}^5 a_i=0\)，证毕。

一般解

当 \(\sum_{i=1}^5 a_i=0\) 时，\(r(A)=4\)，未知量个数为5，解空间维数为1，取 \(x_5=k\)（\(k\) 为任意常数），回代得：

\[\begin{cases} x_4 = a_4 + k, \\ x_3 = a_3 + x_4 = a_3+a_4 +k, \\ x_2 = a_2 + x_3 = a_2+a_3+a_4 +k, \\ x_1 = a_1 + x_2 = a_1+a_2+a_3+a_4 +k. \end{cases} \]

向量形式的通解为：

\[\boldsymbol{X = \begin{pmatrix}a_1+a_2+a_3+a_4\\a_2+a_3+a_4\\a_3+a_4\\a_4\\0\end{pmatrix} + k\begin{pmatrix}1\\1\\1\\1\\1\end{pmatrix},\quad k\in F} \]

题14

题干：解线性方程组

\[\begin{cases} x_1 - x_2 +5x_3 +x_4 = 1, \\ x_1 + x_2 -2x_3 +3x_4 = 3, \\ 3x_1 - x_2 +8x_3 +x_4 = 5, \\ x_1 +3x_2 -9x_3 +7x_4 = 5. \end{cases} \]

解答

对增广矩阵做初等行变换化为行最简形：

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

\(r(A)=r(\overline{A})=3\)，未知量个数为4，解空间维数为1，取 \(x_3=k\)（\(k\) 为任意常数），得通解：

\[\begin{cases} x_1 = 2 - \frac{3}{2}k, \\ x_2 = 1 + \frac{7}{2}k, \\ x_3 = k, \\ x_4 = 0. \end{cases} \]

向量形式的通解为：

\[\boldsymbol{X = \begin{pmatrix}2\\1\\0\\0\end{pmatrix} + k\begin{pmatrix}-3\\7\\2\\0\end{pmatrix},\quad k\in F} \]

（或写成 \(X = \begin{pmatrix}2\\1\\0\\0\end{pmatrix} + k\begin{pmatrix}-3/2\\7/2\\1\\0\end{pmatrix}\)，\(k\) 为任意常数）

posted on 2026-03-31 13:02  Indian_Mysore  阅读(51)  评论(0)    收藏  举报

导航