Compare commits

..
4 Commits
Author SHA1 Message Date
Yimu 285220fc96 第3讲向量重构:知识点盘点 + 八点分册 + 双向链接
按反馈调整三件事:补知识点盘点、拆分文件避免内容被压缩、不再出 PDF。

结构(1 个文件 → 11 个文件):
- 01-知识点盘点:十节纯盘点(定义/定理/六条判据/秩的性质/等价/基与坐标/
  内积正交/和交与维数公式/知识地图/大纲覆盖对照),约 1.25 万字符
- 02~09 八个点分册:每册 3 题、4—6 千字符,节奏统一为
  「问题(标难度)→ 怎么想 → 解 → 带走的结论 → 换问法/错法」
- 10-速查卡:十个判据 + 四条方向 + 六条秩运算 + 四处失分点 + 回查表

题量 19 → 24,新增 5 道:
- 含参表示三分类(唯一/无穷多/无解,a≠7 与 a=7 判 b)
- AB=O 的秩结论(r(A)+r(B)≤n,串起第 4/5 讲)
- 单向表示 + 同秩 → 等价的证明
- R^4 中和空间维数与是否直和
- 含参直和判定(b1 是否属于 V1)

双向链接(每个点底部「本点关联」表):
盘点 / 上游 / 下游 / 速查 四个方向,相对路径链接,Gitea 可点、
Obsidian 进反链面板。盘点 §0.4 补「章节 ↔ 练习」对照表反向查。

校验:
- 全部数值用 Fraction + 高斯消元重算(行列式、秩、坐标、施密特、
  C^-1、通解),修正两处算术(含参直和 det 应为 1-a、通解特解)
- fix_gitea_math.py --check 归零:18 处 $..$** 死局改写 + 38 处补空格
  + 3 处多行 $$ 独占行

不再生成 PDF:删除本讲 PDF 目录,README 记入两条写作约定
(不出 PDF、单文件不超 1.3 万字符)。
2026-10-23 17:15:51 +08:00
Yimu 6c06c3159f 记忆:以题带点试点规则与渲染回归教训 2026-10-23 17:01:35 +08:00
Yimu 17fc0f987a 第3讲向量改为「以题带点」版(试点)
按真题分值重排知识点,题目嵌在点里,不再有独立的试题册与解析册:
  点1 基/坐标/过渡矩阵(2019·20,11分)3题
  点2 内积/正交/施密特(2021·6、2023·15,10分)3题
  点3 线性表示与交空间(2020·6、2023·7,9分)3题
  点4 线性相关性(2024·6,5分)3题
  点5 秩与极大无关组(2017·13,4分)2题
  点6 向量组等价(2022·7,5分)2题
  点7 抽象推理与证明 3题
合计 44 分,与十年账面一致。

每点节奏:问题(标难度)→ 怎么想 → 解 → 带走的结论;点末一句「本点定式」。
新增:三处最易丢分、速查卡(10 条判据)。

旧的三件套 git mv 到 旧版-题点分离/(含答题版 PDF);
新 PDF 13 页,344 处公式 0 报错。
2026-10-23 17:01:24 +08:00
Yimu f40a864e20 修复 10-20 重写文件丢失的公式空格(Gitea 网页渲染回归)
10 月 20 日重写概率论第6讲、线代第2/3/4讲时,行内公式收尾 $ 后又紧贴中文,
导致网页端整对 $...$ 不渲染。按 fix_gitea_math.py 规则统一补半角空格:
概率论第6讲 01、线代第2讲 01/02/03、线代第4讲 01/03、导读,共 7 个文件。
回扫后 --scope=prob 归零。
2026-10-23 17:01:18 +08:00
26 changed files with 2852 additions and 502 deletions
+30
View File
@@ -0,0 +1,30 @@
# 2026-10-23
## 线代改为「以题带点」(试点:第3讲 向量)
**用户要求**:所有线代题目思路改掉,在知识点中讲刷题,以题带点,不要题点分离;每个点出 1—3 题,按重要程度排,先出一章看效果。
**试点文件**:`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`(重写,13 页 PDF)。
**新的编排规则**(若推广,以此为准):
- 顺序按**近十年真题分值**排,不按课本顺序。第3讲实测:过渡矩阵 11 分 > 内积与施密特 10 分 > 表示与交空间 9 分 > 相关性 5 > 等价 5 > 秩 4,合计 44 分正好对上十年账面。
- 每点固定节奏:**问题(标 ★ 难度)→ 怎么想 → 解 → 带走的结论**;点末给一句「本点定式」。
- 每点开头用引用块写三行:真题锚点|重要度|本点题量;再一行「依赖」指向前置点(因为顺序被打乱)。
- 每章开头加「本讲地图」表(点 / 真题 / 分值 / 题量)+ 一句话逻辑链。
- 章末放「速查卡」表(10 条判据)+「三处最容易丢分」。
- 题目不再有 A/B/C 分组,难度写在题号后面;证明题单列一点。
**归档**:旧三件套 `git mv` 到 `旧版-题点分离/`(含答题版 PDF),未删。
## 发现一次渲染回归
10-20 那次重写把公式空格规则改回去了:概率论第6讲、线代第2/3/4讲、导读共 7 个文件的 `$…$` 收尾又紧贴中文,网页端会整对不渲染。已用 `fix_gitea_math.py --apply --scope=prob` 修完,回扫归零。
**教训**:重写/新增 md 后必须跑一次 `fix_gitea_math.py --check`,不能只在初次创建时跑。
## 提交
- `f40a864` 修复 10-20 重写文件的公式空格回归
- `17fc0f9` 第3讲改为以题带点(试点)
**未推送**,等用户看完效果再决定是否推广到第2/4讲。
+9 -6
View File
@@ -85,12 +85,15 @@ tags:
│ │ └── 01-考点手册.md ✓ 从计算例子讲运算、逆、初等变换、秩、伴随、分块与幂
│ │ ├── 02-试题.md ✓ 新增 18 题(基础 6 / 综合 8 / 证明 4)
│ │ └── 03-解析.md ✓ 逐题说明入口、计算与检查
│ ├── 线性代数-第3讲-向量/ ✓ 已出(2026-10-18,真题库第 11 章,8 题 44 分)
│ │ ├── README.md ✓ 文件夹索引与规划
│ │ ├── 01-考点手册.md ✓ 线性表示 / 相关性八定理 / 极大无关组 / 等价 / 施密特 / 基与过渡矩阵 / 交空间
│ │ ├── 02-试题.md ✓ 18 题(A 6 / B 8 / C 4,不含答案)
│ │ ├── 03-解析.md ✓ 18 题详解 + 命题质量报告
│ │ └── PDF/ ✓ 平板书写版(考点手册 / 试题答题版 / 解析)
│ ├── 线性代数-第3讲-向量/ ✓ 已改为「知识点盘点 + 以题带点」分册版(2026-10-23)
│ │ ├── README.md ✓ 结构说明与三轮读法
│ │ ├── 01-知识点盘点.md ✓ 十节盘点(定义/定理/判据/公式)+ 章节↔练习对照 + 覆盖对照
│ │ ├── 02~09-点1~点8 ✓ 八个分册,每册 3 题、约 4—6 千字符
│ │ │ 相关性与无关 / 秩与极大无关组 / 线性表示 / 向量组等价
│ │ │ / 基坐标与过渡矩阵 / 内积正交与施密特 / 子空间和与交 / 证明
│ │ ├── 10-速查卡.md ✓ 十个判据 + 四处失分点 + 回查表
│ │ └── 旧版-题点分离/ 归档:最早的考点·试题·解析三件套
│ │ (本讲起不再生成 PDF,各文件之间用相对链接互跳)
│ └── 线性代数-第4讲-线性方程组/ ✓ 已出(2026-10-18,真题库第 12 章,7 题 39 分)
│ ├── README.md ✓ 文件夹索引与规划
│ ├── 01-考点手册.md ✓ 克拉默 / 齐次解空间 / 非齐次解结构 / 三平面几何 / 同解与公共解 / 矩阵方程
@@ -320,6 +320,64 @@ $$\begin{cases}E X=\bar X\\[4pt] E X^2=\dfrac1n\sum X_i^2\end{cases}\ \Longright
> - **半正态**(含 $x\ge\mu$ 的指示):$\hat{\sigma^2}=\dfrac1n\sum(X_i-\mu)^2$ ;常数 $A=\sqrt{2/\pi}$ ;
> - **两样本同参数**(如 $X\sim P(\lambda)$ 、$Y\sim P(2\lambda)$ ):把**两组似然先相乘再求导**,得 $\hat\lambda=\dfrac{\sum X_i+\sum Y_j}{n+2m}$ 。
---
#### 【例 3-1】两样本泊松分布 MLE + 方差(锚 2022·22)
> 设 $X_1,\cdots,X_n$ 来自参数为 $\theta$ 的泊松分布 $P(\theta)$ ,$Y_1,\cdots,Y_m$ 来自参数为 $2\theta$ 的泊松分布 $P(2\theta)$ ,两组样本相互独立,$\theta>0$ 未知。求 $\theta$ 的极大似然估计 $\hat\theta$ 及 $D(\hat\theta)$ 。
**第①步 写似然函数(两组相乘)**:
泊松分布律 $P\{X=k\}=\dfrac{\lambda^k e^{-\lambda}}{k!}$ 。两组样本独立,联合似然 = X 组似然 × Y 组似然:
$$L(\theta)=\underbrace{\prod_{i=1}^{n}\frac{\theta^{x_i}e^{-\theta}}{x_i!}}_{\text{X 组,参数 }\theta}\ \cdot\ \underbrace{\prod_{j=1}^{m}\frac{(2\theta)^{y_j}e^{-2\theta}}{y_j!}}_{\text{Y 组,参数 }2\theta}$$
**第②步 整理**:
把常数项(与 $\theta$ 无关)合并,$\theta$ 的幂合并:
$$L(\theta)=\frac{2^{\sum y_j}\,\theta^{\sum x_i+\sum y_j}\,e^{-n\theta-2m\theta}}{\prod x_i!\,\prod y_j!}$$
> **关键观察**:
> - X 组贡献 $\theta^{x_i}$ 和 $e^{-\theta}$ (n 个样本);
> - Y 组贡献 $(2\theta)^{y_j}=2^{y_j}\theta^{y_j}$ 和 $e^{-2\theta}$ (m 个样本);
> - 所以 $\theta$ 的总幂次是 $\sum x_i+\sum y_j$ ,指数上总共有 $n\theta+2m\theta=(n+2m)\theta$ 。
**第③步 取对数求导**:
$$\ln L(\theta)=\Big(\sum x_i+\sum y_j\Big)\ln\theta+\Big(\sum y_j\Big)\ln2-(n+2m)\theta-\ln(\prod x_i!\prod y_j!)$$
$$\frac{\mathrm d\ln L}{\mathrm d\theta}=\frac{\sum x_i+\sum y_j}{\theta}-(n+2m)=0$$
解得:
$$\boxed{\ \hat\theta=\frac{\sum_{i=1}^{n}X_i+\sum_{j=1}^{m}Y_j}{n+2m}\ }$$
> **⚠️ 易错 1**:分母是 $n+2m$ ,不是 $n+m$ !因为 Y 组每个样本携带的参数是 $2\theta$ ,相当于"两个 θ 的信息量",所以分母里 Y 组的权重是 $2m$ 。
> **⚠️ 易错 2**:分子里 Y 组就是 $\sum Y_j$ ,不要写成 $2\sum Y_j$ 。$2\theta$ 那个 2 在取对数时变成了 $\sum y_j\ln2$ 这一项(常数,求导后消失),不会进到分子里。
**第④步 求 $D(\hat\theta)$ **:
$$\hat\theta=\frac{\sum X_i+\sum Y_j}{n+2m}$$
由泊松分布性质 $D(X_i)=\theta$ 、$D(Y_j)=2\theta$ ,且各组样本独立:
$$D(\hat\theta)=\frac{D(\sum X_i)+D(\sum Y_j)}{(n+2m)^2}=\frac{n\cdot\theta+m\cdot2\theta}{(n+2m)^2}=\frac{\theta(n+2m)}{(n+2m)^2}$$
$$\boxed{\ D(\hat\theta)=\frac{\theta}{n+2m}\ }$$
> **顺便验证无偏性**:$E\hat\theta=\dfrac{n\theta+m\cdot2\theta}{n+2m}=\theta$ ,所以 $\hat\theta$ 是 $\theta$ 的无偏估计。
---
**这类题的通用模板**(看到"两样本共享一个未知参数"就套):
1. 两组样本的分布里都出现同一个 $\theta$ (但参数可能带系数,如 $\theta$ 与 $2\theta$ );
2. 似然函数 = 两组似然**相乘**;
3. 取对数后,$\theta$ 的系数(幂次)来自两组所有样本;
4. 指数项 $e^{-(\text{样本数加权})\theta}$ 里的权重要按参数倍数算(Y 组是 $2\theta$ 就贡献 $2m\theta$ );
5. 求导后解出 $\hat\theta$ ,再用 $D(\sum)=nD(X)$ 算方差。
