线性方程组解的关系
线性组合与线性相关
五、关于向量组线性相关性的主要结论
1.零向量是线性相关的，一个非零向量是线性无关的。 2.两个向量线性相关的充分条件是对应分量成比例。 3.含有零向量的向量组线性相关。 4.部分组线性相关，则整个向量组组线性相关；
向量组线性无关，则其部分组线性无关。 5. 线性无关向量组的“加长”向量组线性无关；
1 1 1
1 1 1
答案：1. A 1 2 3,| A | t 5 或 A 0 1 2
1 3 t
0 0 t 5
所以，t=5时线性相关，t≠5时线性无关。
2.t取任何值，向量组都线性相关。（4个3维向量）
即4可由1,2,3线性表示，
且表示方式不唯一。
对 A~ 继续施行初等行变换，
A~
1 1 2 2 1 1 2 2
0 2 1
5
0 1
1 2
5 2
1
0
3 2
1 2
0
1
1 2
5 2
0 0 0 0 0 0 0 0 0 0 0 0
最后一个矩阵对应的线性方程组为：
x1
x2
1
2 5
2
3
2 1
2
x3 x3
| A | 0 有非零解。
二、向量组的线性组合
1.线性表示：如果β=k11+k22+···+kss，则称β可由 1,2,···,s 线性表示，或称β是1,2,···,s 的线性组合。 2.β能由1,2,···,s线性表示的含义是线性方程组
x11+x22+···+xss=β
有解，其充要条件是 r(A)=r(A|β)
1,2,···,s,β线性相关 r(1,2,···,s ,β) <s+1 s= r(1,2,···,s)≤ r(1,2,···,s ,β) <s+1
线性方程组解的判定
1 / 3第四节 线性方程组解的判定从本节开始,讨论含有n 个未知量、m 个方程的线性方程组的解.11112211211222221122n n n n m m mn n ma x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩ (13—2） 主要问题是要判断出方程组（13-2）何时有解？何时无解?有解时解有多少?如何求出方程组的解。
线性方程组有没有解，以及有怎样的解，完全决定于方程组的系数和常数项。
因此，将线性方程组写成矩阵形式或向量形式，以矩阵或向量作为讨论线性方程组的工具,将带来极大的方便。
方程组（13-2)中各未知量的系数组成的矩阵111212122212n n m m mn a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦称为方程组（13-2）的系数矩阵.由各系数与常数项组成的矩阵，称为增广矩阵，记作A ，即11121121222212n n m m mn m a a a b a a a b A a a a b ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦方程组(13-2)中的未知量组成一个n 行、1列的矩阵（或列向量）,记作X ；常数项组成一个m 行、1列的矩阵（或列向量），记作b ，即12n x x X x ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦,12m b b b b ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦由矩阵运算,方程组（13—2)实际上是如下关系111212122212n n m m mn a a a a a a a a a ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦12n x x x ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦=12m b b b ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦即 AX=b2 /3 如果令112111m a a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦,122222m a a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦,…，12n n n mn a a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦则方程组(13-2）的向量形式为1122n n a x a x a x b +++=定理1 (有解判定定理)方程级（13-2）有解的充分必要条件是：秩(A)=秩（A ）推论1 线性方程组(13—2）有惟一的充分必要条件是r （A ）=r(A ）=n 。
线性方程组解的结构(重要知识)
3x5
令自由变量为任意实数
x1 2k1 k2 3k3
x2 x3
k1 4k2 5k3
x2 k1, x4 k2 , x5 k3
x4
k2
x5
k3
2
1
3
说明:
1
0ห้องสมุดไป่ตู้
0
1.基础解系不惟一
x
k1
0 0
k2
4 1
k3
-5 0
2.但所含向量的 个数唯一且等于n-R(A)
1
2
3
2
3 2
,2,
5 2
,3
T
0
通解为：X 2,3,4,5T k3,4,5,6T ,k R
-13-
例6
x
1
x1
x2 x2
x3 x3
x4 0, 3 x4 1,
x1 x2 2 x3 3 x4 1 2.
解
A~
1 1
1 1
1 1
1 3
0 1 1 0 1 1 2 1 0 0 1 2 1 2,
2.如果当非齐次线性方程组Ax 有无穷多解时,
其通解的结构如何?如何写出其向量形式的通解?
-2-
§4.1 线性方程组解的存在性定理
非齐次方程组解的判别定理
对于非齐次方程组 Amn x b(b 0)
(1) 有解 r( A) r( A~) 无解 r( A) r( A~)
(2) 有惟一解 r( A) r( A~) n (3) 有无限多解 r( A) r( A~) n 齐次方程组解的判别定理
（A）AX 0仅有零解，则AX b有唯一解
（B）AX 0有非零解，则AX b有无穷多解 （C）AX b有无穷多解,则AX 0仅有零解
高等代数3.6 线性方程组解的结构
又设 ( l1 , l2 , … , ln ) 是导出组 (1) 的一个解，即
n
aijl j 0 (i 1,2,, s) ,
j 1
显然
n
n
n
aij (k j l j ) aijk j aijl j
j 1
j 1
j 1
bi 0 bi (i 1,2,, s) .
推论 在非齐次线性方程组有解的条件下，解
是唯一的充分必要条件是它的导出组只有零解.
证明 充分性 如果方程组 (9) 有两个不同的
解，那么它的差就是导出组的一个非零解. 因此， 如果导出组只有零解，那么方程组有唯一解.
