first commit
This commit is contained in:
@@ -0,0 +1,581 @@
|
||||
# 📌 第四章 向量组的线性相关性 考研核心通关笔记
|
||||
|
||||
> 线性代数的"灵魂章节"——把矩阵的秩、方程组的解翻译成"向量语言"。抽象证明题的主战场。
|
||||
|
||||
---
|
||||
|
||||
## ① 本章核心知识框架 (Core Concept Map)
|
||||
|
||||
### 4.1 $n$ 维向量与向量组
|
||||
|
||||
#### 一、基本定义
|
||||
|
||||
- **$n$ 维列向量**:$\alpha = (a_1, a_2, \ldots, a_n)^T \in \mathbb{R}^n$
|
||||
- **向量组**:若干个同维数的向量构成的集合 $\alpha_1, \alpha_2, \ldots, \alpha_m$
|
||||
- **矩阵与向量组的双向翻译**(本章第一原理):
|
||||
|
||||
$$
|
||||
A_{m \times n} = (\alpha_1, \alpha_2, \ldots, \alpha_n) \quad (\text{列向量组,每个 } \alpha_j \in \mathbb{R}^m)
|
||||
$$
|
||||
$$
|
||||
A_{m \times n} = \begin{pmatrix} \beta_1^T \\ \vdots \\ \beta_m^T \end{pmatrix} \quad (\text{行向量组})
|
||||
$$
|
||||
|
||||
- *极简例子:* $A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}$ 的列向量组为 $\alpha_1 = (1,3)^T,\ \alpha_2 = (2,4)^T$。
|
||||
|
||||
> 🔑 **本章总纲**:**矩阵 ⟺ 向量组 ⟺ 方程组**,三种语言互译。看到"向量"就想"矩阵的列",看到"线性相关"就想"$Ax=0$ 有非零解"。
|
||||
|
||||
#### 二、向量运算
|
||||
|
||||
| 运算 | 定义 | 说明 |
|
||||
|------|------|------|
|
||||
| 加法 | $\alpha + \beta = (a_1+b_1, \ldots, a_n+b_n)^T$ | 逐分量 |
|
||||
| 数乘 | $k\alpha = (ka_1, \ldots, ka_n)^T$ | 逐分量 |
|
||||
| 内积 | $[\alpha,\beta] = \alpha^T\beta = \sum a_i b_i$ | 数量 |
|
||||
| 长度 | $\|\alpha\| = \sqrt{\alpha^T\alpha}$ | 非负 |
|
||||
|
||||
---
|
||||
|
||||
### 4.2 线性组合与线性表示
|
||||
|
||||
#### 一、线性组合
|
||||
|
||||
给定向量组 $\alpha_1, \ldots, \alpha_m$ 与数 $k_1, \ldots, k_m$,称
|
||||
$$
|
||||
k_1\alpha_1 + k_2\alpha_2 + \cdots + k_m\alpha_m
|
||||
$$
|
||||
为该向量组的一个**线性组合**,$k_i$ 称为**组合系数**。
|
||||
|
||||
- *极简例子:* $2(1,0)^T + 3(0,1)^T = (2,3)^T$,即 $(2,3)^T$ 是 $e_1, e_2$ 的线性组合。
|
||||
|
||||
#### 二、线性表示(核心判据)
|
||||
|
||||
$\beta$ 能由 $\alpha_1, \ldots, \alpha_m$ **线性表示** $\iff$ 存在 $k_1,\ldots,k_m$ 使 $\beta = \sum k_i \alpha_i$。
|
||||
|
||||
**⭐ 三语言等价定理**:
|
||||
|
||||
$$
|
||||
\beta \text{ 可由 } \alpha_1,\ldots,\alpha_m \text{ 线性表示}
|
||||
\iff Ax = \beta \text{ 有解}
|
||||
\iff r(A) = r(A \mid \beta)
|
||||
$$
|
||||
|
||||
其中 $A = (\alpha_1, \ldots, \alpha_m)$。
|
||||
|
||||
- **唯一表示** $\iff r(A) = r(A\mid\beta) = m$(列满秩)
|
||||
- **无穷多表示** $\iff r(A) = r(A\mid\beta) < m$
|
||||
- **不能表示** $\iff r(A) < r(A\mid\beta)$(即 $r(A\mid\beta) = r(A)+1$)
|
||||
|
||||
- *极简例子:* $\beta = (1,1)^T$,$\alpha_1 = (1,0)^T$。$r(\alpha_1) = 1 < r(\alpha_1\mid\beta) = 2$ → 不能表示。
|
||||
|
||||
#### 三、向量组的线性表示与等价
|
||||
|
||||
- **组表示**:向量组 $B: \beta_1,\ldots,\beta_s$ 可由 $A: \alpha_1,\ldots,\alpha_m$ 线性表示 $\iff$ 每个 $\beta_j$ 都可由 $A$ 表示 $\iff$ 存在矩阵 $K_{m\times s}$ 使 $B = AK$ $\iff r(A) = r(A \mid B)$。
|
||||
- **等价向量组**:$A$ 与 $B$ 可**互相**线性表示,记 $A \cong B$。
|
||||
|
||||
**等价的判定**:
|
||||
$$
|
||||
A \cong B \iff r(A) = r(B) = r(A \mid B)
|
||||
$$
|
||||
|
||||
- *极简例子:* $\{(1,0)^T,(0,1)^T\} \cong \{(1,1)^T,(1,-1)^T\}$(都是 $\mathbb{R}^2$ 的基)。
|
||||
|
||||
> ⚠️ **向量组等价 $\ne$ 矩阵等价**!向量组等价要求"可互相表示"(列空间相同);矩阵等价只要求 $r(A)=r(B)$ 且同型。**向量组等价 $\Rightarrow$ 矩阵等价,反之不成立**。
|
||||
|
||||
---
|
||||
|
||||
### 4.3 线性相关与线性无关
|
||||
|
||||
#### 一、定义("齐次方程视角")
|
||||
|
||||
若存在**不全为零**的数 $k_1,\ldots,k_m$ 使
|
||||
$$
|
||||
k_1\alpha_1 + \cdots + k_m\alpha_m = 0
|
||||
$$
|
||||
则称 $\alpha_1,\ldots,\alpha_m$ **线性相关**;否则(只有 $k_1=\cdots=k_m=0$ 时成立)称**线性无关**。
|
||||
|
||||
- *极简例子(相关):* $(1,2)^T, (2,4)^T$:取 $k_1=2,k_2=-1$ 得零向量 → 相关。
|
||||
- *极简例子(无关):* $(1,0)^T,(0,1)^T$:$k_1(1,0)+k_2(0,1)=(k_1,k_2)=0 \Rightarrow k_1=k_2=0$ → 无关。
|
||||
|
||||
#### 二、⭐ 核心等价链(必背)
|
||||
|
||||
设 $A = (\alpha_1, \ldots, \alpha_m)$ 为 $n \times m$ 矩阵:
|
||||
|
||||
$$
|
||||
\boxed{\alpha_1,\ldots,\alpha_m \text{ 线性相关} \iff Ax = 0 \text{ 有非零解} \iff r(A) < m}
|
||||
$$
|
||||
$$
|
||||
\boxed{\alpha_1,\ldots,\alpha_m \text{ 线性无关} \iff Ax = 0 \text{ 只有零解} \iff r(A) = m}
|
||||
$$
|
||||
|
||||
**特例($m = n$,方阵)**:
|
||||
$$
|
||||
\alpha_1,\ldots,\alpha_n \text{ 线性相关} \iff \det A = 0
|
||||
$$
|
||||
$$
|
||||
\alpha_1,\ldots,\alpha_n \text{ 线性无关} \iff \det A \neq 0
|
||||
$$
|
||||
|
||||
- *极简例子:* 3 个 3 维向量,算 $3\times3$ 行列式即可,$= 0$ 则相关。
|
||||
|
||||
#### 三、七大重要结论(选择题高发区)
|
||||
|
||||
| # | 结论 | 极简例子/说明 |
|
||||
|---|------|--------------|
|
||||
| 1 | 含**零向量**的向量组必线性相关 | $\{0, \alpha\}$:$1\cdot 0 + 0\cdot\alpha = 0$ |
|
||||
| 2 | 单个向量 $\alpha$ 相关 $\iff \alpha = 0$ | — |
|
||||
| 3 | 两向量相关 $\iff$ 对应分量**成比例** | $(1,2),(2,4)$ |
|
||||
| 4 | $m > n$(**个数 > 维数**)必线性相关 | 3 个 2 维向量必相关 |
|
||||
| 5 | **部分相关 $\Rightarrow$ 整体相关**;**整体无关 $\Rightarrow$ 部分无关** | 口诀"部分带整体,整体拖部分" |
|
||||
| 6 | **无关组接长(加分量)仍无关**;**相关组截短(减分量)仍相关** | 口诀"长无关,短相关" |
|
||||
| 7 | $\alpha_1,\ldots,\alpha_m$ 相关 $\iff$ 其中**至少一个**可由其余表示 | 注意是"至少一个",非"任意一个"! |
|
||||
|
||||
**⭐ 黄金定理(表示唯一性)**:
|
||||
> 若 $\alpha_1,\ldots,\alpha_m$ 线性无关,而 $\alpha_1,\ldots,\alpha_m,\beta$ 线性相关,则 $\beta$ **可由** $\alpha_1,\ldots,\alpha_m$ 线性表示,**且表示法唯一**。
|
||||
|
||||
- *极简例子:* $e_1,e_2$ 无关,加入 $\beta=(1,1)^T$ 后 3 个 2 维向量必相关 → $\beta = e_1+e_2$ 唯一。
|
||||
|
||||
**⭐ 以少表多定理(证明题神器)**:
|
||||
> 若 $\beta_1,\ldots,\beta_s$ 可由 $\alpha_1,\ldots,\alpha_m$ 线性表示,且 $s > m$,则 $\beta_1,\ldots,\beta_s$ **线性相关**。
|
||||
>
|
||||
> **逆否**:若 $\beta_1,\ldots,\beta_s$ 无关且可由 $\alpha_1,\ldots,\alpha_m$ 表示,则 $s \le m$。
|
||||
>
|
||||
> **口诀**:"**以少表多,多的相关**"。
|
||||
|
||||
---
|
||||
|
||||
### 4.4 向量组的秩与极大线性无关组
|
||||
|
||||
#### 一、极大线性无关组
|
||||
|
||||
向量组 $A$ 的部分组 $\alpha_{i_1},\ldots,\alpha_{i_r}$ 称为**极大线性无关组**,若:
|
||||
1. $\alpha_{i_1},\ldots,\alpha_{i_r}$ 线性无关;
|
||||
2. 再添加 $A$ 中任意一个向量后**必线性相关**(等价:$A$ 中每个向量都可由它线性表示)。
|
||||
|
||||
- *极简例子:* $\alpha_1=(1,0)^T,\alpha_2=(2,0)^T,\alpha_3=(0,1)^T$ 的极大无关组为 $\{\alpha_1,\alpha_3\}$(也可取 $\{\alpha_2,\alpha_3\}$,**不唯一**)。
|
||||
|
||||
#### 二、向量组的秩
|
||||
|
||||
**定义**:极大线性无关组所含向量的**个数**,记 $r(A)$ 或 $R(\alpha_1,\ldots,\alpha_m)$。
|
||||
|
||||
**⭐ 核心定理(三秩合一)**:
|
||||
$$
|
||||
\text{矩阵的秩} = \text{行向量组的秩} = \text{列向量组的秩}
|
||||
$$
|
||||
|
||||
- *极简例子:* $A = \begin{pmatrix} 1&2 \\ 2&4 \end{pmatrix}$:$r(A)=1$,行向量组秩 $=1$,列向量组秩 $=1$。
|
||||
|
||||
#### 三、秩的性质(证明题弹药库)
|
||||
|
||||
| # | 性质 | 备注 |
|
||||
|---|------|------|
|
||||
| 1 | $0 \le r(A_{m\times n}) \le \min(m,n)$ | 基本界 |
|
||||
| 2 | $A \cong B \Rightarrow r(A) = r(B)$ | 等价保秩(反之不成立) |
|
||||
| 3 | $B$ 可由 $A$ 表示 $\Rightarrow r(B) \le r(A)$ | **"被表示者秩不增"** ⭐ |
|
||||
| 4 | $r(A \mid B) \le r(A) + r(B)$ | 拼接不超过和 |
|
||||
| 5 | $\max\{r(A), r(B)\} \le r(A\mid B)$ | 拼接不减 |
|
||||
| 6 | $r(A + B) \le r(A) + r(B)$ | 和的秩 |
|
||||
| 7 | $r(AB) \le \min\{r(A), r(B)\}$ | 乘积降秩 |
|
||||
| 8 | $A_{m\times n}B_{n\times s} = O \Rightarrow r(A)+r(B) \le n$ | **西尔维斯特不等式** ⭐ |
|
||||
| 9 | $r(A)+r(B)-n \le r(AB)$ | 弗罗贝尼乌斯下界 |
|
||||
| 10 | $r(A) = r(A^T) = r(A^TA) = r(AA^T)$ | 实矩阵专属 ⭐ |
|
||||
| 11 | $P,Q$ 可逆 $\Rightarrow r(PAQ) = r(A)$ | 可逆阵不改变秩 |
|
||||
|
||||
#### 四、求极大无关组的标准算法
|
||||
|
||||
> **初等行变换保持列向量组的线性关系不变**(核心原理!)