**极大似然估计的不变性原理(重要)**
> 若 $\hat\theta$ 是 $\theta$ 的极大似然估计,$g(\cdot)$ 是任意函数(通常单调),则 **$g(\hat\theta)$ 是 $g(\theta)$ 的极大似然估计**。
@@ -471,6 +529,61 @@ $$\left[\ \frac{S_1^2}{S_2^2}\cdot\frac{1}{F_{\alpha/2}(m-1,n-1)},\quad \frac{S_
3. **定拒绝域**:给定 $\alpha$ ,按 $P\{\text{拒绝}H_0\mid H_0\text{真}\}=\alpha$ 定临界值;
4. **下结论**:算统计量观测值,**落在拒绝域就拒绝 $H_0$ **,否则接受。
---
#### 【例 5-1】$U$ 检验·双侧·$\sigma$ 已知(走一遍完整四步)
> 某厂生产的螺钉长度 $X\sim N(\mu, 0.2^2)$ (单位:mm)。现抽 $n=16$ 个,算得样本平均长度 $\bar x=2.12$ mm。在显著性水平 $\alpha=0.05$ 下,能否认为螺钉平均长度为 $\mu_0=2.10$ mm?(已知 $u_{0.025}=1.96$ )
**第①步 提假设**:
$$H_0:\mu=2.10,\qquad H_1:\mu\ne 2.10\quad(\text{双侧}).$$
**第②步 选统计量**:$\sigma=0.2$ **已知**,选 $U$ 检验:
$$U=\frac{\bar X-\mu_0}{\sigma/\sqrt n}\ \xrightarrow{H_0}\ N(0,1).$$
**第③步 定拒绝域**:双侧,分位点 $u_{\alpha/2}=u_{0.025}=1.96$ :
$$W=\{\,|U|\ge 1.96\,\}.$$
**第④步 算观测值、下结论**:
$$u=\frac{2.12-2.10}{0.2/\sqrt{16}}=\frac{0.02}{0.05}=0.4.$$
$|0.4|<1.96$ ,**不在拒绝域内**,故**接受 $H_0$ **——可以认为螺钉平均长度为 $2.10$ mm。
> **⚠️ 易错**:分母是 $\sigma/\sqrt n=0.2/4=0.05$ ,不是 $\sigma=0.2$ 也不是 $S/\sqrt n$ 。
---
#### 【例 5-2】$U$ 检验·单侧右侧·$\sigma$ 已知(锚 2025·10)
> 某元件寿命 $X\sim N(\mu, 2)$ (单位:千小时)。现抽 $n=9$ 个,算得 $\bar x=1.8$ 千小时。在 $\alpha=0.05$ 下,是否有理由认为元件平均寿命**大于** $1$ 千小时?(已知 $u_{0.05}=1.645$ )
**第①步 提假设**(**方向跟着 $H_1$ 跑**):
$$H_0:\mu\le 1,\qquad H_1:\mu>1\quad(\text{右侧检验}).$$
**第②步 选统计量**:$\sigma^2=2$ **已知**,故 $\sigma=\sqrt2$ :
$$U=\frac{\bar X-1}{\sqrt2/\sqrt9}=\frac{\bar X-1}{\sqrt2/3}\ \xrightarrow{H_0}\ N(0,1).$$
**第③步 定拒绝域**:右侧,**单侧**分位点 $u_{\alpha}=u_{0.05}=1.645$ (**不是** $u_{0.025}$ ):
$$W=\{\,U\ge 1.645\,\}.$$
**第④步 算观测值、下结论**:
$$u=\frac{1.8-1}{\sqrt2/3}=\frac{0.8\times 3}{\sqrt2}=\frac{2.4}{1.414}\approx 1.70.$$
$1.70>1.645$ ,**落在拒绝域内**,故**拒绝 $H_0$ **——有理由认为元件平均寿命大于 $1$ 千小时。
> **⚠️ 易错 1**:$\sigma^2=2$ 时 $\sigma=\sqrt2$ ,别把方差直接当代入分母。
> **⚠️ 易错 2**:单侧用 $u_\alpha=1.645$ ,双侧才用 $u_{\alpha/2}=1.96$ 。方向不同,分位点不同。
---
### 5.3 三类假设与拒绝域方向
| 类型 | $H_0$ | $H_1$ | 拒绝域在 |
@@ -506,6 +619,54 @@ $$\left[\ \frac{S_1^2}{S_2^2}\cdot\frac{1}{F_{\alpha/2}(m-1,n-1)},\quad \frac{S_
> $$\bar X\ \ge\ \mu_0+Z_\alpha\frac{\sigma}{\sqrt n}=1+Z_\alpha\sqrt{\frac{2}{n}} .$$
> **注意 $\sigma^2=2$ 时 $\sigma=\sqrt2$ **,别把方差当标准差代入。
---
#### 【例 5-3】$T$ 检验·双侧·$\sigma$ 未知
> 某班数学成绩 $X\sim N(\mu,\sigma^2)$ ,$\sigma$ **未知**。现抽 $n=9$ 人,算得 $\bar x=72$ 分,$s=4.5$ 分。在 $\alpha=0.05$ 下,能否认为该班平均成绩为 $75$ 分?(已知 $t_{0.025}(8)=2.306$ )
**第①步**:$H_0:\mu=75$ ,$H_1:\mu\ne75$ 。
**第②步**:$\sigma$ **未知**,用 $S$ 代替 $\sigma$ ,选 $T$ 检验,自由度 $n-1=8$ :
$$T=\frac{\bar X-75}{S/\sqrt n}\ \xrightarrow{H_0}\ t(8).$$
**第③步**:双侧拒绝域 $W=\{\,|T|\ge t_{0.025}(8)=2.306\,\}$ 。
**第④步**:
$$t=\frac{72-75}{4.5/\sqrt9}=\frac{-3}{1.5}=-2,\qquad |t|=2<2.306.$$
**接受 $H_0$ **——可以认为该班平均成绩为 75 分。
> **口诀对照**:$\sigma$ 已知用 $U$ 、$\sigma$ 未知用 $T$ ;自由度从 $n$ 变 $n-1$ 。
---
#### 【例 5-4】$\chi^2$ 检验·方差·$\mu$ 未知
> 某厂钢丝折断力 $X\sim N(\mu,\sigma^2)$ 。现抽 $n=10$ 根,算得样本方差 $s^2=48.2$ 。在 $\alpha=0.05$ 下,能否认为折断力的方差为 $\sigma_0^2=64$ ?(已知 $\chi^2_{0.025}(9)=19.02$ ,$\chi^2_{0.975}(9)=2.70$ )
**第①步**:$H_0:\sigma^2=64$ ,$H_1:\sigma^2\ne64$ 。
**第②步**:$\mu$ **未知**,用样本均值代替,自由度 $n-1=9$ :
$$\chi^2=\frac{(n-1)S^2}{\sigma_0^2}\ \xrightarrow{H_0}\ \chi^2(9).$$
**第③步**:$\chi^2$ 分布**不对称**,双侧拒绝域要**两端分别查**:
$$W=\{\,\chi^2\le\chi^2_{0.975}(9)=2.70\ \text{或}\ \chi^2\ge\chi^2_{0.025}(9)=19.02\,\}.$$
**第④步**:
$$\chi^2=\frac{9\times 48.2}{64}=\frac{433.8}{64}\approx 6.78.$$
$2.70<6.78<19.02$ ,**不在拒绝域内**,**接受 $H_0$ **——可以认为折断力方差为 64。
> **⚠️ 易错**:$\chi^2$ 双侧拒绝域不是 $|\chi^2|\ge c$ 这种对称写法!它**左尾一个临界值、右尾一个临界值**,必须分别查 $\chi^2_{\alpha/2}(n-1)$ 和 $\chi^2_{1-\alpha/2}(n-1)$ 。
---
### 5.5 区间估计与假设检验的对偶关系(高频理解题)
> **置信度 $1-\alpha$ 的双侧置信区间** $\Longleftrightarrow$ **显著性水平 $\alpha$ 的双侧检验的接受域**。
@@ -553,6 +714,44 @@ $$\alpha=P\{\text{拒绝}H_0\mid H_0\text{为真}\},\qquad \beta=P\{\text{接受
> **示例模板**:$\sigma^2$ 已知,$W=\{\bar X\ge c\}$ ,则在 $\mu=\mu_1$ ($H_1$ 中某个值)下
> $$\beta=P\{\bar X<c\}=\Phi\!\left(\frac{c-\mu_1}{\sigma/\sqrt n}\right).$$
---
#### 【例 6-1】第二类错误 $\beta$ 完整计算(锚 2021·10)
> 承接【例 5-1】:$X\sim N(\mu, 0.2^2)$ ,$n=16$ ,$H_0:\mu=2.10$ ,$H_1:\mu\ne2.10$ ,$\alpha=0.05$ 。若真实均值 $\mu_1=2.20$ (即 $H_0$ 实际为假),求第二类错误概率 $\beta$ 。($\Phi(0.04)\approx0.516$ ,$\Phi(3.96)\approx1$ )
**第①步 写出拒绝域 $W$ **:
由例 5-1,$|U|\ge1.96$ ,即
$$\left|\frac{\bar X-2.10}{0.2/4}\right|\ge1.96\ \Longleftrightarrow\ |\bar X-2.10|\ge0.098.$$
**第②步 写出接受域 $\bar W$ **:
$$2.10-0.098<\bar X<2.10+0.098\quad\Longleftrightarrow\quad 2.002<\bar X<2.198.$$
**第③步 把分布换成 $H_1$ 下的分布(关键!)**:
$H_1$ 真实世界里 $\mu=\mu_1=2.20$ ,所以
$$\bar X\sim N\!\left(2.20,\ \frac{0.2^2}{16}\right)=N(2.20,\ 0.05^2).$$
> ⚠️ **这里必须把均值从 $\mu_0=2.10$ 换成 $\mu_1=2.20$ **——这是 $\beta$ 与 $\alpha$ 的本质区别:$\alpha$ 在 $H_0$ 世界算,$\beta$ 在 $H_1$ 世界算。
**第④步 算 $\beta$ **:
$$\beta=P\{\text{接受 }H_0\mid\mu=2.20\}=P\{2.002<\bar X<2.198\mid\mu=2.20\}.$$
标准化 $Z=\dfrac{\bar X-2.20}{0.05}\sim N(0,1)$ :
$$\beta=P\left\{\frac{2.002-2.20}{0.05}<Z<\frac{2.198-2.20}{0.05}\right\}=P\{-3.96<Z<-0.04\}.$$
$$\beta=\Phi(-0.04)-\Phi(-3.96)\approx(1-\Phi(0.04))-0\approx1-0.516=0.484.$$
**结论**:当真实均值为 2.20 mm 时,约有 $48.4\%$ 的概率会"错误地接受 $H_0$ "(即漏判)。
> **一句话流程**:拒绝域 → 接受域 → **换均值为 $\mu_1$ ** → 标准化查 $\Phi$ 。
### 6.3 $\alpha$ 与 $\beta$ 的关系(必考辨析)🟨2018·8
| 结论 | 说明 |
@@ -98,9 +98,11 @@ $$[A\mid E]=\left(\begin{array}{cc|cc}1&2&1&0\\1&3&0&1\end{array}\right).$$
先 $R_2\leftarrow R_2-R_1$ ,再 $R_1\leftarrow R_1-2R_2$ :
$$\left(\begin{array}{cc|cc}1&2&1&0\\0&1&-1&1\end{array}\right)
$$
\left(\begin{array}{cc|cc}1&2&1&0\\0&1&-1&1\end{array}\right)
\longrightarrow
\left(\begin{array}{cc|cc}1&0&3&-2\\0&1&-1&1\end{array}\right).$$
\left(\begin{array}{cc|cc}1&0&3&-2\\0&1&-1&1\end{array}\right).
$$
左边变成 $E$ ,右边就是 $A^{-1}$ 。原因是这串行变换等于左乘某个 $P$ ,左块 $PA=E$ ,所以 $P=A^{-1}$ ,右块 $PE=P$ 。
@@ -154,11 +156,13 @@ $$PA=\begin{pmatrix}a&b\\2a+c&2b+d\end{pmatrix},\quad AP=\begin{pmatrix}a+2b&b\\
先把秩理解为独立列的最大个数。它也等于独立行的最大个数。计算时化为行阶梯形,数非零行即可。
$$A=\begin{pmatrix}1&2&0\\2&4&1\\3&6&1\end{pmatrix}
$$
A=\begin{pmatrix}1&2&0\\2&4&1\\3&6&1\end{pmatrix}
\xrightarrow{R_2-2R_1,\ R_3-3R_1}
\begin{pmatrix}1&2&0\\0&0&1\\0&0&1\end{pmatrix}
\xrightarrow{R_3-R_2}
\begin{pmatrix}1&2&0\\0&0&1\\0&0&0\end{pmatrix}.$$
\begin{pmatrix}1&2&0\\0&0&1\\0&0&0\end{pmatrix}.