必要性 如果导出组有非零解，那么这个解 与方程组 (9) 的一个解 (因为它有解) 的和就是 (9) 的另一个解，也就是说，(9) 不止一个解. 因之， 如果方程 (9) 有唯一解，那么它的导出组只有零解.
x3 x3
4 3
, ,
x1 2 bx 2 x3 4 .
讨论方程组的解的情况与参数 a, b 的关系，有解时 求其解.
单击这里开始求解
三、直线平面间的位置关系的判断
平面和直线之间的位置关系是指平面与平面、 平面与直线、直线与直 线之间的位置关系. 由于 平面和直线在直角坐标系下的方程，是三元线性 方程 a1x1 + a2x2 + a3x3 = b 和两个三元线性方程组成 的方程组，因此，讨论它们之间的位置关系 ( 如平 行、重合、相交等 )，可用线性方程组的解的理论 阐明.
方程组 (9) 的解与它的导出组 (1) 的解之间有密 切的关系：
1) 线性方程组 (9) 的两个解的差是它的导出组 (1) 的解.
线性方程组解结构的几何意义
线性方程组解结构的几何意义
线性方程组解可以用几何方法表示，这有助于我们理解它的含义和推断它的结果。
几何意义中所讨论的线性方程组是多变量线性方程组，即不止两个变量。
首先，让我们来了解一下什么是多元线性方程组和什么是解：多变量线性方程组由若干（通常三个或以上）变量组成的一组多项式方程组，它的解是变量的一个有限点的集合，表示为（x，y，z）。
多元线性方程组的解，如下所示：
Ax+By+Cz=D
Ea+Fb+Gc=H
Ix +Jy +Kz=L
以上方程的解是几何意义的另一个概念，它表示一个特定的平面上的一个点集，由多个方程构成，每个方程提供了三个变量（x，y，z）的一个坐标。
这些坐标形成了一个平面上的点集，换句话说，线性方程组解的几何意义，就是一个三维空间中某一特定平面上某个特定点集，这种特定点集表示了线性方程组有多个解的几何意义。
以上给出的线性方程组的解的几何意义可以用图标表示：其中，A，B，C，D，E，F，G，H，I，J，K和L这12个常数分别在三个变量x，y，z上形成了一个解空间，即解的几何意义；而这个解空间中的每一个坐标点（x，y，z）都代表了一个解，也是线性方程组解的几何意义。
综上所述，我们可以发现，线性方程组的解的几何意义是比较清楚的：它是一个三维空间中的特定的平面上的特定的点集，这些点所代表的解就是线性方程组的解。
因此，我们可以用几何的角度更好地理解线性方程组的解的几何意义，从而推断它的结果。
2-3线性方程组有解的判定定理
组 Ax = 0 只有零解 ( 有非零解 )的充分必要 条件是系数行列式
定理 2 n 元非齐次线性方程组 Am×n x = b 有解 的充分必要条件是系数 矩阵 A 的秩等于增广矩 阵 B = ( A, b ) 的秩 .
证 设 A = (α 1 , α 2 , L , α n ), 这里 α 1 , α 2 , L , α n 是 A 的列向量组， 的列向量组，则 Ax = b 可写成 (4) x 1α 1 + x 2α 2 + L + x nα n = b .
5 1 0 − 2 − 1 2 2 1 3 r3 − r2 4 r1 − 2r2 4 0 1 2 0 1 2 3 r2 ÷ ( −3) 3 0 0 0 0 0 0 0 0 即得与原方程组同解的方程组
5 x1 − 2x3 − 3 x4 = 0, 4 x2 + 2x3 + x4 = 0, 3
L 从而方程组（ 从而方程组（ 2）有解 ⇔ b 可由 α 1 , α 2， , α n L 线性表示 ⇔ R ( A ) = rank (α 1 , α 2， , α n ) = 证毕 rank (α 1 , α 2， , α n， b ) = R ( B ). L
推论
Ax = b有唯一解 ⇔ R(A) = R(B ) = n Ax = b有无穷多解. ⇔ R(A) = R(B ) < n 有无穷多解.
三、线性方程组的求解
例1 求解齐次线性方程组 x1 + 2 x2 + x3 + x4 = 0 2 x1 + x2 − 2 x3 − 2 x4 = 0 . x − x − 4x − 3x = 0 1 2 3 4 解
经典：3-1线性方程组的同解变换
《线性代数》
返回
下页
结束
1.设 A 为 n 阶实矩阵，A T 是 A 的转置矩阵，
则对于线性方程组 （ⅰ）AX =O
（ⅱ） ATAX=O
必有（ ）． （A） （Ⅱ）的解是（Ⅰ）的解，（Ⅰ）的解也是（Ⅱ）的解； （B） （Ⅱ）的解是（Ⅰ）的解，但（Ⅰ）的解不是（Ⅱ）的解； （C） （Ⅰ）的解不是（Ⅱ）的解，（Ⅱ）的解也不是（Ⅰ）的解； （D） （Ⅰ）的解是（Ⅱ）的解，但（Ⅱ）的解不是（Ⅰ）的解．
0 1 0
-1 -2
0
11022.
(行最简形)
显然, R(A)=R(B)=2, 故方程组有解, 且有
xx31
=x2+x4+12 = 2x4+12
《线性代数》
返回
下页
结束
xx31
=x2+x4+12 = 2x4+12
x1 =1x2 +1x4 +1 2
xxx432
=1x2 = 0x2 = 0x2
+0x4 +2x4 +1x4
称xr+1, ···, xn为上述方程组的自由未知量, 令xr+1=c1, ···,
xn=cn–r, 可得方程组Ax = b的含有n–r个参数的解:
x1
- b11c1
- b c 1 , n - r n - r + d 1
=
xr
x r + 1
- br1c1 -
- b c r , n - r n - r + d r
+1
2
.
