第三章矩阵-2.线性方程组通用解法归纳

涂兵兵_青石疏影
2 阅读2分钟

线性方程组通用解法归纳

设线性方程组标准形式：Am×nx=b\boldsymbol A_{m\times n}\boldsymbol x = \boldsymbol b

  • b≠0\boldsymbol b\ne \boldsymbol 0：非齐次线性方程组
  • b=0\boldsymbol b= \boldsymbol 0：齐次线性方程组

一、基础前置：解的判定（秩核心）

设： A\boldsymbol A：系数矩阵，nn：未知量个数，系数矩阵秩 r(A)r(\boldsymbol A)，增广矩阵秩 r(A‾)=rr(\overline{\boldsymbol A})=r

  • 非齐次：Ax=b (b≠0)\boldsymbol A\boldsymbol x=\boldsymbol b\ (\boldsymbol b\ne \boldsymbol 0)，A‾=(A∣b)\overline{\boldsymbol A}=(\boldsymbol A\mid \boldsymbol b) 增广矩阵

  • 齐次：Ax=0\boldsymbol A\boldsymbol x=\boldsymbol 0，必有零解

1）非齐次判定

  1. r(A)<r(A‾)r(\boldsymbol A) < r(\overline{\boldsymbol A})：无解
  2. r(A)=r(A‾)=nr(\boldsymbol A) = r(\overline{\boldsymbol A}) = n：唯一解
  3. r(A)=r(A‾)<nr(\boldsymbol A) = r(\overline{\boldsymbol A}) < n：无穷多解

2）齐次判定（更简单）

  1. 永远满足 r(A)=r(A‾)r(\boldsymbol A)=r(\overline{\boldsymbol A})，不会无解
  2. r(A)=nr(\boldsymbol A) = n：只有零解
  3. r(A)<nr(\boldsymbol A) < n：有无穷多非零解，基础解系含 n−r(A)n-r(\boldsymbol A) 个向量

3）非齐次线性方程组 三类具象例题

例1：r(A)<r(A‾)  ⟹  r(\boldsymbol A)<r(\overline{\boldsymbol A})\implies 无解

{x1+x2=12x1+2x2=3\begin{cases} x_1 + x_2 = 1\\ 2x_1 + 2x_2 = 3 \end{cases}
A=(1122), A‾=(111223)\boldsymbol A=\begin{pmatrix}1&1\\2&2\end{pmatrix},\ \overline{\boldsymbol A}=\begin{pmatrix}1&1&1\\2&2&3\end{pmatrix}

行变换：

A‾→r2−2r1(111001)\overline{\boldsymbol A}\xrightarrow{r_2-2r_1} \begin{pmatrix}1&1&1\\0&0&1\end{pmatrix}

r(A)=1, r(A‾)=2r(\boldsymbol A)=1,\ r(\overline{\boldsymbol A})=2 1<21<2，出现 0=10=1 矛盾 ⇒无解\boldsymbol{\Rightarrow 无解}

例2：r(A)=r(A‾)=n  ⟹  r(\boldsymbol A)=r(\overline{\boldsymbol A})=n \implies 唯一解

{x1+x2=3x1−x2=1\begin{cases} x_1 + x_2 = 3\\ x_1 - x_2 = 1 \end{cases}

未知量个数 n=2n=2

r(A)=2, r(A‾)=2,  n=2r(\boldsymbol A)=2,\ r(\overline{\boldsymbol A})=2,\;n=2 相等且等于未知量个数 ⇒\Rightarrow 唯一解：x1=2, x2=1x_1=2,\,x_2=1

例3：r(A)=r(A‾)<n  ⟹  r(\boldsymbol A)=r(\overline{\boldsymbol A})<n \implies 无穷多解

{x1+x2+x3=22x1+2x2+2x3=4\begin{cases} x_1+x_2+x_3 = 2\\ 2x_1+2x_2+2x_3 = 4 \end{cases}

未知量 n=3n=3 肉眼两行成比例： r(A)=1, r(A‾)=1,1<3r(\boldsymbol A)=1,\ r(\overline{\boldsymbol A})=1,\quad 1<3 ⇒\Rightarrow 无穷多解，自由未知量：3−1=23-1=2 个

4）齐次线性方程组 两类具象例题

例4：r(A)=n  ⟹  r(\boldsymbol A)=n \implies 只有零解

{x1+x2=0x1−x2=0\begin{cases} x_1 + x_2 = 0\\ x_1 - x_2 = 0 \end{cases}

n=2,  r(A)=2n=2,\;r(\boldsymbol A)=2 只能解出：x1=0, x2=0x_1=0,\,x_2=0 👉 仅有零解

例5：r(A)<n  ⟹  r(\boldsymbol A)<n \implies 有无穷非零解

{x1+x2+x3=02x1+2x2+2x3=0\begin{cases} x_1 + x_2 + x_3 = 0\\ 2x_1 + 2x_2 + 2x_3 = 0 \end{cases}

n=3,  r(A)=1<3n=3,\;r(\boldsymbol A)=1<3 👉 存在非零解，通解含 3−1=23-1=2 个任意常数，无穷多解

5）一句话速记对照表

类型秩关系结论
非齐次r(A)<r(Aˉ)r(A)<r(\bar A)无解
非齐次r(A)=r(Aˉ)=nr(A)=r(\bar A)=n唯一解
非齐次r(A)=r(Aˉ)<nr(A)=r(\bar A)<n无穷多解
齐次r(A)=nr(A)=n只零解
齐次r(A)<nr(A)<n无穷非零解