|
||||
|
||||
1. 把向量按**列**排成矩阵 $A = (\alpha_1,\ldots,\alpha_m)$;
|
||||
2. 初等**行**变换化为**行最简形** $B$;
|
||||
3. $B$ 中**主元列**(每行第一个非零元所在列)对应的 $\alpha$ 即为一个极大无关组;
|
||||
4. 非主元列在 $B$ 中的坐标,就是该向量由极大无关组表示的**系数**。
|
||||
|
||||
- *极简例子:* $A \to \begin{pmatrix} 1&0&2 \\ 0&1&3 \\ 0&0&0\end{pmatrix}$:极大无关组 $\{\alpha_1,\alpha_2\}$,且 $\alpha_3 = 2\alpha_1 + 3\alpha_2$。
|
||||
|
||||
> ⚠️ **必须用行变换**(求列向量组的关系)。若混用列变换,列间的线性关系会被破坏!
|
||||
|
||||
---
|
||||
|
||||
### 4.5 线性方程组解的结构(向量语言)
|
||||
|
||||
#### 一、齐次方程组 $Ax = 0$
|
||||
|
||||
- **解空间** $N(A) = \{x \mid Ax=0\}$ 是 $\mathbb{R}^n$ 的**子空间**
|
||||
- **维数公式**:$\dim N(A) = n - r(A)$
|
||||
- **基础解系** = 解空间的一组**基** = 解向量组的一个**极大无关组**
|
||||
|
||||
$$
|
||||
\text{通解} = k_1\xi_1 + k_2\xi_2 + \cdots + k_{n-r}\xi_{n-r}
|
||||
$$
|
||||
|
||||
- *极简例子:* $A = (1, 1)$,$n=2, r=1$,基础解系 $\xi = (1,-1)^T$,通解 $x = k(1,-1)^T$。
|
||||
|
||||
**性质**:齐次解的**任意线性组合仍是解**(封闭性)。
|
||||
|
||||
#### 二、非齐次方程组 $Ax = b$
|
||||
|
||||
$$
|
||||
\text{通解} = \eta^* + k_1\xi_1 + \cdots + k_{n-r}\xi_{n-r}
|
||||
$$
|
||||
(特解 + 导出组通解)
|
||||
|
||||
**解的结构性质**:
|
||||
- $\eta_1, \eta_2$ 是 $Ax=b$ 的解 $\Rightarrow \eta_1 - \eta_2$ 是 $Ax=0$ 的解
|
||||
- $\sum k_i \eta_i$ 是 $Ax=b$ 的解 $\iff \sum k_i = 1$
|
||||
- $\sum k_i \eta_i$ 是 $Ax=0$ 的解 $\iff \sum k_i = 0$
|
||||
|
||||
- *极简例子:* $\eta_1,\eta_2$ 是 $Ax=b$ 的解,则 $\frac{\eta_1+\eta_2}{2}$ 仍是解(系数和 $=1$)。
|
||||
|
||||
> 🔗 **与 Ch03 的对应**:Ch03 讲"怎么解",本章讲"解集长什么样"——**基础解系就是解空间的基,$n-r$ 就是解空间的维数**。
|
||||
|
||||
---
|
||||
|
||||
### 4.6 向量空间与子空间
|
||||
|
||||
#### 一、向量空间(线性空间)
|
||||
|
||||
集合 $V \subseteq \mathbb{R}^n$ 非空,且对**加法**和**数乘**封闭:
|
||||
$$
|
||||
\alpha,\beta \in V \Rightarrow \alpha+\beta \in V; \qquad \alpha \in V, k \in \mathbb{R} \Rightarrow k\alpha \in V
|
||||
$$
|
||||
则称 $V$ 为向量空间($\mathbb{R}^n$ 的子空间)。
|
||||
|
||||
- *极简例子(是):* $V = \{(x,0)^T \mid x\in\mathbb{R}\}$($x$ 轴)对加法数乘封闭。
|
||||
- *极简例子(否):* $V=\{(x,1)^T\}$:$2\cdot(0,1)^T=(0,2)^T \notin V$ → 不是子空间。
|
||||
|
||||
> ⚠️ **速判**:子空间**必含零向量**。不含 $0$ → 立即否定!
|
||||
|
||||
#### 二、常见子空间
|
||||
|
||||
| 名称 | 定义 | 维数 |
|
||||
|------|------|------|
|
||||
| **生成子空间** $\text{span}(\alpha_1,\ldots,\alpha_m)$ | 所有线性组合的集合 | $r(\alpha_1,\ldots,\alpha_m)$ |
|
||||
| **列空间** $C(A) = \{Ax\}$ | $A$ 列向量张成 | $r(A)$ |
|
||||
| **零空间**(解空间)$N(A)$ | $\{x \mid Ax=0\}$ | $n - r(A)$ |
|
||||
| **行空间** $C(A^T)$ | $A$ 行向量张成 | $r(A)$ |
|
||||
|
||||
- *极简例子:* $A=\begin{pmatrix}1&2\\2&4\end{pmatrix}$:$C(A)=\text{span}\{(1,2)^T\}$ 维数 1;$N(A)=\text{span}\{(2,-1)^T\}$ 维数 1。
|
||||
|
||||
#### 三、基、维数与坐标
|
||||
|
||||
- **基**:$V$ 中一个极大线性无关组 $\alpha_1,\ldots,\alpha_r$
|
||||
- **维数** $\dim V = r$(基所含向量个数,**唯一确定**)
|
||||
- **坐标**:$\forall \gamma \in V$,唯一表示 $\gamma = x_1\alpha_1+\cdots+x_r\alpha_r$,称 $(x_1,\ldots,x_r)^T$ 为 $\gamma$ 在该基下的**坐标**
|
||||
|
||||
- *极简例子:* 在基 $\{(1,1)^T,(1,-1)^T\}$ 下,$(2,0)^T = 1\cdot(1,1)^T + 1\cdot(1,-1)^T$,坐标为 $(1,1)^T$。
|
||||
|
||||
> 🔑 **求坐标 = 解方程组** $(\alpha_1,\ldots,\alpha_r)x = \gamma$。
|
||||
|
||||
#### 四、基变换与坐标变换
|
||||
|
||||
设 $V$ 中两组基 $A: \alpha_1,\ldots,\alpha_n$ 与 $B: \beta_1,\ldots,\beta_n$,若
|
||||
$$
|
||||
(\beta_1,\ldots,\beta_n) = (\alpha_1,\ldots,\alpha_n) P
|
||||
$$
|
||||
则 $P$ 称为由基 $A$ 到基 $B$ 的**过渡矩阵**(必可逆)。
|
||||
|
||||
**⭐ 坐标变换公式**:向量 $\gamma$ 在基 $A$ 下坐标为 $x$,在基 $B$ 下坐标为 $y$,则
|
||||
$$
|
||||
\boxed{x = Py \quad \Longleftrightarrow \quad y = P^{-1}x}
|
||||
$$
|
||||
|
||||
**过渡矩阵的求法**:$P = A^{-1}B$($A,B$ 表示基向量按列拼成的矩阵),实操用 $(A \mid B) \xrightarrow{\text{行变换}} (E \mid P)$。
|
||||
|
||||
- *极简例子:* $A=\{e_1,e_2\}$,$B=\{(1,1)^T,(1,-1)^T\}$,则 $P = \begin{pmatrix}1&1\\1&-1\end{pmatrix}$;$\gamma=(2,0)^T$ 在 $A$ 下坐标 $x=(2,0)^T$,在 $B$ 下 $y=P^{-1}x=(1,1)^T$。
|
||||
|
||||
> ⚠️ **方向易错**:$P$ 是"旧基 → 新基"的过渡矩阵,但坐标变换是 $x_{\text{旧}} = P\, y_{\text{新}}$——**基与坐标的变换方向相反**(逆变)。
|
||||
|
||||
---
|
||||
|
||||
## ② 必考题型分类索引
|
||||
|
||||
> 每个题型独立成文,包含 mermaid 解题流程图、通法步骤、常见陷阱与经典母题。
|
||||
|
||||
| # | 题型 | 核心判据 | 详细笔记 |
|
||||
|---|------|---------|---------|
|
||||
| 1 | 线性组合与表示 | $r(A)$ vs $r(A\mid\beta)$ | [[题型1_线性组合与表示]] |
|
||||
| 2 | 线性相关性的判定 | 定义法 / 行列式法 / 秩法 | [[题型2_线性相关性的判定]] |
|
||||
| 3 | 极大线性无关组与秩 | 化行最简形,主元列 | [[题型3_极大线性无关组与秩]] |
|
||||
| 4 | 向量组秩的等式与不等式 | $r(A)+r(B)-n \le r(AB)$ 等 | [[题型4_向量组秩的等式与不等式]] |
|
||||
| 5 | 等价向量组与矩阵等价 | $r(A)=r(B)=r(A\mid B)$ | [[题型5_等价向量组与矩阵等价]] |
|
||||
| 6 | 向量空间与子空间 | 封闭性 / 维数 / 基与坐标 | [[题型6_向量空间与子空间]] |
|
||||
| 7 | 基变换与坐标变换 | 过渡矩阵 $P$,$x=Py$ | [[题型7_向量空间的基变换与坐标变换]] |
|
||||
|
||||
---
|
||||
|
||||
## ③ 高频考点与多维变换
|
||||
|
||||
### Top 5 高频考点
|
||||
|
||||
| 排名 | 考点 | 近15年考频 | 典型分值 | 题型 |
|
||||
|------|------|-----------|---------|------|
|
||||
| 1 | **抽象向量组线性相关性判定** | 14次 | 4-11分 | 选择/证明 |
|
||||
| 2 | **秩的不等式证明** | 10次 | 11分 | 解答 |
|
||||
| 3 | 极大无关组 + 用其表示其余向量 | 8次 | 11分 | 解答 |
|
||||
| 4 | 方程组解的结构(向量语言) | 8次 | 11分 | 解答 |
|
||||
| 5 | 基、维数、坐标与过渡矩阵 | 5次 | 4分 | 填空/选择 |
|
||||
|
||||
### 【示例:一题多角度】
|
||||
|
||||
> **核心对象**:$\alpha_1, \alpha_2, \alpha_3$ 线性无关,令
|
||||
> $\beta_1 = \alpha_1+\alpha_2,\ \beta_2 = \alpha_2+\alpha_3,\ \beta_3 = \alpha_3+\alpha_1$
|
||||
|
||||
**角度一:选择题(概念陷阱)**
|
||||
|
||||
下列说法正确的是?
|
||||
- (A) $\beta_1,\beta_2,\beta_3$ 一定线性相关
|
||||
- (B) $\beta_1,\beta_2,\beta_3$ 一定线性无关
|
||||
- (C) 无法判断
|
||||
|
||||
**答**:(B)。因 $(\beta_1,\beta_2,\beta_3) = (\alpha_1,\alpha_2,\alpha_3)C$,$C = \begin{pmatrix}1&0&1\\1&1&0\\0&1&1\end{pmatrix}$,$\det C = 2 \neq 0$,$C$ 可逆 $\Rightarrow r(\beta)=r(\alpha)=3$ → 无关。
|
||||
|
||||
**角度二:计算题(改系数)**
|
||||
|
||||
若改为 $\beta_1=\alpha_1-\alpha_2,\ \beta_2=\alpha_2-\alpha_3,\ \beta_3=\alpha_3-\alpha_1$,判定相关性。
|
||||
|
||||
**答**:$\det C = \begin{vmatrix}1&0&-1\\-1&1&0\\0&-1&1\end{vmatrix} = 0$ → **相关**。事实上 $\beta_1+\beta_2+\beta_3=0$。
|
||||
|
||||
**角度三:证明题(一般化)**
|
||||
|
||||
设 $(\beta_1,\ldots,\beta_m) = (\alpha_1,\ldots,\alpha_m)C$,$\alpha$ 组无关。证明:$\beta$ 组无关 $\iff \det C \neq 0$。
|
||||
|
||||
**证**:设 $(\beta_1,\ldots,\beta_m)x = 0$,即 $(\alpha_1,\ldots,\alpha_m)(Cx) = 0$。由 $\alpha$ 组无关得 $Cx = 0$。故 $\beta$ 组无关 $\iff Cx=0$ 只有零解 $\iff r(C)=m \iff \det C\neq 0$。
|
||||
|
||||
**启示**:**"线性表示 = 矩阵右乘"**——把向量组关系写成 $B = AC$,一切问题化归为矩阵 $C$ 的秩/行列式。这是本章最重要的思维转换。
|
||||
|
||||
---
|
||||
|
||||
## ④ 方法论与解题通法 (Methodology)
|
||||
|
||||
### 方法〇:线性相关性判定的"决策树"
|
||||
|
||||
```
|
||||
判定 α₁,...,α_m 线性相关性
|
||||
├── 第零步:秒杀检查
|
||||
│ ├── 含零向量 → 相关
|
||||
│ ├── 个数 m > 维数 n → 相关
|
||||
│ ├── 有两向量成比例 → 相关
|
||||
│ └── 是无关组的部分组 → 无关
|
||||
├── 第一步:定型
|
||||
│ ├── 具体数字向量
|
||||
│ │ ├── m = n(方阵)→ 算行列式 det A
|
||||
│ │ └── m ≠ n → 化行阶梯求 r(A),比较 r(A) 与 m
|
||||
│ └── 抽象向量(用 α 表示 β)
|
||||
│ ├── 写成 B = AC → 讨论 r(C) / det C
|
||||
│ └── 定义法:设 Σkᵢβᵢ = 0,整理为 α 的组合
|
||||
├── 第二步:结论
|
||||
│ ├── r < m 或 det = 0 → 相关
|
||||
│ └── r = m 或 det ≠ 0 → 无关
|
||||
└── 第三步:含参数 → 讨论 det(λ) = 0 的根,分类
|
||||
```
|
||||
|
||||
### 方法一:定义法(抽象向量组的万能钥匙)
|
||||
|
||||
**标准四步**:
|
||||
1. **设**:$k_1\beta_1 + \cdots + k_m\beta_m = 0$
|
||||
2. **代**:把 $\beta_i$ 用 $\alpha$ 表示代入
|
||||
3. **整理**:合并同类项,凑成 $\sum(\ast)\alpha_i = 0$
|
||||
4. **推**:由 $\alpha$ 组**无关** $\Rightarrow$ 各系数 $(\ast) = 0$,解齐次方程组判断 $k$ 是否全为零
|
||||
|
||||
> ⚠️ 第 4 步的前提是 $\alpha$ 组**线性无关**。若 $\alpha$ 组相关,此推理**失效**!