所以方程组的通解为:
x1 1 0 1 2
x2 x3 x4
线性方程组的解的性质与判定
线性方程组解的性质与判定在控制系统中的应用，可以用于分析系统的稳定性。 通过线性方程组解的性质与判定，可以确定控制系统的响应时间，优化控制效果。 在控制工程中，线性方程组解的性质与判定可以用于设计控制器，提高系统的性能指标。 在处理复杂控制系统时，线性方程组解的性质与判定能够提供有效的解决方案，简化计算过程。
逻辑回归模型：通过线性方程组解的判定条件，确定最佳分类边界，实现分类任务。
支持向量机：利用线性方程组解的性质与判定，找到支持向量，实现分类和回归任务。
决策树和随机森林：通过线性方程组解的判定条件，确定最佳划分标准，构建决策树和随机 森林模型。
PART FOUR
线性方程组解的性质与判定的研究历史 当前研究的主要方向和重点 近年来的重要研究成果和突破 未来研究展望和挑战
近年来的研究热 点和重点
在各个领域的应 用情况
未来研究的发展 趋势和展望
深入研究线性方程组解的性质与判定的关系，为实际应用提供更准确的数学模型。 探索更高效的算法和计算方法，提高线性方程组求解的效率和精度。 结合人工智能和大数据技术，对大规模线性方程组进行高效求解和优化。 拓展线性方程组解的性质与判定的应用领域，如物理、工程、经济等领域。
汇报人：XX
线性方程组解的 性质与判定可用 于数据清洗，识 别异常值和缺失 值。
在数据分析中， 线性方程组解的 性质与判定可用 于确定数据分布 和趋势。
在机器学习中， 线性方程组解的 性质与判定可用 于特征选择和降 维处理。
在数据预测中， 线性方程组解的 性质与判定可用 于建立预测模型 和优化算法。
线性回归模型：利用线性方程组解的性质与判定，确定最佳拟合直线，提高预测精度。
02
注意事项：在使用系数矩阵判定法时，需要注意 计算秩的正确性和准确性，以避免误判。
1线性代数 3.3线性方程组的解
x1 x2 x3 x4 0,
例4
求解方程组
x1 x2 x3 3 x4 1,
x1 x2 2 x3 3 x4 1 2.
解 对增广矩阵B施行初等行变换:
1 1 1 1 0 B 1 1 1 3 1
1 1 2 3 1 2
~
1 0
1 0
0 1
1 2
1 2 1 2,
c1
br
1
r1 1
br
2
r2 0
n
br ,n 0
r
cr
r1
0
1
0
r
2
0
0
1 n
由于与都是方程Ax 0的解,而Ax 0又等价于
方程组
x1 b11 xr1 b1,nr xn
x
r
br1 xr1
br ,nr xn
3 x3 3 x3
5 x4 2 x4
5x5 0 x5 0
3 x1 x2 5 x3 6 x4 7 x5 0
解 对系数矩阵施 行初等行变换
1 1 1 4 3
A
2 1
1 1
3 3
5 2
5 1
3 1 5 6 7
1 1 1 4 3 1 1 1 4 3
~
0 0
1 2
1 2
若至少有一个bi 0(i 1, 2, , m), 则称方程组(3.3)为非齐次线性方程组;
能使每个方程变为恒等式的n个数 x1, x2 , xn 称为
方程组的解.
至少有一个解的方程组称为相容的. 如果方程组没有解,就称这个方程组不相容.
具有惟一解的方程组称为确定方程组. 具有多于一个解的方程组称为不定方程组.
第三章2线性方程组解的结构定理
1 ,2 , ,n线性相关;
向量组{1,2 , ,n }的秩R(1,2 ,
系数矩阵A的秩R(A) n.
,n ) n;
推论：齐次线性方程组只有零解：
1,2 , ,n线性无关;
向量组{1,2 , ,n }的秩R(1,2 , ,n ) n;
系数矩阵A的秩R(A) n. 5
例 讨论齐次方程组解 的
a1n
a22
a2n
am 2
amn
Ax b
x1
x=
x2
xn
b1
b=
b2
bm
a1i
i
=
a2i
ami
b 0，对应齐次线性方程组；
b≠0，对应非齐次线性方程组。
x11 x22 xnn b
4
线性方程组的一般理论
定理：齐次线性方程组有非零解：
1
记为 1,2 , ,nr ;
（2）显然 1,2 ,nr 线性无关；
14
（3）设 Ax 0 的解为 k1
kr kr 1
kn T
则
(kr 11 kr 22 knnr )
k1 b11kr 1
k2
b21kr 1
kr
br1kr 1
0
0
b1,n r kn
b2,
n
r
kn
0
之间的过渡矩阵，即
C ' CQ.
1
对于任意v V ,有
v BX B ' X ',T (v) CY C 'Y '.
