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-知识点盘点.md
T

490 lines
30 KiB
Markdown
Raw Normal View History

---
tags: [数学一, 在学练习, 线性代数, 向量, 知识点盘点]
专题: 线性代数 第3讲 · 向量(盘点)
日期: 2026-10-23
状态: 知识点盘点
关联笔记: ["[[README]]"]
---
# 第3讲 · 向量:知识点盘点
这一份只做一件事:**把本讲要求掌握的东西摊开,做成可以当字典查的地图**。它不解题,题目在 `02`—`09` 各点文件里。
盘点的覆盖面按三条线取并集,不是只写真题考过的:
- **数一大纲**(向量组与线性相关、秩、等价、向量空间、内积与正交规范化)
- **十年真题**(第 11 章 8 题 44 分)
- **参考仓库**(`linear-algebra/knowledge/3-vector` 与 `exercise/3-vector`)
三条线的逐条对照放在最后 §9,可以先跳到那里看这一讲到底要求到什么程度。
---
## 0 两张表:从哪儿开始看
### 0.1 按分值排(时间紧就照这个顺序)
| 优先 | 点 | 真题锚点 | 分值 | 文件 |
|---|---|---|---|---|
| 1 | 基、坐标与过渡矩阵 | 2019·20(解答) | **11** | `06` |
| 2 | 内积、正交与施密特 | 2021·6、2023·15 | **10** | `07` |
| 3 | 线性相关性 | 2024·6 | 5 | `02` |
| 4 | 向量组等价 | 2022·7 | 5 | `05` |
| 5 | 子空间、和与交 | 2023·7 | 5 | `08` |
| 6 | 线性表示 | 2020·6 | 4 | `04` |
| 7 | 秩与极大无关组 | 2017·13 | 4 | `03` |
| 8 | 抽象推理(证明) | 支撑解答题 | — | `09` |
合计 44 分,与十年账面一致。
### 0.2 按依赖链排(文件顺序,也就是建议的阅读顺序)
```
线性相关性(地基)
↓
秩与极大无关组 ──→ 线性表示 ──→ 向量组等价
↓ ↓
基、坐标与过渡矩阵 ←──────── 子空间、和与交
↓
内积、正交与施密特
↓
抽象推理(把上面全部串起来)
```
**为什么文件顺序和分值顺序不同**:分值告诉你"该花多少时间",依赖链告诉你"该按什么顺序读"。第 6 个文件才是分值最高的一节,但直接跳过去会卡在"基为什么一定无关"这种问题上。所以先按 `02→09` 读一遍,第二遍再按 §0.1 挑薄弱点重读。
### 0.3 符号约定
| 记号 | 含义 |
|---|---|
| $\alpha_1,\dots,\alpha_s$ | $n$ 维**列**向量,按列拼成矩阵 $A=(\alpha_1,\dots,\alpha_s)$ |
| $s$ | 向量个数(**不是维数**) |
| $n$ | 向量维数(每个向量有几个分量) |
| $r(A)$ | 矩阵的秩,等于行秩也等于列秩 |
| $L(\alpha_1,\dots,\alpha_s)$ | 由这组向量张成的子空间(全体线性组合) |
| $\langle\alpha,\beta\rangle$ | 内积,等价写法 $\alpha^{\mathrm T}\beta$ |
| $(\alpha\mid\beta)$ | 分块写法,把 $\beta$ 添到 $A$ 右边 |
$s$ 和 $n$ 混用是本讲最基础的错误来源:**判断相关性时比的是 $r(A)$ 与 $s$ 这两个数**,而不是与 $n$ 。
### 0.4 知识点与练习文件对照(按知识点粒度)
每个点文件**先列知识点(含参考仓库出处),再按知识点内部条目顺序逐一对应出题**。下表从盘点章节反查"这个知识点在哪几道题里练过",链接直达题目。
| 盘点章节(知识点) | 对应题目 |
|---|---|
| §1.2 线性组合与线性表示 | [点3 题1](04-点3-线性表示.md#user-content-题-1--32方阵捷径一步答两问) |
| §1.3 线性相关与线性无关(定义与四个特例) | [点1 题1](02-点1-线性相关与无关.md#user-content-题-1--定义与特例直接判相关性) |
| §1.4 五个"不用算"的结论 | [点1 题1](02-点1-线性相关与无关.md#user-content-题-1--定义与特例直接判相关性)、[点6 题1](07-点6-内积正交与施密特.md#user-content-题-1--61组合的内积展开再消) |
| §2.1 判据①(部分表出 ⟺ 相关) | [点1 题2](02-点1-线性相关与无关.md#user-content-题-2--判据①有一个向量可由其余表出--相关) |