|
||||
|
||||
### 方法二:矩阵法($B = AC$ 转化,最快)
|
||||
|
||||
$$
|
||||
(\beta_1,\ldots,\beta_s) = (\alpha_1,\ldots,\alpha_m) C_{m\times s}
|
||||
$$
|
||||
|
||||
| 条件 | 结论 |
|
||||
|------|------|
|
||||
| $\alpha$ 组无关 | $r(\beta) = r(C)$ |
|
||||
| 一般情形 | $r(\beta) \le \min\{r(\alpha), r(C)\}$ |
|
||||
| $C$ 可逆($m=s$) | $r(\beta) = r(\alpha)$,两组**等价** |
|
||||
| $\alpha$ 无关且 $\det C \ne 0$ | $\beta$ 组无关 |
|
||||
|
||||
> 🔑 **口诀**:"**看到用 α 表示 β,立即写成 $B=AC$,问题变成 $C$ 的秩**"。
|
||||
|
||||
### 方法三:秩的不等式证明"三板斧"
|
||||
|
||||
| 技法 | 适用信号 | 典型应用 |
|
||||
|------|---------|---------|
|
||||
| **构造分块矩阵 + 初等变换** | 证 $r(A)+r(B) \ge$ 或 $\le$ 某式 | $r(A+B)\le r(A)+r(B)$:由 $\begin{pmatrix}A&O\\O&B\end{pmatrix} \to \begin{pmatrix}A+B&\ast\\ \ast&\ast\end{pmatrix}$ |
|
||||
| **利用 $AB=O \Rightarrow r(A)+r(B)\le n$** | 题设有矩阵乘积为零 | $B$ 的列都是 $Ax=0$ 的解 → $r(B)\le n-r(A)$ |
|
||||
| **解空间维数法** | 证秩的等式 | $\dim N(A) = n - r(A)$,比较解空间包含关系 |
|
||||
|
||||
### 方法四:解空间维数比较法(证明秩等式的高级技巧)
|
||||
|
||||
若能证 $N(A) \subseteq N(B)$ 且 $N(B) \subseteq N(A)$,则 $\dim$ 相等 $\Rightarrow r(A) = r(B)$。
|
||||
|
||||
- *典型应用:* 证 $r(A^TA) = r(A)$。
|
||||
**证**:$Ax=0 \Rightarrow A^TAx = 0$;反之 $A^TAx=0 \Rightarrow x^TA^TAx=0 \Rightarrow \|Ax\|^2=0 \Rightarrow Ax=0$。故两解空间相同 $\Rightarrow r(A^TA)=r(A)$。
|
||||
|
||||
### 方法五:跨章节通法速查表
|
||||
|
||||
| 通用技法 | 本章场景 | 前置/后续章节 | 判断依据 |
|
||||
|---------|---------|-------------|---------|
|
||||
| **行列式判秩** | $n$ 个 $n$ 维向量 $\det=0 \iff$ 相关 | Ch01 行列式 | 个数 = 维数 |
|
||||
| **初等变换保关系** | 求极大无关组 | Ch02/Ch03 | 求列关系用行变换 |
|
||||
| **$Ax=0$ 解结构** | 基础解系 = 解空间的基 | Ch03 方程组 | 出现"解向量" |
|
||||
| **$B=AC$ 转化** | 向量组线性表示 | Ch05 相似变换 $B=P^{-1}AP$ | 一组向量用另一组表示 |
|
||||
| **正交化(施密特)** | 基的标准正交化 | Ch05 实对称阵对角化 | 要求正交基 |
|
||||
| **特征向量的无关性** | 不同特征值的特征向量无关 | Ch05 | 出现特征值/特征向量 |
|
||||
|
||||
---
|
||||
|
||||
## ⑤ 易错点红黑榜 (The Pitfall List)
|
||||
|
||||
### ❌ 错误 1:线性相关 $\Rightarrow$ "任意一个"都能被其余表示
|
||||
|
||||
- **错误表现**:$\alpha_1,\alpha_2,\alpha_3$ 相关 $\Rightarrow \alpha_1$ 可由 $\alpha_2,\alpha_3$ 表示
|
||||
- **正确理解**:只能保证**至少存在一个**(系数非零的那个)可被其余表示。
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
α₁=(1,0), α₂=(0,1), α₃=(0,2)
|
||||
✅ 整体相关(α₃ = 2α₂),且 α₂、α₃ 可互相表示
|
||||
❌ 但 α₁ 不能由 α₂,α₃ 表示(第一分量恒为 0)
|
||||
```
|
||||
|
||||
### ❌ 错误 2:混淆"部分/整体"与"接长/截短"
|
||||
|
||||
- **错误表现**:把"部分无关 ⇒ 整体无关"当成定理
|
||||
- **正确理解**:
|
||||
- 个数方向:**部分相关 ⇒ 整体相关**;**整体无关 ⇒ 部分无关**
|
||||
- 维数方向:**接长无关组仍无关**;**截短相关组仍相关**
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
✅ (1,0,0),(0,1,0) 无关 → 接长为 (1,0,0,5),(0,1,0,7) 仍无关
|
||||
❌ (1,0),(0,1) 无关 ⇏ 加入 (1,1) 后整体无关(实际必相关,3>2)
|
||||
```
|
||||
|
||||
### ❌ 错误 3:秩的概念混淆(矩阵秩 / 行秩 / 列秩 / 向量组秩)
|
||||
|
||||
- **错误表现**:认为"行向量组的秩"与"列向量组的秩"可以不同
|
||||
- **正确理解**:**三秩合一**,恒相等 $= r(A)$。但**行的极大无关组**与**列的极大无关组**是不同的向量集合(只是个数相同)。
|
||||
|
||||
### ❌ 错误 4:求列向量组的极大无关组时使用列变换
|
||||
|
||||
- **错误表现**:$(\alpha_1,\alpha_2,\alpha_3)$ 做初等**列**变换后读主元
|
||||
- **正确理解**:列变换会改变列向量间的线性关系。求**列**的关系必须只做**行**变换(反之求行关系只做列变换)。
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
✅ A = (α₁ α₂ α₃) --行变换--> 行最简形,主元列 = 极大无关组
|
||||
❌ 用列变换 → 得到的"主元列"与原 α 无对应关系
|
||||
```
|
||||
|
||||
### ❌ 错误 5:向量组等价 = 矩阵等价
|
||||
|
||||
- **错误表现**:由 $r(A)=r(B)$ 直接断言向量组 $A \cong B$
|
||||
- **正确理解**:
|
||||
- **向量组等价**:可互相线性表示 $\iff r(A)=r(B)=r(A\mid B)$(强)
|
||||
- **矩阵等价**:同型且 $r(A)=r(B)$(弱)
|
||||
- 向量组等价 $\Rightarrow$ 矩阵等价,**反之不成立**
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
A = {(1,0)ᵀ}, B = {(0,1)ᵀ}
|
||||
✅ 矩阵等价:同型且 r=1=1
|
||||
❌ 向量组不等价:r(A|B) = 2 ≠ 1
|
||||
```
|
||||
|
||||
### ❌ 错误 6:基础解系"个数"与"是否为基"的判断错误
|
||||
|
||||
- **错误表现**:找到 $n-r$ 个解向量就直接当基础解系
|
||||
- **正确理解**:必须同时满足①**是解**、②**线性无关**、③**个数 $= n-r(A)$**。三者缺一不可(其实①②③满足两个可推第三个)。
|
||||
|
||||
### ❌ 错误 7:坐标变换公式方向记反
|
||||
|
||||
- **错误表现**:由 $(\beta) = (\alpha)P$ 推出 $y = Px$
|
||||
- **正确理解**:**基正变,坐标逆变**。$\gamma = (\alpha)x = (\beta)y = (\alpha)Py \Rightarrow x = Py$,即 $y = P^{-1}x$。
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
✅ 基:(β) = (α)P 坐标:x_旧 = P · y_新
|
||||
❌ 记成 y_新 = P · x_旧 (方向反了)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## ⑥ 考研导向复习策略 (Exam Strategy)
|
||||
|
||||
### 优先级与建议题量
|
||||
|
||||
| 子专题 | 优先级 | 建议刷题量 | 说明 |
|
||||
|--------|--------|-----------|------|
|
||||
| 抽象向量组线性相关性判定 | **高** | 35+ 道 | 选择题必考,证明题基础 |
|
||||
| 秩的不等式与证明 | **高** | 25+ 道 | 11 分解答题核心 |
|
||||
| 极大无关组 + 表示系数 | **高** | 20 道 | 计算题标准流程 |
|
||||
| 方程组解的结构(向量语言) | **高** | 20 道 | 与 Ch03 联考 |
|
||||
| 等价向量组判定 | **中** | 10 道 | 常与含参方程组结合 |
|
||||
| 向量空间/基/维数 | **中** | 10 道 | 数一专属,填空高频 |
|
||||
| 基变换与过渡矩阵 | **中** | 8 道 | 公式题,方向别记反 |
|
||||
|
||||
### 跨章节连接
|
||||
|
||||
```
|
||||
┌──────────────────────────────────────┐
|
||||
│ 本章 (Ch04) 向量组的线性相关性 │
|
||||
│ · 线性相关/无关 ⟺ r(A) vs m │
|
||||
│ · 秩 = 极大无关组个数(三秩合一) │
|
||||
│ · 解空间 / 基 / 维数 / 坐标 │
|
||||
└──────────────────┬───────────────────┘
|
||||
│
|
||||
┌────────────┬────────────┬──────┴──────┬────────────┬────────────┐
|
||||
↑ ↑ ↑ ↓ ↓ ↓
|
||||
Ch01 行列式 Ch02 矩阵 Ch03 方程组 Ch05 特征值 Ch06 二次型 概率·统计
|
||||
det=0 ⟺ 相关 r(AB)≤min 基础解系 不同λ的 正惯性指数 协方差阵
|
||||
n个n维判定 初等变换 = 解空间的基 特征向量无关 = 正特征值数 半正定
|
||||
可逆⟺列无关 分块矩阵 n-r = 维数 可对角化⟺ 合同变换 r(Σ)=维数
|
||||
秩的不等式 通解结构 n个无关特征向量 基变换
|
||||
```
|
||||
|
||||
#### 🔥 跨章节综合题命题模式
|
||||
|
||||
**模式 1:向量组 + 方程组(最高频)**
|
||||
> 设 $\alpha_1,\alpha_2,\alpha_3$ 线性无关,$\beta$ 不能由其线性表示。证明 $\alpha_1,\alpha_2,\alpha_3,\beta$ 线性无关。
|
||||
>
|
||||
> **证**:设 $k_1\alpha_1+k_2\alpha_2+k_3\alpha_3+k_4\beta=0$。若 $k_4\neq0$,则 $\beta = -\frac{1}{k_4}\sum k_i\alpha_i$,与"不能表示"矛盾 → $k_4=0$。再由 $\alpha$ 无关得 $k_1=k_2=k_3=0$。
|
||||
>
|
||||
> **考点**:反证法 + 定义法,Ch04 最经典证明范式。
|
||||
|
||||
**模式 2:秩 + 矩阵方程**
|
||||
> 设 $A$ 为 $n$ 阶矩阵,$A^2 = A$。证明 $r(A) + r(A-E) = n$。
|
||||
>
|
||||
> **证**:$A(A-E)=O \Rightarrow r(A)+r(A-E)\le n$;又 $r(A)+r(A-E)\ge r(A + (E-A)) = r(E)=n$。故取等。
|
||||
>
|
||||
> **考点**:西尔维斯特不等式 + 秩的次可加性"上下夹逼"——**秩等式证明的标准套路**。
|
||||
|
||||
**模式 3:向量组 + 特征值(Ch05 桥梁)**
|
||||
> 设 $\lambda_1\neq\lambda_2$,$\xi_1,\xi_2$ 分别是 $A$ 对应的特征向量。证明 $\xi_1,\xi_2$ 线性无关。
|
||||
>
|
||||
> **证**:设 $k_1\xi_1+k_2\xi_2=0$,左乘 $A$ 得 $k_1\lambda_1\xi_1+k_2\lambda_2\xi_2=0$;原式 $\times\lambda_1$ 相减得 $k_2(\lambda_2-\lambda_1)\xi_2=0 \Rightarrow k_2=0 \Rightarrow k_1=0$。
|
||||
>
|
||||
> **考点**:本章定义法直接服务于 Ch05 可对角化理论。
|
||||
|
||||
### 【终极母题推荐】
|
||||
|
||||
> **题目**:设 $A$ 是 $n$ 阶矩阵,证明:$r(A^*) = \begin{cases} n, & r(A)=n \\ 1, & r(A)=n-1 \\ 0, & r(A)<n-1 \end{cases}$
|
||||
|
||||
**此题融合**:
|
||||
- **Ch01**:$AA^* = |A|E$,$\det A^* = |A|^{n-1}$
|
||||
- **Ch04 秩性质 8**:$r(A)=n-1$ 时 $|A|=0 \Rightarrow AA^*=O \Rightarrow r(A)+r(A^*)\le n \Rightarrow r(A^*)\le 1$
|
||||
- **子式定义**:$r(A)=n-1$ $\Rightarrow$ 存在非零 $n-1$ 阶子式 $\Rightarrow A^*\neq O \Rightarrow r(A^*)\ge 1$,故 $=1$
|
||||
- **$r(A)<n-1$**:所有 $n-1$ 阶子式为 0 $\Rightarrow A^*=O$