设A是线性映射T在基B和C下的矩阵，可知
Y AX
由向量在不同基下的坐标之间的关系可知
QY ' A(PX ')
第2节 线性方程组解的情况
5 x1 x2 2 x3 x4 7 例2.1 解方程组 2 x1 x2 4 x3 2 x4 1 x1 3 x2 6 x3 5 x4 0
解 对方程组的增广矩阵只作初等行变换
1 3 6 5 0 5 1 2 1 7 2 1 4 2 1 2 1 4 2 1 5 1 2 1 7 1 3 6 5 0 1 3 6 5 0 1 3 6 5 0 0 7 16 12 1 0 7 16 12 1 0 14 32 24 7 0 0 0 0 5
（2.2）)
由Cramer法则，方程组（2.2）或（2.1）有唯一解。 情形3 假设 d r 1 0 且 r n. 此时阶梯形方程组为
c11 x1 c12 x2 c1r xr c1,r 1 xr 1 c1n xn d1 c22 x2 c2 r xr c2,r 1 xr 1 c2 n xn d 2 crr xr cr ,r 1 xr 1 crn xn d r
3 x1 3 x2 3 x3 2 x4 1 2 x1 x2 2 x3 x4 3 x1 2 x2 x3 x4 1 3 x1 3 x2 3 x3 2 x4 1 3 x1 3 x2 3 x3 2 x4 2 x1 2 x2 x3 x4 1
变量并且它们可以用自由未知量表示出来。
定理2.1 （1） n元线性方程组解的情况只有三种：
无解，有唯一解，有无穷多解。
（2）当线性方程组化成阶梯形方程组后 如果出现0=非0数的方程， 则方程组无解； 如果无0=非0数的方程且r=n，则方程组有唯一解；
线性方程组求解
第三章 线性方程组§1 消元法一、线性方程组的初等变换现在讨论一般线性方程组。
所谓一般线性方程组是指形式为⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++sn sn s s n n n n b x a x a x a b x a x a x a b x a x a x a 22112222212*********,, （1） 的方程组，其中n x x x ,,,21 代表n 个未知量,s 是方程的个数，),,2,1;,,2,1(n j s i a ij ==称为线性方程组的系数,),,2,1(s j b j =称为常数项.方程组中未知量的个数n 与方程的个数s 不一定相等。
系数ij a 的第一个指标i 表示它在第i 个方程，第二个指标j 表示它是j x 的系数。
所谓方程组（1)的一个解就是指由n 个数n k k k ,,,21 组成的有序数组),,,(21n k k k ，当n x x x ,,,21 分别用n k k k ,,,21 代入后，（1)中每个等式都变成恒等式. 方程组(1）的解的全体称为它的解集合.解方程组实际上就是找出它全部的解，或者说，求出它的解集合。
如果两个方程组有相同的解集合,它们就称为同解的.显然，如果知道了一个线性方程组的全部系数和常数项，那么这个线性方程组就基本上确定了。
确切地说，线性方程组（1)可以用下面的矩阵⎪⎪⎪⎪⎪⎭⎫ ⎝⎛s sns s n n b a a a b a a a b a a a21222221111211 (2） 来表示。
实际上，有了(2）之后，除去代表未知量的文字外线性方程组（1)就确定了，而采用什么文字来代表未知量当然不是实质性的.在中学所学代数里学过用加减消元法和代入消元法解二元、三元线性方程组.实际上，这个方法比用行列式解线性方程组更有普遍性.下面就来介绍如何用一般消元法解一般线性方程组.例如，解方程组⎪⎩⎪⎨⎧=++=++=+-.522,4524,132321321321x x x x x x x x x 第二个方程组减去第一个方程的2倍，第三个方程减去第一个方程，就变成⎪⎩⎪⎨⎧=-=-=+-.42,24,1323232321x x x x x x x 第二个方程减去第三个方程的2倍,把第二第三两个方程的次序互换，即得⎪⎩⎪⎨⎧-==-=+-.6,42,132332321x x x x x x 这样，就容易求出方程组的解为（9，-1，—6）。
高等代数 第3章线性方程组 3.2 线性方程组解的结构
7 2 1 - 3 - 2 1 2 6 23 4 3 - 1 12 1 1 1
1 1 0 - 2 ~ 0 0 0 0 1 0 ~ 0 0
( 2) 设x = 是方程 Ax = b的解, x = 是方程 Ax = 0的解, 则x = + 仍是方程 Ax = b 的解.
证明 A( + ) = A + A = 0 + b = b,
所以x = + 是方程 Ax = b的解.
证毕．
２．非齐次线性方程组的通解
非齐次线性方程组Ax=b的通解为
例5 求下述方程组的解 x1 + x 2 + x 3 + x 4 + x 5 = 7 , 3 x + x + 2 x + x - 3 x = -2, 1 2 3 4 5 2 x 2 + x 3 + 2 x 4 + 6 x 5 = 23, 8 x1 + 3 x 2 + 4 x 3 + 3 x 4 - x 5 = 12.
