跳轉到

1.2 矩陣與線性方程組#

前言：把問題排成表格#

人類解線性方程組的歷史超過兩千年。中國漢代《九章算術》（約西元前 200 年）第八章「方程」就已經用算籌把多個未知數的方程組排成長方形陣列，並以「遍乘直除」的消去法求解——這正是矩陣與高斯消去法的雛形，比歐洲早了一千七百多年。但「矩陣」作為一個獨立的數學物件被研究，要等到十九世紀中葉。本節我們將看到：線性方程組一旦被排成表格，表格本身就成了新的數學對象——矩陣——而整個線性代數由此展開。

歷史前因後果#

《九章算術》與劉徽#

《九章算術》的「方程」章處理像這樣的問題：三種穀物每束的產量不同，已知幾種組合的總量，問各穀物每束產量。書中把各方程的係數排成一個方陣，用上下相消的方式逐步化簡，本質上就是矩陣的初等列變換。三國時代的劉徽（約 263 年）為《九章算術》作注，明確闡述了消去法的規則，並指出「舉率以減之」的機械化程序。

歐洲：萊布尼茨、高斯到凱萊#

  • 1678 年前後，萊布尼茨（Gottfried Wilhelm Leibniz, 1646–1716）在私人手稿中研究聯立方程組的係數排列，發展出消元法與後來稱為「行列式」的想法（見第 3 章）。
  • 1810 年前後，高斯（Carl Friedrich Gauss, 1777–1855）為了處理小行星穀神星（Ceres）軌道的最小平方估計，發展了系統化的消去法，這就是今天所稱的高斯消去法（下一節詳述）。
  • 1850 年，英國數學家西爾維斯特（James Joseph Sylvester, 1814–1897）首創「matrix（矩陣）」一詞——原意「子宮」——指「由行列式可生成的矩形陣列」。

  • 1858 年，凱萊（Arthur Cayley, 1821–1895）發表《矩陣論回憶錄》，首次把矩陣當作獨立物件，定義矩陣的加法、純量乘法與乘法，並證明 \(2\times 2\) 矩陣滿足自己的凱萊–哈密頓定理。矩陣從此脫離方程組，成為自主的代數體系。

  • 解決了什麼問題：把多變數線性關係的處理標準化、機械化；使理論（可解性判準）與計算（消去程序）分離又互相支援。

  • 引發了什麼新問題：矩陣乘法不交換（ \(AB \ne BA\) ）——這個「缺陷」反而開啟了非交換代數的大門，日後在量子力學（海森堡矩陣力學，1925）中成為描述自然的基本語言。

矩陣：定義與記號#

一個 \(m\times n\) 矩陣（matrix）是 \(m\) 列（row） \(n\) 行（column）的數表：

\[ A = \begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & & & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \end{bmatrix}, \qquad A = [a_{ij}]_{m\times n} \]

元素 \(a_{ij}\) 的下標：第一個是列號，第二個是行號——「先列後行，RC 船」是常用的記憶口訣。每一列是一個列向量（在 \(\mathbb{R}^n\) 中），每一行是一個行向量（在 \(\mathbb{R}^m\) 中）。這兩種「切片」觀點各自導出矩陣的重要詮釋（見下文）。

線性方程組的三種寫法#

考慮一般的線性方程組：

\[ \begin{aligned} a_{11}x_1 + a_{12}x_2 + \cdots + a_{1n}x_n &= b_1 \\ a_{21}x_1 + a_{22}x_2 + \cdots + a_{2n}x_n &= b_2 \\ \vdots \\ a_{m1}x_1 + a_{m2}x_2 + \cdots + a_{mn}x_n &= b_m \end{aligned} \]

同一件事有三種等價的寫法：

寫法一：方程組（傳統）#

如上，逐一寫出各方程。

寫法二：向量方程#

對每一個變數 \(x_j\) ，收集它在各方程中的係數成為行向量 \(\mathbf{a}_j\) ，則方程組等價於：

\[ x_1\mathbf{a}_1 + x_2\mathbf{a}_2 + \cdots + x_n\mathbf{a}_n = \mathbf{b} \]

