跳至正文

MIT 18.06SC · UNIT I · SESSION 08

求解 Ax = 0:主元变量与特殊解

Solving Ax = 0: Pivot Variables, Special Solutions

上一讲我们知道零空间是什么,却还缺少一套保证找全它的算法。今天要用熟悉的高斯消元回答三个问题:主元在哪里?哪些变量可以自由选?怎样用尽量少的特殊解表示所有零空间向量?

先修:第3讲矩阵消元、第7讲零空间4 个教学章节4 道随堂题 · 6 道解析题

01 / ECHELON / INVARIANT KERNEL

为什么 A 不可逆,
仍能放心进行高斯消元?

因为行变换是左乘可逆初等矩阵。假设 U=EA 且 E 可逆,那么 Ax=0 当且仅当 EAx=E0=0,也就是 Ux=0。相反,若 Ux=0,左乘 E⁻¹ 恢复 Ax=0。所以行消元不会改变零空间。

以本站独立设计的三行四列矩阵为例:

A=[ [1,2,1,3], [0,1,2,0], [1,3,3,3] ]R₃←R₃−R₁−R₂U=[ [1,2,1,3], [0,1,2,0], [0,0,0,0] ]

第三行恰好等于前两行的和,所以会被消成零行。第二行的主元位于第二列;第一行的主元位于第一列。这个阶梯形矩阵 U 足够用来求所有的齐次解。

不要把零空间和列空间混为一谈。

初等行变换会改变 A 的列向量在输出空间中的具体坐标,因此一般C(EA)≠C(A);但 N(EA)=N(A) 因为 E 可逆。这一点正是 MIT 摘要特别强调的差异。

随堂检查 01 · 行变换保留零空间

U=EA,且 E 是可逆的初等行变换矩阵。哪条结论正确?
查看完整解析与错因

因E可逆,EAx=0等价于Ax=0(左乘E⁻¹)。所以零空间完全相同,尽管列空间一般变化。

02 / RANK / FREE VARIABLES

每个主元约束一个变量,
剩下的可以自由选择。

一个非零行第一次出现的非零数叫该行主元(pivot,通常在消元步骤中可标准化为1)。主元的数量就是秩 r。在上例里第一、第二列是主元列,共2个主元,所以 rank(A)=2。

A 一共有4列,对应4个变量 x₁、x₂、x₃、x₄,主元变量是 x₁、x₂;剩下 x₃、x₄ 是自由变量。自由变量的数量为 n−r=4−2=2。注意“自由”不是指它们可以脱离所有方程,而是可以任意指定它们、由其余方程唯一算出主元变量。

x₂+2x₃=0 → x₂=−2x₃x₁+2x₂+x₃+3x₄=0 → x₁=3x₃−3x₄

先从第二行回代,再回到第一行,正是消元的自然顺序。若任意取 x₃=s、x₄=t,则整个输入变成 x=(3s−3t,−2s,s,t)ᵀ。

随堂检查 02 · 秩与自由变量

一个 3×4 矩阵的行阶梯形恰有2个主元。它有几个自由变量?
查看完整解析与错因

行阶梯形的两个主元对应两个主元变量,4列总共有4个变量,剩下4−2=2个自由变量。

03 / SPECIAL SOLUTIONS / SPAN

自由变量有几个,
就生成几个特殊解。

把自由变量依次“单独打开”。先取 x₃=1、x₄=0,则 x=(3,−2,1,0)ᵀ,是第一个特殊解。再取 x₃=0、x₄=1,则 x=(−3,0,0,1)ᵀ,是第二个特殊解。

v₁=(3,−2,1,0)ᵀv₂=(−3,0,0,1)ᵀN(A)={ s v₁ + t v₂ : s,t∈R }

验证很直接:Av₁=0,Av₂=0,线性组合仍在零空间。反过来前一节已经推导任意齐次解都是 (3s−3t,−2s,s,t)ᵀ,因此没有漏掉任何解。两个特殊解因自由变量分量分别为(1,0)和(0,1),线性无关。

从这里已经可以看出一般规律:如果矩阵有 n 列、秩为 r,那么零空间可以用 n−r 个独立特殊解张成,dim N(A)=n−r。严格表述会在后面的基与维数课继续完善。

随堂检查 03 · 特殊解验算

本讲 A=[[1,2,1,3],[0,1,2,0],[1,3,3,3]],哪个向量一定在 N(A) 中?
查看完整解析与错因

v₁=(3,−2,1,0)是令自由变量x₃=1、x₄=0得到的特殊解,直接计算Av₁=0。

04 / RREF / COMPLETE SOLUTION

继续消元到行最简形,
公式就一眼可读。

把 U 的第一行再减去第二行的两倍,即 R₁←R₁−2R₂,就得到

R=[ [1,0,−3,3], [0,1,2,0], [0,0,0,0] ]主元列在1、2;自由列在3、4

在这个例子中,R 的有效部分可按 [I F] 写出,其中 F=[ [−3,3], [2,0] ]。令自由变量为 (s,t),主元变量向量就是 −F(s,t)。因此零空间生成矩阵的列为 N=[−F;I],即上面两个特殊解。若主元列不在最左侧,需要先按列指标重新排列块再写这个公式,不能直接强行把原矩阵切成 [I F]。

