形式陈述
域 $F$ 上含 $m$ 个方程、$n$ 个未知量的线性方程组可写为
$$ Ax=b, $$其中 $A\in F^{m\times n}$、$x\in F^n$、$b\in F^m$。它有解当且仅当 $b$ 属于 $A$ 的列空间,等价地 $\operatorname{rank}A=\operatorname{rank}[A\mid b]$。齐次系统 $Ax=0$ 的解集是核 $\ker A$,为线性子空间;非齐次系统若有一个特解 $x_0$,则全部解恰为仿射集
$$ x_0+\ker A. $$解唯一当且仅当系统相容且 $\ker A=0$。有限维时秩—零化度给出自由参数个数 $n-\operatorname{rank}A$。
直觉
矩阵把每个候选向量压成若干线性测量;右端 $b$ 必须是这些列的某种线性组合。一个特解确定位置,齐次解描述所有不改变测量结果的移动方向。
例子与边界
$x+y=1$ 在 $\mathbb R^2$ 中有一条仿射直线解;加入 $x-y=0$ 后唯一解为 $(1/2,1/2)$。方程 $x+y=1$ 与 $2x+2y=3$ 不相容,因为增广矩阵出现矛盾行。齐次系统永远至少有零解,但不一定只有零解。未知量多于方程不自动保证非齐次系统有解,只保证齐次核在秩足够受限时有非零向量。系数域会改变答案,例如 $2x=1$ 在 $\mathbb Q$ 有解,在特征 $2$ 的域中变成 $0=1$。数值浮点求解还需考虑条件数和舍入误差,这不属于纯代数相容性。
推论与应用
线性方程组统一插值、网络流平衡、最小二乘正规方程和编码译码;其解结构是行消元与矩阵分解算法的直接目标。
参考资料
- Sheldon Axler, Linear Algebra Done Right, 4th ed., Springer, 2024,Ch. 3, systems of linear equations and linear maps。
- Michael Artin, Algebra, 2nd ed., Pearson, 2011,Ch. 1, linear systems, rank, and solution spaces。