這讀作：「** \(\mathbf{b}\) 能否表示成各係數向量的線性組合？權重是多少？**」例如 \(\begin{bmatrix} 3 \\ 8 \end{bmatrix}\) 可否寫成 \(x_1\begin{bmatrix} 1 \\ 2 \end{bmatrix} + x_2\begin{bmatrix} 2 \\ 4 \end{bmatrix}\) ？可以（取 \(x_1 = -3, x_2 = 3\) ，甚至有無窮多組——因為第二個向量是第一個向量的兩倍）。這個問題的語言——線性組合、張成、獨立——將在 4.2 節正式發展。

寫法三：矩陣方程#

\[ A\mathbf{x} = \mathbf{b}, \qquad \text{其中 } A = [a_{ij}]_{m\times n},\ \mathbf{x} = \begin{bmatrix} x_1 \\ \vdots \\ x_n \end{bmatrix},\ \mathbf{b} = \begin{bmatrix} b_1 \\ \vdots \\ b_m \end{bmatrix} \]

其中乘積 \(A\mathbf{x}\) 定義為 \(A\) 的各行以 \(\mathbf{x}\) 的分量為權重的線性組合：

\[ A\mathbf{x} = \begin{bmatrix} \mathbf{a}_1 & \mathbf{a}_2 & \cdots & \mathbf{a}_n \end{bmatrix}\begin{bmatrix} x_1 \\ \vdots \\ x_n \end{bmatrix} = x_1\mathbf{a}_1 + x_2\mathbf{a}_2 + \cdots + x_n\mathbf{a}_n \]

增廣矩陣與列變換#

為了用計算解方程組，我們把係數與常數項合併成增廣矩陣：

\[ [A \mid \mathbf{b}] = \begin{bmatrix} a_{11} & \cdots & a_{1n} & \vert & b_1 \\ \vdots & & \vdots & \vert & \vdots \\ a_{m1} & \cdots & a_{mn} & \vert & b_m \end{bmatrix} \]

允許三種初等列變換（elementary row operations），它們不會改變方程組的解集：

  1. 交換兩列（ \(R_i \leftrightarrow R_j\) ）：調換兩條方程的順序。
  2. 倍乘：以非零常數 \(k\) 乘某一列（ \(kR_i\) ）：方程兩邊同乘 \(k\) 。
  3. 倍加：某列加上另一列的 \(k\) 倍（ \(R_i \to R_i + kR_j\) ）：兩方程相減消去變數。
列變換 方程組中的對應動作 解集是否改變
交換兩列 調換方程順序 否
某列乘非零常數 方程兩邊同乘 否
某列加上另一列的倍數 兩方程線性組合 否

這三種變換是整個解方程組演算法的引擎，也對應著三種特殊的可逆矩陣（初等矩陣，見 2.2 節與 1.3 節）。

解的可能情況：線性方程組的基本定理#

一個線性方程組的解集只有三種可能：

  • 恰有一解（唯一解）；
  • 無解；
  • 無窮多解（且解可以用參數完整描述）。

絕不會出現「恰有兩解」。這是因為解集是幾何物件：在 \(\mathbb{R}^2\) 中每條方程是一條直線，兩直線可能相交一點（唯一解）、平行不交（無解）、或重合（無窮多解）；在 \(\mathbb{R}^3\) 中每條方程是平面，情況類似。一般 \(n\) 維的版本依賴於 4.3 節的秩定理，屆時我們會獲得一個完全量化的判準：

\[ \text{一致有解} \iff \text{秩}(A) = \text{秩}([A\mid\mathbf{b}]), \qquad \text{唯一解} \iff \text{且有 } \text{秩}(A) = n \]
比較項 唯一解 無解 無窮多解
幾何（ \(\mathbb{R}^2\) ，兩條方程） 兩直線相交 平行 重合
增廣矩陣化簡後的特徵 \(0=0\) 型列有 \(n\) 個主元 出現 \(0=d\ (d\ne 0)\) 列 出現自由變數但無矛盾列
例子 \(\{x+y=3,\ x-y=1\}\) \(\{x+y=1,\ x+y=2\}\) \(\{x+y=1,\ 2x+2y=2\}\)

例題#

例題 1.2-1：解方程組

\[ \begin{cases} x + 2y + z = 4 \\ 2x - y + z = 3 \\ x + y + 2z = 5 \end{cases} \]