|
||||
|
||||
**为什么这是"终极母题"**:
|
||||
✅ 打通"秩的定义(子式)"与"秩的运算性质"两条线
|
||||
✅ 西尔维斯特不等式 $AB=O \Rightarrow r(A)+r(B)\le n$ 的教科书级应用
|
||||
✅ 分类讨论的完整训练,考研原题多次出现(选择/填空/证明)
|
||||
|
||||
**🔗 Ch05 升级版(预告)**:
|
||||
> 条件加强为"$A$ 实对称",问 $A^*$ 的特征值与 $A$ 的特征值关系。
|
||||
>
|
||||
> → $\lambda^* = \dfrac{|A|}{\lambda}$。秩的问题升级为**谱**的问题。
|
||||
|
||||
**这道题做完且能默写全部三种情形的证明 → 本章"通关"。**
|
||||
|
||||
---
|
||||
|
||||
> **下一步**:进入 [[Ch05_相似矩阵及二次型/Ch05_Eigenvalue_Similarity|Ch05 特征值与相似矩阵]]。本章的"线性无关"将成为**可对角化的充要条件**($n$ 个线性无关的特征向量)。
|
||||
@@ -0,0 +1,93 @@
|
||||
# 题型一:线性组合与表示
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干出现"$\beta$ 能否由 $\alpha_1,\ldots,\alpha_m$ 线性表示"
|
||||
- 出现"表示法是否唯一""求表示式"
|
||||
- 含参数 $a, t, \lambda$,问"取何值时可表示 / 不可表示"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:β 能否由 α₁...α_m 表示] --> B[构造增广矩阵 A|β]
|
||||
B --> C[初等行变换化行阶梯形]
|
||||
C --> D{比较 r_A 与 r_A|β}
|
||||
D -->|r_A < r_A\|β| E[不能表示<br/>方程组无解]
|
||||
D -->|r_A = r_A\|β = m| F[唯一表示<br/>回代求系数]
|
||||
D -->|r_A = r_A\|β < m| G[无穷多种表示<br/>写通解]
|
||||
F --> H[写出 β = Σkᵢαᵢ]
|
||||
G --> H
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
1. **建模**:令 $A = (\alpha_1,\ldots,\alpha_m)$,问题化为解 $Ax = \beta$
|
||||
2. **化简**:对增广矩阵 $(A \mid \beta)$ 施行**初等行变换**至行阶梯形
|
||||
3. **判定**:
|
||||
- $r(A) < r(A\mid\beta)$ → **不能表示**
|
||||
- $r(A) = r(A\mid\beta) = m$ → **可表示且唯一**
|
||||
- $r(A) = r(A\mid\beta) < m$ → **可表示,有无穷多种表示法**
|
||||
4. **求系数**:继续化为**行最简形**,直接读出解(自由变量置参数)
|
||||
5. **含参讨论**:先算 $\det A$(若 $m=n$),令 $\det A = 0$ 找出参数分界点,再逐段讨论
|
||||
|
||||
> 🔑 **速记**:$\beta$ 能否表示 = $Ax=\beta$ 是否有解 = 秩是否相等。**三句话是同一件事**。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **列向量 vs 行向量**:$\alpha_i$ 写成行向量时,必须**转置成列**再拼矩阵(否则解的是 $x^TA=\beta^T$)
|
||||
- **只做行变换**:增广矩阵禁止列变换(会改变方程组的解)
|
||||
- **忘记讨论 $m$**:$r(A)=r(A\mid\beta)$ 只说明"可表示",是否**唯一**还要看 $r$ 是否等于向量个数 $m$
|
||||
- **含参题漏根**:$\det A = 0$ 的每个根都要单独回代讨论,不能只算一个
|
||||
- **"不能表示"的判据写反**:是 $r(A) < r(A\mid\beta)$,不是 $r(A) > \cdots$(秩只会增不会减)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设
|
||||
> $$\alpha_1 = \begin{pmatrix}1\\1\\1\end{pmatrix},\ \alpha_2=\begin{pmatrix}1\\2\\3\end{pmatrix},\ \alpha_3=\begin{pmatrix}1\\3\\t\end{pmatrix},\ \beta=\begin{pmatrix}1\\4\\5\end{pmatrix}$$
|
||||
> 讨论 $t$ 取何值时,$\beta$ 可由 $\alpha_1,\alpha_2,\alpha_3$ 线性表示,并求表示式。
|
||||
|
||||
**解**:
|
||||
|
||||
**第一步**:构造增广矩阵并化简。
|
||||
|
||||
$$
|
||||
(A\mid\beta) = \begin{pmatrix} 1&1&1&1 \\ 1&2&3&4 \\ 1&3&t&5 \end{pmatrix}
|
||||
\xrightarrow[r_3-r_1]{r_2-r_1}
|
||||
\begin{pmatrix} 1&1&1&1 \\ 0&1&2&3 \\ 0&2&t-1&4 \end{pmatrix}
|
||||
\xrightarrow{r_3-2r_2}
|
||||
\begin{pmatrix} 1&1&1&1 \\ 0&1&2&3 \\ 0&0&t-5&-2 \end{pmatrix}
|
||||
$$
|
||||
|
||||
**第二步**:分类讨论。
|
||||
|
||||
**情形 A:$t \neq 5$**
|
||||
|
||||
$r(A) = r(A\mid\beta) = 3 = m$ → **可唯一表示**。
|
||||
|
||||
回代:$x_3 = \dfrac{-2}{t-5}$,$x_2 = 3 - 2x_3 = 3 + \dfrac{4}{t-5}$,$x_1 = 1 - x_2 - x_3 = -2 - \dfrac{2}{t-5}$。
|
||||
|
||||
$$
|
||||
\beta = \left(-2-\frac{2}{t-5}\right)\alpha_1 + \left(3+\frac{4}{t-5}\right)\alpha_2 + \frac{-2}{t-5}\alpha_3
|
||||
$$
|
||||
|
||||
*验算(取 $t=6$)*:系数为 $(-4, 7, -2)$,$-4(1,1,1)+7(1,2,3)-2(1,3,6) = (1,4,5)$ ✓
|
||||
|
||||
**情形 B:$t = 5$**
|
||||
|
||||
矩阵末行为 $(0,0,0,-2)$,$r(A) = 2 < r(A\mid\beta) = 3$ → **方程组无解,$\beta$ 不能表示**。
|
||||
|
||||
**答**:$t \neq 5$ 时可唯一表示(表示式如上);$t = 5$ 时不能表示。
|
||||
|
||||
**复盘**:
|
||||
- 本题的**关键分界点** $t=5$ 来自阶梯形的主元 $t-5$,等价于 $\det A = 0$ 的根($\det A = t-5$)。
|
||||
- 本题**不存在"无穷多表示"的情形**,因为 $t=5$ 时右端项 $-2 \neq 0$。若把 $\beta$ 换成 $(1,4,7)^T$,$t=5$ 时末行为 $(0,0,0,0)$,则 $r=2<3$ → **无穷多种表示**。
|
||||
- **命题规律**:三种情形(唯一 / 无穷 / 不能)能否同时出现,取决于 $\beta$ 的选取——命题人常故意设计成"三种都有"来考查分类完整性。
|
||||
|
||||
---
|
||||
|
||||
> **变式(唯一性反问)**:若已知 $\beta$ 由 $\alpha_1,\alpha_2,\alpha_3$ 的表示法**不唯一**,求 $t$。
|
||||
|
||||
**解**:不唯一 $\iff r(A)=r(A\mid\beta) < 3 \iff t=5$ 且末行右端为 0。由上式末行 $(0,0,t-5,-2)$,$t=5$ 时右端 $-2\neq0$ → **无解**。故本题的 $\beta$ 下,**不存在使表示法不唯一的 $t$**。
|
||||
|
||||
> **口诀**:**"化增广、比两秩、看个数"** —— 比秩定有无,看 $m$ 定唯一。
|
||||
@@ -0,0 +1,140 @@
|
||||
# 题型二:线性相关性的判定
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 直接问"判定 $\alpha_1,\ldots,\alpha_m$ 是否线性相关"
|
||||
- 抽象向量组:$\beta_i$ 由 $\alpha_j$ 线性表示,问 $\beta$ 组相关性
|
||||
- 含参数:求 $\lambda$ 使向量组线性相关 / 无关
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[判定线性相关性] --> B{秒杀检查}
|
||||
B -->|含零向量 / m>n / 两向量成比例| C[直接判定:相关]
|
||||
B -->|均不满足| D{向量是否具体数字?}
|
||||
D -->|具体数字| E{个数 m 是否等于维数 n?}
|
||||
E -->|m = n| F[计算 det A]
|
||||
E -->|m ≠ n| G[化行阶梯求 r_A]
|
||||
F --> H{det A = 0?}
|
||||
H -->|是| C
|
||||
H -->|否| I[无关]
|
||||
G --> J{r_A 与 m 比较}
|
||||
J -->|r_A < m| C
|
||||
J -->|r_A = m| I
|
||||
D -->|抽象向量| K[写成 B = A·C]
|
||||
K --> L{α 组是否无关?}
|
||||
L -->|无关| M[r_β = r_C,看 det C 或 r_C]
|
||||
L -->|未知/相关| N[定义法:设 Σkᵢβᵢ=0 展开]
|
||||
M --> H
|
||||
N --> O[整理系数方程组求解]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 路径一:秒杀法(先查!)
|
||||
|
||||
| 信号 | 结论 |
|
||||
|------|------|
|
||||
| 含零向量 | 相关 |
|
||||
| 个数 $m >$ 维数 $n$ | 相关 |
|
||||
| 存在两向量成比例 | 相关 |
|
||||
| 某部分组已知相关 | 整体相关 |
|
||||
| 是某已知无关组的部分组 | 无关 |
|
||||
|
||||
### 路径二:行列式法($m = n$ 时最快)
|
||||
|
||||
1. 按列拼成方阵 $A = (\alpha_1,\ldots,\alpha_n)$
|
||||
2. 计算 $\det A$
|
||||
3. $\det A = 0 \Rightarrow$ **相关**;$\det A \neq 0 \Rightarrow$ **无关**
|
||||
|
||||
### 路径三:秩法($m \neq n$ 通用)
|
||||
|
||||
1. 按列拼成 $A_{n\times m}$
|
||||
2. 初等**行**变换化行阶梯形,数非零行数得 $r(A)$
|
||||
3. $r(A) < m \Rightarrow$ **相关**;$r(A) = m \Rightarrow$ **无关**
|
||||
|
||||
### 路径四:定义法(抽象向量组)
|
||||
|
||||
1. 设 $k_1\beta_1 + \cdots + k_s\beta_s = 0$
|
||||
2. 将 $\beta_i$ 用 $\alpha_j$ 代入
|
||||
3. 按 $\alpha_j$ 合并同类项:$\sum_j \left(\ast_j\right)\alpha_j = 0$
|
||||
4. **若 $\alpha$ 组无关**,则各 $\ast_j = 0$,得关于 $k$ 的齐次方程组
|
||||
5. 该方程组只有零解 $\Rightarrow \beta$ 组无关;有非零解 $\Rightarrow \beta$ 组相关
|
||||
|
||||
### 路径五:矩阵法(推荐,最快的抽象解法)
|
||||
|
||||
写 $(\beta_1,\ldots,\beta_s) = (\alpha_1,\ldots,\alpha_m)C$:
|
||||
- $\alpha$ 组无关 $\Rightarrow r(\beta) = r(C)$,只需判 $C$
|
||||
- $C$ 为方阵时:$\det C \neq 0 \iff \beta$ 组无关
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **$m>n$ 用错方向**:是"个数 > 维数"必相关;"维数 > 个数"**不能**推出无关
|
||||
- **$\alpha$ 组相关时滥用定义法第 4 步**:由 $\sum(\ast_j)\alpha_j=0$ **不能**推出 $\ast_j=0$
|
||||
- **只算了 $\det C = 0$ 就说 $\beta$ 相关而不查 $\alpha$**:若 $\alpha$ 组本身相关,$\det C\neq0$ 也**不能**保证 $\beta$ 无关
|
||||
- **"相关 ⇒ 每个都能被其余表示"**:错,只保证**至少一个**
|
||||
- **参数题只找到一个根**:$\det = 0$ 的**所有**根都使向量组相关
|
||||
- **行/列混用**:$\alpha_i$ 若是行向量,判定时应转置为列(或统一按行拼、用行变换)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设 $\alpha_1,\alpha_2,\alpha_3$ 线性无关,令
|
||||
> $$\beta_1 = \alpha_1 + \alpha_2,\quad \beta_2 = \alpha_2 + \alpha_3,\quad \beta_3 = \alpha_3 + k\alpha_1$$
|
||||
> 问 $k$ 取何值时 $\beta_1,\beta_2,\beta_3$ 线性无关?
