はじめに
これまで、行列式・逆行列・掃き出し法・ランクを使って、連立方程式の解を調べてきました。では、連立方程式の右辺がすべて \(0\) の場合、解にはどのような特徴があるのでしょうか。
このような方程式を同次線形方程式といいます。同次線形方程式には必ず零ベクトルという解がありますが、それ以外の解が存在するかどうかは、行列のランクや零空間と深く関係しています。
今回は、同次線形方程式の意味から、非自明解が存在する条件、自由度との関係、そして解の大きさが一意に決まらない理由までを考えます。
この記事でわかること
- 同次線形方程式と自明解・非自明解の意味
- ランクから非自明解の存在を判定する方法
- 零空間の次元と自由変数の数が一致する理由
- 同次線形方程式の解を定数倍しても解になる理由
- 同次線形方程式と射影幾何・近似解とのつながり
1.同次線形方程式とは何か?
連立一次方程式は、係数行列 \(A\)、未知数ベクトル \(\boldsymbol{x}\)、右辺のベクトル \(\boldsymbol{b}\) を使って、
$$
A\boldsymbol{x}=\boldsymbol{b}
$$
と表せます。このうち、右辺が零ベクトルになっているものを同次線形方程式といいます。
$$
A\boldsymbol{x}=\boldsymbol{0}
$$
たとえば、次の連立方程式は同次線形方程式です。
$$
\begin{cases}
x+2y=0\\
2x+4y=0
\end{cases}
$$
行列を使うと、
$$
\underbrace{
\begin{pmatrix}
1&2\\
2&4
\end{pmatrix}
}_{A}
\underbrace{
\begin{pmatrix}
x\\y
\end{pmatrix}
}_{\boldsymbol{x}}
=
\begin{pmatrix}
0\\0
\end{pmatrix}
$$
となります。
1.1.同次線形方程式には必ず解がある
同次線形方程式の特徴は、どのような係数行列 \(A\) であっても、
$$
\boldsymbol{x}=\boldsymbol{0}
$$
が解になることです。なぜなら、行列に零ベクトルを掛けると、必ず零ベクトルになるからです。
$$
A\boldsymbol{0}=\boldsymbol{0}
$$
この零ベクトルによる解を自明解といいます。一方、零ベクトル以外の解を非自明解といいます。
先ほどの例では、
$$
\boldsymbol{x}=
\begin{pmatrix}
-2\\1
\end{pmatrix}
$$
も解です。実際に計算すると、
$$
\begin{pmatrix}
1&2\\
2&4
\end{pmatrix}
\begin{pmatrix}
-2\\1
\end{pmatrix}
=
\begin{pmatrix}
0\\0
\end{pmatrix}
$$
となるため、この方程式には自明解だけでなく、非自明解も存在しています。
同次線形方程式には必ず自明解があります。重要なのは、零ベクトル以外の非自明解が存在するかどうかです。
2.非自明解はいつ存在するのか?
同次線形方程式に非自明解が存在するかどうかは、係数行列のランクによって判定できます。
\(A\) を \(m\times n\) 行列とします。ここで、\(m\) は方程式の数、\(n\) は未知数の個数です。ランクは、行列の中にある線形独立な情報の数を表します。
もし、ランクが未知数の個数と一致するなら、
$$
\operatorname{rank}(A)=n
$$
独立な条件が未知数の個数と同じだけあるため、同次線形方程式の解は自明解だけになります。
一方、ランクが未知数の個数より小さいなら、
$$
\operatorname{rank}(A)\lt n
$$
独立な条件が不足して自由変数が残るため、非自明解が存在します。
したがって、次の関係が成り立ちます。
$$
A\boldsymbol{x}=\boldsymbol{0}
\text{ が非自明解を持つ}
\iff
\operatorname{rank}(A)\lt n
$$
2.1.正方行列では行列式でも判定できる
\(A\) が \(n\times n\) の正方行列の場合、これまで学んだ行列式や逆行列の性質も利用できます。
$$
\det A\neq0
\iff
\operatorname{rank}(A)=n
\iff
A^{-1}\text{ が存在する}
$$
このとき、同次線形方程式の両辺に逆行列を左から掛けると、
$$
A^{-1}A\boldsymbol{x}
=
A^{-1}\boldsymbol{0}
$$
となるため、
$$
\boldsymbol{x}=\boldsymbol{0}
$$
しか解はありません。
逆に、\(\det A=0\) なら、ランクが \(n\) より小さくなるため、非自明解が存在します。
| 正方行列の条件 | 同次線形方程式の解 |
|---|---|
| \(\det A\neq0\) | 自明解のみ |
| \(\det A=0\) | 非自明解も存在 |
ただし、行列式で判定できるのは正方行列の場合です。長方形の行列も含めて考えるときは、ランクを使います。
ランクの求め方や、掃き出し法によって自由変数の数を調べる方法を復習したい人は、次の記事も参考にしてください。