$$
有两行非零,故 $r(A)=2$ 。原矩阵第二列是第一列的 2 倍;第三列提供新的独立信息。**任意原矩阵的非零行数不一定是秩,化成阶梯形后才可以数。**
@@ -249,9 +253,11 @@ $$r\begin{pmatrix}A&O\\O&B\end{pmatrix}=r(A)+r(B).$$
先下块行减上块行,再右块列减左块列:
$$\begin{pmatrix}A&A\\A&A\end{pmatrix}
$$
\begin{pmatrix}A&A\\A&A\end{pmatrix}
\longrightarrow\begin{pmatrix}A&A\\O&O\end{pmatrix}
\longrightarrow\begin{pmatrix}A&O\\O&O\end{pmatrix}.$$
\longrightarrow\begin{pmatrix}A&O\\O&O\end{pmatrix}.
$$
故秩为 $r(A)$ 。
@@ -269,9 +275,11 @@ $$S^{-1}MS=\begin{pmatrix}A+B&O\\O&A-B\end{pmatrix}.$$
若 $A$ 可逆,先下块行减去 $CA^{-1}$ 乘上块行,再右块列减去左块列乘 $A^{-1}B$ :
$$\begin{pmatrix}A&B\\C&D\end{pmatrix}
$$
\begin{pmatrix}A&B\\C&D\end{pmatrix}
\longrightarrow\begin{pmatrix}A&B\\O&D-CA^{-1}B\end{pmatrix}
\longrightarrow\begin{pmatrix}A&O\\O&D-CA^{-1}B\end{pmatrix}.$$
\longrightarrow\begin{pmatrix}A&O\\O&D-CA^{-1}B\end{pmatrix}.
$$
故秩为 $r(A)+r(D-CA^{-1}B)$ 。先理解这是分块消元,再记结果。
@@ -33,8 +33,10 @@ $$(AB)^{\mathrm T}=AB=B^{\mathrm T}A^{\mathrm T}.$$
从横排增广矩阵开始,先作 $R_2\leftarrow R_2-\frac32R_1$ :
$$\left(\begin{array}{cc|cc}2&1&1&0\\3&2&0&1\end{array}\right)
\longrightarrow\left(\begin{array}{cc|cc}2&1&1&0\\0&1/2&-3/2&1\end{array}\right).$$
$$
\left(\begin{array}{cc|cc}2&1&1&0\\3&2&0&1\end{array}\right)
\longrightarrow\left(\begin{array}{cc|cc}2&1&1&0\\0&1/2&-3/2&1\end{array}\right).
$$
再 $R_2\leftarrow2R_2$ ,$R_1\leftarrow R_1-R_2$ ,最后 $R_1\leftarrow R_1/2$ ,得
@@ -46,8 +48,10 @@ $$\left(\begin{array}{cc|cc}1&0&2&-1\\0&1&-3&2\end{array}\right).$$
先 $R_2-2R_1,R_3-3R_1$ ,再 $R_3-R_2$ :
$$A\longrightarrow\begin{pmatrix}1&2&1\\0&0&1\\0&0&1\end{pmatrix}
\longrightarrow\begin{pmatrix}1&2&1\\0&0&1\\0&0&0\end{pmatrix}.$$
$$
A\longrightarrow\begin{pmatrix}1&2&1\\0&0&1\\0&0&1\end{pmatrix}
\longrightarrow\begin{pmatrix}1&2&1\\0&0&1\\0&0&0\end{pmatrix}.
$$
秩为 2,主元在第 1、3 列。非零列有三列,并不表示秩为 3;第二列与第一列重复了方向。
@@ -61,8 +65,10 @@ $$|A|=24,\quad A^{-1}=\operatorname{diag}(1/2,1/3,1/4).$$
### 第 6 题
$$PA=\begin{pmatrix}a&b\\3a+c&3b+d\end{pmatrix},\quad
AP=\begin{pmatrix}a+3b&b\\c+3d&d\end{pmatrix}.$$
$$
PA=\begin{pmatrix}a&b\\3a+c&3b+d\end{pmatrix},\quad
AP=\begin{pmatrix}a+3b&b\\c+3d&d\end{pmatrix}.
$$
前者为第 2 行加第 1 行的 3 倍;后者为第 1 列加第 2 列的 3 倍。撤销操作要把 3 改成 $-3$ ,所以 $P^{-1}=\begin{pmatrix}1&0\\-3&1\end{pmatrix}$ 。
@@ -128,8 +134,10 @@ $$N^2=\begin{pmatrix}0&0&6\\0&0&0\\0&0&0\end{pmatrix},\qquad N^3=O.$$
$E$ 与 $N$ 可交换,二项式中三次以上项为零,所以
$$A^k=E+kN+\binom k2N^2
=\begin{pmatrix}1&2k&3k(k-1)\\0&1&3k\\0&0&1\end{pmatrix}.$$
$$
A^k=E+kN+\binom k2N^2
=\begin{pmatrix}1&2k&3k(k-1)\\0&1&3k\\0&0&1\end{pmatrix}.
$$
又 $(E+N)(E-N+N^2)=E+N^3=E$ ,故
@@ -145,14 +153,18 @@ $$A^{-1}=E-N+N^2=\begin{pmatrix}1&-2&6\\0&1&-3\\0&0&1\end{pmatrix}.$$
上三角分块不能直接把对角秩相加。按提示交换两块列:
$$\begin{pmatrix}A&E\\O&A\end{pmatrix}
\longrightarrow\begin{pmatrix}E&A\\A&O\end{pmatrix}.$$
$$
\begin{pmatrix}A&E\\O&A\end{pmatrix}
\longrightarrow\begin{pmatrix}E&A\\A&O\end{pmatrix}.
$$
下块行减去 $A$ 乘上块行,再右块列减去左块列乘 $A$ :
$$\begin{pmatrix}E&A\\A&O\end{pmatrix}
$$
\begin{pmatrix}E&A\\A&O\end{pmatrix}
\longrightarrow\begin{pmatrix}E&A\\O&-A^2\end{pmatrix}
\longrightarrow\begin{pmatrix}E&O\\O&-A^2\end{pmatrix}.$$
\longrightarrow\begin{pmatrix}E&O\\O&-A^2\end{pmatrix}.
$$
所以秩为 $n+r(A^2)=n+r$ 。关键是 $A^2=A$ ,不是 $A$ 可逆。
@@ -196,9 +208,11 @@ $$n=r(2E)\le r(A+E)+r(A-E).$$
从左上角的单位阵开始消:
$$\begin{pmatrix}E&A\\B&O\end{pmatrix}
$$
\begin{pmatrix}E&A\\B&O\end{pmatrix}
\longrightarrow\begin{pmatrix}E&A\\O&-BA\end{pmatrix}
\longrightarrow\begin{pmatrix}E&O\\O&-BA\end{pmatrix}.$$
\longrightarrow\begin{pmatrix}E&O\\O&-BA\end{pmatrix}.
$$
第一步下块行减去 $B$ 乘上块行,第二步右块列减去左块列乘 $A$ 。对应左乘 $\begin{pmatrix}E&O\\-B&E\end{pmatrix}$ 、右乘 $\begin{pmatrix}E&-A\\O&E\end{pmatrix}$ ,两者无论 $A,B$ 是否可逆都可逆(撤销时把负号改正号)。故秩不变,结果为 $n+r(BA)$ 。
@@ -0,0 +1,464 @@
---
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 章节与练习文件对照
盘点各节与练习文件不是一一对应(练习按依赖链组织,盘点按知识体系组织),对照如下:
| 盘点章节 | 主要落在哪个练习文件 |
|---|---|
| §1 向量与向量组 | [点 1 · 线性相关与无关](02-点1-线性相关与无关.md) |
| §2 线性相关性六判据 | [点 1 · 线性相关与无关](02-点1-线性相关与无关.md) |
| §3 秩与极大无关组 | [点 2 · 秩与极大无关组](03-点2-秩与极大无关组.md) |
| §4 线性表示与等价 | [点 3 · 线性表示](04-点3-线性表示.md)、[点 4 · 向量组等价](05-点4-向量组等价.md) |
| §5 向量空间、基与坐标 | [点 5 · 基、坐标与过渡矩阵](06-点5-基坐标与过渡矩阵.md) |
| §6 内积与正交 | [点 6 · 内积、正交与施密特](07-点6-内积正交与施密特.md) |
| §7 和、交与维数公式 | [点 7 · 子空间的和与交](08-点7-子空间和与交.md) |
| §8 知识地图 | 全讲(用来检查链条是否断) |
| §9 覆盖对照 | 全讲(用来检查有没有漏考纲) |
| §10 与其他讲的接口 | 第 5 讲、第 6 讲 |
---
## 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
| 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。
@@ -1,214 +0,0 @@
---
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.$$
## 8. 练习安排与参考
| 先掌握的动作 | 题号 |
|---|---|
| 把表示、相关翻译成方程 | 1、3、7、8、12 |
| 选原向量的极大无关组 | 2、14 |
| 用互相表示判等价 | 6、10 |
| 内积、减投影 | 4、5、9 |
| 基与坐标变换 | 11、13 |
| 证明与交空间 | 15—18 |
参考 `参考仓库/Math/linear-algebra/knowledge/3-vector/vector.tex` 与 `exercise/3-vector/vector.tex`,重组了表示、相关、极大无关组、等价、基与坐标的关系,补充施密特与交空间的逐步解释。题型锚点保留在 [[02-试题]],不照搬真题原题。
@@ -0,0 +1,197 @@
---
tags: [数学一, 在学练习, 线性代数, 向量, 线性相关性]
专题: 线性代数 第3讲 · 点1 线性相关与无关
日期: 2026-10-23
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 1 · 线性相关与线性无关
> 真题 2024·6(5 分)|重要度 ★★★|题量 3
> 依赖:无。这是本讲地基,后面每一个点都在用它。
> 盘点对应:§1.3 定义、§2 六条判据、§2.2 两个方向易混的定理。
只有 5 分,但它决定后面所有点的对错:秩的定义是"极大无关组的大小",基的定义是"无关且能张成",证明题的每一步都在"设组合为零"。**这个点不是用来得分的,是用来不出错的。**
判断只有一句话:**把向量按列拼成 $A$ ,然后比较 $r(A)$ 与向量个数 $s$ 这两个量**。$r(A)<s$ 相关,$r(A)=s$ 无关;只有 $s=n$ 时才能改用 $\lvert A\rvert$ 。
