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/01-考点手册.md
T

215 lines
9.9 KiB
Markdown
Raw Normal View History

---
tags: [数学一, 在学练习, 线性代数, 向量]
专题: 线性代数 第3讲 · 向量
日期: 2026-10-20
状态: 重写版
关联笔记: ["[[02-试题]]", "[[03-解析]]"]
---
# 第3讲 · 向量:表示、冗余和坐标
这一讲容易混,是因为“向量、系数、坐标”都写成一列数。先分清:向量是我们要表示的对象;系数是组合它时各用多少;选定一组基后,这些唯一确定的系数才叫坐标。
默认实列向量。$L(\alpha_1,\ldots,\alpha_s)$ 或 $\operatorname{span}\{\alpha_1,\ldots,\alpha_s\}$ 都表示这些向量的全部线性组合组成的集合。
## 1. 线性表示:给定材料,能不能拼出目标
取 $\alpha_1=(1,0,1)^{\mathrm T}$、$\alpha_2=(0,1,1)^{\mathrm T}$,问 $\beta=(2,3,5)^{\mathrm T}$ 能否由它们表示。
“表示”就是寻找两个数 $x_1,x_2$,使
$$x_1\alpha_1+x_2\alpha_2=\beta.$$
按分量写开:
$$\begin{cases}x_1=2,\\x_2=3,\\x_1+x_2=5.\end{cases}$$
三式相容,故 $\beta=2\alpha_1+3\alpha_2$。若把目标改成 $(2,3,6)^{\mathrm T}$,前两式仍强制 $x_1=2,x_2=3$,第三式却要求 $5=6$,所以无法表示。
把材料按列拼成 $A=(\alpha_1,\alpha_2)$,上面就是 $Ax=\beta$。因此
$$\beta\text{ 可由原组表示}\iff Ax=\beta\text{ 有解}\iff r(A)=r(A,\beta).$$
最后一条为什么合理?加上 $\beta$ 后秩不变,说明它没有提供新方向;若秩增加,说明它在原有材料张成的空间之外。
若材料共有 $s$ 个,表示法唯一还要 $r(A)=s$。**是否能表示**取决于目标;**表示法是否唯一**取决于材料中有没有冗余。
## 2. 线性相关:能不能用不全为零的系数组合出零
总能用全零系数组合出零,那没有信息。线性相关要求存在不全为零的 $c_i$,使
$$c_1\alpha_1+\cdots+c_s\alpha_s=0.$$
例如再添 $\alpha_3=(1,1,2)^{\mathrm T}$,有
$$\alpha_1+\alpha_2-\alpha_3=0.$$
这说明第三个向量没有增加方向。因此 $\beta$ 既可以表示成 $2\alpha_1+3\alpha_2$,也可以表示成 $\alpha_1+2\alpha_2+\alpha_3$。
一般地,若 $Ax=\beta$ 有一个解 $x_0$,且 $Ac=0$ 有非零解,那么 $x_0+tc$ 也都是表示系数:
$$A(x_0+tc)=\beta+t0=\beta.$$
这就是“相关导致表示不唯一”的原因。反之,若两种系数 $x,y$ 表示同一个目标,则 $A(x-y)=0$;材料无关时,只能 $x=y$。
设 $A$ 有 $s$ 列:
$$\text{无关}\iff Ax=0\text{ 只有零解}\iff r(A)=s,$$
$$\text{相关}\iff Ax=0\text{ 有非零解}\iff r(A)<s.$$
**秩与向量个数比较,不是与维数随便比较。** 只有 $s=n$、矩阵为方阵时,才能用 $|A|$ 判无关。
### 2.1 几条结论从定义推出
- 含零向量必相关:给零向量系数 1,其余为 0。
- 整体无关,则其中任意部分无关;部分相关,则补上系数 0 后整体仍相关。
- $n$ 维空间里超过 $n$ 个向量必相关,因为秩不超过 $n$。
- 相关只保证至少有一个向量能被其余表示,不保证每个都能。例如 $e_1,e_2,2e_2$ 中 $e_1$ 不能由后两个表示。
- 无关组统一增加分量后仍无关:若长向量有相关关系,截回原分量就与原组无关矛盾。相关组统一删去分量后仍相关,因为原有关系仍成立。