3.零空間と自由度はどうつながるのか?
同次線形方程式の解をすべて集めた集合を、行列 \(A\) の零空間または核といいます。
$$
\ker A
=
\left\{
\boldsymbol{x}\in\mathbb{R}^n
\mid
A\boldsymbol{x}=\boldsymbol{0}
\right\}
$$
つまり、零空間とは、行列 \(A\) を掛けると零ベクトルになるベクトル全体の集合です。この零空間がどのような広がりを持つのかを、具体例で考えてみましょう。
3.1.掃き出し法で一般解を求める
次の行列を考えます。
$$
A=
\begin{pmatrix}
1&2&-1\\
2&4&-2
\end{pmatrix}
$$
同次線形方程式は、
$$
\begin{cases}
x+2y-z=0\\
2x+4y-2z=0
\end{cases}
$$
です。第2行から第1行の2倍を引くと、
$$
\begin{pmatrix}
1&2&-1\\
2&4&-2
\end{pmatrix}
\longrightarrow
\begin{pmatrix}
1&2&-1\\
0&0&0
\end{pmatrix}
$$
となります。この行列のランクは \(1\) です。
残った方程式は、
$$
x+2y-z=0
$$
なので、
$$
x=-2y+z
$$
と表せます。ここで、\(y=s\)、\(z=t\) と置くと、
$$
\begin{cases}
x=-2s+t\\
y=s\\
z=t
\end{cases}
\quad(s,t\in\mathbb{R})
$$
となります。これをベクトルで表すと、
$$
\boldsymbol{x}
=
s\begin{pmatrix}
-2\\1\\0
\end{pmatrix}
+
t\begin{pmatrix}
1\\0\\1
\end{pmatrix}
$$
です。つまり、すべての解は、2本のベクトルの線形結合として表せます。
3.2.自由変数の数が零空間の次元になる
先ほどの行列には未知数が3個ありますが、ランクは \(1\) でした。したがって、自由変数は、
$$
3-1=2
$$
個です。
また、一般解に現れた2本のベクトル、
$$
\boldsymbol{v}_1=
\begin{pmatrix}
-2\\1\\0
\end{pmatrix},
\quad
\boldsymbol{v}_2=
\begin{pmatrix}
1\\0\\1
\end{pmatrix}
$$
は線形独立です。この2本のベクトルが張る空間が、行列 \(A\) の零空間になります。
つまり、この例の零空間は、3次元空間の原点を通る平面です。

図の平面上にあるベクトルは、すべて \(A\boldsymbol{x}=\boldsymbol{0}\) を満たします。この平面は2本の線形独立なベクトル \(\boldsymbol{v}_1,\boldsymbol{v}_2\) の線形結合で表せるため、零空間の次元は \(2\) です。
つまり、未知数が3個あっても独立な条件が1つしかないため、2つの自由な方向が残っているのです。
一般に、\(A\) が \(m\times n\) 行列で、ランクが \(r\) の場合、
$$
\dim(\ker A)=n-r
$$
が成り立ちます。これは階数・退化次数の定理(次元定理)と呼ばれる関係で、零空間の次元が同次線形方程式の自由変数の数に一致することを表しています。
ランクは独立な条件の数を表し、零空間の次元はその条件を満たしながら自由に選べる方向の数を表します。
零空間と線形写像の関係については、以前の記事で詳しく説明しています。像と核がどのような空間を表すのかを復習したい人は、次の記事も参考にしてください。