---
## 问题 1 · 具体向量组判相关,并写出关系式(★★☆)
> 【2024·6 骨架】设
>
> $$\alpha_1=(1,1,2)^{\mathrm T},\quad \alpha_2=(2,3,1)^{\mathrm T},\quad \alpha_3=(1,0,5)^{\mathrm T}.$$
>
> (Ⅰ)判断 $\alpha_1,\alpha_2,\alpha_3$ 的线性相关性;
> (Ⅱ)若相关,写出一个具体的线性关系式。
### 怎么想
三个三维向量,$s=n=3$ ,正好落在判据③的适用范围:**算行列式最省**。非零则无关,为零则相关。
第(Ⅱ)问是这道题真正的考点。"相关"按定义只是"存在非平凡组合",**必须把这组系数找出来写成等式**,否则答案不完整。找系数就是解 $Ax=0$ ,取自由变量为 1。
### 解
(Ⅰ)按列拼成
$$\lvert A\rvert=\begin{vmatrix}1&2&1\\1&3&0\\2&1&5\end{vmatrix},$$
沿第二行展开(第二行有一个零,只剩两项):
$$\lvert A\rvert=-1\cdot(2\cdot5-1\cdot1)+3\cdot(1\cdot5-1\cdot2)-0=-9+9=0.$$
行列式为零,故三者线性相关。
(Ⅱ)解 $A x=0$ :
$$x_1+2x_2+x_3=0,\qquad x_1+3x_2=0,\qquad 2x_1+x_2+5x_3=0.$$
第二式给 $x_1=-3x_2$ ;代入第一式,$x_3=-x_1-2x_2=3x_2-2x_2=x_2$ ;再代入第三式恒成立($0=0$ ),说明解确实是一维的。取 $x_2=1$ 得
$$-3\alpha_1+\alpha_2+\alpha_3=0.$$
回代验算:$-3(1,1,2)^{\mathrm T}+(2,3,1)^{\mathrm T}+(1,0,5)^{\mathrm T}=(0,0,0)^{\mathrm T}$ 。
### 带走的结论
**"相关"必须落到一个具体的关系式。** 只写"行列式为零,所以相关"在解答题里只拿一半分——因为判据只回答了"有没有",题目问的是"是什么"。关系式就是 $Ax=0$ 的一个非零解,取自由变量为 1 最省事。
### 换个问法
- 若题目改成"求一个极大无关组",答案是 $\alpha_1,\alpha_2$ (或任意两个,因为秩为 2),见 `03`。
- 若改成"$\alpha_3$ 能否由 $\alpha_1,\alpha_2$ 表示",由关系式直接读出 $\alpha_3=3\alpha_1-\alpha_2$ ,见 `04`。
**同一道题,换个问法就换到别的点**——这就是为什么这个点是地基。
---
## 问题 2 · 变换后的向量组(★★☆)
> 设 $\alpha_1,\alpha_2,\alpha_3$ 线性无关。令
>
> $$\beta_1=\alpha_1+\alpha_2,\quad \beta_2=\alpha_2+\alpha_3,\quad \beta_3=\alpha_3+\alpha_1;$$
>
> $$\gamma_1=\alpha_1-\alpha_2,\quad \gamma_2=\alpha_2-\alpha_3,\quad \gamma_3=\alpha_3-\alpha_1.$$
>
> (Ⅰ)判断 $\beta$ 组的线性相关性;(Ⅱ)求 $\gamma$ 组的秩。
### 怎么想
原组无关时,新组的命运**完全由系数矩阵决定**。写
$$B=(\beta_1,\beta_2,\beta_3)=(\alpha_1,\alpha_2,\alpha_3)\,C_\beta=AC_\beta,$$
则 $By=0\iff A(C_\beta y)=0\iff C_\beta y=0$ (因为 $A$ 的列无关,$Az=0$ 只有零解)。于是
$$r(B)=r(C_\beta).$$
**这一步的前提是原组无关,不能不问就套。** 如果原组本身相关,$Az=0$ 有非零解,$r(B)$ 与 $r(C)$ 的关系就断了。
### 解
(Ⅰ)系数矩阵(第 $j$ 列是 $\beta_j$ 用 $\alpha$ 表示的系数):
$$C_\beta=\begin{pmatrix}1&0&1\\1&1&0\\0&1&1\end{pmatrix},\qquad \lvert C_\beta\rvert=1\cdot(1-0)+1\cdot(1-0)=2\ne0.$$
$C_\beta$ 可逆,故 $C_\beta y=0$ 只有零解,$\beta$ 组线性无关。
(Ⅱ)$\gamma$ 组的系数矩阵
$$C_\gamma=\begin{pmatrix}1&0&-1\\-1&1&0\\0&-1&1\end{pmatrix},$$
三列之和为零向量,故 $\lvert C_\gamma\rvert=0$ ,秩 $<3$ 。又左上角二阶子式
$$\begin{vmatrix}1&0\\-1&1\end{vmatrix}=1\ne0,$$
故 $r(C_\gamma)=2$ ,从而 $r(\gamma)=2$ 。
也可直接观察:$\gamma_1+\gamma_2+\gamma_3=(\alpha_1-\alpha_2)+(\alpha_2-\alpha_3)+(\alpha_3-\alpha_1)=0$ ,这给出秩的上界 2;而 $\gamma_1,\gamma_2$ 无关(若 $p\gamma_1+q\gamma_2=0$ ,展开得 $p\alpha_1+(-p+q)\alpha_2-q\alpha_3=0$ ,原组无关迫使 $p=q=0$ ),给出下界 2。
### 带走的结论
**找出一条关系只能给出秩的上界,还要举出无关的部分给出下界**,两边夹住才算证完。这是本讲所有"求秩"证明的统一格式。
$\beta$ 组与 $\gamma$ 组的差别只有一点:系数矩阵一个可逆、一个不可逆。**$\beta$ 组是把三个方向两两相加,成果仍互相独立;$\gamma$ 组是首尾相减,最后一条被前两条抵消。**
---
## 问题 3 · 含参判相关,并求此时的秩(★★☆)
> 【2017·13 骨架】设
>
> $$\alpha_1=(1,1,1)^{\mathrm T},\quad \alpha_2=(1,2,a)^{\mathrm T},\quad \alpha_3=(1,4,a^2)^{\mathrm T}.$$
>
> (Ⅰ)求 $a$ ,使三者线性相关;
> (Ⅱ)对每个这样的 $a$ ,求向量组的秩。
### 怎么想
相关 $\iff$ 行列式为零,于是问题变成"解一个关于 $a$ 的多项式方程"。**每个根都要单独代回算秩**——不能因为"相关所以秩小于 3"就笼统写"秩为 2",秩可能是 1。
算行列式时**优先造零再展开**:第 2、3 列各减第 1 列,首行立刻出现两个零。
### 解
(Ⅰ)按列拼成 $A$ ,对列作"第 2 列减第 1 列、第 3 列减第 1 列"(列变换不改变行列式的值吗?改变——但这里只是把某一列减去另一列,属于第三类列变换,行列式值不变):
$$\lvert A\rvert=\begin{vmatrix}1&0&0\\1&1&3\\1&a-1&a^2-1\end{vmatrix}=(a^2-1)-3(a-1)=(a-1)(a+1-3)=(a-1)(a-2).$$
故 $a=1$ 或 $a=2$ 时线性相关。
(Ⅱ)两种情形秩都小于 3。再看**与参数无关**的左上角二阶子式
$$\begin{vmatrix}1&1\\1&2\end{vmatrix}=1\ne0,$$
它恒非零,故秩至少为 2。因此
$$a=1\ \text{时}\ r=2;\qquad a=2\ \text{时}\ r=2.$$
(可代回验证:$a=1$ 时 $\alpha_2=(1,2,1)^{\mathrm T}$ 、$\alpha_3=(1,4,1)^{\mathrm T}$ ;$a=2$ 时 $\alpha_2=(1,2,2)^{\mathrm T}$ 、$\alpha_3=(1,4,4)^{\mathrm T}$ ,都不成比例,秩确为 2。)
### 带走的结论
两个技巧值得单独记住:
1. **列减列造零**,再沿含零的行(列)展开,比直接展开快一倍。
2. 求出根后,**找一个与参数无关的非零子式把秩的下界钉死**,比逐一代入消元更稳——尤其当有多个根时,一次就把所有情形覆盖了。
### 常见错法
| 错法 | 后果 |
|---|---|
| 只写"$a=1$ 或 $a=2$ 时相关",不讨论秩 | 第二问零分 |
| 认为"相关就秩为 2" | 秩可能是 1(三个向量两两成比例时) |
| 用行变换时顺手做了列变换求极大无关组 | 主元列号失真(求秩可以,求极大无关组不行) |
---
## 本点定式
> 无关 $\iff r(A)=s$ (比的是**向量个数** $s$ ,不是维数 $n$ );只有在 $s=n$ 时才能用 $\lvert A\rvert$ 代替。相关时必须给出具体关系式。
## 三条判据的适用边界
| 情形 | 用什么 | 为什么 |
|---|---|---|
| 任意向量组 | 秩判据 $r(A)$ 与 $s$ | 最通用 |
| $s=n$ | 行列式 | 省算一半 |
| 原组无关,判断变换后 | 系数矩阵的行列式 / 秩 | 只需看 $C$ |
| 含参数 | 行列式多项式,再回代求秩 | 一次覆盖全部根 |
| 抽象证明 | 定义:设组合为零 | 唯一可行路线 |
---
下一站 [点 2 · 秩与极大无关组](03-点2-秩与极大无关组.md) :把上面那个比较里的 $r(A)$ 变成能算、能用的东西。
---
## 本点关联
| 关系 | 文件 | 用途 |
|---|---|---|
| 盘点 | [01-知识点盘点](01-知识点盘点.md) §1.3、§2 | 知识地图,查定义与判据 |
| 上游 | —(本讲地基,无上游) | 读本点前应先会 |
| 下游 | [点 2 · 秩与极大无关组](03-点2-秩与极大无关组.md)、[点 3 · 线性表示](04-点3-线性表示.md) | 本点的结论在哪儿用 |
| 速查 | [10-速查卡](10-速查卡.md) | 考前十分钟 |
@@ -0,0 +1,171 @@
---
tags: [数学一, 在学练习, 线性代数, 向量, 秩, 极大无关组]
专题: 线性代数 第3讲 · 点2 秩与极大无关组
日期: 2026-10-23
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 2 · 秩与极大无关组
> 真题 2017·13(4 分)|重要度 ★★★|题量 3
> 依赖:点 1(`02`)。
> 盘点对应:§2.3 秩的双重身份、§3 全节。
4 分,但它是全讲的**工具**:求秩的算法同时给出极大无关组,而极大无关组又解释了"为什么表示的系数有时不唯一"。**这一节不会算,后面每个点都只能停在概念层面。**
秩有三重身份,三者相等是本讲最核心的定理:
$$r(A)=\text{行秩}=\text{列秩}=\text{非零子式的最高阶数}=\text{阶梯形的非零行数}.$$
---
## 问题 1 · 三行四列:求秩与极大无关组(★☆☆)
> 设
>
> $$\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}.$$
>
> 求该向量组的秩、一个极大无关组,并把其余向量用它表示。
### 怎么想
标准四步:**按列拼 → 只做行变换 → 数非零行 → 回原矩阵取主元列**。
为什么只用行变换:初等行变换等于左乘一个可逆矩阵 $P$ ,即 $A\to PA$ 。由 $Ax=0\iff PAx=0$ 可知,**哪个列是主元列、系数是多少,全部保持不变**。列变换没有这个性质,会把答案搞乱。
### 解
按列拼并化阶梯形:
$$
\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}.
