主要从矩阵的视角研究线性方程组，使用矩阵的初等变换来求解方程组
个未知数， 个方程联立为线性方程组
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} \\ \cdots\cdots \cdots\cdots \\ a_{m1}x_{1}+a_{m2}x_{2}+\cdots+a_{mn}x_{n}=b_{m} \end{cases}\sim A\mathbf{x}=\mathbf{b}$$ 写为增广矩阵的形式： $$\begin{align} (A,\mathbf{b})=\begin{pmatrix} a_{11} & a_{12 } & \cdots & a_{1n} & | & b_{1}\\ a_{21} & a_{22 } & \cdots & a_{2n} & |& b_{2} \\ \vdots & \vdots & \ddots & \vdots & | & \vdots \\ a_{m 1} & a_{m2} & \cdots & a_{mn} & | & b_{m} \end{pmatrix} \end{align}$$ 对于 $n$ 元线性方程组 $A\mathbf{x}=\mathbf{b}$，对增广矩阵 $(A,\mathbf{b})$ 施加初等行变换变为行最简形矩阵，得到与原方程组通解的方程 - 无解的充分必要条件：$R(A)<R(A,\mathbf{b})$ - 有解的充分必要条件：$R(A)=R(A,\mathbf{b})$ - 有唯一解的充分必要条件：$R(A)=R(A,\mathbf{b})=n$ - 有无限多解的充分必要条件：$R(A)=R(A,\mathbf{b})<n$ 对于 $n$ 元线性方程组 $A\mathbf{x}=0$，直接对矩阵 $A$ 施加初等行变换变为行最简形矩阵，由于始终有 $R(A)=R(A,\mathbf{b})$，所以始终有解 - 有唯一解（零解）的充分必要条件：$R(A)=n$ - 有无限多解（非零解）的充分必要条件：$R(A)<n$ 注意可以将非独立的变量任意取值，以通解的形式表达无限多解 --- ## AI 结构化补充（2026-05-02） ### 问题形式 主要从[[矩阵\|矩阵]]的视角研究[[线性方程组\|线性方程组]]，使用[[矩阵的初等变换\|矩阵的初等变换]]来求解方程组。$m$ 个方程、$n$ 个未知数联立时，可以写成\begin{cases} 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},\ \quad\vdots\ a_{m1}x_{1}+a_{m2}x_{2}+\cdots+a_{mn}x_{n}=b_{m} \end{cases} \quad\Longleftrightarrow\quad A\mathbf{x}=\mathbf{b}.
[A\mid \mathbf{b}]= \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} & | & b_{1}\ a_{21} & a_{22} & \cdots & a_{2n} & | & b_{2}\ \vdots & \vdots & \ddots & \vdots & | & \vdots\ a_{m1} & a_{m2} & \cdots & a_{mn} & | & b_{m} \end{pmatrix}.
### 主元之前的三种解型 第二章层面的直观判断先不从主元开始，而是先看几何与生成范围： - 唯一解：[[行图像\|行图像]]中所有约束只交于一个点；[[列图像\|列图像]]中，$\mathbf{b}$ 在列空间内，且产生 $\mathbf{b}$ 的列组合系数唯一。 - 无解：行图像中所有约束没有共同交集；列图像中，$\mathbf{b}$ 不在 $A$ 的[[列空间\|列空间]]内，任何列组合都产生不了它。 - 无穷多解：行图像中约束交成直线、平面或更高维集合；列图像中，$\mathbf{b}$ 可以被产生，但组合系数不唯一，因为存在非零 $z$ 使 $Az=0$。 在两个未知量中，两条非平行直线通常给唯一解；两条平行不同直线给无解；两条重合直线给无穷多解。在三个未知量中，三个平面通常交于一个点；也可能没有共同交点；如果共同部分是一条线或一个平面，就有无穷多解。 例如\begin{cases} 2x-y=0,\ -x+2y=3 \end{cases}
的行图像是两条直线交于 $(1,2)$；列图像是x\begin{bmatrix}2\-1\end{bmatrix} y\begin{bmatrix}-1\2\end{bmatrix}
\begin{bmatrix}0\3\end{bmatrix},
其中 $1$ 倍第一列加 $2$ 倍第二列正好产生右端。 ### 与消元的接口 直观判断需要由后续消元精确化。对增广矩阵施加初等行变换，可以写成[A\mid b]\to[R\mid d].
行变换保持解集不变，因为它只是把原来的行约束替换成等价约束，并不改变这些约束的交集。相容性在行最简形中表现为：如果 $R$ 的某一行为零行，则对应右端 $d$ 也必须为零；否则出现0=c,\qquad c\ne0
这样的矛盾行，方程组无解。 方程组相容时，主元列给出被约束的变量，非主元列给出自由变量。先把自由变量设为 $0$ 得到一个特解 $x_p$，再加上齐次解：x=x_p+x_n,\qquad x_n\in N(A).