二、求解线性方程组两种核心方法专项梳理

1. 逆矩阵法 x=A−1b\boldsymbol x=\boldsymbol A^{-1}\boldsymbol b

✅ 强制适用条件：

  • 必须是 方阵：m=nm=n

  • 可逆：∣A∣≠0  ⟺  r(A)=n|\boldsymbol A|\ne0 \iff r(\boldsymbol A)=n（唯一解场景） ❌ 不能用：非方阵、奇异矩阵、无解/无穷多解 💡 特点：理论简洁，高阶矩阵计算量大，不适合手算、工程少用

  • 代数解法：

Ax=v⇒x=A−1v A\mathbf{x} = \mathbf{v} \quad \Rightarrow \quad \mathbf{x} = A^{-1}\mathbf{v}
  • 两边左乘A−1A^{-1}，直接得到唯一解。
  • 几何解释（如你所说）： -AA将空间进行某种拉伸/旋转/剪切；
    • 因为det⁡(A)≠0\det(A) \neq 0，空间没有被压扁（体积 ≠ 0），变换是可逆的；
    • 要找哪个向量x\mathbf{x}被AA映射到v\mathbf{v}，只需对v\mathbf{v}反向应用变换A−1A^{-1}，就像“倒放录像”。
  • 计算工具：
    • 高斯消元法（Gaussian elimination）
    • 伴随矩阵法：A−1=1det⁡(A)adj⁡(A)A^{-1} = \frac{1}{\det(A)} \operatorname{adj}(A)

方法一：用高斯消元法求A−1A^{-1}

把[A∣I][A \mid I]变成[I∣A−1][I \mid A^{-1}]：

初始：

[21101301]\left[\begin{array}{cc|cc} 2 & 1 & 1 & 0 \\ 1 & 3 & 0 & 1 \end{array}\right]

Step 1：交换行（让左上角为1，更简单）→ 交换 R1 ↔ R2：

[13012110]\left[\begin{array}{cc|cc} 1 & 3 & 0 & 1 \\ 2 & 1 & 1 & 0 \end{array}\right]

Step 2：消去 R2 的第一个元素：R2 ← R2 − 2×R1
→ R2:(2−2, 1−6∣1−0, 0−2)=(0, −5∣1, −2)(2−2,\ 1−6 \mid 1−0,\ 0−2) = (0,\ -5 \mid 1,\ -2)

[13010−51−2]\left[\begin{array}{cc|cc} 1 & 3 & 0 & 1 \\ 0 & -5 & 1 & -2 \end{array}\right]

Step 3：让右下角变成1 → R2 ← R2 ÷ (−5)

[130101−1525]\left[\begin{array}{cc|cc} 1 & 3 & 0 & 1 \\ 0 & 1 & -\frac{1}{5} & \frac{2}{5} \end{array}\right]

Step 4：消去 R1 的第2列：R1 ← R1 − 3×R2
→ R1:(1, 0∣0−3(−15), 1−3(25))=(1, 0∣35, −15)(1,\ 0 \mid 0 - 3(-\frac{1}{5}),\ 1 - 3(\frac{2}{5})) = (1,\ 0 \mid \frac{3}{5},\ -\frac{1}{5})

最终：

[1035−1501−1525]\left[\begin{array}{cc|cc} 1 & 0 & \frac{3}{5} & -\frac{1}{5} \\ 0 & 1 & -\frac{1}{5} & \frac{2}{5} \end{array}\right]

所以：

A−1=[35−15−1525]=15[3−1−12]A^{-1} = \begin{bmatrix} \frac{3}{5} & -\frac{1}{5} \\ -\frac{1}{5} & \frac{2}{5} \end{bmatrix} = \frac{1}{5} \begin{bmatrix} 3 & -1 \\ -1 & 2 \end{bmatrix}

验证：AA−1=IA A^{-1} = I✅

方法二：伴随矩阵法（Adjugate / Adjoint Method）

✨ 核心公式（仅适用于方阵且det⁡(A)≠0\det(A) \neq 0）：
A−1=1det⁡(A)⋅adj⁡(A)A^{-1} = \frac{1}{\det(A)} \cdot \operatorname{adj}(A)

其中adj⁡(A)\operatorname{adj}(A)是 伴随矩阵 = 余子式矩阵的转置

对 2×2 矩阵，有超简单规则！

若

A=[abcd]⇒A−1=1ad−bc[d−b−ca]A = \begin{bmatrix} a & b \\ c & d \end{bmatrix} \quad \Rightarrow \quad A^{-1} = \frac{1}{ad - bc} \begin{bmatrix} d & -b \\ -c & a \end{bmatrix}

