线性方程组

线性方程组 (System of Linear Equations)

线性方程组（System of Linear Equations）是由若干个关于同一组未知量的线性方程构成的集合。其一般形式为：

其中 $x_1, x_2, \ldots, x_n$ 为未知量，$a_{ij}$ 为系数，$b_i$ 为常数项。若所有 $b_i = 0$，则称为齐次线性方程组；否则为非齐次线性方程组。

矩阵表示

引入系数矩阵 $A = (a_{ij})_{m \times n}$、未知向量 $\mathbf{x} = (x_1, \ldots, x_n)^\top$ 和常数向量 $\mathbf{b} = (b_1, \ldots, b_m)^\top$，线性方程组可紧凑地写为：

这一矩阵形式是线性代数分析和计算的基础。增广矩阵 $\tilde{A} = [A \mid \mathbf{b}]$ 同时包含了系数和常数项的全部信息，是高斯消元法的直接操作对象。

解的存在性与唯一性

线性方程组的求解围绕三个核心问题：解是否存在、是否唯一、以及如何求出所有解。这些问题的答案由系数矩阵的秩给出。

设 $\operatorname{rank}(A) = r$，则：

• 方程组有解的充分必要条件是 $\operatorname{rank}(A) = \operatorname{rank}(\tilde{A})$。若秩相等，称方程组相容（consistent）；否则不相容，无解。
• 当方程组相容时，若 $r = n$（未知量个数），则存在唯一解；若 $r < n$，则存在无穷多解，解空间的维数为 $n - r$。
• 对于齐次方程组 $A\mathbf{x} = \mathbf{0}$，其必有零解 $\mathbf{x} = \mathbf{0}$。当 $r < n$ 时，还存在非零解，此时系数矩阵奇异。

这些结论从线性变换的角度理解最为透彻：矩阵 $A$ 定义了从 $\mathbb{R}^n$ 到 $\mathbb{R}^m$ 的线性映射，解的存在性等价于 $\mathbf{b}$ 是否落在 $A$ 的列空间中。

求解方法

高斯消元法（Gaussian Elimination）是求解线性方程组最根本的算法。其核心思想是通过三类初等行变换——交换两行、将某行乘以非零常数、将一行的倍数加到另一行——将增广矩阵化为行阶梯形矩阵（Row Echelon Form），进而通过回代求解。若进一步化为简化行阶梯形（Reduced Row Echelon Form, RREF），则可直接读出解。

高斯消元法的计算复杂度约为 $O(n^3)$，对于大型稀疏系统，实践中常采用迭代法（如 雅可比迭代法、高斯-赛德尔迭代法）或基于矩阵分解的方法（如 LU 分解、QR 分解）。

克拉默法则（Cramer's Rule）提供了一种用行列式表示解的形式：

其中 $A_i$ 是将 $A$ 的第 $i$ 列替换为 $\mathbf{b}$ 所得的矩阵。克拉默法则要求 $A$ 为方阵且 $\det(A) \neq 0$。尽管形式优美，其计算复杂度为 $O(n!)$，在 $n \geq 4$ 时即不适用于实际计算，但其在理论分析中具有重要价值——例如用于证明解对系数的连续依赖性及比较静态分析中的隐函数定理。此外，在求解含参数的方程组时，克拉默法则能将每个未知量显式表达为参数的函数，这在定性经济分析中不可替代。

经济学应用

线性方程组是经济学中应用最广泛的数学工具之一，横跨微观、宏观、计量和运筹学等多个领域。

投入产出分析：列昂惕夫（Leontief）的投入产出模型以线性方程组 $\mathbf{x} = A\mathbf{x} + \mathbf{f}$ 描述经济中各部门之间的相互依存关系，其中 $A$ 为直接消耗系数矩阵，$\mathbf{f}$ 为最终需求向量。求解得到 $\mathbf{x} = (I - A)^{-1}\mathbf{f}$，即满足最终需求所需的总产出。

一般均衡理论：瓦尔拉斯均衡中市场出清条件常被表述为线性（或线性化后的）方程组。在可计算一般均衡（CGE）模型中，大规模线性系统的求解是数值模拟的核心步骤。

计量经济学：普通最小二乘法（OLS）的正规方程为 $X^\top X \hat{\boldsymbol{\beta}} = X^\top \mathbf{y}$，其求解正是线性方程组问题。工具变量法（IV）、两阶段最小二乘法（2SLS）和广义最小二乘法（GLS）的估计量同样以线性方程组的形式给出。

线性规划：作为 运筹学 的基石，线性规划的可行域由一组线性不等式约束定义。引入松弛变量后，不等式转化为等式，最优解——若存在——必位于这些线性方程所定义的多面体的顶点处。单纯形法在每次迭代中求解一个线性方程组以确定移动方向。对偶线性规划则使用了原问题的转置系数矩阵，深刻揭示了两者对称的结构。

宏观经济学：在 IS-LM 模型中，商品市场和货币市场的均衡条件构成一个二元线性方程组，IS 曲线和 LM 曲线的交点决定了均衡产出和均衡利率。动态随机一般均衡（DSGE）模型经对数线性化后也转化为大规模线性系统，使用 Blanchard-Kahn 方法求解。

与线性代数的关联

线性方程组是线性代数的起点和归宿。向量空间、线性无关、秩、特征值 与 特征向量等核心概念均可在求解线性方程组的框架下获得直观解释。矩阵可逆性、正交投影和奇异值分解（SVD）等工具则从不同层面深化了对线性系统的理解。尤其在数据科学和机器学习中，高维线性方程组的数值求解——涉及 正则化、梯度下降和并行计算——构成了众多算法的基础。