Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/线性代数-第3讲-向量/03-点2-秩与极大无关组.md
T

149 lines
8.1 KiB
Markdown
Raw Normal View History

---
tags: [数学一, 在学练习, 线性代数, 向量, 秩, 极大无关组]
专题: 线性代数 第3讲 · 点2 秩与极大无关组
日期: 2026-10-23
状态: 知识点带题(2.2 极大无关组 + §3 向量组秩,5 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 2 秩与极大无关组
> 真题 2017·13(4 分)|重要度 ★★★
> 依赖:点 1(`02`)。盘点对应:§2.3 秩的双重身份、§3 全节。
**组织原则**:以知识点为单位,题目按知识点内部顺序对应。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
4 分,但它是全讲的**工具**:求秩的算法同时给出极大无关组,而极大无关组又解释了"为什么表示的系数有时不唯一"。**这一节不会算,后面每个点都只能停在概念层面。**
## 知识点 2.2 极大线性无关组(出处:[知识章 vector.tex §2.2](../../../../参考仓库/Math/linear-algebra/knowledge/3-vector/vector.tex) | [练习章 vector.tex §2.1](../../../../参考仓库/Math/linear-algebra/exercise/3-vector/vector.tex))
- **定义**:部分组 $\alpha_{i_1},\alpha_{i_2},\cdots,\alpha_{i_r}$ 满足 ① 自身线性无关;② 原组任一向量都可由它线性表出,则称为一个极大线性无关组。
- **性质**:极大无关组**不唯一**,但所含向量个数唯一,等于向量组的秩;任一极大无关组都与原组等价(见点 4)。
- **标准求法四步**:按列拼 → **只做初等行变换** → 数非零行(= 秩)→ **回原矩阵**取主元列对应的向量。
## 知识点 3 向量组秩(出处:[知识章 vector.tex §3](../../../../参考仓库/Math/linear-algebra/knowledge/3-vector/vector.tex) | [矩阵章 matrix.tex §5.2](../../../../参考仓库/Math/linear-algebra/knowledge/2-matrix/matrix.tex))
- **秩的三重身份**:$r(A)=$ 行秩 $=$ 列秩 $=$ 非零子式的最高阶数 $=$ 阶梯形的非零行数。
- **为什么只能行变换**:初等行变换 = 左乘可逆矩阵 $P$,$Ax=0\iff PAx=0$,主元列与列间系数全部不变;列变换没有此性质。
- **表出与秩**:若 $B$ 可由 $A$ 线性表出($B=AC$),则 $r(B)\leqslant r(A)$。
- **秩的运算性质(矩阵章 §5.2)**:$r(AB)\leqslant\min\{r(A),r(B)\}$;$r(A+B)\leqslant r(A)+r(B)$;$r(A\mid B)\leqslant r(A)+r(B)$;$AB=O\Rightarrow r(A)+r(B)\leqslant n$($n$ 为 $A$ 的列数);$A$ 可逆时 $r(AB)=r(B)$。
---
## 题目(按知识点顺序对应)
### 题 1 · 2.2:标准四步求秩与极大无关组(★☆☆)
> 设
>
> $$\alpha_1=(1,2,-1)^{\mathrm T},\quad \alpha_2=(2,4,-2)^{\mathrm T},\quad \alpha_3=(0,1,1)^{\mathrm T},\quad \alpha_4=(1,3,0)^{\mathrm T}.$$
>
> 求该向量组的秩、一个极大无关组,并把其余向量用它表示。
**怎么想**:标准四步——**按列拼 → 只做行变换 → 数非零行 → 回原矩阵取主元列**。为什么只能用行变换:行变换左乘可逆矩阵 $P$,$Ax=0\iff PAx=0$,哪列是主元列、系数是多少全部不变。
**解**:按列拼并化阶梯形:
$$
\begin{pmatrix}1&2&0&1\\2&4&1&3\\-1&-2&1&0\end{pmatrix}
\xrightarrow{R_2-2R_1,\ R_3+R_1}
\begin{pmatrix}1&2&0&1\\0&0&1&1\\0&0&1&1\end{pmatrix}
\xrightarrow{R_3-R_2}
\begin{pmatrix}1&2&0&1\\0&0&1&1\\0&0&0&0\end{pmatrix}.