4.なぜ非自明解の大きさは決まらないのか?
同次線形方程式には、もう一つ重要な性質があります。それは、あるベクトルが解なら、その定数倍も解になるということです。
4.1.解を定数倍しても方程式は成り立つ
\(A\boldsymbol{x}=\boldsymbol{0}\) を満たす解 \(\boldsymbol{x}\) があるとします。この解を定数 \(c\) 倍すると、
$$
A(c\boldsymbol{x})
=
c(A\boldsymbol{x})
=
c\boldsymbol{0}
=
\boldsymbol{0}
$$
となるため、\(c\boldsymbol{x}\) も解です。
たとえば、
$$
\begin{pmatrix}
1&2\\
2&4
\end{pmatrix}
\boldsymbol{x}
=
\boldsymbol{0}
$$
では、
$$
\boldsymbol{x}
=
t\begin{pmatrix}
-2\\1
\end{pmatrix}
\quad(t\in\mathbb{R})
$$
が一般解になります。
\(t=1\) なら \((-2,1)\)、\(t=2\) なら \((-4,2)\)、\(t=-1\) なら \((2,-1)\) が解です。これらは長さや向きが異なりますが、すべて同じ方程式を満たします。

図を見ると、\(t=1\)、\(t=2\)、\(t=-1\) の解は、すべて原点を通る同一直線上にあります。
つまり、零空間の次元が1の場合、非自明解はある1本のベクトルの定数倍として表されます。定数倍によってベクトルの長さや向きは変わりますが、同次線形方程式を満たすという性質は変わりません。
4.2.スケールの不定性とは何か?
非自明解を1つ求めても、その何倍のベクトルを選ぶかは、同次線形方程式だけでは決まりません。このように、解の大きさを一意に決められない性質をスケールの不定性といいます。
ただし、零空間の次元が2以上の場合には、単に大きさだけでなく、異なる方向の解も存在します。
先ほどの3変数の例では、
$$
\boldsymbol{x}
=
s\boldsymbol{v}_1+t\boldsymbol{v}_2
$$
と表せたため、\(s\) と \(t\) の選び方によって、零空間内のさまざまな方向を選べました。
一方、零空間の次元が1なら、すべての非自明解は、ある1本の非ゼロベクトルの定数倍として表せます。この場合、解の方向は符号を含む定数倍の違いを除いて決まりますが、大きさは決まりません。
5.同次線形方程式はどこで使われるのか?
同次線形方程式は、零空間を調べるためだけのものではありません。画像から幾何学的な関係を求める問題などでも利用されます。
5.1.射影幾何とのつながり
射影幾何では、点を同次座標で表すことがあります。たとえば、2次元の点 \((x,y)\) は、3成分のベクトルを使って、
$$
\boldsymbol{p}
=
\begin{pmatrix}
x\\y\\1
\end{pmatrix}
$$
と表せます。
ここで、\(c\neq0\) に対して、
$$
c\boldsymbol{p}
=
\begin{pmatrix}
cx\\cy\\c
\end{pmatrix}
$$
も同じ射影平面上の点を表します。なぜなら、最後の成分で割れば、どちらも同じ座標 \((x,y)\) が得られるからです。
このように、射影幾何では非ゼロの定数倍を同一視します。
同次線形方程式と同次座標は異なる概念ですが、非ゼロの定数倍を考えることが重要になるという点でつながっています。
たとえば、画像間の対応点から射影変換を求めるDLTや、基礎行列を推定する8点法では、未知の行列の成分をベクトルに並べ、同次線形方程式の形で扱います。
5.2.観測に誤差がある場合はどうするのか?
ここまでの例では、方程式を正確に満たす非自明解を求めてきました。しかし、実際の画像計測などでは観測値に誤差が含まれるため、求めたい非自明解が厳密には存在しない場合があります。
そこで、方程式を完全に満たす代わりに、
$$
\|A\boldsymbol{x}\|^2
$$
をできるだけ小さくすることを考えます。