| §2.1 判据②(无关组添一向量变相关 ⟹ 唯一表示) | [点1 题3](02-点1-线性相关与无关.md#user-content-题-3--判据②无关组--添一个向量变相关--唯一表示)、[点1 题4](02-点1-线性相关与无关.md#user-content-题-4--判据②-的证明版把可表示证出来) |
| §2.1 判据③(以少表多,多的相关) | [点1 题5](02-点1-线性相关与无关.md#user-content-题-5--判据③以少表多多的相关)、[点1 题6](02-点1-线性相关与无关.md#user-content-题-6--判据③-的推论个数多于维数必相关)、[点8 题4](09-点8-抽象推理与证明.md#user-content-题-4--83以少表多必相关秩法证明) |
| §2.1 判据④($Ax=0$ 有无非零解) | [点1 题7](02-点1-线性相关与无关.md#user-content-题-7--判据④ax0-有非零解--相关)、[点1 题8](02-点1-线性相关与无关.md#user-content-题-8--判据④--秩含参判相关并求此时的秩)、[点1 题9](02-点1-线性相关与无关.md#user-content-题-9--判据④-的系数矩阵视角变换后的向量组) |
| §2.1 判据⑤(能否表示看秩) | [点1 题10](02-点1-线性相关与无关.md#user-content-题-10--判据⑤raramidbeta-判断能否表出)、[点1 题11](02-点1-线性相关与无关.md#user-content-题-11--判据⑤不能表出时增广矩阵秩恰好多-1)、[点3 题1](04-点3-线性表示.md#user-content-题-1--32方阵捷径一步答两问) |
| §2.1 判据⑥(部分与整体) | [点1 题12](02-点1-线性相关与无关.md#user-content-题-12--判据⑥整体无关--部分无关) |
| §2.1 判据⑦(延长无关、缩短相关) | [点1 题13](02-点1-线性相关与无关.md#user-content-题-13--判据⑦延长无关仍无关)、[点1 题14](02-点1-线性相关与无关.md#user-content-题-14--判据⑦-的缩短版相关缩短仍相关) |
| §2.2 两个方向容易记反的定理 | [点8 题2](09-点8-抽象推理与证明.md#user-content-题-2--81相关与无关的接力) |
| §3.1 极大线性无关组(定义 / 求法四步) | [点2 题1](03-点2-秩与极大无关组.md#user-content-题-1--22标准四步求秩与极大无关组) |
| §3.2 向量组秩(三重身份 / 为何只行变换) | [点2 题2](03-点2-秩与极大无关组.md#user-content-题-2--3先观察再动笔上下界夹逼)、[点2 题3](03-点2-秩与极大无关组.md#user-content-题-3--3含参讨论秩) |
| §3.3 秩的性质($AB=O$ 等运算) | [点2 题4](03-点2-秩与极大无关组.md#user-content-题-4--3抽象条件-abo)、[点2 题5](03-点2-秩与极大无关组.md#user-content-题-5--3abo-结论的直接应用-a2o)、[点8 题3](09-点8-抽象推理与证明.md#user-content-题-3--82用内积证秩) |
| §4.1 表示的三个判据(能 / 唯一 / 秩升 1) | [点3 题1](04-点3-线性表示.md#user-content-题-1--32方阵捷径一步答两问)、[点3 题2](04-点3-线性表示.md#user-content-题-2--32含参分量比较最快)、[点3 题3](04-点3-线性表示.md#user-content-题-3--32三种情形的完整分类)、[点3 题4](04-点3-线性表示.md#user-content-题-4--32非方阵必须走秩) |
| §4.2 向量组等价(三者秩相等 / 单向 $+$ 同秩 / 拼矩阵) | [点4 题1](05-点4-向量组等价.md#user-content-题-1--41--43四个说法的辨析)、[点4 题2](05-点4-向量组等价.md#user-content-题-2--42具体两组判等价先找现成关系)、[点4 题3](05-点4-向量组等价.md#user-content-题-3--42抽象单向--同秩能否推出等价)、[点4 题5](05-点4-向量组等价.md#user-content-题-5--42传递性的直接应用)、[点8 题5](09-点8-抽象推理与证明.md#user-content-题-5--84表出不增秩拼矩阵模板) |
| §4.3 与矩阵等价的分界 | [点4 题1](05-点4-向量组等价.md#user-content-题-1--41--43四个说法的辨析)、[点4 题4](05-点4-向量组等价.md#user-content-题-4--43矩阵等价与向量组等价的分界) |