|
||||
|
||||
**解法一(矩阵法,推荐)**:
|
||||
|
||||
$$
|
||||
(\beta_1,\beta_2,\beta_3) = (\alpha_1,\alpha_2,\alpha_3)
|
||||
\underbrace{\begin{pmatrix} 1 & 0 & k \\ 1 & 1 & 0 \\ 0 & 1 & 1 \end{pmatrix}}_{C}
|
||||
$$
|
||||
|
||||
(第 $j$ 列是 $\beta_j$ 的表示系数)
|
||||
|
||||
因 $\alpha$ 组无关,$r(\beta) = r(C)$,故 $\beta$ 组无关 $\iff \det C \neq 0$。
|
||||
|
||||
$$
|
||||
\det C = \begin{vmatrix} 1&0&k \\ 1&1&0 \\ 0&1&1 \end{vmatrix}
|
||||
= 1\cdot(1\cdot1 - 0\cdot1) - 0 + k(1\cdot1 - 1\cdot0) = 1 + k
|
||||
$$
|
||||
|
||||
**答**:$k \neq -1$ 时 $\beta_1,\beta_2,\beta_3$ 线性无关;$k = -1$ 时线性相关。
|
||||
|
||||
**解法二(定义法,验证)**:
|
||||
|
||||
设 $x_1\beta_1 + x_2\beta_2 + x_3\beta_3 = 0$,代入:
|
||||
$$
|
||||
x_1(\alpha_1+\alpha_2) + x_2(\alpha_2+\alpha_3) + x_3(\alpha_3+k\alpha_1) = 0
|
||||
$$
|
||||
按 $\alpha$ 合并:
|
||||
$$
|
||||
(x_1 + kx_3)\alpha_1 + (x_1+x_2)\alpha_2 + (x_2+x_3)\alpha_3 = 0
|
||||
$$
|
||||
由 $\alpha$ 组**无关**:
|
||||
$$
|
||||
\begin{cases} x_1 + kx_3 = 0 \\ x_1 + x_2 = 0 \\ x_2 + x_3 = 0 \end{cases}
|
||||
$$
|
||||
系数行列式恰为 $\det C^T = 1+k$。$k\neq-1$ 时只有零解 → 无关。
|
||||
|
||||
**$k=-1$ 时的具体相关关系**:解得 $x = (1,-1,1)^T$,即 $\beta_1 - \beta_2 + \beta_3 = 0$。
|
||||
*验证*:$(\alpha_1+\alpha_2) - (\alpha_2+\alpha_3) + (\alpha_3-\alpha_1) = 0$ ✓
|
||||
|
||||
**复盘**:
|
||||
- **矩阵法 3 行搞定,定义法 8 行**——抽象向量组优先写 $B=AC$。
|
||||
- 系数矩阵 $C$ 的**列**对应 $\beta$,别写成行(写成行则应判 $\det C^T$,值相同但概念要清)。
|
||||
- 大前提"$\alpha$ 组无关"是使用 $r(\beta)=r(C)$ 的**必要条件**,答题时必须写出这句话。
|
||||
|
||||
---
|
||||
|
||||
> **变式(具体数字 + 参数)**:判定 $\alpha_1=(1,1,1)^T,\ \alpha_2=(1,2,3)^T,\ \alpha_3=(1,3,\lambda)^T$ 的相关性。
|
||||
|
||||
**解**:$m=n=3$ → 行列式法。
|
||||
$$
|
||||
\det A = \begin{vmatrix} 1&1&1 \\ 1&2&3 \\ 1&3&\lambda \end{vmatrix}
|
||||
\xrightarrow[r_3-r_1]{r_2-r_1}
|
||||
\begin{vmatrix} 1&1&1 \\ 0&1&2 \\ 0&2&\lambda-1 \end{vmatrix} = (\lambda-1) - 4 = \lambda - 5
|
||||
$$
|
||||
$\lambda = 5$ 时相关(此时 $\alpha_3 = 2\alpha_2 - \alpha_1$);$\lambda \neq 5$ 时无关。
|
||||
|
||||
> **口诀**:**"零向量、超维数、成比例 —— 三查秒杀;方阵算行列式,非方阵算秩;抽象一律 $B=AC$。"**
|
||||
@@ -0,0 +1,125 @@
|
||||
# 题型三:极大线性无关组与秩
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干:"求向量组的秩和一个极大线性无关组"
|
||||
- 追加要求:"并将其余向量用该极大无关组线性表示"
|
||||
- 给出一组具体数字向量(通常 4~5 个,3~4 维)
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[给定向量组 α₁...α_m] --> B[按列拼成矩阵 A]
|
||||
B --> C[只做初等行变换]
|
||||
C --> D[化为行阶梯形]
|
||||
D --> E[非零行数 = r = 向量组的秩]
|
||||
E --> F[继续化为行最简形]
|
||||
F --> G[主元列对应的 α = 极大无关组]
|
||||
G --> H[非主元列的坐标 = 表示系数]
|
||||
H --> I[写出 α_j = Σ cᵢ·α_主元]
|
||||
I --> J[代入原向量验算]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
1. **按列拼**:$A = (\alpha_1, \alpha_2, \ldots, \alpha_m)$
|
||||
(若题给行向量,先转置成列!)
|
||||
2. **只做行变换**:化为行阶梯形,非零行数即 $r(A) = $ 向量组的秩
|
||||
3. **化行最简形**:主元位置化为 1,且主元所在**列的其余元素全化为 0**
|
||||
4. **读极大无关组**:主元所在列 $j_1<\cdots<j_r$ 对应的 $\alpha_{j_1},\ldots,\alpha_{j_r}$
|
||||
5. **读表示系数**:对非主元列 $k$,行最简形中该列的元素 $(c_1,\ldots,c_r)^T$ 即为
|
||||
$$\alpha_k = c_1\alpha_{j_1} + c_2\alpha_{j_2} + \cdots + c_r\alpha_{j_r}$$
|
||||
6. **验算**:随手代入一个非主元列检查
|
||||
|
||||
> 🔑 **核心原理**:初等**行**变换**不改变列向量之间的线性关系**。行最简形中列与列的关系,原封不动地成立于原向量之间。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- ❌ **用列变换**:列变换会破坏列间线性关系,读出的"系数"完全错误
|
||||
- ❌ **只化到行阶梯就读系数**:必须化到**行最简形**(主元列为单位向量列)系数才能直接读出
|
||||
- ❌ **行向量组忘转置**:若求**行**向量组的极大无关组,可转置后按列做,或直接对原矩阵做行变换取主元**行**
|
||||
- ❌ **极大无关组当成唯一**:极大无关组**不唯一**(本题解法给出的是"字典序最小"的那个),但秩唯一
|
||||
- ❌ **漏写"并求表示式"**:考研题常两问合一,只答秩会丢分
|
||||
- ❌ 行最简形中把主元列的位置数错(主元 = 每个非零行**第一个**非零元)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设
|
||||
> $$\alpha_1=\begin{pmatrix}1\\2\\1\\3\end{pmatrix},\ \alpha_2=\begin{pmatrix}2\\4\\2\\6\end{pmatrix},\ \alpha_3=\begin{pmatrix}1\\3\\2\\5\end{pmatrix},\ \alpha_4=\begin{pmatrix}0\\1\\1\\2\end{pmatrix},\ \alpha_5=\begin{pmatrix}3\\8\\5\\13\end{pmatrix}$$
|
||||
> 求该向量组的秩和一个极大线性无关组,并将其余向量用它线性表示。
|
||||
|
||||
**解**:
|
||||
|
||||
**第一步**:按列拼成矩阵。
|
||||
|
||||
$$
|
||||
A = \begin{pmatrix}
|
||||
1 & 2 & 1 & 0 & 3 \\
|
||||
2 & 4 & 3 & 1 & 8 \\
|
||||
1 & 2 & 2 & 1 & 5 \\
|
||||
3 & 6 & 5 & 2 & 13
|
||||
\end{pmatrix}
|
||||
$$
|
||||
|
||||
**第二步**:初等行变换。
|
||||
|
||||
$$
|
||||
\xrightarrow[r_3-r_1,\ r_4-3r_1]{r_2-2r_1}
|
||||
\begin{pmatrix}
|
||||
1 & 2 & 1 & 0 & 3 \\
|
||||
0 & 0 & 1 & 1 & 2 \\
|
||||
0 & 0 & 1 & 1 & 2 \\
|
||||
0 & 0 & 2 & 2 & 4
|
||||
\end{pmatrix}
|
||||
\xrightarrow[r_4-2r_2]{r_3-r_2}
|
||||
\begin{pmatrix}
|
||||
1 & 2 & 1 & 0 & 3 \\
|
||||
0 & 0 & 1 & 1 & 2 \\
|
||||
0 & 0 & 0 & 0 & 0 \\
|
||||
0 & 0 & 0 & 0 & 0
|
||||
\end{pmatrix}
|
||||
$$
|
||||
|
||||
**第三步**:化行最简形($r_1 - r_2$)。
|
||||
|
||||
$$
|
||||
B = \begin{pmatrix}
|
||||
1 & 2 & 0 & -1 & 1 \\
|
||||
0 & 0 & 1 & 1 & 2 \\
|
||||
0 & 0 & 0 & 0 & 0 \\
|
||||
0 & 0 & 0 & 0 & 0
|
||||
\end{pmatrix}
|
||||
$$
|
||||
|
||||
**第四步**:读结论。
|
||||
|
||||
- **秩**:非零行数 $= 2$,故 $r(\alpha_1,\ldots,\alpha_5) = 2$
|
||||
- **主元列**:第 1 列、第 3 列 → **极大无关组为 $\alpha_1, \alpha_3$**
|
||||
|
||||
**第五步**:读表示系数(非主元列 2、4、5)。
|
||||
|
||||
| 列 | $B$ 中该列 | 表示式 |
|
||||
|----|-----------|--------|
|
||||
| 第 2 列 | $(2, 0)^T$ | $\alpha_2 = 2\alpha_1 + 0\cdot\alpha_3 = 2\alpha_1$ |
|
||||
| 第 4 列 | $(-1, 1)^T$ | $\alpha_4 = -\alpha_1 + \alpha_3$ |
|
||||
| 第 5 列 | $(1, 2)^T$ | $\alpha_5 = \alpha_1 + 2\alpha_3$ |
|
||||
|
||||
**第六步**:验算。
|
||||
|
||||
- $\alpha_2 = 2\alpha_1 = 2(1,2,1,3)^T = (2,4,2,6)^T$ ✓
|
||||
- $\alpha_4 = -\alpha_1+\alpha_3 = (-1,-2,-1,-3)^T + (1,3,2,5)^T = (0,1,1,2)^T$ ✓
|
||||
- $\alpha_5 = \alpha_1+2\alpha_3 = (1,2,1,3)^T + (2,6,4,10)^T = (3,8,5,13)^T$ ✓
|
||||
|
||||
**复盘**:
|
||||
- **全程只用行变换**,一步到位同时得到"秩 + 极大无关组 + 表示式"三个答案,这是本题型的最优解法。
|
||||
- 行最简形的第 $k$ 列坐标之所以就是表示系数,是因为行最简形中主元列本身是单位列向量 $e_1, e_2$。
|
||||
- **极大无关组不唯一**:本题 $\{\alpha_3,\alpha_4\}$ 也是($\alpha_3,\alpha_4$ 不成比例且秩为 2),但 $\{\alpha_1,\alpha_2\}$ **不是**(成比例)。答题写一个即可。
|
||||
|
||||
---
|
||||
|
||||
> **变式(抽象秩)**:设 $r(\alpha_1,\alpha_2,\alpha_3)=2$,$r(\alpha_1,\alpha_2,\alpha_3,\alpha_4)=3$,问 $\alpha_4$ 能否由 $\alpha_1,\alpha_2,\alpha_3$ 线性表示?