先用向量方程觀點檢視：我們在問 \(\begin{bmatrix} 4 \\ 3 \\ 5 \end{bmatrix}\) 是否為 \(\begin{bmatrix} 1 \\ 2 \\ 1 \end{bmatrix}, \begin{bmatrix} 2 \\ -1 \\ 1 \end{bmatrix}, \begin{bmatrix} 1 \\ 1 \\ 2 \end{bmatrix}\) 的線性組合。以下用矩陣法求解。寫出增廣矩陣：

\[ \left[\begin{array}{ccc|c} 1 & 2 & 1 & 4 \\ 2 & -1 & 1 & 3 \\ 1 & 1 & 2 & 5 \end{array}\right] \xrightarrow{R_2 \to R_2 - 2R_1,\ R_3 \to R_3 - R_1} \left[\begin{array}{ccc|c} 1 & 2 & 1 & 4 \\ 0 & -5 & -1 & -5 \\ 0 & -1 & 1 & 1 \end{array}\right] \xrightarrow{R_2 \leftrightarrow R_3} \left[\begin{array}{ccc|c} 1 & 2 & 1 & 4 \\ 0 & -1 & 1 & 1 \\ 0 & -5 & -1 & -5 \end{array}\right] \]

繼續化簡：

\[ \xrightarrow{R_2 \to -R_2} \left[\begin{array}{ccc|c} 1 & 2 & 1 & 4 \\ 0 & 1 & -1 & -1 \\ 0 & -5 & -1 & -5 \end{array}\right] \xrightarrow{R_3 \to R_3 + 5R_2} \left[\begin{array}{ccc|c} 1 & 2 & 1 & 4 \\ 0 & 1 & -1 & -1 \\ 0 & 0 & -6 & -10 \end{array}\right] \]

由第三列： \(-6z = -10\) ，故 \(z = \dfrac{5}{3}\) 。回代第二列： \(y = -1 + z = \dfrac{2}{3}\) 。回代第一列： \(x = 4 - 2y - z = 4 - \dfrac{4}{3} - \dfrac{5}{3} = 1\) 。

驗算： \(2(1) - \frac{2}{3} + \frac{5}{3} = 2 + 1 = 3\) ✓， \(1 + \frac{2}{3} + 2\cdot\frac{5}{3} = 1 + \frac{12}{3} = 5\) ✓。

故解為 \(\mathbf{x} = \left(1, \dfrac{2}{3}, \dfrac{5}{3}\right)\) ，唯一解。

例題 1.2-2（無解的辨識）：

\[ \left[\begin{array}{cc|c} 1 & 2 & 1 \\ 2 & 4 & 5 \end{array}\right] \xrightarrow{R_2 \to R_2 - 2R_1} \left[\begin{array}{cc|c} 1 & 2 & 1 \\ 0 & 0 & 3 \end{array}\right] \]

最下列讀作 \(0x_1 + 0x_2 = 3\) ，矛盾，故無解。幾何上這是兩條平行線： \(x+2y=1\) 與 \(2x+4y=5\) 。

例題 1.2-3（無窮多解與自由變數）：

\[ \left[\begin{array}{cc|c} 1 & 2 & 1 \\ 2 & 4 & 2 \end{array}\right] \xrightarrow{R_2 \to R_2 - 2R_1} \left[\begin{array}{cc|c} 1 & 2 & 1 \\ 0 & 0 & 0 \end{array}\right] \]

令 \(y = t\) （自由變數），則 \(x = 1 - 2t\) 。解集為一條直線：

\[ \begin{bmatrix} x \\ y \end{bmatrix} = \begin{bmatrix} 1 \\ 0 \end{bmatrix} + t\begin{bmatrix} -2 \\ 1 \end{bmatrix}, \quad t \in \mathbb{R} \]

這個「特解 + 齊次解」的結構是通式，將在 4.3 與 5.3 節獲得系統性的解釋。

齊次方程組：永遠有解的特殊情況#

當 \(\mathbf{b} = \mathbf{0}\) 時， \(A\mathbf{x}=\mathbf{0}\) 稱為齊次方程組。它永遠至少有零解 \(\mathbf{x}=\mathbf{0}\) 。有趣的是：

  • \(A\mathbf{x}=\mathbf{0}\) 只有零解 \(\iff\) \(A\) 的行線性獨立 \(\iff\) 唯一解；
  • \(A\mathbf{x}=\mathbf{0}\) 有非零解 \(\iff\) \(A\) 的行線性相依 \(\iff\) 無窮多解。