| §5.1 向量空间与子空间 | [点7 题1](08-点7-子空间和与交.md#user-content-题-1--71哪些是子空间) |
| §5.2 基与维数 | [点5 题1](06-点5-基坐标与过渡矩阵.md#user-content-题-1--51哪些是基) |
| §5.3 坐标 | [点5 题2](06-点5-基坐标与过渡矩阵.md#user-content-题-2--52标准基到一般基过渡矩阵白送) |
| §5.4 基变换与坐标变换(方向相反,本节唯一的坑) | [点5 题2](06-点5-基坐标与过渡矩阵.md#user-content-题-2--52标准基到一般基过渡矩阵白送)、[点5 题3](06-点5-基坐标与过渡矩阵.md#user-content-题-3--52双向换算坐标)、[点5 题4](06-点5-基坐标与过渡矩阵.md#user-content-题-4--52一般基到一般基) |
| §6.1 内积与四条性质 | [点6 题1](07-点6-内积正交与施密特.md#user-content-题-1--61组合的内积展开再消)、[点8 题3](09-点8-抽象推理与证明.md#user-content-题-3--82用内积证秩) |
| §6.2 长度、单位化、夹角 | [点6 题2](07-点6-内积正交与施密特.md#user-content-题-2--62--63--65正交长度规范正交基与坐标) |
| §6.3 正交组与规范正交基(坐标 $=$ 内积) | [点6 题2](07-点6-内积正交与施密特.md#user-content-题-2--62--63--65正交长度规范正交基与坐标) |
| §6.4 施密特正交化(算法) | [点6 题3](07-点6-内积正交与施密特.md#user-content-题-3--64两向量施密特)、[点6 题4](07-点6-内积正交与施密特.md#user-content-题-4--64三向量施密特) |
| §6.5 正交矩阵(六等价) | [点6 题2](07-点6-内积正交与施密特.md#user-content-题-2--62--63--65正交长度规范正交基与坐标)、[点6 题5](07-点6-内积正交与施密特.md#user-content-题-5--65正交矩阵的判断) |
| §7.1 子空间、和与交的定义 | [点7 题1](08-点7-子空间和与交.md#user-content-题-1--71哪些是子空间)、[点7 题2](08-点7-子空间和与交.md#user-content-题-2--72--73四维空间里的和与交) |
| §7.2 维数公式 | [点7 题2](08-点7-子空间和与交.md#user-content-题-2--72--73四维空间里的和与交)、[点7 题3](08-点7-子空间和与交.md#user-content-题-3--72--73交空间的基与维数公式) |
| §7.3 交空间的求法(四步) | [点7 题2](08-点7-子空间和与交.md#user-content-题-2--72--73四维空间里的和与交)、[点7 题3](08-点7-子空间和与交.md#user-content-题-3--72--73交空间的基与维数公式) |
| §7.4 直和(分解唯一) | [点7 题4](08-点7-子空间和与交.md#user-content-题-4--74含参何时为直和)、[点7 题5](08-点7-子空间和与交.md#user-content-题-5--74直和的分解唯一性) |
| 抽象推理与证明(综合模板) | [点8 题1](09-点8-抽象推理与证明.md#user-content-题-1--81替换定理)、[点8 题2](09-点8-抽象推理与证明.md#user-content-题-2--81相关与无关的接力)、[点8 题3](09-点8-抽象推理与证明.md#user-content-题-3--82用内积证秩)、[点8 题4](09-点8-抽象推理与证明.md#user-content-题-4--83以少表多必相关秩法证明)、[点8 题5](09-点8-抽象推理与证明.md#user-content-题-5--84表出不增秩拼矩阵模板) |
2026-10-23 17:23:23 +08:00
每一格的「点 X 题 Y」都是可点的锚点,直达那道题;方向与点文件内部相反(点文件是"知识点 → 题",这里是"题 → 知识点"),两个方向合起来构成双向索引。
---
## 1 向量与向量组:基本语言
### 1.1 定义与运算
$n$ 个数组成的有序数组称为 $n$ 维向量。写成一行是行向量,写成一列是列向量,二者通过转置互换。**本讲一律用列向量**,题目给行向量时先转置。
运算只有两种,逐分量进行:
$$\alpha+\beta=(a_1+b_1,\dots,a_n+b_n)^{\mathrm T},\qquad k\alpha=(ka_1,\dots,ka_n)^{\mathrm T}.$$