因此主元出现后的判别可以写成秩条件。设未知量个数为 $n$： - 无解：$\operatorname{rank}(A)<\operatorname{rank}([A\mid b])$。 - 唯一解：$\operatorname{rank}(A)=\operatorname{rank}([A\mid b])=n$。 - 无穷多解：$\operatorname{rank}(A)=\operatorname{rank}([A\mid b])<n$。 对齐次方程组 $A\mathbf{x}=0$，右端是零向量，所以一定相容。若 $\operatorname{rank}(A)=n$，只有零解；若 $\operatorname{rank}(A)<n$，存在自由变量，因而有非零解和无穷多解。 ### 完整解结构 **Complete Solution** 完整解不是只找一个满足 $Ax=b$ 的向量，而是把所有解分成“命中右端项的一点”和“保持右端项不变的方向”两部分：x=x_p+x_n,\qquad Ax_p=b,\qquad x_n\in N(A).
[A\ b]\longrightarrow [R\ d],
则 $Ax=b$ 与 $Rx=d$ 有相同解集。这里 $R$ 是 $A$ 的行最简阶梯形矩阵，$d$ 是右端项随同行变换后的结果。只化简 $A$ 而不化简 $b$，就无法判断方程是否相容，也无法直接读出[[特解\|特解]]。 设行最简形按主元变量和自由变量重排后可写成R= \begin{bmatrix} I & F\ 0 & 0 \end{bmatrix}, \qquad d= \begin{bmatrix} d_p\ d_0 \end{bmatrix}.
d_0=0.
如果某个零行对应 $d_i\ne 0$，最后一行就是 $0=d_i$，方程组无解。这就是[[一致性条件\|一致性条件]]在行最简形中的形式。若相容，通常先令所有自由变量为 $0$，由主元方程得到一个方便的 $x_p$；再让自由变量变化，得到全部齐次零空间方向。 例如A= \begin{bmatrix} 1&3&0&2\ 0&0&1&4\ 1&3&1&6 \end{bmatrix}, \qquad b= \begin{bmatrix} 1\6\7 \end{bmatrix}.
\left[\begin{array}{cccc|c} 1&3&0&2&1\ 0&0&1&4&6\ 0&0&0&0&0 \end{array}\right]=[R\ d].
最后一行是 $0=0$，所以方程相容。自由变量是 $x_2,x_4$。取 $x_2=x_4=0$ 得x_p=(1,0,6,0)
再解齐次方程 $Rx=0$，自由变量给出两个零空间方向：s_1=(-3,1,0,0)^T,\qquad s_2=(-2,0,-4,1)
x=(1,0,6,0)^T+c_1(-3,1,0,0)^T+c_2(-2,0,-4,1)
其中常数项是一个特解，两个方向向量属于[[零空间\|零空间]]。如果换一个特解，常数项会变，但方向空间仍然是 $N(A)$。 ### 右端项的零行条件 零行条件也可以从行依赖关系理解。上例中第三行等于第一行加第二行：\text{row}_3(A)=\text{row}_1(A)+\text{row}_2(A).
若方程 $Ax=b$ 相容，右端项必须满足同样关系：b_3=b_1+b_2.
对一般的 $b=(b_1,b_2,b_3)^T$，同样的消元给出最后一行0=b_3-b_1-b_2,
所以相容条件是 $b_1+b_2=b_3$。这说明 $b$ 是否落在[[列空间\|列空间]]里，不只由 $b$ 本身决定，而由 $A$ 的行依赖关系决定。 ### 秩控制的四种情形 设 $A$ 是 $m\times n$ 矩阵，$r=\operatorname{rank}(A)$ 是[[矩阵的秩\|矩阵的秩]]。解的数量由两个问题决定：是否有零行矛盾，以及是否有自由变量。 | 秩情形 | 典型 $R$ | 对 $Ax=b$ 的结论 | 结构原因 | | --- | --- | --- | --- | | $r=m=n$ | $I$ | 对每个 $b$ 恰有一个解 | 没有零行条件，也没有自由变量 | | $r=m<n$ | $\begin{bmatrix}I&F\end{bmatrix}$ | 对每个 $b$ 都可解，且有无穷多解 | [[满行秩\|满行秩]]使列空间等于 $\mathbb{R}^m$，但有 $n-m$ 个自由变量 | | $r=n<m$ | $\begin{bmatrix}I\\0\end{bmatrix}$ | 依 $b$ 而定，有 $0$ 或 $1$ 个解 | [[满列秩\|满列秩]]使零空间只有零向量，但底部零行给出相容条件 | | $r<m,\ r<n$ | $\begin{bmatrix}I&F\\0&0\end{bmatrix}$ | 依 $b$ 而定，无解或无穷多解 | 既有零行条件，也有自由变量 | 因此，完整解的判断顺序应是：先检查 $[A\ b]\to[R\ d]$ 的零行是否相容；若相容，再由自由变量决定是唯一解还是无穷多解。