$$
两个非零行,故 $r=2$ 。主元落在第 **1、3** 列,回到原矩阵取
$$\alpha_1,\ \alpha_3\ \text{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.$$
验算:$2(1,2,-1)^{\mathrm T}=(2,4,-2)^{\mathrm T}$ ;$(1,2,-1)^{\mathrm T}+(0,1,1)^{\mathrm T}=(1,3,0)^{\mathrm T}$ 。
### 带走的结论
**极大无关组必须写原向量,不能写阶梯形里的列。** 系数可以在化简后的矩阵上读,向量必须回到原组取——这是本讲最常被扣分的地方之一。
另外注意:极大无关组**不唯一**。本题 $\alpha_1,\alpha_4$ 也行,$\alpha_3,\alpha_4$ 也行,但个数只能是 2。
---
## 问题 2 · 四维向量组:先观察再动笔(★★☆)
> 设
>
> $$\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}.$$
>
> 求秩与一个极大无关组,并把不在其中的向量表示出来。
### 怎么想
这组向量首尾相接围成一个"环",第四个往往是前三个凑出来的。**先扫一眼有没有现成关系**,比直接消元快十倍。
但观察只能给**上界**(找到一条关系 ⟹ 秩不超过 3),还必须补一句**下界**(前三个无关)。两句话合起来才是完整答案。
### 解
观察得
$$\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},$$
故秩至多为 3。
再证 $\alpha_1,\alpha_2,\alpha_3$ 无关:设 $c_1\alpha_1+c_2\alpha_2+c_3\alpha_3=0$ ,逐个分量看——
- 第 1 分量:$c_1=0$ ;
- 第 2 分量:$c_1+c_2=0\Rightarrow c_2=0$ ;
- 第 3 分量:$c_2+c_3=0\Rightarrow c_3=0$ 。
故三者无关。于是 $r=3$ ,$\alpha_1,\alpha_2,\alpha_3$ 构成极大无关组,且 $\alpha_4=\alpha_1-\alpha_2+\alpha_3$ 。
### 带走的结论
"观察 + 补证"是**性价比最高**的解法,但补证不能省。考场上完整的写法是两句:
> 由 $\alpha_4=\alpha_1-\alpha_2+\alpha_3$ 知 $r\le3$ ;又前三个向量无关(逐个分量定零),故 $r\ge3$ 。所以 $r=3$ 。
**分量法证无关的技巧**:只要消元后某一行只剩一个未知数,就从那一行开始逐个定零。这里第 1 分量只含 $c_1$ ,是天然的突破口。
---
## 问题 3 · 抽象:$AB=O$ 能推出什么(★★★)
> 设 $A$ 为 $m\times n$ 矩阵,$B$ 为 $n\times s$ 矩阵,且 $AB=O$ 。证明:
>
> (Ⅰ)$r(A)+r(B)\le n$ ;
> (Ⅱ)若 $r(A)=n$ ,则 $B=O$ 。
### 怎么想
$AB=O$ 这句话要翻译成**向量语言**:把 $B$ 按列分块 $B=(b_1,\dots,b_s)$ ,则
$$AB=(Ab_1,\dots,Ab_s)=O\iff Ab_j=0\ (j=1,\dots,s).$$
也就是说:**$B$ 的每一列都是齐次方程组 $Ax=0$ 的解**。于是 $B$ 的列空间落在 $A$ 的解空间里,比维数即可。
### 解
(Ⅰ)由上面的翻译,$B$ 的每一列都属于解空间 $N(A)=\{x\mid Ax=0\}$ ,故 $B$ 的列空间是 $N(A)$ 的子空间,于是
$$r(B)=\dim(\text{B 的列空间})\le\dim N(A)=n-r(A),$$
移项即得 $r(A)+r(B)\le n$ 。
(Ⅱ)若 $r(A)=n$ ,则 $\dim N(A)=n-n=0$ ,解空间只有零向量,故每一列 $b_j=0$ ,即 $B=O$ 。
### 带走的结论
**$AB=O$ 是本讲最爱考的抽象条件**,它等价于"$B$ 的列全是 $Ax=0$ 的解",由此得到三件事:
| 已知 | 结论 |
|---|---|
| $AB=O$ | $r(A)+r(B)\le n$ ($n$ 为 $A$ 的列数) |
| $AB=O$ 且 $r(A)=n$ | $B=O$ |
| $AB=O$ 且 $A$ 是方阵可逆 | $B=O$ |
这条结论与第 4 讲的解空间维数 $n-r(A)$ 是同一件事的两种说法,也是第 5 讲特征值 0 的重数不小于 $n-r(A)$ 这一结论的来源。**一个条件串起三讲,值得单独记一条。**
---
## 本点定式
> 按列拼 → 只行变换 → 主元列号取**原向量**。秩 $=$ 非零行数 $=$ 极大无关组所含向量个数 $=$ $\dim L(\alpha_1,\dots,\alpha_s)$ 。
## 求秩的四种场合对照
| 场合 | 手段 | 注意 |
|---|---|---|
| 具体数字向量组 | 行变换化阶梯形 | 只能行变换(求极大无关组时) |
| 抽象条件 $AB=O$ | 列空间 $\subseteq$ 解空间 | 别忘了"$n$ 是 $A$ 的列数" |
| 带参数 | 行列式(方阵)或分类讨论 | 每个参数值单独算 |
| 上下界型证明 | 造关系给上界 + 找无关子组给下界 | 缺一半就是没证完 |
---
下一站 [点 3 · 线性表示](04-点3-线性表示.md) :有了秩,就能回答"$\beta$ 能不能写成它们的组合"。
---
## 本点关联
| 关系 | 文件 | 用途 |
|---|---|---|
| 盘点 | [01-知识点盘点](01-知识点盘点.md) §2.3、§3 | 知识地图,查定义与判据 |
| 上游 | [点 1 · 线性相关与无关](02-点1-线性相关与无关.md) | 读本点前应先会 |
| 下游 | [点 3 · 线性表示](04-点3-线性表示.md)、[点 4 · 向量组等价](05-点4-向量组等价.md)、[点 7 · 子空间和与交](08-点7-子空间和与交.md) | 本点的结论在哪儿用 |
| 速查 | [10-速查卡](10-速查卡.md) | 考前十分钟 |
@@ -0,0 +1,194 @@
---
tags: [数学一, 在学练习, 线性代数, 向量, 线性表示]
专题: 线性代数 第3讲 · 点3 线性表示
日期: 2026-10-23
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 3 · 线性表示
> 真题 2020·6(4 分)|重要度 ★★★|题量 3
> 依赖:点 2(`03`)的秩。
> 盘点对应:§1.2 三种等价说法、§4.1 三个判据。
直接对应 4 分(2020·6),但它的实际覆盖面比 4 分大得多:2023·7 的交空间题、2019·20 的坐标题,第一步都是"判断能否表示"。所以这一节不能按分值配时间。
形态也极其固定:**"能不能表示"就是"方程组有没有解"**。这句话一说出口,剩下的全是第 4 讲的技术。
三个判据一次写全:
| 问 | 判据 | 直觉 |
|---|---|---|
| 能不能表示 | $r(A)=r(A\mid\beta)$ | 添一列不增加秩,说明没引入新方向 |
| 表示是否唯一 | 能表示且 $r(A)=s$ | 系数无自由变量 |
| 不能表示时秩升多少 | $r(A\mid\beta)=r(A)+1$ | 只添了一列,最多升 1 |
---
## 问题 1 · 判断能否表示,并说明唯一性(★☆☆)
> 设 $\beta=(1,0,2)^{\mathrm T}$ ,
>
> $$\alpha_1=(1,1,0)^{\mathrm T},\quad \alpha_2=(0,1,1)^{\mathrm T},\quad \alpha_3=(1,0,1)^{\mathrm T}.$$
>
> (Ⅰ)$\beta$ 能否由 $\alpha_1,\alpha_2,\alpha_3$ 线性表示?表示法唯一吗?(Ⅱ)求出表示式。
### 怎么想
材料三个、空间三维,先算**材料矩阵的行列式**。可逆则"既能表示又唯一",一步回答两问,不必再算增广矩阵的秩。
这是方阵情形的捷径,判据是:
$$\lvert A\rvert\ne0\iff r(A)=r(A\mid\beta)=s\iff\text{任意 }\beta\text{ 都能被唯一表示}.$$
### 解
(Ⅰ)按列拼成 $A=(\alpha_1,\alpha_2,\alpha_3)$ :
$$\lvert A\rvert=\begin{vmatrix}1&0&1\\1&1&0\\0&1&1\end{vmatrix}=1\cdot(1-0)+1\cdot(1-0)=2\ne0.$$
满秩,故任意 $\beta\in\mathbb{R}^3$ 都能被表示,且表示唯一。
(Ⅱ)设 $\beta=x_1\alpha_1+x_2\alpha_2+x_3\alpha_3$ ,比较三个分量:
$$x_1+x_3=1,\qquad x_1+x_2=0,\qquad x_2+x_3=2.$$
由第二式 $x_2=-x_1$ ;由第一式 $x_3=1-x_1$ ;代入第三式得 $1-2x_1=2$ ,故 $x_1=-\tfrac12$ ,$x_2=\tfrac12$ ,$x_3=\tfrac32$ ,即
$$\beta=-\tfrac12\alpha_1+\tfrac12\alpha_2+\tfrac32\alpha_3.$$
验算:$-\tfrac12(1,1,0)^{\mathrm T}+\tfrac12(0,1,1)^{\mathrm T}+\tfrac32(1,0,1)^{\mathrm T}=(1,0,2)^{\mathrm T}$ 。
### 带走的结论
**"能否表示"看两个秩是否相等;"是否唯一"看 $r(A)$ 是否等于向量个数。** 方阵时用行列式一次性解决两问,能省一半计算。
**必须养成的习惯**:解完系数代回去验一次。代价是十秒,收益是避免把"算错了"当成"不能表示"。
---
## 问题 2 · 含参:什么参数下能表示(★★☆)
> 【2020·6 骨架】设
>
> $$\alpha_1=(1,0,1)^{\mathrm T},\quad \alpha_2=(0,1,1)^{\mathrm T},\quad \beta=(1,1,t)^{\mathrm T}.$$
>
> (Ⅰ)求 $t$ ,使 $\beta$ 可由 $\alpha_1,\alpha_2$ 线性表示;
> (Ⅱ)当不能表示时,求 $r(\alpha_1,\alpha_2,\beta)$ 。
### 怎么想
两个向量张成三维空间里的一个**平面**,$\beta$ 落在这个平面上时才能表示。
注意这里 $s=2$ 、$n=3$ ,**没有行列式可用**(不是方阵),必须走分量比较或秩。含参题里,**分量比较往往比秩更快**,因为参数约束通常直接出现在某一行方程中。
### 解
(Ⅰ)设 $\beta=c_1\alpha_1+c_2\alpha_2$ ,比较分量:
$$c_1=1,\qquad c_2=1,\qquad c_1+c_2=t.$$
前两式已把系数定死,第三式要求 $t=2$ 。故只有 $t=2$ 时能表示,此时 $\beta=\alpha_1+\alpha_2$ 。
(Ⅱ)$t\ne2$ 时,$\alpha_1,\alpha_2$ 无关(不成比例),秩为 2;而 $\beta$ 不在它们的张成空间内,故添上 $\beta$ 后秩升为 3。用行列式核验:
$$\begin{vmatrix}1&0&1\\0&1&1\\1&1&t\end{vmatrix}=t-2,$$
$t\ne2$ 时非零,故 $r(\alpha_1,\alpha_2,\beta)=3=r(A)+1$ ,与判据一致。
### 带走的结论
含参表示题的两条路线:
| 路线 | 何时用 | 代价 |
|---|---|---|
| 分量比较 | 参数只出现在一两个方程里 | 不用算秩,最快 |
| 秩 / 行列式 | 参数分散、需要同时回答"不能表示时秩为几" | 计算量大但结论完整 |
**"不能表示时秩为几"必须说清**,不能只写"不能表示"就收笔。这也是本点唯一容易失分的地方:$r(A\mid\beta)=r(A)+1$ 这句话要点出来。
---
## 问题 3 · 三种情形的完整分类(★★☆)
> 设
>
> $$\alpha_1=(1,1,1)^{\mathrm T},\ \alpha_2=(1,2,3)^{\mathrm T},\ \alpha_3=(1,4,a)^{\mathrm T},\ \beta=(1,2,b)^{\mathrm T}.$$
>
> 就 $a,b$ 的取值讨论:$\beta$ 何时能由 $\alpha_1,\alpha_2,\alpha_3$ **唯一**表示?何时有**无穷多种**表示?何时**不能**表示?
### 怎么想
这是表示问题的"全谱":唯一 ⟺ $r(A)=r(A\mid\beta)=s$ ;无穷多 ⟺ $r(A)=r(A\mid\beta)<s$ ;不能表示 ⟺ $r(A)<r(A\mid\beta)$ 。
三个向量是方阵,先算 $\lvert A\rvert$ 定出"分界参数",再在奇异的那一点上讨论 $b$ 。
### 解
先算
$$\lvert A\rvert=\begin{vmatrix}1&1&1\\1&2&4\\1&3&a\end{vmatrix}\xrightarrow{R_2-R_1,\ R_3-R_1}\begin{vmatrix}1&1&1\\0&1&3\\0&2&a-1\end{vmatrix}=1\cdot\bigl[(a-1)-6\bigr]=a-7.$$
**情形一:$a\ne7$ 。** $\lvert A\rvert\ne0$ ,$r(A)=3=s$ ,由克拉默法则,$\beta$ 可被**唯一**表示(与 $b$ 无关)。
**情形二:$a=7$ 。** 此时 $r(A)=2$ (第 3 行 $=2\times$ 第 2 行 $-$ 第 1 行)。对增广矩阵作行变换:
$$
\begin{pmatrix}1&1&1&1\\1&2&4&2\\1&3&7&b\end{pmatrix}
\xrightarrow{R_2-R_1,\ R_3-R_1}
\begin{pmatrix}1&1&1&1\\0&1&3&1\\0&2&6&b-1\end{pmatrix}
\xrightarrow{R_3-2R_2}
\begin{pmatrix}1&1&1&1\\0&1&3&1\\0&0&0&b-3\end{pmatrix}.