八条运算律(交换、结合、零元、负元、数乘分配等)与数的运算类似,**唯一缺的是乘法与除法**——向量之间没有"乘",只有内积(§6)。
### 1.2 线性组合与线性表示
设 $k_1,\dots,k_s$ 是数,则 $k_1\alpha_1+\cdots+k_s\alpha_s$ 称为向量组 $\alpha_1,\dots,\alpha_s$ 的一个**线性组合**;若 $\beta$ 能写成某个线性组合,就说 $\beta$ 可由该组**线性表示**(线性表出)。
三种等价说法,考场上哪句顺手用哪句:
| 说法 | 代数形式 |
|---|---|
| $\beta$ 可由 $\alpha_1,\dots,\alpha_s$ 表示 | 存在 $x$ 使 $Ax=\beta$ |
| 方程组 $Ax=\beta$ 有解 | $r(A)=r(A\mid\beta)$ |
| $\beta\in L(\alpha_1,\dots,\alpha_s)$ | 几何上 $\beta$ 落在张成空间里 |
**表示的两个层次**:能不能表示(有解)/表示是否唯一(解是否唯一)。前者看增广矩阵的秩,后者看 $r(A)$ 与 $s$ 的关系。这一条在 `04` 展开。
### 1.3 线性相关与线性无关
| | 定义 | 等价叙述 |
|---|---|---|
| 线性相关 | **存在**不全为零的 $k_1,\dots,k_s$ 使 $\sum k_i\alpha_i=0$ | $Ax=0$ 有非零解 |
| 线性无关 | **仅当** $k_1=\cdots=k_s=0$ 时才有 $\sum k_i\alpha_i=0$ | $Ax=0$ 只有零解 |
两个字的差别("存在"与"仅当")是全部后续判据的源头。**相关 = 有冗余**,无关 = 每个向量都带新方向。
### 1.4 五个"不用算"的结论
看到这几种情形直接下结论,不必动笔:
1. **含零向量的组必相关**(取零向量的系数为 1,其余为 0)。
2. **含两个成比例向量的组必相关**($\alpha_i=k\alpha_j$ 即给出非平凡关系)。
3. **单个向量 $\alpha$ 只要非零就一定无关**。
4. **$n+1$ 个 $n$ 维向量必相关**(个数超过维数,§2 的"以少表多"直接给)。
5. **非零且两两正交的组必无关**(§6 会给证明)。
---
## 2 线性相关性:六条判据
这是本讲的地基。所有判据都指向同一个量:**$r(A)$ 与 $s$ 的比较**。
### 2.1 判据总表
| # | 判据 | 适用条件 | 结论 |
|---|---|---|---|
| ① | 定义 | 任意 | 找得到非平凡零组合 ⟺ 相关 |
| ② | **秩判据** | 任意,**最通用** | $r(A)<s$ 相关;$r(A)=s$ 无关 |
| ③ | 行列式 | **仅当** $s=n$ (方阵) | $\lvert A\rvert=0$ 相关;$\ne0$ 无关 |
| ④ | 表示判据 | $s\ge2$ | 相关 ⟺ **至少有一个**向量可由其余表示 |
| ⑤ | 以少表多 | $\alpha$ 组可由 $\beta$ 组表示 | 若 $s>t$ 则 $\alpha$ 组**必相关** |
| ⑥ | 部分与整体 | 任意 | 部分相关 ⟹ 整体相关;整体无关 ⟹ 部分无关 |
判据 ② 是万能钥匙:**能算秩就用它,别绕**。判据 ③ 只是 ② 在方阵时的省算版本,$s\ne n$ 时行列式根本不存在,不能硬套。
判据 ④ 有个常见误读:它说的是"**至少有一个**能被其余表示",不是"每一个都能"。例如 $\alpha_1=(1,0)$ 、$\alpha_2=(2,0)$ 、$\alpha_3=(0,1)$ 相关,但 $\alpha_3$ 无法由前两个表示。
### 2.2 两个方向容易记反的定理
| 定理 | 方向 | 记忆法 |
|---|---|---|
| 延长 / 缩短 | 原组**无关** ⟹ 每个向量**加**分量后仍无关;原组**相关** ⟹ 每个向量**去掉相同位置**的分量后仍相关 | "无关的能加长,相关的能缩短" |
| 部分与整体 | 部分相关 ⟹ 整体相关;整体无关 ⟹ 部分无关 | 逆否:**无关往下传,相关往上传** |
两个定理都不能反向:加长后相关是可能的(新分量之间可能产生新关系),缩短后无关也是可能的。
### 2.3 秩判据的重量
$r(A)$ 有双重身份:既是**矩阵的秩**(非零子式的最高阶数、阶梯形非零行数),也是**列向量组的秩**(极大无关组所含向量个数),同时也是**行向量组的秩**。三者相等是线性代数最核心的定理之一,它把"向量问题"全部翻译成"矩阵问题"。
由此得到的常用不等式(`03` 会逐条展开):
$$r(A+B)\le r(A)+r(B),\qquad r(AB)\le\min\{r(A),r(B)\},\qquad r(A,B)\le r(A)+r(B).$$
---
