史上最易懂！MIT Linear Algebra线性代数：第二章-矩阵消元

最新推荐文章于 2025-09-03 22:20:05 发布

原创最新推荐文章于 2025-09-03 22:20:05 发布 · 1.1k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#线性代数 #矩阵 #机器学习

小孩哥总结MIT线性代数专栏收录该内容

41 篇文章

订阅专栏

二、矩阵消元法的线性代数解析（附例题）

矩阵消元法是线性代数中解决线性方程组的基本工具，广泛应用于数学、工程、计算机科学等多个领域。通过系统地应用行变换，矩阵消元法能够有效地简化线性方程组，判断解的存在性与唯一性，并找到具体的解。本文将深入探讨矩阵消元法的理论基础、主要方法及其性质，并通过具体例题加深理解。

1. 矩阵消元法的基本概念

矩阵消元法是通过对线性方程组的增广矩阵进行一系列行变换，将其转化为易于求解的形式（如阶梯形或简化阶梯形矩阵）的过程。主要目标包括：

简化方程组：通过行变换减少方程的复杂性。
判断解的存在性与唯一性：通过观察矩阵的秩与未知数的关系。
求解线性方程组：找到具体的解向量。

行变换的基本操作包括：

交换两行。
将某一行乘以非零常数。
将一行的倍数加到另一行。

这些操作不改变线性方程组的解集，是等价变换。

2. 高斯消元法（Gaussian Elimination）

高斯消元法是一种将矩阵转化为上三角矩阵（阶梯形矩阵）的过程，通过逐步消去未知数，最终进行回代求解。其主要步骤包括：

选择主元：从左上角开始，选择每列中绝对值最大的元素作为主元，以提高数值稳定性。
消元过程：使用主元所在行的倍数消去其下方的元素，形成上三角矩阵。
回代求解：从最后一个方程开始，逐步求出各变量的值。

高斯消元法的步骤

设线性方程组为 ( A\mathbf{x} = \mathbf{b} )，其中 ( A ) 为 ( m \times n ) 的系数矩阵，( \mathbf{x} ) 为未知数向量，( \mathbf{b} ) 为常数向量。

构建增广矩阵：

$\mathbf{b}] = \begin{bmatrix} a_{11} & a_{12} & \dots & a_{1n} & | & b_1 \\ a_{21} & a_{22} & \dots & a_{2n} & | & b_2 \\ \vdots & \vdots & \ddots & \vdots & | & \vdots \\ a_{m1} & a_{m2} & \dots & a_{mn} & | & b_m \\ \end{bmatrix}$
进行行变换，将矩阵化为上三角形态：
- 对每一列，从上到下选择一个非零主元，并通过行交换将其置于对角线位置。
- 使用主元所在行的倍数消去其下方所有元素。
回代求解：
- 从最后一个非零方程开始，逐步求出各变量的值。

3. 高斯-约旦消元法（Gauss-Jordan Elimination）

高斯-约旦消元法是高斯消元法的扩展，通过进一步消去上三角矩阵中主元上方的元素，将矩阵转化为简化阶梯形矩阵（即单位矩阵），从而直接得到解向量。其主要步骤包括：

构建增广矩阵。
进行行变换，将矩阵化为简化阶梯形态：
- 对每一列选择主元，并通过行交换将其置于对角线位置。
- 使用主元所在行的倍数消去其上下方所有元素。
直接读取解向量。

高斯-约旦消元法适用于求解逆矩阵及求解线性方程组的情况，尤其在手工计算或教学中具有直观性。

4. 消元法的性质与定理

4.1 消元法的等价性

进行行变换不会改变线性方程组的解集，即通过行变换得到的矩阵与原矩阵等价。因此，消元法是一种等价变换方法。

4.2 Rouché–Capelli 定理

Rouché–Capelli 定理描述了线性方程组解的存在性与唯一性，具体如下：

对于线性方程组 ( A\mathbf{x} = \mathbf{b} )，其解存在当且仅当矩阵 ( A ) 和增广矩阵 ( [A | \mathbf{b}] ) 的秩相等，即：
$\text{rank}(A) = \text{rank}([A | \mathbf{b}])$
解的性质由这一共同的秩与未知数的个数 ( n ) 决定：

若 ( \text{rank}(A) = \text{rank}([A | \mathbf{b}]) = n )，则方程组有唯一解。
若 ( \text{rank}(A) = \text{rank}([A | \mathbf{b}]) < n )，则方程组有无限多解。
若 ( \text{rank}(A) < \text{rank}([A | \mathbf{b}]) )，则方程组无解。

4.3 维数定理（Rank-Nullity Theorem）

维数定理揭示了矩阵的秩与其核空间（Null Space）之间的关系：

对于一个 ( m \times n ) 的矩阵 ( A )，有：
$\text{rank}(A) + \text{nullity}(A) = n$
其中：

( \text{rank}(A) ) 是矩阵 ( A ) 的秩。
( \text{nullity}(A) ) 是矩阵 ( A ) 的核空间的维数，即自由变量的数量。

5. 消元法的算法步骤

以高斯消元法为例，详细步骤如下：

5.1 高斯消元法步骤

构建增广矩阵：

将线性方程组 ( A\mathbf{x} = \mathbf{b} ) 表示为增广矩阵 ( [A | \mathbf{b}] )。
行简化阶段：
- 对于第 ( k ) 列，从第 ( k ) 行开始，选择一个绝对值最大的元素作为主元，若必要，交换行以将主元置于对角线位置。
- 使用主元所在行的倍数，消去其下方所有行在第 ( k ) 列的元素，使其为零。
- 重复此过程，直到所有主元下方的元素均为零，形成上三角矩阵。
回代阶段：
- 从最后一个非零方程开始，逐步求出各变量的值。
- 代入已知变量，求解上方的变量。