思考题解答
解
2 3 1 1 1 6 1 3 1 3 B= 3 - 1 - p 15 3 1 - 5 - 10 12 t
2 3 1 1 1 4 -2 2 0 2 ~ 0 -4 - p-6 6 0 0 - 6 12 9 t 1
x2 1 0 x1 1 1 = 及 , 则 = 及 , x4 0 1 x3 0 2
线性方程组解的一般理论
,
b1 b2
bm
得（*）的 向量表达式:
x11 x2 2 x n n
取 A (1,2 , ,n )
A (1,2, ,n , )
a11 a21
am1
aa系矩1222 数 阵
am2
a1n a2n
amn
a11 a21
am1
a12 a22
增矩广阵aa12nn
am2 amn
解：要判断 rA ？r(A)
1 3 6 5 0 行变换1 3 6 5 0 1 3 6 5 0
A2 1 4 2 1
0 7 16 12 1 0 7 16 12 1
5 1 2 1 7
0 14 32 24 7 0 0 0 0 5
A
得rA 2, r( A) 3
故该方程组无解
【例2】讨论k取何值时，以下方程组有解， 无解。在有解的情况下，唯一解？ 无穷多解？
am2
a2n
amn
a11 a12 a1n b1
A
a21 am1
a22 增广a2n 矩阵
am2 amn
b2
bm
无解的充要条件是：rA r( A)
【例1】判断以下方程组是否有解？
2x1x13xx22
6x3 4x3
5x4 2x4
0 1
5x1 x2 2x3 x4 7
设r( A) r( A) r
则
r n 有无穷多解 r n 仅有零解
反之，若有无穷多解，则有r<n。
推论1 ： 齐次线性方程组有非零解的充要条件是
对齐次线性方程组：
a11x1 a12 x2 a1n xn 0
a 21 x1
a22
x2
向量组的应用—线性方程组解的结构
b1,nr xn 0 ， b2,nr xn 0 ，
br,nr xn 0 ，
其中，xr1 ，xr2 ， ，xn 是 n r 个自由未知数。特别取
xr1 1 0 0
xr
2
0
， 1
，
， 0
，
xn 0 0 1
（2-17）
可得齐次线性方程组的 n r 个解
x r 1 1 r 1 2 nnr
综合（1），（2）知，1 ，2 ， ，nr 是齐次线性方程的一组 基础解系，它所含线性无关的解向量的个数恰等于 n r（方程组 中未知数个数减去系数矩阵的秩）。矩阵的秩是确定的，所以通 解中所含任意常数的个数也是确定的。
例1
求齐次线性方程组
2x1x1x52
推论
设 m n 矩阵 A 的秩 R(A) r ，则 n 元齐次线性方程组 Ax 0 的 解集 S 的秩 R(S) n r 。
例2
设 n 元齐次线性方程组 Ax 0 与 Bx 0 同解，证明R(A) R(B) 。
证
由于方程组 Ax 0与 Bx 0 有相同的解集，设为 S，解集为秩 为 R(S) ，则有 R( A) n R(S) ，R(B) n R(S) ，因此R( A) R(B)。
经济数学
向量组的应用—线性方程组解的结构
齐次线性方程 组 Ax 0 解的 结构
非齐次线性方程 组 Ax b解的结 构
1.1 齐次线性方程组Ax=0 解的结构
齐次线性方程组 Ax 0 的解具有以下性质：
性质1 如果1 ，2 是齐次线性方程组的解，则 1 2 也是齐次线
性方程组的解。
证 因为A(1 2 ) A1 A2 0 0 0 ，所以 1 2是齐次线
1.2 非齐次线性方程组Ax=b 解的结 构
线性代数齐次线性方程组解的结构
线性代数齐次线性方程组解的结构线性代数中，齐次线性方程组是由一系列未知数的线性方程组成，其中所有方程的右边都为零。
齐次线性方程组的解的结构是线性无关的向量的线性组合，它们构成了解空间。
首先，考虑一个例子：```2x+3y-z=04x-y+2z=03x+2y=0```我们可以将这个齐次线性方程组写成矩阵的形式：```23-14-12320xyz```将这个矩阵进行行变换，得到阶梯形矩阵如下：```0-7400-2xyz```由阶梯形矩阵可知，z是自由变量，而x和y是基础变量。
基础变量是由自由变量表示的。
因此，解的结构可以用自由变量和基础变量的关系表示。
设z=k，则有：```-7y+4z=0-2z=0```由此可得到z=0.5k，y=-0.5k。
最后，带入原方程组得到x=0.25k。
因此，解的结构可以表示为：```x=0.25ky=-0.5k```可以看出，解是一个形如k倍数的向量，其中k为任意实数。
这说明齐次线性方程组的解空间是一个无限维空间，其中解向量是在基础解向量上的线性组合。
总结起来，齐次线性方程组解的结构可以通过以下步骤得到：1.将方程组写成矩阵形式；2.将矩阵进行行变换，得到阶梯形矩阵；3.根据阶梯形矩阵的形式，确定基础变量和自由变量；4.根据自由变量和基础变量的关系，得到解的表达式。
需要注意的是，齐次线性方程组的解空间要么是一个零向量，要么是一个由基础解向量生成的无限维空间。
这就是齐次线性方程组解的结构。
线性方程组解的判别与解的结构
线性⽅程组解的判别与解的结构⼀.线性⽅程组求解定理1.线性⽅程组有解判别定理线性⽅程组a11 x1 + a12 x2 + … + a1n x n = b1 ,a21 x1 + a22 x2 + … + a2n x n = b2 , ......................................................as1 x1 + as2 x2 + … + asn x n = bs有解的充分必要条件是 : 它的系数矩阵与增⼴矩阵有相同的秩 .2. 齐次线性⽅程组a11 x1 + a12 x2 + … + a1n x n = 0,a21 x1 + a22 x2 + … + a2n x n = 0, ......................................................as1 x1 + as2 x2 + … + asn x n = 0有⾮零解的充分必要条件是: 它的系数矩阵的秩r ⼩于未知量个数n .齐次线性⽅程组求解⼀般步骤： 1.把系数矩阵通过初等变换，变换成阶梯形矩阵. 2.判断阶梯形矩阵中⾮零⾏的个数秩(r)，以及计算⾃由元个数m=n-r. 3.确定⾃由元位置，然后以次为它们赋值1,0... 4.求解出⽅程组的基础解系. 5.⽤基础解系表⽰出⽅程全解.⾮齐次线性⽅程组求解，与齐次线性⽅程组求解过程基本⼀致，只需要再求出⼀个特解。
⼆.如何⽤C语⾔计算线性⽅程组的解 那么如何⽤算法求出线性⽅程组的解呢？ 就是根据上⾯⽅程组求解⼀般步骤来的， 1.矩阵的初等变换(在上次⾏列式计算的基础上，这个很好实现). 2.求出矩阵的秩/⾃由元个数，然后确定⾃由元的位置(我认为这是⼀个难点) 3.初始化⾃由元(1,0,..)，计算变量，最终求出基础解系 4.⾮齐次线性⽅程 4.1.先求出齐次线性⽅程组的基础解系 4.2.再利⽤上⾯步骤求⼀个特解即可1.矩阵的初等变换//初等⾏变换void primaryRowChange(int s, int n, double **array){int i,j,k,ii,kk,flag;double temp;for(i=0,j=0;i<s-1;i++,j++)//s⾏，最外围只需要变换s-1{ii=i;//如果⾏的⾸元为0，向下查找⼀个不为0的，然后换⾏if(*(*(array+i)+j) == 0){{if(*(*(array+k)+j)!