$$
- $b=3$ 时 $r(A\mid\beta)=2=r(A)<3$ ,**无穷多解**(自由变量 1 个);
- $b\ne3$ 时 $r(A\mid\beta)=3>r(A)=2$ ,**无解,不能表示**。
### 带走的结论
**分类讨论的标准模板**,直接背下来:
```
先算 |A|(方阵) → 非零:唯一
→ 为零:化增广矩阵,比较 r(A) 与 r(A|β)
相等且 < s:无穷多
不等:无解
```
注意 $a=7,\ b=3$ 时的解空间是 1 维,通解可以写出来:令 $x_3=t$ ,由第二式 $x_2=1-3t$ ,由第一式 $x_1=1-x_2-x_3=2t$ ,所以
$$x=(0,1,0)^{\mathrm T}+t\,(2,-3,1)^{\mathrm T},$$
即 $\beta=\alpha_2+t\,(2\alpha_1-3\alpha_2+\alpha_3)$ 。代 $t=0$ 得 $\beta=\alpha_2=(1,2,3)^{\mathrm T}$ ,与 $b=3$ 相符;$(2,-3,1)$ 确实是齐次解($2\alpha_1-3\alpha_2+\alpha_3=0$ )。
若题目追问"写出所有表示式",就得写到这里;只答"无穷多"仍是不完整的。
---
## 本点定式
> 能表示 $\iff r(A)=r(A\mid\beta)$ ;唯一 $\iff r(A)=s$ ;不能表示时 $r(A\mid\beta)=r(A)+1$ 。方阵先看 $\lvert A\rvert$ 。
## 三个判据的常见误用
| 误用 | 正解 |
|---|---|
| 用 $\lvert A\rvert$ 判非方阵的表示问题 | 行列式只对方阵有定义,改用秩 |
| 认为"能表示"就"唯一" | 还要 $r(A)=s$ |
| $r(A)=r(A\mid\beta)$ 却说"唯一解" | 这只说明有解,解唯一还需 $r(A)=s$ |
| 只答"不能表示" | 应补 $r(A\mid\beta)=r(A)+1$ |
---
下一站 [点 4 · 向量组等价](05-点4-向量组等价.md) :把"单向能表示"变成"双向"。
---
## 本点关联
| 关系 | 文件 | 用途 |
|---|---|---|
| 盘点 | [01-知识点盘点](01-知识点盘点.md) §1.2、§4.1 | 知识地图,查定义与判据 |
| 上游 | [点 2 · 秩与极大无关组](03-点2-秩与极大无关组.md) | 读本点前应先会 |
| 下游 | [点 4 · 向量组等价](05-点4-向量组等价.md)、[点 7 · 子空间和与交](08-点7-子空间和与交.md) | 本点的结论在哪儿用 |
| 速查 | [10-速查卡](10-速查卡.md) | 考前十分钟 |
@@ -0,0 +1,174 @@
---
tags: [数学一, 在学练习, 线性代数, 向量, 向量组等价]
专题: 线性代数 第3讲 · 点4 向量组等价
日期: 2026-10-23
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 4 · 向量组等价
> 真题 2022·7(5 分)|重要度 ★★☆|题量 3
> 依赖:点 3(`04`)的表示、点 2(`03`)的秩。
> 盘点对应:§4.2 全节。
5 分,全部出在选择题里。它唯一的坑是**把"矩阵等价"和"向量组等价"混为一谈**:前者只要同型同秩,后者还要求两组张成同一个空间。
定义很朴素:**互相**能线性表示,记 $A\cong B$ 。双向两个字决定了后面所有判据的形状。
---
## 问题 1 · 四个说法的辨析(★☆☆)
> 【2022·7 骨架】设 $A:\alpha_1,\dots,\alpha_s$ 与 $B:\beta_1,\dots,\beta_t$ 是两个**同维**向量组($s,t$ 未必相等)。下列结论正确的是( )。
>
> (A)若 $r(A)=r(B)$ ,则 $A$ 与 $B$ 等价
> (B)若 $A$ 与 $B$ 等价,则 $r(A)=r(B)$
> (C)若 $A$ 可由 $B$ 线性表示,则 $A$ 与 $B$ 等价
> (D)若 $A$ 与 $B$ 等价,则 $s=t$
### 怎么想
等价是"双向"条件。于是规律很清楚:
- 任何**单向**条件都不够(排除 C);
- 双向必然给出**同秩**(保留 B);
- 同秩只是**必要**条件(排除 A);
- 双向不要求个数相同(排除 D)。
每个错误项配一个最小反例,选择题就变成送分题。
### 解
答案 **B** 。
(A)错。取 $A:\{(1,0)^{\mathrm T}\}$ 、$B:\{(0,1)^{\mathrm T}\}$ ,秩都是 1,但一个张成 $x$ 轴、一个张成 $y$ 轴,不能互相表示。
(C)错。单向不够。取 $B:\{e_1,e_2\}$ 、$A:\{e_1\}$ ,$A$ 能由 $B$ 表示,但 $e_2$ 无法由 $e_1$ 表示。
(D)错。取 $A:\{e_1,e_2\}$ 、$B:\{e_1,e_2,e_1+e_2\}$ ,两组张成同一个平面,等价,但个数是 2 与 3 。
(B)对。等价意味着互相表示,由"$A$ 可由 $B$ 表示"得 $r(A)\le r(B)$ ,反向得 $r(B)\le r(A)$ ,故相等。
### 带走的结论
判等价只认一条:**双向表示**,或 $r(A)=r(B)=r(A,B)$ 。**秩相等是必要条件而非充分条件**,选择题里几乎每次都拿它当干扰项。
顺便记住一条推论:等价的两组**秩必相等**,但**个数未必相等**——因为冗余向量可以随便加。
---
## 问题 2 · 具体两组判等价(★★☆)
> 设
>
> $$A:\alpha_1=(1,1,0)^{\mathrm T},\ \alpha_2=(1,0,1)^{\mathrm T};\qquad B:\beta_1=(2,1,1)^{\mathrm T},\ \beta_2=(0,1,-1)^{\mathrm T}.$$
>
> (Ⅰ)判断 $A$ 与 $B$ 是否等价;
> (Ⅱ)另取 $C:\gamma_1=(1,0,0)^{\mathrm T}$ 与 $D:\delta_1=(0,1,0)^{\mathrm T}$ ,说明"秩相等"是否为等价的充分条件。
### 怎么想
先看有没有**现成的线性关系**。这里 $\beta_1=\alpha_1+\alpha_2$ 、$\beta_2=\alpha_1-\alpha_2$ 一眼可见,反向反解也是初中的事——**比求三个秩快得多**。
只有当关系看不出来时,才退回去算 $r(A)=r(B)=r(A,B)$ 。
### 解
(Ⅰ)直接验证:
$$\beta_1=\alpha_1+\alpha_2=(2,1,1)^{\mathrm T},\qquad \beta_2=\alpha_1-\alpha_2=(0,1,-1)^{\mathrm T},$$
两式相加、相减反解:
$$\alpha_1=\tfrac12(\beta_1+\beta_2),\qquad \alpha_2=\tfrac12(\beta_1-\beta_2).$$
两组能互相表示,故**等价**。
(Ⅱ)$\gamma_1=(1,0,0)^{\mathrm T}$ 与 $\delta_1=(0,1,0)^{\mathrm T}$ 分处两条坐标轴,无法互相表示,故**不等价**;而 $r(C)=r(D)=1$ 。所以秩相等**不是**充分条件,只是必要条件。
### 带走的结论
具体数字题的优先级:
1. 能看出双向关系 → 直接写,一步交卷;
2. 只能看出单向 → 补一句同秩,也能判等价;
3. 什么都看不出 → 算 $r(A)$ 、$r(B)$ 、$r(A,B)$ 三者比较。
构造反例时,"两个不同坐标轴上的单位向量"是最简模板,几乎万能。
---
## 问题 3 · 抽象:单向 + 同秩能否推出等价(★★★)
> 设向量组 $A$ 可由向量组 $B$ 线性表示,且 $r(A)=r(B)$ 。证明:$A$ 与 $B$ 等价。
### 怎么想
要证等价,只需证"$B$ 也能由 $A$ 表示",或证 $r(A,B)=r(A)$ 。
后一条更好下手:$(A,B)$ 是把两组拼在一起,既然 $A$ 已经能由 $B$ 表示,那么添上 $A$ 的列**不会带来任何新方向**,列空间不变,秩当然不变。
### 解
设 $A=(\alpha_1,\dots,\alpha_s)$ 、$B=(\beta_1,\dots,\beta_t)$ 。
因为 $A$ 可由 $B$ 表示,存在矩阵 $K$ 使 $A=BK$ 。于是
$$(A,B)=(BK,B)=B\,(K,E_t),$$
即 $(A,B)$ 的每一列都是 $B$ 的列的组合,故 $(A,B)$ 的列空间包含在 $B$ 的列空间内,从而
$$r(A,B)\le r(B).$$
另一方面 $(A,B)$ 含 $B$ 的全部列,故 $r(A,B)\ge r(B)$ 。两向夹住得 $r(A,B)=r(B)$ 。又已知 $r(A)=r(B)$ ,于是
$$r(A)=r(B)=r(A,B),$$
由等价判据,$A$ 与 $B$ 等价。
### 带走的结论
**单向 + 同秩 = 等价**,这条结论在选择题和证明题里都能直接用,但要会证。核心手法是"拼矩阵不增秩":
$$A\text{ 可由 }B\text{ 表示}\iff r(A,B)=r(B)\iff (A,B)=B(K,E).$$
顺便得到两个常用副产品:
| 已知 | 结论 |
|---|---|
| $A$ 可由 $B$ 表示 | $r(A)\le r(B)$ |
| $A\cong B$ | $r(A)=r(B)$ ,且两组极大无关组等价 |
| 向量组与其极大无关组 | 必等价 |
最后一条特别有用:**"求两组是否等价"可以退化成"求各自极大无关组,再看是否等价"**——向量个数不同也能比了。
---
## 本点定式
> $A\cong B\iff r(A)=r(B)=r(A,B)$ 。向量个数可以不同;秩相同**不充分**;单向 + 同秩**充分**。
## 三个概念的分界线
| 概念 | 判据 | 强度 |
|---|---|---|
| 矩阵等价 | 同型且 $r(A)=r(B)$ | 最弱 |
| 向量组等价 | 同维且 $r(A)=r(B)=r(A,B)$ | 中 |
| 向量组相同 | 个数相同、逐个相等 | 最强 |
**记忆锚点**:矩阵等价只看"秩一样",向量组等价还要"方向一样"。$\{(1,0)\}$ 与 $\{(0,1)\}$ 就是分界线上的两个极端。
---
下一站 [点 5 · 基、坐标与过渡矩阵](06-点5-基坐标与过渡矩阵.md) :本讲分值最高的 11 分。
---
## 本点关联
| 关系 | 文件 | 用途 |
|---|---|---|
| 盘点 | [01-知识点盘点](01-知识点盘点.md) §4.2 | 知识地图,查定义与判据 |
| 上游 | [点 3 · 线性表示](04-点3-线性表示.md)、[点 2 · 秩与极大无关组](03-点2-秩与极大无关组.md) | 读本点前应先会 |
| 下游 | 第 2 讲矩阵(等价矩阵与等价向量组的分界) | 本点的结论在哪儿用 |
| 速查 | [10-速查卡](10-速查卡.md) | 考前十分钟 |
@@ -0,0 +1,227 @@
---
tags: [数学一, 在学练习, 线性代数, 向量, 基, 过渡矩阵, 坐标]
专题: 线性代数 第3讲 · 点5 基、坐标与过渡矩阵
日期: 2026-10-23
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 5 · 基、坐标与过渡矩阵
> 真题 2019·20(解答,11 分)|重要度 ★★★|题量 3
> 依赖:点 1(无关)、点 3(表示)。
> 盘点对应:§5 全节(数一单独要求,数二数三不考)。
**本讲唯一出过大题的地方,也是唯一能丢 11 分的地方。**
它考的不是概念,而是一套固定动作:
1. 把新基按列拼成矩阵,验证可逆;
2. 过渡矩阵就是这个矩阵;
3. 求坐标就解一个线性方程组。
三个动作都不难,出错最多的不是计算,而是**方向反了**——把 $C$ 和 $C^{-1}$ 用错位。
---
## 问题 1 · 验证基、写过渡矩阵、求坐标(★★☆)
> 【2019·20 骨架】设 $\varepsilon_1,\varepsilon_2,\varepsilon_3$ 是 $\mathbb{R}^3$ 的标准基,令
>
> $$\alpha_1=(1,0,1)^{\mathrm T},\quad \alpha_2=(0,1,1)^{\mathrm T},\quad \alpha_3=(1,1,0)^{\mathrm T}.$$
>
> (Ⅰ)验证 $\alpha_1,\alpha_2,\alpha_3$ 是 $\mathbb{R}^3$ 的一组基;
> (Ⅱ)求从标准基到 $\alpha$ 基的过渡矩阵 $C$ ;
> (Ⅲ)求 $\beta=(1,2,3)^{\mathrm T}$ 在 $\alpha$ 基下的坐标。
### 怎么想
**(Ⅰ)** 三个三维向量是不是基,只问它们**是否无关**(个数已等于维数,无关就自动张满)。按列拼,算行列式,非零即可。
**(Ⅱ)** 过渡矩阵的定义是"新基用旧基表示时的系数矩阵",即
$$(\alpha_1,\alpha_2,\alpha_3)=(\varepsilon_1,\varepsilon_2,\varepsilon_3)\,C.$$
旧基是标准基,此时 $(\varepsilon_1,\varepsilon_2,\varepsilon_3)=E$ ,所以 $C$ 就是把 $\alpha_1,\alpha_2,\alpha_3$ **按列排**。这一步几乎不用算,直接写。
**(Ⅲ)** 求坐标**不是"用 $C$ 乘上去"**,而是解 $Cx=\beta$ 。方向问题见"带走的结论"。
### 解
(Ⅰ)按列拼成
$$A=(\alpha_1,\alpha_2,\alpha_3)=\begin{pmatrix}1&0&1\\0&1&1\\1&1&0\end{pmatrix},\qquad \lvert A\rvert=1\cdot(0-1)+1\cdot(1-0)=-2\ne0.$$
可逆,故三向量线性无关;三个无关的三维向量构成 $\mathbb{R}^3$ 的一组基。
(Ⅱ)由
$$(\alpha_1,\alpha_2,\alpha_3)=(\varepsilon_1,\varepsilon_2,\varepsilon_3)\begin{pmatrix}1&0&1\\0&1&1\\1&1&0\end{pmatrix}$$
逐列读出正是 $\alpha_j=\sum_i c_{ij}\varepsilon_i$ ,与矩阵的列一致。故过渡矩阵
$$C=\begin{pmatrix}1&0&1\\0&1&1\\1&1&0\end{pmatrix}\qquad(\lvert C\rvert=-2).$$