ただし、何も条件を付けなければ、\(\boldsymbol{x}=\boldsymbol{0}\) によって値が \(0\) になってしまいます。そのため、たとえば、
$$
\min_{\|\boldsymbol{x}\|=1}
\|A\boldsymbol{x}\|^2
$$
という問題を考えます。
ここで、\(\|\boldsymbol{x}\|=1\) はベクトルの長さを \(1\) に固定する条件です。これにより、零ベクトルを除外して、残差が小さい方向を探せます。
この問題は、特異値分解(SVD)を使うと、最小特異値に対応する右特異ベクトルから解を求められます。ただし、最小特異値が重複する場合には、解が一意に決まるとは限りません。
SVDによる求め方や、画像上の幾何学的な誤差との違いについては、最適化・SLAM編で詳しく考えます。
6.同次線形方程式からPart 4全体を振り返る
Part 4では、行列式の求め方や意味から始まり、逆行列・クラメルの公式・掃き出し法・ランクを学んできました。これらの知識は、連立方程式の解を調べるという点でつながっています。
特に、\(n\times n\) の正方行列 \(A\) については、
$$
\det A\neq0
\iff
A^{-1}\text{ が存在する}
\iff
\operatorname{rank}(A)=n
$$
が成り立ちます。この場合、\(A\boldsymbol{x}=\boldsymbol{b}\) は、どのような右辺 \(\boldsymbol{b}\) に対しても一意な解を持ちます。
一方、\(\det A=0\) の場合には逆行列が存在せず、クラメルの公式も使えません。しかし、掃き出し法とランクを利用すれば、解の存在や自由度を調べられます。
一般の連立方程式 \(A\boldsymbol{x}=\boldsymbol{b}\) では、解が存在しない場合もあります。それに対して、同次線形方程式 \(A\boldsymbol{x}=\boldsymbol{0}\) には必ず自明解があり、ランクが列数より小さいときには非自明解も存在します。
つまり、行列式・逆行列・ランク・零空間は、行列が持つ独立な情報と、方程式の解の構造を異なる立場から表しているのです。
まとめ
- 同次線形方程式は \(A\boldsymbol{x}=\boldsymbol{0}\) の形で表され、必ず自明解 \(\boldsymbol{x}=\boldsymbol{0}\) を持つ。
- 係数行列のランクが未知数の個数より小さいとき、零ベクトル以外の非自明解が存在する。
- 同次線形方程式の解全体は零空間を作り、その次元は「未知数の個数−ランク」に等しい。
- あるベクトルが解なら、その定数倍も解になるため、非自明解の大きさは一意に決まらない。
- 零空間の次元が1なら、非自明解は1本の非ゼロベクトルの定数倍として表せる。
- 同次線形方程式は射影幾何にも関係し、観測誤差がある場合にはノルム制約付きの近似問題として扱うことがある。
同次線形方程式を理解すると、連立方程式を単に解くだけでなく、解がどのような空間を作るのか、どの方向が自由に残るのかまで考えられるようになります。
これでPart 4では、行列式の意味と性質から、余因子展開・逆行列・クラメルの公式・掃き出し法・ランク、そして同次線形方程式まで学びました。次は、内積・外積や直線・平面の幾何学的な意味へと進みます。
関連記事

Part 4.行列式・逆行列・連立方程式をまとめて理解する
ここまでで、Part 4の10本の個別記事をすべて学びました。行列式が表す意味から、逆行列、連立方程式、掃き出し法、ランク、零空間までのつながりを整理したい人は、Part 4のまとめ記事をご覧ください。

次のPartへ進む
Part 5では、ベクトルの内積・外積を手がかりに、角度・面積・直線・平面の表し方を学びます。Part 4で扱った行列式やランクの考え方も、幾何学的な関係を理解するうえで役立ちます。

関連書籍
同次線形方程式や零空間、行列のランクをさらに深く学びたい人には、線形代数を体系的に扱う書籍も参考になります。



コメント