LIVE MODEL / TWO FREE VARIABLES自由调整 s、t,检查四维输入是否始终被 A 送到0
完整输入 x

(3,−2,1,0)ᵀ

输出 Ax

(0,0,0)ᵀ

当前 x 正是第一个特殊解。改变两个自由变量,任意组合都属于 N(A)。

计算采用源矩阵 A 的全部三行,不仅检查已消元的 U。零输出不代表程序把结果强行设为0,可以手算核对每行。

核心不是记住一个“答案向量”,而是理解零空间全部解的参数化。每个独立自由变量都需要一个特殊解,最后对这些解作任意线性组合。

随堂检查 04 · 行最简形

行最简形 R=[[1,0,−3,3],[0,1,2,0],[0,0,0,0]] 中,两个自由列是哪两列?
查看完整解析与错因

第一行领先1在第1列,第二行领先1在第2列。剩下第3和第4列没有主元,构成两个自由列。

PRACTICE / EXPLAIN EVERY STEP

独立写出过程,
再展开答案。

先检查运算,再解释为什么这样做。以下题目为本站重新设计,难度参照本讲实际授课内容和可获得的配套练习。

01 / 逐步求阶梯形

对 A=[[1,2,1,3],[0,1,2,0],[1,3,3,3]],只通过一条行操作把第三行变为全零,写出 U 与秩。

展开完整解析

第三行=(1,3,3,3)=第一行(1,2,1,3)+第二行(0,1,2,0)。所以R₃←R₃−R₁−R₂,得到U=[[1,2,1,3],[0,1,2,0],[0,0,0,0]],主元在第1和第2列,rank(A)=2。

02 / 两组特殊解

对本讲 A 求两个特殊解,并写成 N(A) 的全部线性组合。

展开完整解析

由x₂+2x₃=0和x₁+2x₂+x₃+3x₄=0,得x₂=−2x₃、x₁=3x₃−3x₄。让(x₃,x₄)=(1,0)得v₁=(3,−2,1,0);取(0,1)得v₂=(−3,0,0,1)。所以N(A)={sv₁+tv₂:s,t∈R}。

03 / 换一种主元位置

R=[[0,1,2,−1],[0,0,0,1]](已是阶梯形)有几个主元和自由变量?完整求 Rx=0。

展开完整解析

主元在第2列和第4列,秩2;四列中自由变量为x₁、x₃,共2个。第二行x₄=0,第一行x₂+2x₃−x₄=0得x₂=−2x₃。设x₁=s、x₃=t,全部解(s,−2t,t,0)ᵀ=s(1,0,0,0)ᵀ+t(0,−2,1,0)ᵀ。

04 / 行最简形

将 U=[[1,2,1,3],[0,1,2,0],[0,0,0,0]] 变成 R,并解释它为何处于行最简形。

展开完整解析

执行R₁←R₁−2R₂,得到R=[[1,0,−3,3],[0,1,2,0],[0,0,0,0]]。每个非零行的领先数是1,各主元列其余条目都为0,主元逐行右移,零行位于底部,因此是行最简形。

05 / 比较零空间维数

一个 5×7 矩阵有4个主元,零空间有多少个独立特殊解?为什么?

展开完整解析

总共7列即7个变量,4个主元变量,7−4=3个自由变量。每个自由变量分别取1、其他自由变量取0会产生一个特殊解,这3个特殊解线性无关并张成N(A),所以零空间维数3。

06 / 不同秩的列空间

说明为什么对 A 做可逆行变换,零空间不变,但列空间在原坐标中可能改变;给出一个二阶例子。

展开完整解析

E可逆时EAx=0⇔Ax=0,故零空间相同。取A=[[1,0],[0,0]],E=[[0,1],[1,0]]交换两行,则EA=[[0,0],[1,0]]。C(A)是x轴,C(EA)是y轴,作为R²的子集合不相等,说明列空间的具体向量会改变(维数相同)。

THE IDEA TO KEEP

计算 N(A):先消元找主元,再把每个自由变量轮流设为1,其余自由变量设为0,最后对主元变量回代。所有特殊解的线性组合就是零空间。

本讲 4 道随堂题,可逐项答题并查看反馈。

本节只讨论实矩阵。行最简形 R 的一般算法与不齐次系统 Ax=b 的相容性在第9讲继续扩展;注意主元列指标与源矩阵中独立列的选择是相关但不同的两个操作。

返回线性代数目录 ↗
本讲参考的大学材料

MIT 18.06SC · Solving Ax = 0: Pivot Variables, Special Solutions。可复核资料:official session ↗official summary ↗official problems ↗official solutions ↗。

已核对 MIT 本讲官方页面、两页讲义摘要及页面图像、官方问题解答7.1–7.2(原练习 PDF 下载暂遇错误);未完整观看教学视频或阅读教材全章。 本站不是 MIT 官方中文译课;文字、数值案例、模型和题目独立设计。