=0)//第k⾏与第i⾏交换{for(kk=j;kk<n;kk++){temp=*(*(array+k)+kk);*(*(array+k)+kk) = *(*(array+i)+kk);*(*(array+i)+kk) = temp;}flag =1;break;}}//判断是交换成功，如果没有成功，则i--if(!flag){i--;continue;}i--;j--;continue;}for(;ii<s-1;ii++){if(*(*(array+ii+1)+j)==0)continue;temp =-*(*(array+ii+1)+j) / *(*(array+i)+j);for(k=j;k<n;k++)*(*(array+ii+1)+k) += *(*(array+i)+k) * temp;}}}2.计算矩阵的秩//计算矩阵的秩int getRank(int s, int n, double **array){int flag;int i,j,r=s;//判断⾮零⾏个数for(i=0;i<s;i++){flag=0;for(j=0;j<n;j++){if(*(*(array+i)+j)!=0 && (*(*(array+i)+j)>0.01 || *(*(array+i)+j) <-0.01))//排除很⼩数， {flag=1;break;}}if(!flag)//当前⾏全为零,则r为i;{r=i;break;}}return r;}3.确定⾃由元位置 ⾃由元确定需要考虑两种情况： 1).系数梯形矩阵最后⼀⾏只有⼀个⾮零元素. 2) 系数梯形矩阵中某⾏的个数等于⾃由元的个数.//获取⾃由元信息int* getFreeElement(int r, int n, double **array, int **matrixPrimary, double **matrixCalc) {int i,j,k,o,p,q;int m=n-1-r;//n-1:int *freeElement =(int*)malloc(m*sizeof(int));j=-1;//判断是否有为0的变量q=0;//如果当前⾏⾮零个数与⾃由元个数相等，则标记为1,⾃由元选择起始位置左移⼀位if(*(*(matrixPrimary+i)+1)==1)//说明第i⾏只有⼀个变量，如果是齐次⽅程它的解⼀定为0 {j=*(*(matrixPrimary+i)+0);for(k=0;k<r;k++)*(*(matrixCalc+k)+j)=*(*(array+k)+n-1) / *(*(array+k)+j);}else if(n-1-matrixPrimary[i][0]==m){q=1;}else if(n-1-matrixPrimary[i][0]>m){o=matrixPrimary[i][0];//当前⾏的⾸元位置p=0;//次数for(k=n-2-q;k>=o;k--)//从后向前查找⾃由元位置{if(k==j)continue;freeElement[p++]=k;if(p==m)//说明已经找到 m个⾃由元return freeElement;}}}return freeElement;}求解⽰例图:1> p148-例42> 2.7(1)-13> 2.7(2)-1.14> 2.7(2)-1.25> 2.7(2)-1.36> 2.7(3)-1.17> 2.7(3)-1.28> 2.7(3)-1.39> 2.7(3)-1.410> p155-例6以下是C语⾔求解的全部源代码#include <stdio.h>#include <stdlib.h>double undefined=-999;//标志位void main(){int i,j,s,n;int res;double **array,*temp,**result;//tempdouble t1[6]={1,1,1,1,1,0};double t2[6]={3,2,1,0,-3,0};double t3[6]={0,1,2,3,6,0};double t4[6]={5,4,3,2,6,0};int homogeneous=1;//标识⽅程是否是齐次⽅程void primaryRowChange(int s, int n, double **array);void printfDouble1Dimension(int n, double *array);void printfDouble2Dimension(int s, int n, double **array);int homogeneousResolve(int s, int n, int homogeneous, double **array, double **result); int nonHomegeneousResolve(int s, int n, double **array, double **result,double *special); //void printfInt2Dimension(int s, int n, int ** array);//int* getPrimary(int n,double *temp);//输⼊说明printf("输⼊说明:⾏数代表S个线性⽅程,N代表未知数及常数项.\n");printf("例如⽅程如下：\n");printf("1x-2y+3z=4\n");printf("-2x-4y+5z=10\n");printf("如下输⼊2⾏,4列:\n");printf("1 -2 3 4\n");printf("-2 -4 5 10\n\n");//开始printf("输⼊⾏数:");scanf("%d",&s);printf("输⼊列数:");scanf("%d",&n);//s=4;//n=6;//动态分配内存空间array =(double**)malloc(s*sizeof(double*));result =(double**)malloc(s*sizeof(double*));special =(double*)malloc(n*sizeof(double));for(i=0;i<s;i++){temp=(double*)malloc(n*sizeof(double));printf("请输⼊第%d⾏数组:",i+1);for(j=0;j<n;j++)scanf("%lf",temp+j);/*switch(i){case 0:temp=t1;//{1,1,1,1,1,0};break;case 1:temp=t2;//{3,2,1,0,-3,0};break;case 2:temp=t3;//{0,1,2,3,6,0};break;case 3:temp=t4;//{5,4,3,2,6,0};break;}*/array[i]=temp;}//打印数组printf("初等⾏列变换之前:\n");printfDouble2Dimension(s,n,array);//判断⽅程是否是齐次⽅程for(i=0;i<s;i++){if(*(*(array+i)+n-1)!=0)//如果最后⼀列,有不为0的说明⽅程为⾮齐次⽅程{homogeneous=0;break;}}primaryRowChange(s,n,array);printf("初等⾏列变换之后:\n");printfDouble2Dimension(s,n,array);if(homogeneous)//齐次{switch (res){case -1:printf("⽅程⽆解.\n");break;case0:printf("⽅程只有零解.