|
||||
|
||||
**解**:若能表示,则 $r(\alpha_1,\ldots,\alpha_4) = r(\alpha_1,\alpha_2,\alpha_3) = 2$,与 $3$ 矛盾。故**不能表示**。
|
||||
|
||||
> **口诀**:**"列拼行变、阶梯数秩、最简读组、非主元列即系数。"**
|
||||
@@ -0,0 +1,130 @@
|
||||
# 题型四:向量组秩的等式与不等式
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干出现"**证明** $r(\cdots) = \cdots$"或"$r(\cdots) \le / \ge \cdots$"
|
||||
- 给出矩阵方程条件:$AB = O$、$A^2 = A$、$A^2 = E$、$A^k = O$
|
||||
- 出现 $r(A\mid B)$、$r(A+B)$、$r(AB)$、$r(A^*)$ 等复合秩
|
||||
- **11 分解答题**的常见形态
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[秩的等式/不等式证明] --> B{条件类型}
|
||||
B -->|已知 AB = O| C[用西尔维斯特:r_A + r_B ≤ n]
|
||||
B -->|要证等式 r_X = k| D[上下夹逼:先证 ≤ 再证 ≥]
|
||||
B -->|含 A+B 或 A\|B| E[构造分块矩阵 + 初等变换]
|
||||
B -->|矩阵方程 f_A = O| F[因式分解 A·g_A = O 转化为 AB=O]
|
||||
C --> G[配合 r_A+r_B ≥ r_A±B 得下界]
|
||||
F --> C
|
||||
E --> H[分块变换后比较秩]
|
||||
D --> I[两侧夹出等号]
|
||||
G --> I
|
||||
H --> I
|
||||
I --> J[结论]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 核心武器库(必背)
|
||||
|
||||
| # | 不等式 | 使用信号 |
|
||||
|---|--------|---------|
|
||||
| 1 | $r(AB) \le \min\{r(A), r(B)\}$ | 出现乘积 |
|
||||
| 2 | $A_{m\times n}B_{n\times s}=O \Rightarrow r(A)+r(B)\le n$ ⭐ | **乘积为零矩阵** |
|
||||
| 3 | $r(A)+r(B)-n \le r(AB)$(Frobenius/Sylvester 下界) | 求乘积秩下界 |
|
||||
| 4 | $r(A+B) \le r(A)+r(B)$ | 出现矩阵和 |
|
||||
| 5 | $\max\{r(A),r(B)\} \le r(A\mid B) \le r(A)+r(B)$ | 出现拼接 |
|
||||
| 6 | $r\begin{pmatrix}A&O\\O&B\end{pmatrix} = r(A)+r(B)$ | 分块对角 |
|
||||
| 7 | $r(PAQ) = r(A)$($P,Q$ 可逆) | 可逆阵不改秩 |
|
||||
| 8 | $r(A)=r(A^T)=r(A^TA)=r(AA^T)$ | 实矩阵转置乘积 |
|
||||
|
||||
### 标准套路:上下夹逼证等式
|
||||
|
||||
要证 $r(X) + r(Y) = n$:
|
||||
1. **证 $\le$**:由 $XY = O$ 用武器 2
|
||||
2. **证 $\ge$**:由 $r(X)+r(Y) \ge r(X \pm Y)$,凑出 $X\pm Y$ 为可逆阵(常凑成 $E$ 或 $kE$)
|
||||
3. 两侧夹出等号
|
||||
|
||||
### 标准套路:$AB=O$ 的向量解读
|
||||
|
||||
$AB = O \iff B$ 的**每一列都是 $Ax=0$ 的解** $\iff B$ 的列空间 $\subseteq N(A)$
|
||||
$$
|
||||
\Rightarrow r(B) \le \dim N(A) = n - r(A) \Rightarrow r(A)+r(B) \le n
|
||||
$$
|
||||
|
||||
> 🔑 这就是武器 2 的**向量语言证明**——考场上可直接这样写,比引用定理更稳。
|
||||
|
||||
### 标准套路:分块矩阵法证不等式
|
||||
|
||||
证 $r(A+B) \le r(A)+r(B)$:
|
||||
$$
|
||||
r(A)+r(B) = r\begin{pmatrix}A&O\\O&B\end{pmatrix}
|
||||
\xrightarrow{\text{行/列倍加}} r\begin{pmatrix}A&A\\ -B&O\end{pmatrix}
|
||||
\to r\begin{pmatrix}A+B& A \\ O & \ast\end{pmatrix} \ge r(A+B)
|
||||
$$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- ❌ **把 $r(AB) \le \min$ 用反**:乘积只会**降秩**,不会升秩
|
||||
- ❌ **$AB=O$ 推 $A=O$ 或 $B=O$**:矩阵无零因子律!只能推秩关系
|
||||
- ❌ **只证一半**:证等式必须**两边夹**,只证 $\le$ 不算完整证明(丢一半分)
|
||||
- ❌ **$r(A+B) = r(A)+r(B)$**:只有 $\le$,等号一般不成立
|
||||
- ❌ **维数 $n$ 用错**:$AB=O$ 中的 $n$ 是 $A$ 的**列数** = $B$ 的**行数**,不是随便一个阶数
|
||||
- ❌ **$r(A^TA)=r(A)$ 用于复矩阵**:此性质仅对**实矩阵**成立(复数需用共轭转置)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设 $A$ 为 $n$ 阶矩阵,且 $A^2 = A$。证明:$r(A) + r(A - E) = n$。
|
||||
|
||||
**解**:
|
||||
|
||||
**第一步(证 $\le$)**:由 $A^2 = A$ 得
|
||||
$$
|
||||
A^2 - A = O \Rightarrow A(A - E) = O
|
||||
$$
|
||||
由西尔维斯特不等式($A$ 的列数为 $n$):
|
||||
$$
|
||||
r(A) + r(A-E) \le n \qquad (\ast)
|
||||
$$
|
||||
|
||||
*(向量语言补充)*:$A(A-E)=O$ 说明 $A-E$ 的每列都是 $Ax=0$ 的解,故 $r(A-E) \le n - r(A)$。
|
||||
|
||||
**第二步(证 $\ge$)**:注意到
|
||||
$$
|
||||
A + (E - A) = E
|
||||
$$
|
||||
由秩的次可加性 $r(X+Y) \le r(X)+r(Y)$:
|
||||
$$
|
||||
n = r(E) = r\big(A + (E-A)\big) \le r(A) + r(E-A) = r(A) + r(A-E) \qquad (\ast\ast)
|
||||
$$
|
||||
(用到 $r(E-A) = r(-(A-E)) = r(A-E)$)
|
||||
|
||||
**第三步(夹逼)**:由 $(\ast)$ 与 $(\ast\ast)$:
|
||||
$$
|
||||
r(A) + r(A-E) = n \qquad \blacksquare
|
||||
$$
|
||||
|
||||
**复盘**:
|
||||
- **这是秩等式证明的"教科书模板"**:$\le$ 靠乘积为零,$\ge$ 靠和为单位阵。
|
||||
- 关键的**代数变形**是把条件 $A^2=A$ 因式分解为 $A(A-E)=O$,把"矩阵方程"翻译成"乘积为零"。
|
||||
- **推广**:任何满足 $f(A)=O$ 且 $f(x)=\prod (x-\lambda_i)$ 无重根的矩阵,都有 $\sum_i r(A-\lambda_i E) = (k-1)n$。
|
||||
|
||||
---
|
||||
|
||||
> **变式一**:设 $A^2 = E$(对合矩阵),证明 $r(A+E) + r(A-E) = n$。
|
||||
|
||||
**解**:$(A+E)(A-E) = A^2 - E = O \Rightarrow r(A+E)+r(A-E)\le n$;
|
||||
又 $(A+E) - (A-E) = 2E$,故 $n = r(2E) \le r(A+E)+r(A-E)$。夹逼得证。
|
||||
|
||||
> **变式二**:设 $A$ 为 $n$ 阶矩阵,$A^2 = O$,证明 $r(A) \le \dfrac{n}{2}$。
|
||||
|
||||
**解**:$A\cdot A = O \Rightarrow r(A)+r(A)\le n \Rightarrow r(A)\le n/2$。
|
||||
|
||||
> **变式三(伴随矩阵)**:证明 $r(A^*) = 1$ 当 $r(A) = n-1$。
|
||||
|
||||
**解**:$r(A)=n-1 \Rightarrow |A|=0 \Rightarrow AA^* = |A|E = O \Rightarrow r(A)+r(A^*)\le n \Rightarrow r(A^*)\le 1$。
|
||||
又 $r(A)=n-1$ 说明存在非零 $n-1$ 阶子式 $\Rightarrow A^*$ 中有非零元 $\Rightarrow A^*\neq O \Rightarrow r(A^*)\ge 1$。故 $r(A^*)=1$。
|
||||
|
||||
> **口诀**:**"乘积为零得上界,和为单位得下界,上下一夹等号出。"**
|
||||
@@ -0,0 +1,147 @@
|
||||
# 题型五:等价向量组与矩阵等价
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干:"判断向量组 $A$ 与 $B$ 是否等价"
|
||||
- "求参数 $a$,使 $\alpha_1,\alpha_2,\alpha_3$ 与 $\beta_1,\beta_2,\beta_3$ 等价"
|
||||
- 选择题辨析:"向量组等价"与"矩阵等价"的区别
|
||||
- 涉及"$A$ 能由 $B$ 表示但 $B$ 不能由 $A$ 表示"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[判定向量组 A 与 B 是否等价] --> B[拼成矩阵 A、B、A|B]
|
||||
B --> C[对 A|B 做初等行变换化行阶梯]
|
||||
C --> D[读出 r_A、r_B、r_A|B]
|
||||
D --> E{r_A = r_B = r_A|B ?}
|
||||
E -->|是| F[等价 ✓ 可互相表示]
|
||||
E -->|否| G{哪一侧不等?}
|
||||
G -->|r_A = r_A\|B ≠ r_B| H[B 可由 A 表示,反之不行]
|
||||
G -->|r_B = r_A\|B ≠ r_A| I[A 可由 B 表示,反之不行]
|
||||
G -->|r_A|B > 两者| J[互不能表示,不等价]
|
||||
F --> K[含参题:解 r 相等的参数方程]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、两个"等价"的严格区分(选择题核心)
|
||||
|
||||
| | **向量组等价** | **矩阵等价** |
|
||||
|---|---------------|-------------|
|
||||
| 定义 | 可**互相线性表示** | 存在可逆 $P,Q$ 使 $B=PAQ$ |
|
||||
| 判据 | $r(A)=r(B)=r(A\mid B)$ | 同型 且 $r(A)=r(B)$ |
|
||||
| 向量个数 | **可以不同** | 必须同型 |
|
||||
| 强弱 | **强** | **弱** |
|
||||
| 关系 | 向量组等价(同型时)$\Rightarrow$ 矩阵等价 | 反之**不成立** |
|
||||
|
||||
- *反例:* $A=\{(1,0)^T\}$,$B=\{(0,1)^T\}$:同型且 $r=1=1$(矩阵等价),但 $r(A\mid B)=2\neq1$(向量组**不**等价)。
|
||||
|
||||
### 二、判定步骤
|
||||
|
||||
1. **拼矩阵**:把两组向量都按列拼,构造 $A$、$B$、$(A \mid B)$
|
||||
2. **一次化简**:只对 $(A\mid B)$ 做**初等行变换**化为行阶梯形(左半部分自动给出 $A$ 的阶梯形)
|
||||
3. **读三个秩**:$r(A)$(左块非零行)、$r(A\mid B)$(整体非零行)、$r(B)$(单独算或从阶梯形右块判断)
|
||||
4. **对照判据**:
|
||||
- $r(A)=r(B)=r(A\mid B)$ → **等价**
|
||||
- $r(A)=r(A\mid B) < r(B)$ → $B$ 可由 $A$ 表示,单向
|
||||
- $r(B)=r(A\mid B) < r(A)$ → $A$ 可由 $B$ 表示,单向
|
||||
- $r(A\mid B) > \max$ → 互不能表示
|
||||
5. **含参**:由 $r(A)=r(A\mid B)$ 建立参数方程求解
|
||||
|
||||
### 三、重要推论
|
||||
|
||||
- 等价的向量组**秩必相等**($r(A)=r(B)$)
|
||||
- 但 $r(A)=r(B)$ **推不出**等价(缺 $r(A\mid B)$ 条件)
|
||||
- 等价具有**自反性、对称性、传递性**
|
||||
- 等价的两个**无关**向量组,向量**个数必相同**(由"以少表多"定理)
|
||||
- $\text{span}(A) = \text{span}(B) \iff A \cong B$(等价 $\iff$ 张成同一子空间)
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- ❌ **只比 $r(A)=r(B)$ 就断言等价**:最经典错误,必须加 $r(A\mid B)$
|
||||
- ❌ **混淆两种等价**:矩阵等价只是"同型同秩",弱得多
|
||||
- ❌ **要求两组向量个数相同**:向量组等价**不要求个数相同**(如 $\{\alpha\}$ 与 $\{\alpha, 2\alpha\}$ 等价)
|
||||
- ❌ **对 $(A\mid B)$ 做列变换**:会破坏"表示关系",只能行变换
|
||||
- ❌ **单向表示当成等价**:"$B$ 能由 $A$ 表示"只是一半,还需反向
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设
|
||||
> $$\alpha_1=\begin{pmatrix}1\\2\\3\end{pmatrix},\ \alpha_2=\begin{pmatrix}1\\0\\2\end{pmatrix};\qquad
|
||||
> \beta_1=\begin{pmatrix}1\\-2\\a+8\end{pmatrix},\ \beta_2=\begin{pmatrix}0\\ b\\ 2\end{pmatrix},\ \beta_3=\begin{pmatrix}2\\2\\5\end{pmatrix}$$
|
||||
> 问 $a, b$ 为何值时向量组 $\{\alpha_1,\alpha_2\}$ 与 $\{\beta_1,\beta_2,\beta_3\}$ 等价?