5.2 高斯-约旦消元法步骤

构建增广矩阵。
行简化阶段：
- 对每一列选择主元，并通过行交换将其置于对角线位置。
- 使用主元所在行的倍数，消去其上下方所有行在该列的元素，使得主元所在列只有主元为非零元素。
读取解向量：
- 当矩阵化为简化阶梯形矩阵后，可以直接读取解向量。
- 若存在自由变量，则解为参数化形式，表示为无限多解。

6. 例题解析

通过具体的例题，可以更好地理解矩阵消元法的应用与操作。以下提供几个典型例题及详细解答。

例题 1：二维线性方程组的高斯消元法解法

题目：

解以下线性方程组，并判断解的性质：

$\begin{cases} 2x + 3y = 6 \\ 4x + 6y = 12 \\ \end{cases}$

解答：

构建增广矩阵：

$\left[ \begin{array}{cc|c} 2 & 3 & 6 \\ 4 & 6 & 12 \\ \end{array} \right]$
行简化阶段：
- 用第一行消去第二行：
  - ( R2 = R2 - 2R1 )
$\left[ \begin{array}{cc|c} 2 & 3 & 6 \\ 0 & 0 & 0 \\ \end{array} \right]$
分析：

根据 Rouché–Capelli 定理：

$\text{rank}(A) = \text{rank}([A | \mathbf{b}]) = 1 < n = 2$

因此，方程组有无限多解。
求解过程：

从第一行：

$\\ \Rightarrow x = 3 - \frac{3}{2}y$

设 ( y = t )（自由变量），则：

$\frac{3}{2}t \\ y = t \\$

解集：

$\left( x, y \right) = \left( 3 - \frac{3}{2}t, \ t \right), \quad t \in \mathbb{R}$
几何解释：

这两个方程表示的是同一条直线 ( 2x + 3y = 6 )，因此解集为这条直线上的所有点，存在无限多解。

例题 2：三维线性方程组的高斯-约旦消元法解法

题目：

解以下三维线性方程组，并判断解的性质：

$\begin{cases} x + y + z = 6 \\ 2x + 3y + 4z = 20 \\ x - y + z = 2 \\ \end{cases}$

解答：

构建增广矩阵：

$\left[ \begin{array}{ccc|c} 1 & 1 & 1 & 6 \\ 2 & 3 & 4 & 20 \\ 1 & -1 & 1 & 2 \\ \end{array} \right]$
行简化阶段：
- 用第一行消去第二行和第三行：
  - ( R2 = R2 - 2R1 )
  - ( R3 = R3 - R1 )
$\left[ \begin{array}{ccc|c} 1 & 1 & 1 & 6 \\ 0 & 1 & 2 & 8 \\ 0 & -2 & 0 & -4 \\ \end{array} \right]$
- 用第二行消去第三行：
  - ( R3 = R3 + 2R2 )
$\left[ \begin{array}{ccc|c} 1 & 1 & 1 & 6 \\ 0 & 1 & 2 & 8 \\ 0 & 0 & 4 & 12 \\ \end{array} \right]$
回代求解：
- 从第三行：
  $\\ \Rightarrow z = 3$
- 从第二行：
  $\\ \Rightarrow y + 2 \times 3 = 8 \\ \Rightarrow y = 2$
- 从第一行：
  $\\ \Rightarrow x + 2 + 3 = 6 \\ \Rightarrow x = 1$
解：

$(x, y, z) = (1, 2, 3)$
几何解释：

这三个方程表示三个平面在三维空间中的交集。经过行简化，我们发现三个平面相互交于一个唯一的点 ( (1, 2, 3) )，因此方程组有唯一解。

例题 3：高维线性方程组的求解

题目：

解以下线性方程组，并确定解的性质：

$\begin{cases} x_1 + 2x_2 + 3x_3 + 4x_4 = 10 \\ 2x_1 + 4x_2 + 6x_3 + 8x_4 = 20 \\ 3x_1 + 6x_2 + 9x_3 + 12x_4 = 30 \\ \end{cases}$

解答：

构建增广矩阵：

$\left[ \begin{array}{cccc|c} 1 & 2 & 3 & 4 & 10 \\ 2 & 4 & 6 & 8 & 20 \\ 3 & 6 & 9 & 12 & 30 \\ \end{array} \right]$
行简化阶段：
- 用第一行消去第二行和第三行：
  - ( R2 = R2 - 2R1 )
  - ( R3 = R3 - 3R1 )
$\left[ \begin{array}{cccc|c} 1 & 2 & 3 & 4 & 10 \\ 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 \\ \end{array} \right]$
分析：

根据 Rouché–Capelli 定理：

$\text{rank}(A) = \text{rank}([A | \mathbf{b}]) = 1 < n = 4$

因此，方程组有无限多解。
求解过程：

从第一行：

$x_1 + 2x_2 + 3x_3 + 4x_4 = 10 \\ \Rightarrow x_1 = 10 - 2x_2 - 3x_3 - 4x_4$

设 ( x_2 = t ), ( x_3 = s ), ( x_4 = r )（自由变量），则：

$x_1 = 10 - 2t - 3s - 4r \\ x_2 = t \\ x_3 = s \\ x_4 = r \\$

解集：

$(x_1, x_2, x_3, x_4) = (10 - 2t - 3s - 4r, \ t, \ s, \ r), \quad t, s, r \in \mathbb{R}$
几何解释：

在四维空间中，这个方程组的解集是一个三维仿射子空间，即一个超平面。由于系数矩阵的秩为1，解空间的维数为3，表示有三个自由变量。