## 3 向量组的秩与极大无关组
### 3.1 定义
向量组的**秩**=其极大无关组所含向量的个数,记 $r(\alpha_1,\dots,\alpha_s)$ 。
**极大无关组**:部分组 $\alpha_{i_1},\dots,\alpha_{i_r}$ 满足 ① 自身无关;② 原组中任一向量都可由它表示。两个条件缺一不可——只无关不是极大(可能还能再加一个),只"能表示全部"也不够(必须自身无关)。
三条性质:
1. 极大无关组**一般不唯一**(同一个空间有多种选基方式),但**所含个数唯一**,就是秩。
2. 极大无关组与原向量组**等价**(互相能表示)。
3. 只含零向量的组**没有**极大无关组;本身无关的组,其极大无关组就是自身。
### 3.2 求法(唯一标准流程)
1. 把向量**按列**拼成矩阵 $A$ 。
2. **只做初等行变换**,化到阶梯形。
3. 数非零行数得秩 $r$ 。
4. 记下主元所在的**列号**,回到**原矩阵**取对应的列,即极大无关组。
第 4 步的关键:**系数可以在阶梯形上读,向量必须回原组取**。答案写成"阶梯形的第 1、3 列"是错的。
为什么只能行变换:初等行变换相当于左乘可逆矩阵,保持列与列之间的线性关系不变(相关性和表示系数都不变);列变换会改变"哪一列是主元列"这个信息,主元列号就失去意义了。
### 3.3 秩的性质
| 性质 | 条件 |
|---|---|
| $r(A)=$ 行秩 $=$ 列秩 | 恒成立 |
| 初等变换不改变秩 | 恒成立 |
| $B$ 可由 $A$ 线性表示 $\Rightarrow r(B)\le r(A)$ | 相当于 $B=AC$ |
| $r(AB)\le\min\{r(A),r(B)\}$ | 恒成立 |
| $r(PAQ)=r(A)$ | $P,Q$ 可逆 |
| $r(AB)\ge r(A)+r(B)-n$ | $A$ 是 $m\times n$ ,$B$ 是 $n\times p$ (Sylvester) |
| $r\begin{pmatrix}A&O\\O&B\end{pmatrix}=r(A)+r(B)$ | 分块对角 |
---
## 4 线性表示与向量组等价
### 4.1 表示的三个判据
设 $A=(\alpha_1,\dots,\alpha_s)$ ,$s$ 为向量个数:
| 问 | 判据 | 备注 |
|---|---|---|
| 能否表示 | $r(A)=r(A\mid\beta)$ | 等价于 $Ax=\beta$ 有解 |
| 表示是否唯一 | 在能表示的前提下,$r(A)=s$ | 此时表示系数唯一 |
| 不能表示时秩升多少 | $r(A\mid\beta)=r(A)+1$ | 只升 1,因为只添了一列 |
$s=n$ (方阵)时三个判据可以合成一句:$\lvert A\rvert\ne0$ 则**任意** $\beta$ 都能被表示且唯一;$\lvert A\rvert=0$ 则需要逐个 $\beta$ 验算。
### 4.2 向量组等价
**定义**:两组向量能**互相**线性表示,记 $A\cong B$ 。等价 ⟺ 它们张成同一个子空间。
三条性质:自反、对称、传递(所以"等价"这个名字名副其实)。
三条判据,按好用程度排:
1. $r(A)=r(B)=r(A,B)$ —— 最标准,三者相等即等价。
2. 若已知 $A$ 可由 $B$ 表示(单向),再补一句 $r(A)=r(B)$ 即可 —— 单向 + 同秩 = 等价。
3. 能直接写出双向表示式(具体数字题常用,一步到位)。
**与矩阵等价的区别**(选择题必考):
| | 矩阵等价 | 向量组等价 |
|---|---|---|
| 前提 | 同型 | 同维(行数相同,列数可不同) |
| 判据 | $r(A)=r(B)$ (存在可逆 $P,Q$ 使 $PAQ=B$ ) | $r(A)=r(B)=r(A,B)$ |
| 强度 | 弱 | 强 |
矩阵同秩只说明"秩一样",向量组等价还要求"方向也一样"。$\{(1,0)^{\mathrm T}\}$ 与 $\{(0,1)^{\mathrm T}\}$ 秩都为 1,但不是等价向量组。
### 4.3 一条常用的传递链
$$A\cong B\ \Longrightarrow\ r(A)=r(B);\qquad \text{极大无关组}\cong\text{原向量组}.$$
所以"求两组是否等价"可以退化成"求各自极大无关组,再看是否等价"——向量个数可以不同,秩必须相同。
---
## 5 向量空间:基、坐标与过渡矩阵
数一大纲明确要求这一节(数二数三不要求),十年里以 2019·20 一道 11 分解答题出现,**是本讲分值最高的单点**。
### 5.1 向量空间与子空间
$n$ 维实向量全体记 $\mathbb{R}^n$ 。非空子集 $V\subseteq\mathbb{R}^n$ 若对**加法与数乘封闭**,则称 $V$ 为子空间。封闭性等价于:对任意 $\alpha,\beta\in V$ 与任意数 $k$ ,有 $\alpha+\beta\in V$ 、$k\alpha\in V$ 。(自然含零向量。)
