线性方程组解的结构与应用：从解集到公共解，再到同解判定

1-1 线性方程组解的结构：验证其解集是一个向量空间；非齐次线性方程组有解的充分必要条件；非齐次线性方程组在有解的前提下：如何求解、其解集与对应的齐次线性方程组解集之间的关系；

• 解集是一个向量空间：对于一个齐次线性方程组，其任意两个解的线性组合仍然是该方程组的解；同时，其解集包含0向量。
• 非齐次线性方程组有解的充分必要条件：其系数矩阵的秩等于增广矩阵的秩。
• 非齐次线性方程组的求解：先求出对应的齐次线性方程组的解集，然后通过特解和齐次线性方程组的解集构造非齐次线性方程组的解集。
• 解集的关系：非齐次线性方程组的解集是对应齐次线性方程组的解集加上特解。

1-2 简述解线性方程组在本课程其他章节中的应用；

• 计算机图形学中的三维变换、平移、旋转等；
• 信号处理中的滤波算法；
• 机器学习中的线性回归等。

1-3 如何求两个线性方程组的公共解？可通过举一个简单的例子说明；

可以将两个线性方程组的系数矩阵和增广矩阵合并成一个大矩阵，然后进行初等行变换，将其化为行最简形式。公共解即为该行最简形式中的自由变量的取值方式。

例如，求解如下两个线性方程组的公共解：

$$\begin{cases}\x_1 + x_2 = 1 \x_1 - x_2 = 2 \end{cases}$$

$$\begin{cases}\x_1 + x_2 + x_3 = 2 \x_1 - x_2 + x_3 = 1 \end{cases}$$

将两个方程组的系数矩阵和增广矩阵合并成一个大矩阵：

$$\left[\begin{matrix}\1 & 1 & 0 & 1 \1 & -1 & 0 & 2 \1 & 1 & 1 & 2 \1 & -1 & 1 & 1 \end{matrix}\right]$$

进行初等行变换：

$$\left[\begin{matrix}\1 & 0 & 0 & 1 \0 & 1 & 0 & -1 \0 & 0 & 1 & 1 \0 & 0 & 0 & 0 \end{matrix}\right]$$

可得公共解为 $x_1=1,x_2=-1,x_3=1$。

1-4 反求线性方程组的问题：(通过举一个简单的例子)如何构造一个齐次线性方程组，使得其基础解系恰好可以是给定的向量组；非齐次情形又该如何处理；

• 齐次线性方程组的构造：将给定的向量组作为系数矩阵的列向量，然后构造齐次线性方程组并解出其基础解系即可。
• 非齐次线性方程组的构造：先将给定的向量组作为系数矩阵的列向量，然后构造对应的齐次线性方程组并解出其基础解系。再找到非齐次方程组的一个特解，将其加到齐次解中即可。

例如，给定向量 (1,2,3) 和 (2,3,4)，如何构造一个齐次线性方程组使得其基础解系恰好可以是给定的向量组？

将向量组作为系数矩阵的列向量：

$$\left[\begin{matrix}\1 & 2 \2 & 3 \3 & 4 \end{matrix}\right]$$

构造齐次线性方程组：

$$\begin{cases}\x_1 + 2x_2 = 0 \2x_1 + 3x_2 = 0 \3x_1 + 4x_2 = 0 \end{cases}$$

解得齐次线性方程组的基础解系为 (2,-1)。

对于非齐次情形，再找到一个特解，例如 (1,0,1)，加到齐次解中得到非齐次解为 (2,-1,0) 和 (1,0,1)。

1-5 给出两个线性方程组同解的充分必要条件；如何理解用 Gauss 消元法解线性方程组的正确性(从矩阵乘法、线性方程组的“生成”两方面来描述)

两个线性方程组同解的充分必要条件：它们的增广矩阵行等价。

用 Gauss 消元法解线性方程组的正确性：

• 从矩阵乘法的角度：初等行变换可以表示为左乘一个初等矩阵，而左乘一个初等矩阵相当于对矩阵进行一次初等行变换。因此，通过一系列初等行变换得到的行最简形式矩阵与原矩阵的乘积一定是一个行最简形式的矩阵。
• 从线性方程组的“生成”角度：线性方程组的解集是由系数矩阵的行向量生成的向量空间的子空间。通过初等行变换，可以将系数矩阵的行向量变为线性无关的向量组，从而得到该向量空间的一组基。因此，解集的维数等于系数矩阵的秩，而系数矩阵的秩等于增广矩阵的秩，因此解集的维数也等于增广矩阵的秩。