1. 矩阵的秩
(m) 和 (n) 给出了矩阵的大小，但却不是线性方程组的真正大小。因为，一个 (0=0) 的方程实际上是不算的。如果 (A) 中有完全相等的两行，或者第三行是第一行和第二行的线性组合，那么消元过程中就会出现全零的行。线性方程组的真正大小由秩来确定。
矩阵的秩是主元的个数，称为 (r)。
矩阵的前两列是 (1, 1, 1)、(1, 2, 3)，它们在不同的方向，因此是主列（pivot columns）。第三列是第一列的 2 倍，第四列是前三列的和，因此这两列不会有主元，它们是自由列（free column）。每个自由列都是前面主列的线性组合。从特解中我们也可以看到：
下面我们来进行消元，消元会改变列的元素，但不会改变原有的线性组合。
可以看到，(U) 中有两个主元，因此 (A)（(U)） 的秩为 2。我们继续进行消元得到 (R)。
这时候，我们可以很容易就得到特解的值，它们就是自由列的值取负号。
秩为 1 的矩阵只有一个主元，每一行都是主行的倍数，每一列也都是主列的倍数。
而且，秩 1 矩阵还可以表示为一个列向量和一个行向量的乘积。
这时候，(Ax =0 o u(v^Tx)=0 o v^Tx=0)，也就是所有零空间的 (x) 和行空间的 (v) 正交。在几何上，零空间是一个平面，行空间是一条直线，也就是这条直线垂直于这个平面。
矩阵的秩是相互独立的行（主行）的个数，也是相互独立的列（主列）的个数。
矩阵的秩是列空间的维数，也是行空间的维数。
主列就是不能由前面列线性组合而产生的列，而自由列是前面列的线性组合，这些线性组合就是特解。
(Ax=0) 有 (r) 个主元和 (n-r) 个自由变量，那么零空间就有 (n-r) 个相互独立的特解。
我们可以很容易从 (Rx=0) 得到特解，假设前 (r) 列是主列，那么 (R) 就可以表示成这样：
其解就可以表示为：
由分块矩阵可知，(RN = egin{bmatrix} -IF+IF\0 end{bmatrix} = oldsymbol0)。
2. (Ax=b) 的全解
当我们求解 (Ax=b) 的时候，对左边的矩阵 (A) 进行消元的时候，我们要同时对右边的 (b) 进行同样的操作，一个简单的办法就是把 (b) 作为 (A) 的一列组成增广矩阵。
进行消元后，我们可以得到
其中最后的全零行是非常重要的，左边矩阵 (A) 第一行加上第二行等于第三行，右边的 (b) 也必须满足这种情况方程组才有解。
方程的其中一个解就是将自由变量都设置为 0，这时候定解（particular solution）中主变量的值就来自于 (b)
而方程的全解则由两部分组成，一部分为定解，一部分为 (Ax=0) 的零空间解。
3. 四种可能的情况
假设矩阵 (A) 的大小为 m×n，矩阵的秩为 (r)，则方程组的解有如下四种情况：
若 (r=m)，则意味着列空间为整个 (R^m)，此时 (b) 一定位于列空间内，也就是方程组一定有解。若同时还有 (r=n)，意味着没有自由变量，零空间解只有零向量，方程组有唯一解；若同时还有 (r<n)，意味着有自由变量，零空间解有无穷个，方程组的也就有无穷解。
若 (r<m)，则意味着列空间为 (R^m) 的一部分子空间，此时 (b) 可能位于列空间内也可能不在列空间内，因此，方程组可能有解也可能无解。若同时还有 (r=n)，意味着没有自由变量，零空间解只有零向量，方程组有解情况下也只能有唯一解；若同时还有 (r<n)，意味着有自由变量，零空间解有无穷个，方程组有解情况下也就有无穷解。
获取更多精彩，请关注「seniusen」!
。