🌟 记忆口诀：“主对角线互换，副对角线变号”

应用到我们的例子：
A=[2113]⇒A−1=12⋅3−1⋅1[3−1−12]=15[3−1−12]A = \begin{bmatrix} 2 & 1 \\ 1 & 3 \end{bmatrix} \Rightarrow A^{-1} = \frac{1}{2\cdot3 - 1\cdot1} \begin{bmatrix} 3 & -1 \\ -1 & 2 \end{bmatrix} = \frac{1}{5} \begin{bmatrix} 3 & -1 \\ -1 & 2 \end{bmatrix}

和高斯消元结果完全一致！✅

用A−1A^{-1}解方程：
x=A−1b=15[3−1−12][510]=15[15−10−5+20]=15[515]=[13]\mathbf{x} = A^{-1} \mathbf{b} = \frac{1}{5} \begin{bmatrix} 3 & -1 \\ -1 & 2 \end{bmatrix} \begin{bmatrix} 5 \\ 10 \end{bmatrix} = \frac{1}{5} \begin{bmatrix} 15 - 10 \\ -5 + 20 \end{bmatrix} = \frac{1}{5} \begin{bmatrix} 5 \\ 15 \end{bmatrix} = \begin{bmatrix} 1 \\ 3 \end{bmatrix}

✅ 和高斯消元得到的解一致！

🆚 两种方法对比
方法优点缺点适用场景
高斯消元• 通用（可用于非方阵、无解/多解情况）• 数值稳定（计算机首选）• 直观（模拟手算方程）• 手算稍繁琐（尤其大矩阵）• 求解任意线性系统• 求逆（配合单位矩阵）• 判断解的存在性
伴随矩阵法• 公式简洁（2×2 超快）• 理论清晰（连接行列式与逆）• 计算量爆炸（n×n 需算n2n^2个余子式）• 仅适用于可逆方阵• 小矩阵（2×2, 3×3）手算• 理论推导

💡 实际中，高斯消元（或其改进版如 LU 分解）是计算机求解的标准方法；伴随矩阵法主要用于教学和小规模符号计算。

2. 高斯消元 / 初等行变换法（万能核心）

精准区分：二者不等同，但强绑定

  1. 初等行变换 是一套基础操作（三种）： ① 换行；② 某行乘非零常数；③ 某行的倍数加到另一行 它是工具/动作，不只用来解方程，还能求秩、求逆、化最简形。

  2. 高斯消元 是一套流程方法： 核心就是只用初等行变换，把增广矩阵化成行阶梯形，再判秩、回代求解。

  3. 高斯—约当消元 继续用初等行变换，化成行最简形，不用回代，直接写解。

✅ 适用：任意 m×nm\times n 线性方程组，无方阵限制 流程：

  1. 写出增广矩阵 A‾\overline{\boldsymbol A}
  2. 初等行变换 → 行阶梯形
  3. 判秩定解类型，回代/直接写出通解 👉 考试、编程数值求解最通用标准方法
✨ 核心思想：

通过行变换（交换、数乘、加减）把方程组变成上三角形式（回代容易），或者直接把[A∣I][A \mid I]变成[I∣A−1][I \mid A^{-1}]。

步骤 1：写出增广矩阵[A∣b][A \mid \mathbf{b}]
[2151310]\left[\begin{array}{cc|c} 2 & 1 & 5 \\ 1 & 3 & 10 \end{array}\right]
步骤 2：消元（让左下角变成 0）
  • 目标：消去第2行第1列的 1。
  • 用第1行消第2行。先把第1行除以2（可选，也可以直接操作）：

更常见做法：不除，直接组合
新第2行 = 原第2行 × 2 − 原第1行
（这样避免分数）

计算：

  • 第2行 ×2：(2,6∣20)(2, 6 \mid 20)
  • 减第1行：(2−2, 6−1∣20−5)=(0, 5∣15)(2-2,\ 6-1 \mid 20-5) = (0,\ 5 \mid 15)

得到：

[2150515]\left[\begin{array}{cc|c} 2 & 1 & 5 \\ 0 & 5 & 15 \end{array}\right]
步骤 3：回代求解

从下往上：

  • 第2行：5y=15⇒y=35y = 15 \Rightarrow y = 3
  • 第1行：2x+y=5⇒2x+3=5⇒x=12x + y = 5 \Rightarrow 2x + 3 = 5 \Rightarrow x = 1

✅ 解：x=[13]\mathbf{x} = \begin{bmatrix} 1 \\ 3 \end{bmatrix}

三、补充专用解法（分场景）

1. 克莱姆法则

条件同逆矩阵法：nn阶方阵、∣A∣≠0|\boldsymbol A|\neq0 公式：xi=∣Ai∣∣A∣x_i=\dfrac{|\boldsymbol A_i|}{|\boldsymbol A|}，Ai\boldsymbol A_i是第ii列换b\boldsymbol b ❌ 局限极强：只适合低阶方阵手算，4阶以上极麻烦

四、参考文献

本文参考AI回答，豆包，Deepseek,千问

avatar
文章
阅读
粉丝