\n");break;default:printf("⽅程的基础解系如下:\n");printfDouble2Dimension(res,n-1,result);break;}}else//⾮齐次{res=nonHomegeneousResolve(s,n,array,result,special);if(res==-1)printf("⽅程⽆解.\n");else{printf("⽅程的基础解系如下:\n");printfDouble2Dimension(res,n-1,result);printf("⽅程的特解如下:\n");printfDouble1Dimension(n-1,special);}}system("pause");}//初等⾏变换void primaryRowChange(int s, int n, double **array){int i,j,k,ii,kk,flag;double temp;for(i=0,j=0;i<s-1;i++,j++)//s⾏，最外围只需要变换s-1{ii=i;//如果⾏的⾸元为0，向下查找⼀个不为0的，然后换⾏if(*(*(array+i)+j) == 0){flag=0;for(k=i+1;k<s;k++){if(*(*(array+k)+j)!=0)//第k⾏与第i⾏交换{for(kk=j;kk<n;kk++){temp=*(*(array+k)+kk);*(*(array+k)+kk) = *(*(array+i)+kk);*(*(array+i)+kk) = temp;}flag =1;break;}}//判断是交换成功，如果没有成功，则i--if(!flag){i--;continue;}i--;j--;continue;}for(;ii<s-1;ii++){if(*(*(array+ii+1)+j)==0)continue;temp =-*(*(array+ii+1)+j) / *(*(array+i)+j);for(k=j;k<n;k++)*(*(array+ii+1)+k) += *(*(array+i)+k) * temp;}}}//⾮齐次⽅程解的情况int nonHomegeneousResolve(int s, int n, double **array, double **result, double *special) {int i,j,k,l;int r1,r2;//系数矩阵/增⼴矩阵的秩int getRank(int s, int n, double **array);int homogeneousResolve(int s, int n, int homogeneous, double **array, double **result);r1=getRank(s,n-1,array);r2=getRank(s,n,array);if(r1!=r2)return -1;//⽆解//特解temp =(double**)malloc(r1*sizeof(double*));homogeneousResolve(r1,n,0,array,temp);for(i=0;i<n;i++)*(special+i)=*(*(temp)+i);return homogeneousResolve(r1,n,1,array,result);}//齐次⽅程解的情况int homogeneousResolve(int s, int n, int homogeneous, double **array, double **result){int i,j,k,l,o,p,flag;int r;//秩rankint m;//⾃由元个数int f;//最后⼀个⾮零⾏⾸元的位置double sum1=0,sum2=0;double *temp = (double*)malloc(n*sizeof(double));//临时⾏指针int **matrixPrimary;//存储矩阵⾸元位置及⾮零元个数double **matrixCalc;//计算基础解系int *freeElement;//⾃由元位置double **matrixTemp;//声明函数void printfDouble2Dimension(int s, int n, double **array);void printfInt2Dimension(int s, int n, int **array);int** getPrimary(int s, int n, double **array);int getRank(int s, int n, double **array);double** initMatrixCalc(int s, int n);int* getFreeElement(int r, int n,double **array, int **matrixPrimary, double **matrixCalc);void printfInt1Dimension(int n, int *array);void getPrimarySolution(int r, int n, int homogeneous, double **array, int **matrixPrimary, double **matrixCalc ,int *freeElement, double **result); //秩rankr = getRank(s,n,array);//判断解的情况m=n-1-r;if(m<0)return -1;//⽆解else if(m==0)return0;//只有零解else{//初始化计算矩阵matrixCalc = initMatrixCalc(r,n);//获取矩阵⾸元信息matrixPrimary = getPrimary(r,n,array);/*printf("打印计算矩阵:\n");printfDouble2Dimension(r,n,matrixCalc);printf("打印矩阵⾸元信息:\n");printfInt2Dimension(r,2,matrixPrimary);*/freeElement = getFreeElement(r, n, array, matrixPrimary,matrixCalc);//打印⾃由元位置//printf("打印⾃由元位置:\n");//printfInt1Dimension(m, freeElement);//计算基础解系getPrimarySolution(r, n, homogeneous, array, matrixPrimary, matrixCalc, freeElement ,result);//printfDouble2Dimension(m,n,result);return m;}}//init Matrix calcdouble** initMatrixCalc(int s, int n){int i,j;double **array=(double**)malloc(s*sizeof(double*));for(i=0;i<s;i++){array[i] =(double*)malloc(n*sizeof(double));*(*(array+i)+n-1)=1;{*(*(array+i)+j)=undefined;}}return array;}//计算矩阵的秩int getRank(int s, int n, double **array){int flag;int i,j,r=s;//判断⾮零⾏个数for(i=0;i<s;i++){flag=0;for(j=0;j<n;j++){if(*(*(array+i)+j)!