非齊次組 \(A\mathbf{x}=\mathbf{b}\) 的解集可以由齊次組的解集「平移」得到：若 \(\mathbf{x}_p\) 是 \(A\mathbf{x}=\mathbf{b}\) 的一個特解，則所有解為

\[ \mathbf{x} = \mathbf{x}_p + \mathbf{x}_h, \qquad A\mathbf{x}_h = \mathbf{0} \]

這正是例題 1.2-3 中「直線 = 一點 + 方向向量」的現象；也是 5.3 節「秩–零度定理」的先聲。

與其他領域的關聯#

  • 微積分：多變數函數的臨界點分類、泰勒展開的係數匹配，最後都化成線性方程組。
  • 微分方程：常係數線性微分方程組的解法，核心是先解 \(A\mathbf{x}=\mathbf{0}\) 型的齊次問題（第 6 章）。
  • 電路學：克希荷夫定律寫出的節點方程就是線性方程組；「網路分析」是十九世紀推動矩陣方法的實際動力之一。
  • 機器學習：線性迴歸的正規方程 \(A^TA\mathbf{x} = A^T\mathbf{b}\) 是一個線性方程組（9.2 節將用 SVD 深入分析）。
  • 密碼學與圖論：圖的鄰接矩陣、關聯矩陣上的線性系統描述網路流與訊息傳遞。

本節小結#

  1. 矩陣起源於《九章算術》的算籌陣列（西元前二世紀），於 1850–1858 年由西爾維斯特與凱萊確立為獨立代數物件。
  2. 同一個線性方程組有三種等價觀點：方程組、向量方程（線性組合問題）、矩陣方程 \(A\mathbf{x}=\mathbf{b}\) 。
  3. 初等列變換不改變解集；它們是求解的計算引擎。
  4. 解集只有三種情況：唯一解、無解、無窮多解；幾何上對應交點、平行、重合的推廣。
  5. 齊次組 \(A\mathbf{x}=\mathbf{0}\) 扮演「結構性」角色：非齊次組的解 = 一個特解 + 齊次組的解。

解的驗算與誤差敏感性的第一次接觸#

驗算是紀律，不是選項#

解線性方程組的每一步都可能出錯：抄錄係數、算術失誤、符號遺漏。養成三層驗算習慣：

  1. 逐條代回：把解代入每一條原方程（不是化簡後的方程——化簡過程若出錯，驗化簡後的方程查不出來）。
  2. 特徵檢查：若原方程組有明顯結構（對稱性、行比例），解應當滿足對應的關係。
  3. 兩法互證：同一題用兩種路線（如消去法與克萊姆法則）各解一次，結果必須一致。

歷史上，天文台計算小行星軌道時，人力「計算員」採用的正是雙人獨立計算再核對的制度——因為一個符號錯誤可能讓天文學家在錯誤的星空區域搜尋數月。今天的程式設計師面對 \(10^6\) 維系統，同樣的紀律轉化為：單元測試、殘差檢查 \(\|A\hat{\mathbf{x}} - \mathbf{b}\|\) 、與更高精度的交叉驗證。

一個小實驗：敏感的系統#

考慮

\[ \begin{cases} x + y = 2 \\ x + 1.01y = 2.01 \end{cases} \]

解為 \(y = 1\) 、 \(x = 1\) （兩式相減： \(0.01y = 0.01\) ）。現在把第二式右端改為 \(2.02\) （誤差僅 \(0.01\) ）：

\[ 0.01y = 0.02 \Rightarrow y = 2, \quad x = 0 \]

右端的 1% 誤差使解完全翻轉！原因是兩條方程「幾乎平行」——相交角度極小，交點位置對方程的微擾極端敏感。這個現象在 9.3 節會被精確量化為條件數 \(\kappa \approx 400\) ；在統計學中它就是「多重共線性」：兩個特徵高度相關時，迴歸係數的估計失去可信度。線性代數的幾何直覺（交角）預言了數值與統計的深淵——這是本課程反覆出現的主題：幾何圖像預先解釋代數現象。

病態與健康：兩個對照組#

系統 幾何 敏感性 診斷
\(\{x+y=2,\ x-y=0\}\) 垂直相交（ \(90°\) ） 低（誤差 ~1:1 傳遞） 健康良態
\(\{x+y=2,\ x+1.01y=2.01\}\) 近平行（交角約 \(0.57°\) ） 高（放大數百倍） 病態