(Ⅲ)设 $\beta=x_1\alpha_1+x_2\alpha_2+x_3\alpha_3$ ,即 $Cx=\beta$ ,展开:
$$x_1+x_3=1,\qquad x_2+x_3=2,\qquad x_1+x_2=3.$$
前两式相加再减第三式:$2x_3=1+2-3=0$ ,故 $x_3=0$ ,$x_1=1$ ,$x_2=2$ 。坐标为
$$x=(1,2,0)^{\mathrm T}.$$
回代验算:$\alpha_1+2\alpha_2=(1,0,1)^{\mathrm T}+(0,2,2)^{\mathrm T}=(1,2,3)^{\mathrm T}=\beta$ 。
### 带走的结论
**过渡矩阵的列 $=$ 新基向量在旧基下的坐标。** 所以"从标准基出发"时,过渡矩阵就是把新基按列排——这一步不产生任何计算量,白送 4 分。
**求坐标的方向**:手里是新坐标、想回旧坐标,**乘** $C$ ;手里是旧坐标、想换新坐标,**解** $Cx$ 。判据只有一条:代入后两边要相等。
---
## 问题 2 · 双向换算坐标(★★☆)
> 沿用问题 1 的两组基。
>
> (Ⅰ)已知 $\gamma$ 在 $\alpha$ 基下的坐标为 $(2,-1,3)^{\mathrm T}$ ,求 $\gamma$ 在标准基下的坐标;
> (Ⅱ)求 $\delta=(1,1,1)^{\mathrm T}$ 在 $\alpha$ 基下的坐标。
### 怎么想
两问是同一个关系的两个方向,写在一起看最清楚:
$$\alpha=U\,x_{\rm old}=V\,x_{\rm new}=U\,C\,x_{\rm new}\ \Longrightarrow\ x_{\rm old}=C\,x_{\rm new}.$$
(Ⅰ)已知 $x_{\rm new}$ 求 $x_{\rm old}$ :直接乘 $C$ 。
(Ⅱ)已知 $x_{\rm old}$ 求 $x_{\rm new}$ :解 $Cx_{\rm new}=x_{\rm old}$ 。
### 解
(Ⅰ)按坐标加权($C$ 的第 1、2、3 列分别是三个 $\alpha$ ):
$$C\begin{pmatrix}2\\-1\\3\end{pmatrix}=2\begin{pmatrix}1\\0\\1\end{pmatrix}-\begin{pmatrix}0\\1\\1\end{pmatrix}+3\begin{pmatrix}1\\1\\0\end{pmatrix}=\begin{pmatrix}5\\2\\1\end{pmatrix},$$
即 $\gamma=(5,2,1)^{\mathrm T}$ 。
(Ⅱ)解 $Cx=(1,1,1)^{\mathrm T}$ :
$$x_1+x_3=1,\qquad x_2+x_3=1,\qquad x_1+x_2=1.$$
三式相加得 $x_1+x_2+x_3=\tfrac32$ ,逐式相减得
$$x_1=x_2=x_3=\tfrac12,\qquad \text{坐标}=\Bigl(\tfrac12,\tfrac12,\tfrac12\Bigr)^{\mathrm T}.$$
验算:$\tfrac12(\alpha_1+\alpha_2+\alpha_3)=\tfrac12(2,2,2)^{\mathrm T}=(1,1,1)^{\mathrm T}$ 。
### 带走的结论
坐标变换的方向由 $x_{\rm old}=Cx_{\rm new}$ 决定:
| 已知 \ 要求 | 旧坐标 | 新坐标 |
|---|---|---|
| 旧坐标 | 不变 | 解 $Cx_{\rm new}=x_{\rm old}$ |
| 新坐标 | 乘 $C$ | 不变 |
**记忆锚点**:基变换是"新 $=$ 旧 $\times\,C$ ",坐标变换就是"旧 $=$ 新 $\times\,C$ "。**基乘 $C$ ,坐标反过来**。
如果考场上只记得一句话:**"坐标和基变换方向相反"**。这句话能救回 2019·20 的第二问。
---
## 问题 3 · 从一组基到另一组基(★★★)
> 仍取问题 1 的 $\alpha$ 基,令
>
> $$\beta_1=\alpha_1+\alpha_2+\alpha_3,\qquad \beta_2=\alpha_1+\alpha_2,\qquad \beta_3=\alpha_1.$$
>
> (Ⅰ)验证 $\beta_1,\beta_2,\beta_3$ 也是 $\mathbb{R}^3$ 的基;
> (Ⅱ)求从 $\alpha$ 基到 $\beta$ 基的过渡矩阵 $C$ ;
> (Ⅲ)求 $\gamma=(2,3,4)^{\mathrm T}$ 在 $\beta$ 基下的坐标;
> (Ⅳ)说明反方向的过渡矩阵为什么必为 $C^{-1}$ 。
### 怎么想
问题 1 是"标准基 → 一般基"的特例,过渡矩阵白送。**一般基到一般基才是完整考点**:这时过渡矩阵必须由"新基用旧基表示的系数"逐列拼出来。
(Ⅰ)验证 $\beta$ 是基,等价于验证过渡矩阵可逆——不必再回原坐标算三个向量的行列式。
(Ⅲ)两条路:一是先求 $\gamma$ 在 $\alpha$ 下的坐标再乘 $C^{-1}$ ;二是直接解 $\beta$ 的组合。前者更稳,因为它把大问题拆成两个已经会的小问题。
### 解
(Ⅰ)把表示系数按列排:
$$C=\begin{pmatrix}1&1&1\\1&1&0\\1&0&0\end{pmatrix},\qquad \lvert C\rvert=1\cdot\begin{vmatrix}1&1\\1&0\end{vmatrix}=1\cdot(0-1)=-1\ne0 .$$
(沿第三行展开,该行只有第一个元素非零,符号为 $(-1)^{3+1}=+1$ 。)非零,故 $C$ 可逆。
可逆意味着两组基之间可以互相表示,且 $\beta$ 组无关(否则 $C$ 会降秩),所以 $\beta$ 组也是基。
(Ⅱ)由 $(\beta_1,\beta_2,\beta_3)=(\alpha_1,\alpha_2,\alpha_3)\,C$ ,过渡矩阵即上面这个 $C$ 。
(Ⅲ)先求 $\gamma$ 在 $\alpha$ 基下的坐标 $p$ 。解 $A p=\gamma$ :
$$p_1+p_3=2,\qquad p_2+p_3=3,\qquad p_1+p_2=4\ \Longrightarrow\ p=\Bigl(\tfrac32,\tfrac52,\tfrac12\Bigr)^{\mathrm T}.$$
再由 $p=Cq$ 得 $q=C^{-1}p$ 。求 $C^{-1}$ :由
$$q_1+q_2+q_3=p_1,\quad q_1+q_2=p_2,\quad q_1=p_3$$
逐式相减得 $q_1=p_3$ ,$q_2=p_2-p_3$ ,$q_3=p_1-p_2$ ,即
$$C^{-1}=\begin{pmatrix}0&0&1\\0&1&-1\\1&-1&0\end{pmatrix}.$$
代入 $p$ :
$$q=\begin{pmatrix}0&0&1\\0&1&-1\\1&-1&0\end{pmatrix}\begin{pmatrix}3/2\\5/2\\1/2\end{pmatrix}=\begin{pmatrix}1/2\\2\\-1\end{pmatrix}.$$
验算:$\tfrac12\beta_1+2\beta_2-\beta_3=\tfrac12(2,2,2)^{\mathrm T}+2(1,1,2)^{\mathrm T}-(1,0,1)^{\mathrm T}=(2,3,4)^{\mathrm T}=\gamma$ 。
(Ⅳ)反方向写 $(\alpha_1,\alpha_2,\alpha_3)=(\beta_1,\beta_2,\beta_3)C'$ ,代入正向关系得
$$(\alpha)=(\alpha)\,C\,C'\ \Longrightarrow\ CC'=E\ \Longrightarrow\ C'=C^{-1}.$$
所以两个方向的过渡矩阵互为逆矩阵。这也解释了为什么过渡矩阵一定可逆:**两组都是基,都满秩**;若 $C$ 奇异,新基就会丢掉方向、张不满原来的空间,与"是基"矛盾。
### 带走的结论
本点最值钱的三句话:
1. **过渡矩阵的列 = 新基在旧基下的坐标**,按列拼,一行都不用算错。
2. **坐标方向与基变换相反**:$x_{\rm old}=Cx_{\rm new}$ 。
3. **两个方向的过渡矩阵互为逆**,所以只需要老老实实算一个方向,另一个用逆矩阵或"逐式相减"反解。
还有一个**免费验算**:算出 $C^{-1}$ 后,检查 $CC^{-1}=E$ ;或把求出的坐标代回原式看是否还原 $\gamma$ 。11 分的大题,值得花这十秒。
---
## 本点定式
> 旧基 $U$ 、新基 $V$ ,写 $V=UC$ 求 $C$ ;坐标满足 $x_{\rm old}=Cx_{\rm new}$ ,方向相反;验证基只算 $\lvert C\rvert\ne0$ ,不必回原坐标。
## 三条最容易犯的错
| 错法 | 正确做法 |
|---|---|
| 写成 $x_{\rm new}=Cx_{\rm old}$ | $x_{\rm old}=Cx_{\rm new}$ ,反了 |
| 把 $C$ 的第 $i$ **行**当作 $\alpha_i$ 的坐标 | 是**列** |
| 求坐标时乘 $C^{-1}$ 却连 $C$ 都没算 | 先写 $C$ ,再决定乘还是解 |
## 与第 5 讲的接口
第 5 讲"相似对角化"要写 $P^{-1}AP=\Lambda$ ,其中 $P$ 正是**特征向量按列拼成的过渡矩阵**。到那时,"基变换方向相反"会变成"$A$ 与 $\Lambda$ 是同一个线性变换在两组基下的矩阵",本点这一套动作会原封不动再用一次。
---
下一站 [点 6 · 内积、正交与施密特](07-点6-内积正交与施密特.md) :10 分,且是第 5 讲的前置。
---
## 本点关联
| 关系 | 文件 | 用途 |
|---|---|---|
| 盘点 | [01-知识点盘点](01-知识点盘点.md) §5 | 知识地图,查定义与判据 |
| 上游 | [点 1 · 线性相关与无关](02-点1-线性相关与无关.md)、[点 3 · 线性表示](04-点3-线性表示.md) | 读本点前应先会 |
| 下游 | [点 6 · 内积正交与施密特](07-点6-内积正交与施密特.md)、第 5 讲特征值(相似对角化) | 本点的结论在哪儿用 |
| 速查 | [10-速查卡](10-速查卡.md) | 考前十分钟 |
@@ -0,0 +1,225 @@
---
tags: [数学一, 在学练习, 线性代数, 向量, 内积, 正交, 施密特]
专题: 线性代数 第3讲 · 点6 内积、正交与施密特
日期: 2026-10-23
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 6 · 内积、正交与施密特正交化
> 真题 2021·6、2023·15(各 5 分,合计 10 分)|重要度 ★★★|题量 3
> 依赖:点 1(无关)。
> 盘点对应:§6 全节。
10 分,是本讲第二块肉。但真正的价值不在分数,而在**它是第 5 讲的前置**:实对称矩阵的正交对角化($Q^{\mathrm T}AQ=\Lambda$ )就是"求特征向量 → 施密特正交化 → 单位化 → 拼成 $Q$ ,这一节学不牢,第 5 讲那 21 题 83 分写不出来。
施密特的算法只有一句话:**每一步都减掉它在前面每个已得方向上的投影**。
---
## 问题 1 · 正交、长度、规范正交基与坐标(★★☆)
> 【2023·15 骨架】设
>
> $$\alpha=(1,2,2)^{\mathrm T},\quad \beta=(2,-2,1)^{\mathrm T},\quad \gamma=(2,1,-2)^{\mathrm T}.$$
>
> (Ⅰ)验证三者两两正交,并求各自的长度;
> (Ⅱ)写出 $\mathbb{R}^3$ 的一组规范正交基,并验证由它们按列拼成的矩阵 $Q$ 是正交矩阵;
> (Ⅲ)求 $\langle\alpha+2\beta,\ \gamma-\beta\rangle$ ;
> (Ⅳ)求 $\delta=(3,0,0)^{\mathrm T}$ 在这组规范正交基下的坐标。
### 怎么想
- **(Ⅰ)** 内积逐个算,为零即正交。长度 $=\sqrt{\langle\alpha,\alpha\rangle}$ 。
- **(Ⅱ)** 三个非零向量两两正交,故无关(§6.3 的结论),在三维里就是基;单位化得规范正交基,按列拼成 $Q$ 后 $Q^{\mathrm T}Q=E$ 自动成立。
- **(Ⅲ)** **不要展开硬算**。用双线性拆成四项,正交项直接消掉——这是本题最省时的一步。
- **(Ⅳ)** 规范正交基下**坐标就是内积**:$x_i=\langle\delta,e_i\rangle$ ,不必解方程组。这是规范正交基相对一般基的最大优势。
### 解
(Ⅰ)
$$\langle\alpha,\beta\rangle=2-4+2=0,\qquad \langle\alpha,\gamma\rangle=2+2-4=0,\qquad \langle\beta,\gamma\rangle=4-2-2=0.$$
两两正交,且三者长度
$$\lVert\alpha\rVert=\lVert\beta\rVert=\lVert\gamma\rVert=\sqrt{1+4+4}=3 .$$
(Ⅱ)单位化:
$$e_1=\tfrac13(1,2,2)^{\mathrm T},\quad e_2=\tfrac13(2,-2,1)^{\mathrm T},\quad e_3=\tfrac13(2,1,-2)^{\mathrm T}.$$
三者长度为 1、两两内积为 0,故为规范正交基。按列拼成
$$Q=\frac13\begin{pmatrix}1&2&2\\2&-2&1\\2&1&-2\end{pmatrix}.$$
直接验证列的内积:$Q^{\mathrm T}Q$ 的第 $(i,j)$ 元是 $\langle e_i,e_j\rangle$ ,对角为 1、非对角为 0,故 $Q^{\mathrm T}Q=E$ ,$Q$ 是正交矩阵。又
$$\lvert Q\rvert=\frac1{27}\begin{vmatrix}1&2&2\\2&-2&1\\2&1&-2\end{vmatrix}=\frac{27}{27}=1,$$
与"正交矩阵行列式为 $\pm1$ "一致。
(Ⅲ)用双线性展开,凡不同向量之间的内积都为零:
$$
\langle\alpha+2\beta,\ \gamma-\beta\rangle
=\langle\alpha,\gamma\rangle-\langle\alpha,\beta\rangle+2\langle\beta,\gamma\rangle-2\langle\beta,\beta\rangle
=0-0+0-2\cdot9=-18 .