|
||||
|
||||
**解**:
|
||||
|
||||
**第一步**:先求 $r(\alpha_1,\alpha_2)$。
|
||||
$$
|
||||
(\alpha_1,\alpha_2)=\begin{pmatrix}1&1\\2&0\\3&2\end{pmatrix}
|
||||
\xrightarrow[r_3-3r_1]{r_2-2r_1}
|
||||
\begin{pmatrix}1&1\\0&-2\\0&-1\end{pmatrix}
|
||||
\xrightarrow{r_3-\frac12 r_2}
|
||||
\begin{pmatrix}1&1\\0&-2\\0&0\end{pmatrix}
|
||||
$$
|
||||
故 $r(\alpha_1,\alpha_2)=2$。
|
||||
|
||||
**第二步**:等价要求 $r(\beta)=2$ 且 $r(\alpha\mid\beta)=2$。
|
||||
|
||||
对 $(\alpha_1,\alpha_2 \mid \beta_1,\beta_2,\beta_3)$ 化简:
|
||||
$$
|
||||
\begin{pmatrix}
|
||||
1 & 1 & 1 & 0 & 2 \\
|
||||
2 & 0 & -2 & b & 2 \\
|
||||
3 & 2 & a+8 & 2 & 5
|
||||
\end{pmatrix}
|
||||
\xrightarrow[r_3-3r_1]{r_2-2r_1}
|
||||
\begin{pmatrix}
|
||||
1 & 1 & 1 & 0 & 2 \\
|
||||
0 & -2 & -4 & b & -2 \\
|
||||
0 & -1 & a+5 & 2 & -1
|
||||
\end{pmatrix}
|
||||
$$
|
||||
$$
|
||||
\xrightarrow{r_3-\frac12 r_2}
|
||||
\begin{pmatrix}
|
||||
1 & 1 & 1 & 0 & 2 \\
|
||||
0 & -2 & -4 & b & -2 \\
|
||||
0 & 0 & a+7 & 2-\frac{b}{2} & 0
|
||||
\end{pmatrix}
|
||||
$$
|
||||
|
||||
**第三步**:由 $r(\alpha\mid\beta)=2$ 要求末行全零:
|
||||
$$
|
||||
a + 7 = 0 \quad\text{且}\quad 2 - \frac{b}{2} = 0
|
||||
$$
|
||||
即
|
||||
$$
|
||||
\boxed{a = -7,\qquad b = 4}
|
||||
$$
|
||||
|
||||
**第四步**:验证 $r(\beta)=2$。此时
|
||||
$$
|
||||
(\beta_1,\beta_2,\beta_3)=\begin{pmatrix}1&0&2\\-2&4&2\\1&2&5\end{pmatrix}
|
||||
\xrightarrow[r_3-r_1]{r_2+2r_1}
|
||||
\begin{pmatrix}1&0&2\\0&4&6\\0&2&3\end{pmatrix}
|
||||
\xrightarrow{r_3-\frac12 r_2}
|
||||
\begin{pmatrix}1&0&2\\0&4&6\\0&0&0\end{pmatrix}
|
||||
$$
|
||||
$r(\beta)=2$ ✓
|
||||
|
||||
**结论**:$a=-7,\ b=4$ 时,$r(\alpha)=r(\beta)=r(\alpha\mid\beta)=2$,两向量组**等价**。
|
||||
|
||||
**复盘**:
|
||||
- **一个增广矩阵搞定全部**:把 $\alpha$ 放左、$\beta$ 放右,一次行变换同时给出 $r(\alpha)$ 与 $r(\alpha\mid\beta)$。
|
||||
- 注意本题**向量个数不同**(2 个 vs 3 个)但仍可等价——因为等价看的是**张成空间**,不是个数。
|
||||
- 最后一步验证 $r(\beta)=2$ **不可省略**:若 $r(\beta)=1$,虽 $r(\alpha\mid\beta)=2=r(\alpha)$,但 $r(\beta)\neq r(\alpha)$ 仍不等价。
|
||||
|
||||
---
|
||||
|
||||
> **变式(概念选择题)**:设 $A, B$ 均为 $3\times3$ 矩阵且 $r(A)=r(B)=2$,则
|
||||
> (A) $A$ 与 $B$ 的列向量组等价
|
||||
> (B) $A$ 与 $B$ 矩阵等价
|
||||
> (C) 以上都对
|
||||
|
||||
**答**:(B)。矩阵等价只需同型同秩,成立;列向量组等价还需 $r(A\mid B)=2$,未必成立。
|
||||
|
||||
> **口诀**:**"三秩齐等才等价 —— $r(A)=r(B)=r(A\mid B)$,缺一不可。"**
|
||||
@@ -0,0 +1,149 @@
|
||||
# 题型六:向量空间与子空间
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干:"判断集合 $V$ 是否构成向量空间(子空间)"
|
||||
- "求 $V$ 的维数与一组基"
|
||||
- "求向量 $\gamma$ 在基 $\alpha_1,\ldots,\alpha_r$ 下的坐标"
|
||||
- 出现 $\text{span}\{\cdots\}$、解空间 $N(A)$、列空间 $C(A)$
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[给定集合 V ⊆ Rⁿ] --> B{V 是否含零向量?}
|
||||
B -->|否| C[不是子空间 ✗ 结束]
|
||||
B -->|是| D{对加法封闭?}
|
||||
D -->|否| C
|
||||
D -->|是| E{对数乘封闭?}
|
||||
E -->|否| C
|
||||
E -->|是| F[是子空间 ✓]
|
||||
F --> G{V 的形式?}
|
||||
G -->|span 生成型| H[求生成组的极大无关组<br/>= 基,个数 = 维数]
|
||||
G -->|解空间 N_A| I[求基础解系<br/>= 基,维数 = n - r_A]
|
||||
G -->|列空间 C_A| J[A 的列极大无关组<br/>维数 = r_A]
|
||||
H --> K[求坐标:解方程组 基·x = γ]
|
||||
I --> K
|
||||
J --> K
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、判定是否为子空间(三查法)
|
||||
|
||||
1. **查零向量**:$0 \in V$?不含则**立即否定**(最快的否定手段)
|
||||
2. **查加法封闭**:任取 $\alpha,\beta\in V$,验证 $\alpha+\beta \in V$
|
||||
3. **查数乘封闭**:任取 $\alpha\in V,k\in\mathbb{R}$,验证 $k\alpha \in V$
|
||||
|
||||
> 🔑 **速判规律**:
|
||||
> - **齐次**条件($\sum a_ix_i = 0$、$Ax=0$)→ **是**子空间
|
||||
> - **非齐次**条件($\sum a_ix_i = 1$、$Ax=b\ (b\neq0)$)→ **不是**(不含 $0$)
|
||||
> - 含**非线性**条件($x_1^2=x_2$、$x_1x_2=0$、$x_i\ge0$)→ **不是**
|
||||
|
||||
### 二、求维数与基
|
||||
|
||||
| $V$ 的形式 | 基 | 维数 |
|
||||
|-----------|----|----|
|
||||
| $\text{span}\{\alpha_1,\ldots,\alpha_m\}$ | 极大线性无关组 | $r(\alpha_1,\ldots,\alpha_m)$ |
|
||||
| $N(A) = \{x\mid Ax=0\}$ | **基础解系** | $n - r(A)$ |
|
||||
| $C(A) = \{Ax\}$ | $A$ 的列的极大无关组 | $r(A)$ |
|
||||
| 由条件 $\sum a_ix_i=0$ 定义 | 解该齐次方程的基础解系 | $n - 1$($a$ 不全为零时)|
|
||||
|
||||
### 三、求坐标
|
||||
|
||||
$\gamma$ 在基 $\alpha_1,\ldots,\alpha_r$ 下的坐标 $x$ 满足
|
||||
$$
|
||||
(\alpha_1,\ldots,\alpha_r)\, x = \gamma
|
||||
$$
|
||||
- **实操**:对 $(\alpha_1,\ldots,\alpha_r \mid \gamma)$ 做**行变换**化行最简形,右侧即为坐标
|
||||
- **方阵可逆时**:$x = A^{-1}\gamma$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- ❌ **忘查零向量**:$\{x \mid x_1+x_2=1\}$ 看似"线性",实则不含 $0$ → 不是子空间
|
||||
- ❌ **只验一种封闭性**:加法与数乘**都要**验(数乘含 $k=0$ 蕴含零向量,但仍应分别写清)
|
||||
- ❌ **把生成组当基**:$\text{span}$ 的生成向量可能线性**相关**,必须先取极大无关组
|
||||
- ❌ **维数 = 向量个数**:错!维数 = 极大无关组个数 = 秩
|
||||
- ❌ **解空间维数写成 $r(A)$**:解空间维数是 $n - r(A)$,列空间才是 $r(A)$
|
||||
- ❌ **$\mathbb{R}^n$ 的子空间维数超过 $n$**:不可能,$0\le \dim V\le n$
|
||||
- ❌ **坐标与向量混淆**:坐标是**表示系数**($r$ 维),向量本身是 $n$ 维,二者维数常不同
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设 $V = \{(x_1,x_2,x_3,x_4)^T \in \mathbb{R}^4 \mid x_1 + x_2 + x_3 + x_4 = 0,\ x_1 - x_2 + x_3 - x_4 = 0\}$。
|
||||
> (1) 证明 $V$ 是 $\mathbb{R}^4$ 的子空间;
|
||||
> (2) 求 $V$ 的维数与一组基;
|
||||
> (3) 求 $\gamma = (1,0,-1,0)^T$ 在所求基下的坐标。
|
||||
|
||||
**解**:
|
||||
|
||||
**(1) 证明是子空间**
|
||||
|
||||
$V$ 恰为齐次方程组 $Ax=0$ 的解集,其中
|
||||
$$
|
||||
A = \begin{pmatrix} 1&1&1&1 \\ 1&-1&1&-1 \end{pmatrix}
|
||||
$$
|
||||
- **零向量**:$A\cdot 0 = 0$,故 $0\in V$ ✓
|
||||
- **加法封闭**:$\alpha,\beta\in V \Rightarrow A(\alpha+\beta)=A\alpha+A\beta=0 \Rightarrow \alpha+\beta\in V$ ✓
|
||||
- **数乘封闭**:$A(k\alpha)=kA\alpha=0 \Rightarrow k\alpha\in V$ ✓
|
||||
|
||||
故 $V$ 是 $\mathbb{R}^4$ 的子空间(即 $A$ 的**零空间** $N(A)$)。$\blacksquare$
|
||||
|
||||
**(2) 求维数与基**
|
||||
|
||||
$$
|
||||
A = \begin{pmatrix} 1&1&1&1 \\ 1&-1&1&-1 \end{pmatrix}
|
||||
\xrightarrow{r_2-r_1}
|
||||
\begin{pmatrix} 1&1&1&1 \\ 0&-2&0&-2 \end{pmatrix}
|
||||
\xrightarrow{r_2 \div(-2)}
|
||||
\begin{pmatrix} 1&1&1&1 \\ 0&1&0&1 \end{pmatrix}
|
||||
\xrightarrow{r_1-r_2}
|
||||
\begin{pmatrix} 1&0&1&0 \\ 0&1&0&1 \end{pmatrix}
|
||||
$$
|
||||
|
||||
$r(A)=2$,$n=4$ → $\dim V = 4-2 = 2$。
|
||||
|
||||
主元变量 $x_1,x_2$,自由变量 $x_3,x_4$:
|
||||
$$
|
||||
x_1 = -x_3, \qquad x_2 = -x_4
|
||||
$$
|
||||
|
||||
取 $(x_3,x_4)=(1,0)$ 与 $(0,1)$:
|
||||
$$
|
||||
\xi_1 = \begin{pmatrix}-1\\0\\1\\0\end{pmatrix},\qquad
|
||||
\xi_2 = \begin{pmatrix}0\\-1\\0\\1\end{pmatrix}
|
||||
$$
|
||||
|
||||
**答**:$\dim V = 2$,基为 $\{\xi_1, \xi_2\}$(即基础解系)。
|
||||
|
||||
*验算*:$\xi_1$:$-1+0+1+0=0$ ✓,$-1-0+1-0=0$ ✓
|
||||
|
||||
**(3) 求坐标**
|
||||
|
||||
先验证 $\gamma\in V$:$1+0-1+0=0$ ✓,$1-0-1-0=0$ ✓。
|
||||
|
||||
解 $c_1\xi_1 + c_2\xi_2 = \gamma$:
|
||||
$$
|
||||
c_1\begin{pmatrix}-1\\0\\1\\0\end{pmatrix} + c_2\begin{pmatrix}0\\-1\\0\\1\end{pmatrix} = \begin{pmatrix}1\\0\\-1\\0\end{pmatrix}
|
||||
$$
|
||||
由第 1 个分量 $-c_1 = 1 \Rightarrow c_1 = -1$;第 2 个分量 $-c_2 = 0 \Rightarrow c_2 = 0$。
|
||||
其余分量自动满足:第 3 分量 $c_1 = -1$ ✓,第 4 分量 $c_2 = 0$ ✓。
|
||||