=0 && (*(*(array+i)+j)>0.01 || *(*(array+i)+j) <-0.01))//排除很⼩数， {flag=1;break;}}if(!flag)//当前⾏全为零,则r为i;{r=i;break;}}return r;}//查找某⾏⾮零个数及⾸元位置int** getPrimary(int s, int n, double **array){int i,j;int num=0,index=0;int **result=(int**)malloc(s*sizeof(int*));int *temp;for(i=0;i<s;i++){temp =(int*)malloc(2*sizeof(int));num=0;index=0;for(j=0;j<n;j++){if(*(*(array+i)+j)!=0){if(num==0)index=j;num+=1;}}temp[0]=index;temp[1]=num;result[i]=temp;}return result;}//获取⾃由元信息int* getFreeElement(int r, int n, double **array, int **matrixPrimary, double **matrixCalc){int i,j,k,o,p,q;int m=n-1-r;//n-1:int *freeElement =(int*)malloc(m*sizeof(int));j=-1;//判断是否有为0的变量q=0;//如果当前⾏⾮零个数与⾃由元个数相等，则标记为1,⾃由元选择起始位置左移⼀位for(i=r-1;i>=0;i--)//查找⾃由元，及位置为0的{if(*(*(matrixPrimary+i)+1)==1)//说明第i⾏只有⼀个变量，如果是齐次⽅程它的解⼀定为0 {j=*(*(matrixPrimary+i)+0);for(k=0;k<r;k++)*(*(matrixCalc+k)+j)=*(*(array+k)+n-1) / *(*(array+k)+j);}else if(n-1-matrixPrimary[i][0]==m){q=1;}else if(n-1-matrixPrimary[i][0]>m)o=matrixPrimary[i][0];//当前⾏的⾸元位置p=0;//次数for(k=n-2-q;k>=o;k--)//从后向前查找⾃由元位置{if(k==j)continue;freeElement[p++]=k;if(p==m)//说明已经找到 m个⾃由元return freeElement;}}}return freeElement;}//计算基础解系void getPrimarySolution(int r, int n, int homogeneous, double **array, int **matrixPrimary, double **matrixCalc ,int *freeElement, double **result) {int i,j,k,l,p;int m=n-1-r;//⾃由元double sum1,sum2;double *temp,**matrixTemp;//计算基础解系for(i=0;i<m;i++){matrixTemp=(double**)malloc(r*sizeof(double*));//复制数组for(j=0;j<r;j++){temp =(double*)malloc(n*sizeof(double));for(k=0;k<n;k++)*(temp+k)=*(*(matrixCalc+j)+k);matrixTemp[j]=temp;}//设置⾃由元为0或1for(j=0;j<r;j++){*(*(matrixTemp+j)+freeElement[i])=1;//⾃由元为1for(k=0;k<m;k++){if(k!=i)*(*(matrixTemp+j)+freeElement[k])=0;//⾃由元为0}}//printfDouble2Dimension(r,n,matrixTemp);//计算for(j=r-1;j>=0;j--){p=*(*(matrixPrimary+j));//当前⾏起始位置for(k=p;k<n;k++){if(*(*(matrixTemp+j)+k)==undefined)//如果等于标志位，它可能是未知变量{sum1=sum2=0;for(l=p;l<n;l++){if(l==n-1){sum1=*(*(array+j)+l) * *(*(matrixTemp+j)+l);}else if(l!=k){sum2+=*(*(array+j)+l) * *(*(matrixTemp+j)+l);}}for(l=0;l<r;l++)*(*(matrixTemp+l)+k)=((homogeneous?0:sum1)-sum2)/ *(*(array+j)+k);//如果齐次sum1=0;//break;}}}result[i]=matrixTemp[0];//printfDouble2Dimension(r,n,matrixTemp);}}void printfDouble2Dimension(int s, int n, double **array) {//printf("%d,%d",s,n);int i,j;for(i=0;i<s;i++){for(j=0;j<n;j++){printf("%6.2lf",*(*(array+i)+j));}printf("\n");}}void printfDouble1Dimension(int n, double *array){int i;for(i=0;i<n;i++){printf("%6.2lf",*(array+i));}printf("\n");}//打印⼆维数组void printfInt2Dimension(int s, int n, int **array){int i,j;for(i=0;i<s;i++){for(j=0;j<n;j++){printf("%4d",*(*(array+i)+j));}printf("\n");}}//打印⼀维数组void printfInt1Dimension(int n, int *array){int i;for(i=0;i<n;i++){printf("%4d",*(array+i));}printf("\n");}View Code。
线性方程组的解——说课
首页
上页
返回
下页
结束
铃
定理1
非齐次线性方程组
a11x1 a12 x2 a1n xn b1 a21x1 a22x2 a2n xn b2 am1x1 am2 x2 amn xn bm
（1）无解的充分必要条件是r(A)< r A ;
上页
返回
下页
结束
铃
解：
3x1-5x214x312 x1-2x2 4x3 3 - x14x2 x3 5
3 -5 14 12
(A b) 1 -2 4 3 -1 4 1 5
—r1—r2 —rr2—3-3rr11
x1 -2x2 4x3 3 3x1 -5x214x3 12 -x1 4x2 x3 5
（2）
首页
上页
返回
下页
结束
铃
c1
若由m个数c1, c2
,,
cm组成的有序实数组
c2
，如
cm
果将他们依次替代方程组中的x1, x2,, xm后，
·方程组中的每个方程都成立，则称有序
c1
实数组
c2
为方程组的一个解。
cm
A
a21
a22
am1 am2
系数矩阵
a1n
a2n
amn
x1
X
x2
xn
未知量矩阵
b1
b
b2
bm
常数列矩阵
a11 a12
A
b