### 2.2 抽象向量组为什么能只算系数矩阵
若原组 $\alpha_1,\ldots,\alpha_s$ 无关,记 $A=(\alpha_1,\ldots,\alpha_s)$,新组为 $B=AC$,则
$$By=0\iff A(Cy)=0\iff Cy=0.$$
第二步用到原组无关。所以 $r(B)=r(C)$。特别地,$C$ 是 $s$ 阶方阵时,新组无关等价于 $|C|\ne0$。**若原组不无关,不能直接把新组的秩写成 $r(C)$。**
## 3. 秩与极大无关组:留下一套够用且无冗余的材料
极大无关组是原组的一个子组,满足:自己无关;原组里再添任何一个其余向量都会相关。它能表示原组所有向量。所有极大无关组的向量个数相同,这个个数就是原组的秩。
例:
$$\alpha_1=(1,0,1)^{\mathrm T},\quad \alpha_2=2\alpha_1,\quad
\alpha_3=(0,1,1)^{\mathrm T},\quad\alpha_4=\alpha_1+\alpha_3.$$
按列拼接,再作行变换:
$$A=\begin{pmatrix}1&2&0&1\\0&0&1&1\\1&2&1&2\end{pmatrix}
\xrightarrow{R_3-R_1-R_2}
\begin{pmatrix}1&2&0&1\\0&0&1&1\\0&0&0&0\end{pmatrix}.$$
两行非零,秩为 2。主元(每行第一个非零元素)在第 1、3 列,故取**原矩阵**的 $\alpha_1,\alpha_3$ 为极大无关组。
为什么行变换后列关系还在?行变换等于左乘可逆矩阵 $P$,而 $Ac=0\iff PAc=0$。所以表示系数没有变化。可以在化简后的矩阵求列之间的关系,再回到原向量写答案。
列变换会重组材料本身。用主元列选原向量的这个算法要用行变换,不应混用列变换。
## 4. 向量组等价:能生成的目标完全相同
两个向量组等价,意思是能够互相表示,即张成同一个空间。向量个数可以不同。
若 $B=AC$,说明 $B$ 的每列都由 $A$ 的列组合而成,故 $r(B)\le r(A)$。若还能反向表示,就有相反的不等式,因此等价组同秩。
但同秩未必等价:$\{(1,0)^{\mathrm T}\}$ 和 $\{(0,1)^{\mathrm T}\}$ 秩都为 1,却生成不同的直线。
判据是
$$A\text{ 的列组与 }B\text{ 的列组等价}\iff r(A)=r(B)=r(A,B).$$
这里是**左右拼接**:问把两组材料放到一起,会不会多出新方向。如果已知一组能表示另一组,再加同秩,就足以判等价。
**不要和矩阵等价混淆。** 同型矩阵等价只要求同秩;列向量组等价还要求张成空间相同。上面的两列矩阵作为矩阵等价,作为向量组却不等价。
## 5. 基与坐标:给表示系数一个固定的名字
一个子空间 $V$ 是对加法和数乘封闭的非空集合。它必须含零向量。比如过原点的平面是子空间,不过原点的平面不是。
能表示 $V$ 中所有向量、且本身无关的一组向量,叫 $V$ 的一组基。基的向量个数叫维数。选定基 $\alpha_1,\ldots,\alpha_r$ 后,每个 $v\in V$ 都有唯一表示
$$v=x_1\alpha_1+\cdots+x_r\alpha_r.$$
$x=(x_1,\ldots,x_r)^{\mathrm T}$ 是 $v$ 在这组基下的坐标。它与 $v$ 的标准分量一般不同。
### 5.1 过渡矩阵不要靠口诀猜方向
约定旧基矩阵为 $U$、新基矩阵为 $V$,并写
$$V=UC.$$
$C$ 的第 $j$ 列是新基第 $j$ 个向量在旧基下的坐标,称从旧基到新基的过渡矩阵。它必可逆。
同一个向量 $v$,两种坐标满足
$$v=Ux_{\rm old}=Vx_{\rm new}=UCx_{\rm new}.$$
由旧基无关,表示系数唯一,故
$$x_{\rm old}=Cx_{\rm new},\qquad x_{\rm new}=C^{-1}x_{\rm old}.$$
例如旧基是标准基,新基为 $(1,0)^{\mathrm T},(1,1)^{\mathrm T}$,则
$$C=\begin{pmatrix}1&1\\0&1\end{pmatrix}.$$
标准分量 $v=(3,2)^{\mathrm T}$ 满足 $x_1+x_2=3,x_2=2$,所以新坐标为 $(1,2)^{\mathrm T}$。检查 $1(1,0)+2(1,1)=(3,2)$ 即可。
## 6. 内积与施密特:逐次减掉已经有的方向
实向量的内积与长度:
$$\langle u,v\rangle=u^{\mathrm T}v=\sum_i u_iv_i,\qquad \|u\|=\sqrt{u^{\mathrm T}u}.$$
非零向量夹角满足 $\cos\theta=\langle u,v\rangle/(\|u\|\|v\|)$。内积为零叫正交。非零且两两正交的一组向量必无关:对 $\sum c_i u_i=0$ 与 $u_j$ 作内积,得到 $c_j\|u_j\|^2=0$,故每个 $c_j=0$。
常用估计是 $|\langle u,v\rangle|\le\|u\|\|v\|$、$\|u+v\|\le\|u\|+\|v\|$。
### 6.1 投影系数为什么是内积除以长度平方
想从 $v$ 中减去 $u$ 方向的部分,设 $w=v-cu$。要求 $w\perp u$,则
$$0=\langle v-cu,u\rangle=\langle v,u\rangle-c\langle u,u\rangle.$$
因此 $c=\langle v,u\rangle/\langle u,u\rangle$。分母是长度平方,因为方程里出现的是 $\langle u,u\rangle$。
### 6.2 完整的两向量例子
取 $\alpha_1=(1,1,0)^{\mathrm T},\alpha_2=(1,0,1)^{\mathrm T}$。先保留第一个方向:$u_1=\alpha_1$。再减投影:
$$u_2=\alpha_2-\frac{1}{2}u_1=(1/2,-1/2,1)^{\mathrm T}.$$
自检 $\langle u_1,u_2\rangle=1/2-1/2=0$。单位化得到
$$e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\qquad e_2=\frac{(1,-1,2)^{\mathrm T}}{\sqrt6}.$$
如果还有 $\alpha_3$,要减去它在**前面每一个正交方向**上的投影:
$$u_3=\alpha_3-\frac{\langle\alpha_3,u_1\rangle}{\langle u_1,u_1\rangle}u_1
-\frac{\langle\alpha_3,u_2\rangle}{\langle u_2,u_2\rangle}u_2.$$
先单位化再处理后面的向量也合法,只要公式始终使用当前的正交向量;若前面已经是单位向量,分母就为 1。重要的是不混用两套数值。
给定输入组无关时,每步得到的 $u_i$ 都非零。若出现零向量,说明原输入有冗余,不能继续除以它的长度。
## 7. 和空间与交空间:能共同生成什么
设 $V_1=L(A)$、$V_2=L(B)$,这里 $L(A)$ 指 $A$ 的列张成的空间。
**和空间**由两组材料合在一起生成:
$$V_1+V_2=L(A,B),\qquad \dim(V_1+V_2)=r(A,B).$$
**交空间**的向量要同时由两组表示,即 $w=Ax=By$。因此先解
$$(A,-B)\binom xy=0,$$
再把系数解代回 $w=Ax$。注意:系数解可能非零,但对应 $w=0$,也可能几个解映成同一个方向。最后必须删掉零向量和冗余向量,不能把系数解直接当成交空间的基。
例如 $V_1=L(e_1,e_2)$、$V_2=L(e_2,e_3)$,共同向量只能是 $(0,t,0)^{\mathrm T}$,故交空间基为 $e_2$。和空间是整个 $\mathbb R^3$。维数满足
$$\dim(V_1+V_2)=\dim V_1+\dim V_2-\dim(V_1\cap V_2)=2+2-1=3.$$
## 8. 练习安排与参考
| 先掌握的动作 | 题号 |
|---|---|
| 把表示、相关翻译成方程 | 1、3、7、8、12 |
| 选原向量的极大无关组 | 2、14 |
| 用互相表示判等价 | 6、10 |
| 内积、减投影 | 4、5、9 |
| 基与坐标变换 | 11、13 |
| 证明与交空间 | 15—18 |
参考 `参考仓库/Math/linear-algebra/knowledge/3-vector/vector.tex` 与 `exercise/3-vector/vector.tex`,重组了表示、相关、极大无关组、等价、基与坐标的关系,补充施密特与交空间的逐步解释。题型锚点保留在 [[02-试题]],不照搬真题原题。