|
||||
**答**:$\gamma$ 的坐标为 $(-1, 0)^T$。
|
||||
|
||||
**复盘**:
|
||||
- **核心洞察**:由**齐次线性方程组**定义的集合天然是子空间,"证明"部分只需三查(也可直接引用"解空间是子空间")。
|
||||
- **$\dim V = n - r(A) = 4-2 = 2$**:这就是 Ch03 基础解系个数公式在向量空间语言下的表述——**基础解系 = 解空间的基**。
|
||||
- **坐标是 2 维的**,而向量 $\gamma$ 是 4 维的。坐标的维数 = $\dim V$,不是 $n$。这是最易混淆的一点。
|
||||
|
||||
---
|
||||
|
||||
> **变式一(否定型)**:判断 $W = \{(x_1,x_2)^T \mid x_1 x_2 = 0\}$ 是否为 $\mathbb{R}^2$ 的子空间。
|
||||
|
||||
**解**:含零向量 ✓,数乘封闭 ✓,但 $(1,0)^T,(0,1)^T \in W$ 而 $(1,0)^T+(0,1)^T=(1,1)^T \notin W$($1\cdot1\neq0$)→ **加法不封闭,不是子空间**。
|
||||
|
||||
> **变式二(维数计算)**:求 $V = \text{span}\{(1,1,0)^T,(2,2,0)^T,(0,0,1)^T\}$ 的维数。
|
||||
|
||||
**解**:前两个成比例,秩为 2 → $\dim V = 2$,基可取 $\{(1,1,0)^T,(0,0,1)^T\}$。
|
||||
|
||||
> **口诀**:**"齐次是空间,非齐次不是;维数看秩不看个数;解空间维数 $=n-r$,列空间维数 $=r$。"**
|
||||
@@ -0,0 +1,165 @@
|
||||
# 题型七:向量空间的基变换与坐标变换
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干给出**两组基** $\alpha_1,\ldots,\alpha_n$ 与 $\beta_1,\ldots,\beta_n$
|
||||
- "求由基 $A$ 到基 $B$ 的**过渡矩阵**"
|
||||
- "已知 $\gamma$ 在基 $A$ 下的坐标,求在基 $B$ 下的坐标"
|
||||
- "求在两组基下坐标**相同**的向量"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[给定两组基 α 与 β] --> B[按列拼成矩阵 A、B]
|
||||
B --> C[基变换公式 B = A·P]
|
||||
C --> D[过渡矩阵 P = A⁻¹B]
|
||||
D --> E[实操: A|B --行变换--> E|P]
|
||||
E --> F{问题类型}
|
||||
F -->|求坐标变换| G[γ = A·x = B·y]
|
||||
G --> H[x = P·y,即 y = P⁻¹x]
|
||||
F -->|求同坐标向量| I[令 x = y,解 P-E·x = 0]
|
||||
I --> J[求基础解系,通解即所求]
|
||||
F -->|验证是否为基| K[det A ≠ 0 ⟺ 是一组基]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、核心公式(必背,注意方向)
|
||||
|
||||
设 $A=(\alpha_1,\ldots,\alpha_n)$,$B=(\beta_1,\ldots,\beta_n)$(均按列拼)。
|
||||
|
||||
**基变换公式**:
|
||||
$$
|
||||
(\beta_1,\ldots,\beta_n) = (\alpha_1,\ldots,\alpha_n) P \quad\Longleftrightarrow\quad B = AP
|
||||
$$
|
||||
$P$ 称为由基 $\{\alpha\}$ **到**基 $\{\beta\}$ 的**过渡矩阵**,$P = A^{-1}B$(必可逆)。
|
||||
|
||||
**坐标变换公式**:设 $\gamma$ 在基 $\{\alpha\}$ 下坐标为 $x$,在基 $\{\beta\}$ 下坐标为 $y$,则
|
||||
$$
|
||||
\gamma = Ax = By = (AP)y = A(Py) \;\Longrightarrow\; \boxed{x = Py,\quad y = P^{-1}x}
|
||||
$$
|
||||
|
||||
> ⚠️ **方向记忆**:**基"正变"($B=AP$),坐标"逆变"($y=P^{-1}x$)**。这是最高频的记反点。
|
||||
|
||||
### 二、求过渡矩阵的实操
|
||||
|
||||
**方法**(避免求逆,最快):
|
||||
$$
|
||||
(A \mid B) \xrightarrow{\text{初等行变换}} (E \mid P)
|
||||
$$
|
||||
左块化成单位阵时,右块即 $P = A^{-1}B$。
|
||||
|
||||
**特例**:若 $\{\alpha\}$ 是**自然基** $\{e_1,\ldots,e_n\}$,则 $A=E$,直接 $P = B$。
|
||||
|
||||
### 三、常见问法与对策
|
||||
|
||||
| 问法 | 对策 |
|
||||
|------|------|
|
||||
| 求 $\alpha \to \beta$ 的过渡矩阵 | $P = A^{-1}B$,用 $(A\mid B)\to(E\mid P)$ |
|
||||
| 求 $\beta \to \alpha$ 的过渡矩阵 | $P^{-1} = B^{-1}A$,用 $(B\mid A)\to(E\mid P^{-1})$ |
|
||||
| 已知 $x$ 求 $y$ | $y = P^{-1}x$ |
|
||||
| 已知 $y$ 求 $x$ | $x = Py$ |
|
||||
| 求两基下坐标**相同**的向量 | 令 $x=y$:$x = Px \Rightarrow (P-E)x = 0$,求基础解系 |
|
||||
| 验证是否为基 | $\det A \neq 0$($n$ 个 $n$ 维向量) |
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- ❌ **坐标变换方向记反**:写成 $y = Px$(错),正确是 $x = Py$
|
||||
- ❌ **基向量按行拼**:必须**按列**拼成矩阵,否则公式全乱
|
||||
- ❌ **过渡矩阵定义方向混淆**:"由 $A$ 到 $B$"是 $B=AP$,不是 $A=BP$
|
||||
- ❌ **忘记验证是基**:题目若未言明,需先验 $\det \neq 0$
|
||||
- ❌ **求同坐标向量时解错方程**:是 $(P-E)x=0$,若 $\det(P-E)\neq0$ 则只有零向量
|
||||
- ❌ **过渡矩阵不可逆**:过渡矩阵**必然可逆**(两组都是基),若算出 $\det P=0$ 说明计算错了 —— 是很好的自查手段
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:在 $\mathbb{R}^3$ 中给定两组基
|
||||
> $$\alpha_1=\begin{pmatrix}1\\0\\0\end{pmatrix},\ \alpha_2=\begin{pmatrix}1\\1\\0\end{pmatrix},\ \alpha_3=\begin{pmatrix}1\\1\\1\end{pmatrix};\qquad
|
||||
> \beta_1=\begin{pmatrix}1\\2\\1\end{pmatrix},\ \beta_2=\begin{pmatrix}2\\3\\3\end{pmatrix},\ \beta_3=\begin{pmatrix}3\\7\\1\end{pmatrix}$$
|
||||
> (1) 求由基 $\{\alpha\}$ 到基 $\{\beta\}$ 的过渡矩阵 $P$;
|
||||
> (2) 求 $\gamma$ 在基 $\{\alpha\}$ 下坐标为 $(1,2,3)^T$ 时,它在基 $\{\beta\}$ 下的坐标;
|
||||
> (3) 求在两组基下坐标相同的所有向量。
|
||||
|
||||
**解**:
|
||||
|
||||
**(1) 求过渡矩阵**
|
||||
|
||||
$A=\begin{pmatrix}1&1&1\\0&1&1\\0&0&1\end{pmatrix}$(上三角,$\det A=1\neq0$,确是基)。
|
||||
|
||||
$$
|
||||
(A\mid B)=\left(\begin{array}{ccc|ccc}
|
||||
1&1&1 & 1&2&3 \\
|
||||
0&1&1 & 2&3&7 \\
|
||||
0&0&1 & 1&3&1
|
||||
\end{array}\right)
|
||||
\xrightarrow[r_1-r_2]{r_2-r_3}
|
||||
\left(\begin{array}{ccc|ccc}
|
||||
1&0&0 & -1&-1&-4 \\
|
||||
0&1&0 & 1&0&6 \\
|
||||
0&0&1 & 1&3&1
|
||||
\end{array}\right)
|
||||
$$
|
||||
|
||||
*(先 $r_2-r_3$ 得第 2 行 $(0,1,0\mid 1,0,6)$,再 $r_1-r_2^{\text{新}}-r_3$ 得第 1 行)*
|
||||
|
||||
$$
|
||||
\boxed{P = \begin{pmatrix} -1 & -1 & -4 \\ 1 & 0 & 6 \\ 1 & 3 & 1 \end{pmatrix}}
|
||||
$$
|
||||
|
||||
*验算*:$AP$ 的第 1 列 $= -1\alpha_1+1\alpha_2+1\alpha_3 = (-1,0,0)+(1,1,0)+(1,1,1)=(1,2,1)^T=\beta_1$ ✓
|
||||
|
||||
**(2) 坐标变换**
|
||||
|
||||
已知 $x=(1,2,3)^T$,求 $y = P^{-1}x$。等价于解 $Py = x$:
|
||||
$$
|
||||
\left(\begin{array}{ccc|c}
|
||||
-1&-1&-4 & 1 \\
|
||||
1&0&6 & 2 \\
|
||||
1&3&1 & 3
|
||||
\end{array}\right)
|
||||
$$
|
||||
由第 2 行:$y_1 = 2 - 6y_3$。代入第 1 行:$-(2-6y_3) - y_2 - 4y_3 = 1 \Rightarrow 2y_3 - y_2 = 3 \Rightarrow y_2 = 2y_3-3$。
|
||||
代入第 3 行:$(2-6y_3) + 3(2y_3-3) + y_3 = 3 \Rightarrow 2 - 6y_3 + 6y_3 - 9 + y_3 = 3 \Rightarrow y_3 = 10$。
|
||||
|
||||
于是 $y_2 = 17$,$y_1 = 2-60 = -58$。
|
||||
|
||||
$$
|
||||
\boxed{y = (-58,\ 17,\ 10)^T}
|
||||
$$
|
||||
|
||||
*验算思路*:$\gamma = Ax = 1\alpha_1+2\alpha_2+3\alpha_3 = (1,0,0)+(2,2,0)+(3,3,3) = (6,5,3)^T$;
|
||||
$By = -58(1,2,1)^T+17(2,3,3)^T+10(3,7,1)^T = (-58+34+30,\ -116+51+70,\ -58+51+10) = (6,5,3)^T$ ✓
|
||||
|
||||
**(3) 坐标相同的向量**
|
||||
|
||||
令 $x = y$,由 $x = Py$ 得 $x = Px$,即
|
||||
$$
|
||||
(P - E)x = 0,\qquad P-E = \begin{pmatrix} -2 & -1 & -4 \\ 1 & -1 & 6 \\ 1 & 3 & 0 \end{pmatrix}
|
||||
$$
|
||||
化简:
|
||||
$$
|
||||
\xrightarrow{r_1\leftrightarrow r_3}
|
||||
\begin{pmatrix} 1&3&0 \\ 1&-1&6 \\ -2&-1&-4 \end{pmatrix}
|
||||
\xrightarrow[r_3+2r_1]{r_2-r_1}
|
||||
\begin{pmatrix} 1&3&0 \\ 0&-4&6 \\ 0&5&-4 \end{pmatrix}
|
||||
\xrightarrow{r_3+\frac54 r_2}
|
||||
\begin{pmatrix} 1&3&0 \\ 0&-4&6 \\ 0&0&\frac{7}{2} \end{pmatrix}
|
||||
$$
|
||||
$r(P-E)=3$,故 $(P-E)x=0$ **只有零解**。
|
||||
|
||||
**答**:只有**零向量**在两组基下坐标相同。
|
||||
|
||||
**复盘**:
|
||||
- **(1) 的最优解法**是 $(A\mid B)\to(E\mid P)$,绝不要真去求 $A^{-1}$ 再乘。
|
||||
- **(2) 中不必求 $P^{-1}$**:直接解方程组 $Py=x$ 比求逆再乘快得多、错得少。
|
||||
- **(3) 的本质**:$(P-E)x=0$ 有非零解 $\iff 1$ 是 $P$ 的**特征值**(Ch05 预告!)。本题 $\det(P-E)\neq0$ 说明 1 不是 $P$ 的特征值,故只有零向量。
|
||||
- **自查技巧**:过渡矩阵必可逆,本题 $\det P$ 应非零,可快速验算。
|
||||
|
||||
---
|
||||
|
||||
> **变式(自然基情形)**:设 $\{\beta\}$ 如上,自然基 $\{e_1,e_2,e_3\}$ 到 $\{\beta\}$ 的过渡矩阵是什么?
|
||||
|
||||
**解**:$A=E$,故 $P = E^{-1}B = B = \begin{pmatrix}1&2&3\\2&3&7\\1&3&1\end{pmatrix}$。**自然基下过渡矩阵就是新基本身。**
|
||||
|
||||
> **口诀**:**"基正坐标逆:$B=AP$,$x_{旧}=Py_{新}$。过渡矩阵拼增广,$(A\mid B)\to(E\mid P)$。"**
|
||||
Reference in New Issue
Block a user