最常见的子空间:$L(\alpha_1,\dots,\alpha_s)$ (张成空间)、齐次方程组 $Ax=0$ 的解空间(维数 $n-r(A)$ )、矩阵的列空间与零空间。
### 5.2 基与维数
$V$ 中的一组向量 $\xi_1,\dots,\xi_r$ 若 ① 线性无关;② $V$ 中每个向量都能由它们表示,则称为 $V$ 的一组**基**,$r$ 称为 $V$ 的**维数**,记 $\dim V$ 。
> **基就是极大无关组**,只是"在一个空间里"而不是"在一组向量里"。所以 $\dim L(\alpha_1,\dots,\alpha_s)=r(\alpha_1,\dots,\alpha_s)$ 。这个等式把"求维数"和"求秩"变成同一件事。
$\mathbb{R}^n$ 的标准基是 $e_1,\dots,e_n$ (单位坐标向量)。
### 5.3 坐标
设 $\xi_1,\dots,\xi_n$ 是 $V$ 的基,$\alpha=x_1\xi_1+\cdots+x_n\xi_n$ ,则 $(x_1,\dots,x_n)^{\mathrm T}$ 是 $\alpha$ 在该基下的**坐标**。基给定后坐标**唯一**(因为基无关,表示系数唯一)。
矩阵写法:
$$\alpha=(\xi_1,\dots,\xi_n)\begin{pmatrix}x_1\\ \vdots\\ x_n\end{pmatrix}.$$
几何上"坐标"是相对概念:同一个向量,换一组基,坐标就变。
### 5.4 基变换与坐标变换(方向相反,本节唯一的坑)
设 $U=(\xi_1,\dots,\xi_n)$ 、$V=(\eta_1,\dots,\eta_n)$ 是同一空间的两组基,若
$$(\eta_1,\dots,\eta_n)=(\xi_1,\dots,\xi_n)C,$$
则 $C$ 称为从基 $\xi$ 到基 $\eta$ 的**过渡矩阵**。
三条必须记牢的结论:
1. **$C$ 可逆**,且 $C$ 的第 $j$ 列就是 $\eta_j$ 在旧基 $\xi$ 下的坐标。所以从标准基出发时,过渡矩阵就是把新基按列排成矩阵,不用算。
2. **坐标变换公式**:$x_{\rm old}=C\,x_{\rm new}$ ,即 $x_{\rm new}=C^{-1}x_{\rm old}$ 。
3. 反方向($\eta\to\xi$ )的过渡矩阵是 $C^{-1}$ ,两个方向**互为逆矩阵**。
方向为什么相反:基变换是"新基 $=$ 旧基 $\times\,C$ ",而坐标要满足 $\alpha=U x_{\rm old}=V x_{\rm new}=UCx_{\rm new}$ ,比较得 $x_{\rm old}=Cx_{\rm new}$ 。基乘 $C$ ,坐标除 $C$ 。
$C$ 一定可逆的理由:两组都是基,都满秩;若 $C$ 奇异,新组就会丢掉方向、张不满原空间。
---
## 6 内积、正交与施密特正交化
### 6.1 内积与四条性质
$$\langle\alpha,\beta\rangle=\alpha^{\mathrm T}\beta=\sum_{i=1}^{n}a_ib_i.$$
| 性质 | 表述 |
|---|---|
| 对称 | $\langle\alpha,\beta\rangle=\langle\beta,\alpha\rangle$ |
| 对第一变元线性 | $\langle k\alpha+\mu\beta,\gamma\rangle=k\langle\alpha,\gamma\rangle+\mu\langle\beta,\gamma\rangle$ |
| 正定 | $\langle\alpha,\alpha\rangle\ge0$ ,且 $=0\iff\alpha=0$ |
| 柯西不等式 | $\lvert\langle\alpha,\beta\rangle\rvert\le\lVert\alpha\rVert\,\lVert\beta\rVert$ |
由线性性可得**双线性**:两个组合的内积可以拆成四项,正交时非同类项直接消掉(`07` 的第一题就用这一点)。
### 6.2 长度、单位化、夹角
$$\lVert\alpha\rVert=\sqrt{\langle\alpha,\alpha\rangle},\qquad e=\frac{\alpha}{\lVert\alpha\rVert}\ (\alpha\ne0),\qquad \cos\theta=\frac{\langle\alpha,\beta\rangle}{\lVert\alpha\rVert\lVert\beta\rVert}.$$
$\langle\alpha,\beta\rangle=0$ 时称 $\alpha$ 与 $\beta$ **正交**,记 $\alpha\perp\beta$ 。零向量与任何向量都正交,但零向量不能单位化。