$$
两个非零行,$r=2$。主元落在第 1、3 列,**回到原矩阵**取 $\alpha_1,\alpha_3$ 为一个极大无关组。在阶梯形上读系数(第 2 列 $=2\times$ 第 1 列,第 4 列 $=$ 第 1 列 $+$ 第 3 列):
$$\alpha_2=2\alpha_1,\qquad \alpha_4=\alpha_1+\alpha_3.$$
**带走结论**:**极大无关组必须写原向量,不能写阶梯形里的列**;系数可以在化简后的矩阵上读,向量必须回原组取——这是本讲最常被扣分的地方。极大无关组不唯一(本题 $\alpha_1,\alpha_4$ 也行),但个数只能是 2。
2026-10-23 17:23:23 +08:00
---
### 题 2 · 3:先观察再动笔——上下界夹逼(★★☆)
> 设
>
> $$\alpha_1=(1,1,0,0)^{\mathrm T},\ \alpha_2=(0,1,1,0)^{\mathrm T},\ \alpha_3=(0,0,1,1)^{\mathrm T},\ \alpha_4=(1,0,0,1)^{\mathrm T}.$$
>
> 求秩与一个极大无关组,并把不在其中的向量表示出来。
**怎么想**:这组向量首尾相接围成一个"环",第四个往往是前三个凑出来的。**先扫一眼有没有现成关系**,比直接消元快十倍。但观察只能给**上界**,必须再补**下界**(前三个无关),两句话合起来才是完整答案。
**解**:观察得
$$\alpha_4=\alpha_1-\alpha_2+\alpha_3=(1,1,0,0)^{\mathrm T}-(0,1,1,0)^{\mathrm T}+(0,0,1,1)^{\mathrm T}=(1,0,0,1)^{\mathrm T},$$
故 $r\leqslant 3$。再证 $\alpha_1,\alpha_2,\alpha_3$ 无关:设 $c_1\alpha_1+c_2\alpha_2+c_3\alpha_3=0$,逐分量看——第 1 分量 $c_1=0$;第 2 分量 $c_1+c_2=0\Rightarrow c_2=0$;第 3 分量 $c_2+c_3=0\Rightarrow c_3=0$。故无关,$r\geqslant 3$。于是 $r=3$,$\alpha_1,\alpha_2,\alpha_3$ 构成极大无关组,$\alpha_4=\alpha_1-\alpha_2+\alpha_3$。
**带走结论**:"观察 + 补证"性价比最高,但补证不能省。标准写法两句:由现成关系知 $r\le 3$;又前三个无关知 $r\ge 3$;所以 $r=3$。**分量法证无关**:找某一行只剩一个未知数当突破口,逐个定零。
2026-10-23 17:23:23 +08:00
---
### 题 3 · 3:含参讨论秩(★★☆)
> 设
>
> $$A=\begin{pmatrix}1&1&a\\1&a&1\\a&1&1\end{pmatrix}.$$
>
> 讨论向量组 $\alpha_1,\alpha_2,\alpha_3$($A$ 的三个列向量)的秩随参数 $a$ 的变化。
**怎么想**:秩 $<$ 3 ⟺ 行列式为零,先解 $a$;再对每个根看非零二阶子式定秩是否为 2,其余情况秩为 3。**注意防失根**:行列式展开要因式分解找全根。
**解**:
$$\lvert A\rvert=\begin{vmatrix}1&1&a\\1&a&1\\a&1&1\end{vmatrix}=3a+2-a^3-2a?$$
用公式展开:$\lvert A\rvert=(1)(a\cdot1-1\cdot1)-(1)(1\cdot1-1\cdot a)+a(1\cdot1-a\cdot a)=(a-1)-(1-a)+a(1-a^2)=a^3-3a+2$。
分解:$a^3-3a+2=(a-1)^2(a+2)$。故 $a=1$ 或 $a=-2$ 时秩 $<3$。
- $a=1$:$A$ 全 1 矩阵,所有列相等,$r=1$;
- $a=-2$:二阶子式 $\begin{vmatrix}1&1\\1&-2\end{vmatrix}=-3\ne0$,$r=2$;
- 其余 $a$:$\lvert A\rvert\ne0$,$r=3$。
**带走结论**:含参秩的固定套路——行列式找根(防失根)→ 每个根代回看子式 → 分类写结论。与点 1 题 8(2017·13 骨架)是同一方法的两副面孔。
---
### 题 4 · 3:抽象条件 $AB=O$(★★★)
> 设 $A$ 为 $m\times n$ 矩阵,$B$ 为 $n\times s$ 矩阵,且 $AB=O$。证明:
>
> (Ⅰ)$r(A)+r(B)\leqslant n$;
> (Ⅱ)若 $r(A)=n$,则 $B=O$。
**怎么想**:$AB=O$ 要翻译成**向量语言**:把 $B$ 按列分块 $B=(b_1,\dots,b_s)$,则 $AB=(Ab_1,\dots,Ab_s)=O\iff Ab_j=0$。也就是说:**$B$ 的每一列都是 $Ax=0$ 的解**,$B$ 的列空间落在解空间里,比维数即可。
**解**:(Ⅰ)$B$ 的每一列都属于解空间 $N(A)=\{x\mid Ax=0\}$,故 $B$ 的列空间是 $N(A)$ 的子空间:
$$r(B)=\dim(\text{$B$ 的列空间})\leqslant\dim N(A)=n-r(A),$$
移项得 $r(A)+r(B)\leqslant n$。
(Ⅱ)若 $r(A)=n$,则 $\dim N(A)=0$,解空间只有零向量,故每一列 $b_j=0$,$B=O$。
**带走结论**:**$AB=O$ 等价于"$B$ 的列全是 $Ax=0$ 的解"**,由此得三件事:
| 已知 | 结论 |
|---|---|
| $AB=O$ | $r(A)+r(B)\le n$($n$ 为 $A$ 的列数) |
| $AB=O$ 且 $r(A)=n$ | $B=O$ |
| $AB=O$ 且 $A$ 可逆 | $B=O$ |
这条结论与第 4 讲的解空间维数 $n-r(A)$ 是同一件事,也是第 5 讲特征值 0 重数 $\geqslant n-r(A)$ 的来源——**一个条件串起三讲**。
2026-10-23 17:23:23 +08:00
---
### 题 5 · 3:$AB=O$ 结论的直接应用 $A^2=O$(★★★)
> 设 $A$ 是 $n$ 阶方阵,且 $A^2=O$。证明:$r(A)\leqslant\dfrac{n}{2}$。
**怎么想**:$A^2=AA=O$ 就是 $AB=O$ 型条件($B=A$),直接套题 4 的结论(Ⅰ)。
**解**:在题 4 结论中取 $B=A$(此时 $n$ 阶方阵,$A$ 的列数 $=n$),由 $AA=O$ 得
$$r(A)+r(A)\leqslant n\implies 2r(A)\leqslant n\implies r(A)\leqslant\frac{n}{2}.$$
**带走结论**:$A^2=O\Rightarrow r(A)\le n/2$ 是"幂零阵"的招牌结论。看到 $A^2=O$ 就条件反射:列空间藏在解空间里,秩顶多半维。$A^k=O$ 同理可推 $r(A)\le n/k$ 的变式。