「兩條方程的交角」由法向量 \(\mathbf{a}_1, \mathbf{a}_2\) 的夾角決定：

\[ \cos\theta = \frac{\mathbf{a}_1\cdot\mathbf{a}_2}{\|\mathbf{a}_1\|\,\|\mathbf{a}_2\|} \]

交角越接近 \(0°\) 或 \(180°\) （法向量近共線），系統越病態。這把「解方程組的穩定性」翻譯成一句向量幾何：看係數向量的夾角。

應用鏡頭：線性方程組在各領域的樣貌#

電路分析（克希荷夫定律）#

節點電流守恆與迴路電壓定律都是線性方程。一個含 5 節點、7 支路的電阻網路產生約 7 條方程、7 個支路電流未知數。 nineteenth 世紀末電機工程師（如 Kennelly、Kirchhoff 學派的後繼者）系統化的「網路分析」，正是推動矩陣方法實用化的重要動力之一。現代晶片含十億級節點，其直流工作點分析仍是大型稀疏線性系統（10.1 節）。

化學計量平衡#

配平化學方程式： \(\mathrm{C_3H_8 + O_2 \to CO_2 + H_2O}\) 。設係數 \((a, b, c, d)\) ，對每種原子（C、H、O）各寫一條守恆方程：

\[ 3a = c \quad (\text{C}), \qquad 8a = 2d \quad (\text{H}), \qquad 2b = 2c + d \quad (\text{O}) \]

這是齊次線性方程組——解集是一維（比例由 \(a\) 定），取最小整數解 \((1, 5, 3, 4)\) 。化學平衡 = 齊次方程組的正整數解。

交通流量與網路流#

路口的「流入 = 流出」對每個交叉點是一條線性方程；整個路網的流量分配是一個大型線性系統。解可能有自由變數（某些路段流量無法唯一確定——秩不足），此時交通工程師會加入額外量測或最佳化目標。這個模型同樣適用於資料中心網路、供水管網、經濟的投入產出模型（Leontief 1941，諾貝爾獎 1973）。

有限元素與工程模擬#

橋樑受力分析：把結構切成數萬個元素，每個節點的力平衡是一條線性方程。勁度矩陣 \(K\) 對稱半正定（能量觀點，第 8 章預告），解 \(K\mathbf{u} = \mathbf{f}\) 得位移場。CAD/CAE 軟體的每一次「模擬運行」都是一次大規模線性系統求解。

常見陷阱與學習建議#

陷阱 後果 防範
列變換只作用在係數、漏掉常數項 解全錯 增廣矩陣一次寫全
行與列混淆 矩陣乘法/讀秩出錯 口訣「先列後行」；用尺寸檢查
把「無窮多解」寫成一個解 解集不完整 顯式寫出參數 \(t\) 與通式
忘記驗算 錯誤傳播到後續題目 養成代回習慣
對「無解」與「解為零」混淆 語意錯誤 無解 = 沒有解；零解 = 解恰好是零向量

學習建議：每道題先花 30 秒做「幾何預判」（幾條方程？幾個未知數？可能相交/平行/重合嗎？），再做代數。預判與結果的對照會快速建立幾何直覺——這種直覺在第 4 章抽象化之後，是唯一能救你的東西。

練習題#

  1. 用三種寫法（方程組、向量方程、矩陣方程）表達 \(\begin{cases} 2x - y = 3 \\ x + 3y = 5 \end{cases}\) ，並解之。
  2. 判斷下列系統解的類型（唯一/無/無窮多），並說明幾何意義： (a) \(\{x + y = 1,\ x + y = 3\}\) ；(b) \(\{x - 2y = 0,\ 2x - 4y = 0\}\) ；(c) \(\{x + y = 1,\ x - y = 3\}\) 。
  3. 求使 \(\begin{cases} x + 2y = 3 \\ 2x + ky = 6 \end{cases}\) 有無窮多解的 \(k\) 。（答： \(k = 4\) 。）
  4. 三平麵方程組 \(\{x+y+z=1,\ x+2y+3z=4,\ x+3y+5z=7\}\) 的解集是幾何物件？求其參數式。
  5. （思考）齊次組 \(A\mathbf{x}=\mathbf{0}\) （ \(A\) 為 \(m\times n\) ）何時必有非零解？（提示： \(n > m\) 時「多即相依」——4.2 節將證明。）

預告：列變換的具體演算法——何時交換、如何避免分數、如何確認完成——就是下一節的高斯消去法。