### 6.3 正交组与正交基
- **正交向量组**:非零且两两正交。**正交组必线性无关**(证明:设 $\sum k_i\alpha_i=0$ ,与 $\alpha_j$ 作内积,除 $k_j\langle\alpha_j,\alpha_j\rangle$ 外全消,得 $k_j=0$ )。
- **规范正交基**:正交组再单位化。等价于"每个向量长度为 1、两两内积为 0"。
- 规范正交基的最大好处:**坐标就是内积**,即 $\alpha=\sum\langle\alpha,e_i\rangle e_i$ ,不必解方程组。
### 6.4 施密特正交化(算法)
由无关组 $\alpha_1,\dots,\alpha_s$ 造正交组 $u_1,\dots,u_s$ :
$$u_1=\alpha_1,\qquad u_k=\alpha_k-\sum_{i=1}^{k-1}\frac{\langle\alpha_k,u_i\rangle}{\langle u_i,u_i\rangle}\,u_i\quad(k\ge2).$$
三个必须记死的细节:
1. 分母是**长度平方**($\langle u_i,u_i\rangle$ ),不是长度;单位化时才除长度。
2. 第 $k$ 步要减**前面每一个**已得方向的投影,减 $k-1$ 项,漏一项就不正交。
3. 全程**不改变张成空间**:$L(u_1,\dots,u_k)=L(\alpha_1,\dots,\alpha_k)$ 。若某步得到零向量,说明原组相关。
### 6.5 正交矩阵
$n$ 阶实方阵 $A$ 满足 $A^{\mathrm T}A=E$ 时称**正交矩阵**。以下六条互相等价:
| # | 等价条件 |
|---|---|
| ① | $A^{\mathrm T}A=E$ (定义) |
| ② | $A^{\mathrm T}=A^{-1}$ |
| ③ | $AA^{\mathrm T}=E$ |
| ④ | $A$ 的**列**向量组是规范正交基 |
| ⑤ | $A$ 的**行**向量组是规范正交基 |
| ⑥ | 对任意 $x$ 有 $\lVert Ax\rVert=\lVert x\rVert$ (保长度) |
由此推出的性质:
- $\lvert A\rvert=\pm1$ (注意这是**必要不充分**条件,$\lvert A\rvert=\pm1$ 推不出正交)。
- 正交矩阵的逆、转置、乘积仍正交。
- 正交变换($y=Ax$ ,$A$ 正交)保内积、保长度、保夹角、保距离。
- 实对称矩阵一定可以**正交**对角化($Q^{\mathrm T}AQ=\Lambda$ ),这是第 5 讲的主角。
---
## 7 子空间的和、交与维数公式
### 7.1 定义
$$V_1+V_2=\{v_1+v_2\mid v_1\in V_1,\ v_2\in V_2\},\qquad V_1\cap V_2=\{v\mid v\in V_1\ \text{且}\ v\in V_2\}.$$
两者都是子空间。和空间的基求法:把两组向量**并在一起**求极大无关组;维数就是 $r(A,B)$ 。
### 7.2 维数公式(2019 大纲要求,2023·7 考过)
$$\dim(V_1+V_2)=\dim V_1+\dim V_2-\dim(V_1\cap V_2).$$
也可写成 $r(A,B)=r(A)+r(B)-r(\text{交})$ ,与 Sylvester 不等式同源。
### 7.3 交空间的求法(四步)
$V_1=L(\alpha_1,\dots,\alpha_s)$ 、$V_2=L(\beta_1,\dots,\beta_t)$ ,求 $V_1\cap V_2$ 的基:
1. 设 $w$ 同时在两个空间里:$w=Ax=By$ 。
2. 移项得齐次方程组 $(A,-B)\begin{pmatrix}x\\y\end{pmatrix}=0$ 。
3. 解出**系数** $x,y$ ,取一组基础解系。
4. **代回** $w=Ax$ 得到真正的向量,去掉零向量与冗余向量。
第 4 步是最容易漏的:解出来的是系数,不是基。`08` 会用两道题把这一步练死。
### 7.4 直和
若 $V_1\cap V_2=\{0\}$ ,称 $V_1+V_2$ 为**直和**,记 $V_1\oplus V_2$ 。等价条件:
$$\dim(V_1+V_2)=\dim V_1+\dim V_2.$$
直和的现实意义:和空间里每个向量**分解方式唯一**。全体 $n$ 阶矩阵可以分解为对称矩阵与反对称矩阵的直和,是这一结论最常被引用的例子。
---
## 8 本讲的知识地图(谁依赖谁)
```
┌── 定义:相关 / 无关(存在 vs 仅当)
│ │
│ ├──→ 判据①定义 ②秩 ③行列式 ④表示 ⑤以少表多 ⑥部分整体
│ │
线性相关性 ┤ └──→ 秩 r(A) ──┬──→ 极大无关组(求法:行变换取主元列)
│ ├──→ 线性表示(r(A)=r(A|β),唯一性 r(A)=s)
│ ├──→ 向量组等价(r(A)=r(B)=r(A,B))
│ └──→ 子空间维数 dim L(...)=r(...)
│ │
└──→ 正交组必无关 ──→ 施密特 ──→ 规范正交基 ──→ 正交矩阵 ──→ 正交对角化(第5讲)
│
基 → 坐标 → 过渡矩阵(C 可逆,x_old = C x_new)
│
和空间 / 交空间 → 维数公式
```
读图方法:**任何一条箭头都可以反过来当判据用**。比如"秩相等于等价"是错的(单向),但"等价推同秩"是对的。图上的箭头方向就是可以推的方向。
---
## 9 大纲 / 真题 / 参考仓库:覆盖对照
每道题的参考仓库出处已在各点文件的问题开头「考查知识点」块里逐题标出(含"未收录"的标注),下表只做三条线的总对照。
| 大纲条目 | 十年真题 | 参考仓库 | 本讲位置 |
|---|---|---|---|
| 向量的概念与运算 | — | §1.1 | §1.1 |
| 线性组合与线性表示 | 2020·6 | §1.2 | §1.2、§4.1 |
| 线性相关与无关 | 2024·6、2017·13 | §2 | §1.3、§2 |
| 极大线性无关组 | 2017·13 | §2.2 | §3.1、§3.2 |
| 向量组的秩 | 2017·13、2022·7 | §3 | §3.3 |
| 秩与矩阵秩的关系 | 2025·7(跨章) | §3 | §2.3 |
| 等价向量组 | 2022·7 | §4 | §4.2 |
| 向量空间、子空间、基、维数、坐标 | 2019·20、2023·7 | §5.1、§5.2 | §5.1—§5.3 |
| 基变换与坐标变换、过渡矩阵 | 2019·20(11 分) | §5.2 | §5.4 |
| 和空间、交空间与维数公式 | 2023·7 | — | §7 |
| 向量的内积 | 2023·15 | — | §6.1、§6.2 |
| 正交规范化(施密特) | 2021·6 | — | §6.4 |
| 规范正交基 | 2021·6、2023·15 | — | §6.3 |
| 正交矩阵及其性质 | — | — | §6.5 |
**两处需要说明的空白**:
1. **正交矩阵十年没在这个位置单独考**,但它以"实对称矩阵正交对角化"的形式出现在第 5 讲(ch13,11 题 83 分),那里每一道大题都要写 $Q^{\mathrm T}AQ=\Lambda$ 。所以 §6.5 必须掌握,只是分数记在第 5 讲账上。
2. **向量空间的公理化表述(8 条公理)大纲不要求**,考纲只要求"了解 $n$ 维向量空间、子空间、基底、维数、坐标等概念"。所以 §5.1 只写了封闭性判别,没有展开公理体系——这是刻意省略,不是遗漏。
覆盖结论:**大纲 13 条全覆盖,十年真题 8 题全部有对应位置,参考仓库 5 节全部吸收**,另补了参考仓库未涉及的施密特与正交矩阵。
---
## 10 与其他讲的接口
| 本讲内容 | 去向 | 用法 |
|---|---|---|
| 秩的运算与不等式 | 第 2 讲矩阵 | 那里是"算秩",这里是"用秩" |
| 线性表示 = 方程组有解 | 第 4 讲线性方程组 | 同一件事的两种说法 |
| 正交化 | 第 5 讲特征值 | 实对称矩阵正交对角化的必经步骤 |
| 正交矩阵 | 第 5 讲、第 6 讲二次型 | 正交变换化标准形 |
| $A^{\mathrm T}A$ 与秩 | 第 6 讲二次型 | $A^{\mathrm T}A$ 正定(`09` 第三题证过 $r(A^{\mathrm T}A)=r(A)$ ) |
---
盘点到此为止。往下读 [点 1](02-点1-线性相关与无关.md) — [点 8](09-点8-抽象推理与证明.md) 八个文件,每个点都是"先用一两道题撞一次墙,再回头对一遍上面这张表"的节奏。