$$
(Ⅳ)坐标分量就是内积:
$$x_1=\langle\delta,e_1\rangle=\tfrac13(1\cdot3)=1,\qquad x_2=\langle\delta,e_2\rangle=\tfrac13(2\cdot3)=2,\qquad x_3=\langle\delta,e_3\rangle=\tfrac13(2\cdot3)=2 .$$
故坐标为 $(1,2,2)^{\mathrm T}$ ,即
$$\delta=e_1+2e_2+2e_3=\tfrac13\alpha+\tfrac23\beta+\tfrac23\gamma.$$
代回验算:$\tfrac13(1,2,2)+\tfrac23(2,-2,1)+\tfrac23(2,1,-2)=(3,0,0)$ 。
### 带走的结论
三件事一次记牢:
1. **正交组的最大好处是"内积只留同项"**。题目给了正交条件又要求组合的内积,先拆开消项,比逐分量算快得多。
2. **规范正交基下坐标就是内积**:$x_i=\langle\delta,e_i\rangle$ ,$\delta=\sum\langle\delta,e_i\rangle e_i$ 。这一条在傅里叶级数、最小二乘里都是同一个原理。
3. **正交矩阵 $\iff Q^{\mathrm T}Q=E\iff$ 列向量组是规范正交基**,行列式 $\pm1$ 只是必要不充分。
### 一个常见误区
$\lvert Q\rvert=\pm1$ **不能**推出 $Q$ 正交。例如 $\begin{pmatrix}1&1\\0&1\end{pmatrix}$ 行列式为 1,但列向量 $(1,0)$ 与 $(1,1)$ 内积为 1。判正交永远要回到 $Q^{\mathrm T}Q=E$ 或"列是规范正交基"。
---
## 问题 2 · 两向量施密特(★☆☆)
> 设 $\alpha_1=(1,1,0)^{\mathrm T}$ ,$\alpha_2=(1,0,1)^{\mathrm T}$ 。将它们正交化、单位化。
### 怎么想
第一个方向原样保留;第二个减去它在第一个方向上的**投影**。投影系数是
$$\frac{\langle\alpha_2,u_1\rangle}{\langle u_1,u_1\rangle},$$
分母是**长度平方**,不是长度。
### 解
取 $u_1=\alpha_1=(1,1,0)^{\mathrm T}$ 。则
$$
u_2=\alpha_2-\frac{\langle\alpha_2,u_1\rangle}{\langle u_1,u_1\rangle}u_1
=(1,0,1)^{\mathrm T}-\frac{1}{2}(1,1,0)^{\mathrm T}
=\Bigl(\tfrac12,-\tfrac12,1\Bigr)^{\mathrm T}.
$$
自检:$\langle u_2,u_1\rangle=\tfrac12-\tfrac12+0=0$ 。
长度 $\lVert u_1\rVert=\sqrt2$ ,$\lVert u_2\rVert=\sqrt{\tfrac14+\tfrac14+1}=\sqrt{\tfrac32}=\tfrac{\sqrt6}{2}$ 。单位化:
$$e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\qquad e_2=\frac{(1,-1,2)^{\mathrm T}}{\sqrt6}.$$
($u_2$ 乘 2 得 $(1,-1,2)$ ,单位化时约掉了,所以直接写这个更整齐。)
### 带走的结论
**减投影时除长度平方,单位化时才除长度。** 这两个分母混用是本点最常见的失分点。写完用"内积为零"自检一次,立刻能抓住。
小技巧:正交化过程中可以把 $u_k$ 乘一个正常数化简(不改变方向),单位化前再除掉——这样分数少一半。
---
## 问题 3 · 三向量施密特(★★☆)
> 【2021·6 骨架】设
>
> $$\alpha_1=(1,1,0)^{\mathrm T},\quad \alpha_2=(1,0,1)^{\mathrm T},\quad \alpha_3=(0,1,1)^{\mathrm T}.$$
>
> 求与之等价的正交向量组和规范正交向量组。
### 怎么想
前两步与问题 2 完全一样(注意 $\alpha_1,\alpha_2$ 与上一题相同),第三步要**分别**减掉在 $u_1$ 、$u_2$ 上的两个投影。漏掉任何一个,第三个向量就不与那个方向正交。
题目说"等价",意思是**不改变张成空间**:$L(u_1,u_2,u_3)=L(\alpha_1,\alpha_2,\alpha_3)$ 。这也是施密特正确性的判据之一。
### 解
前两步:$u_1=(1,1,0)^{\mathrm T}$ ,$u_2=(\tfrac12,-\tfrac12,1)^{\mathrm T}$ 。
先算两个投影系数:
$$
\frac{\langle\alpha_3,u_1\rangle}{\langle u_1,u_1\rangle}=\frac{0+1+0}{2}=\frac12,\qquad
\frac{\langle\alpha_3,u_2\rangle}{\langle u_2,u_2\rangle}=\frac{0-\tfrac12+1}{\tfrac32}=\frac{1/2}{3/2}=\frac13 .
$$
于是
$$
u_3=\alpha_3-\tfrac12 u_1-\tfrac13 u_2
=(0,1,1)^{\mathrm T}-\tfrac12(1,1,0)^{\mathrm T}-\tfrac13\Bigl(\tfrac12,-\tfrac12,1\Bigr)^{\mathrm T}
=\Bigl(-\tfrac23,\tfrac23,\tfrac23\Bigr)^{\mathrm T}.
$$
验算两个内积:
$$\langle u_3,u_1\rangle=-\tfrac23+\tfrac23+0=0,\qquad \langle u_3,u_2\rangle=-\tfrac13-\tfrac13+\tfrac23=0 .$$
长度:$\lVert u_1\rVert=\sqrt2$ ,$\lVert u_2\rVert=\tfrac{\sqrt6}{2}$ ,$\lVert u_3\rVert=\sqrt{\tfrac49\cdot3}=\tfrac{2\sqrt3}{3}$ 。单位化:
$$
e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\quad
e_2=\frac{(1,-1,2)^{\mathrm T}}{\sqrt6},\quad
e_3=\frac{(-1,1,1)^{\mathrm T}}{\sqrt3}.
$$
($u_3$ 乘 $\tfrac32$ 得 $(-1,1,1)$ 。)
### 带走的结论
第 $k$ 步要减 $k-1$ 个投影,**逐项验算"与前面每一个的内积都为零"**,比回头检查算术省时间。
两个异常情形要会处理:
| 情形 | 含义 | 处理 |
|---|---|---|
| 某步得零向量 | 原组本来相关 | 停止,剔除该向量,继续对余下的做 |
| 某步得"几乎零" | 原组接近相关,数值不稳 | 检查是否算错,或先用整数化化简 |
**施密特与第 5 讲的接口**:实对称矩阵 $A$ 求出特征向量后,属于不同特征值的向量已自动正交,只需对**同一特征值**对应的那几个做施密特;再全体单位化,拼成 $Q$ ,即得 $Q^{\mathrm T}AQ=\Lambda$ 。所以本点是第 5 讲的"手",不是"脑"。
---
## 本点定式
> $u_k=\alpha_k-\sum_{i<k}\dfrac{\langle\alpha_k,u_i\rangle}{\langle u_i,u_i\rangle}u_i$ ,分母是长度平方;规范正交基下坐标就是内积。
## 三个公式的对照
| 要做的事 | 公式 | 分母 |
|---|---|---|
| 求投影系数 | $\langle\alpha,u\rangle/\langle u,u\rangle$ | 长度**平方** |
| 单位化 | $\alpha/\lVert\alpha\rVert$ | **长度** |
| 规范正交基下求坐标 | $x_i=\langle\delta,e_i\rangle$ | 无(长度已为 1) |
## 正交矩阵六条等价条件(背下来)
$$A^{\mathrm T}A=E\iff A^{\mathrm T}=A^{-1}\iff AA^{\mathrm T}=E\iff \text{列是规范正交基}\iff \text{行是规范正交基}\iff \lVert Ax\rVert=\lVert x\rVert .$$
六条里最常用的是"列是规范正交基"——验算时只算列内积,比矩阵乘法快。
---
下一站 [点 7 · 子空间的和与交](08-点7-子空间和与交.md) :把"表示"升级成"两个空间的重叠部分"。
---
## 本点关联
| 关系 | 文件 | 用途 |
|---|---|---|
| 盘点 | [01-知识点盘点](01-知识点盘点.md) §6 | 知识地图,查定义与判据 |
| 上游 | [点 1 · 线性相关与无关](02-点1-线性相关与无关.md) | 读本点前应先会 |
| 下游 | [点 5 · 基、坐标与过渡矩阵](06-点5-基坐标与过渡矩阵.md)、第 5 讲特征值(正交对角化) | 本点的结论在哪儿用 |
| 速查 | [10-速查卡](10-速查卡.md) | 考前十分钟 |
@@ -0,0 +1,221 @@
---
tags: [数学一, 在学练习, 线性代数, 向量, 子空间, 交空间, 维数公式]
专题: 线性代数 第3讲 · 点7 子空间的和与交
日期: 2026-10-23
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 7 · 子空间的和与交
> 真题 2023·7(5 分)|重要度 ★★★|题量 3
> 依赖:点 3(`04`)的表示、点 2(`03`)的秩。
> 盘点对应:§5.1 子空间、§7 全节。
5 分,形态也很固定。核心只有一句:**交空间里的向量必须"两种表示同时成立"**。
$$w\in V_1\cap V_2\iff \exists x,y:\ w=Ax=By\iff (A,-B)\begin{pmatrix}x\\y\end{pmatrix}=0 .$$
于是"求交空间"变成"解一个齐次方程组 + 代回"。同一个动作,做两次。
---
## 问题 1 · 交空间的基与维数公式(★★★)
> 【2023·7 骨架】设
>
> $$V_1=L(\alpha_1,\alpha_2),\quad \alpha_1=(1,1,0)^{\mathrm T},\ \alpha_2=(0,1,1)^{\mathrm T};$$
>
> $$V_2=L(\beta_1,\beta_2),\quad \beta_1=(1,0,1)^{\mathrm T},\ \beta_2=(0,1,2)^{\mathrm T}.$$
>
> (Ⅰ)求 $\dim V_1$ 、$\dim V_2$ 、$\dim(V_1+V_2)$ ;
> (Ⅱ)求 $V_1\cap V_2$ 的一组基;
> (Ⅲ)验证维数公式。
### 怎么想
**(Ⅰ)** 每个空间内部两两是否成比例,一眼可判;和空间把两组向量**并在一起**求秩。
**(Ⅱ)** 设 $w=x_1\alpha_1+x_2\alpha_2=y_1\beta_1+y_2\beta_2$ ,移项得齐次方程组。**解出来的是系数**,必须代回 $w=Ax$ 才得到向量。注意 "系数解" 与 "向量解" 的区别——这是本点唯一的大坑。
**(Ⅲ)** 直接代入公式。
### 解
(Ⅰ)$\alpha_1,\alpha_2$ 不成比例,故 $\dim V_1=2$ ;$\beta_1,\beta_2$ 不成比例,故 $\dim V_2=2$ 。
把 $\alpha_1,\alpha_2,\beta_1$ 按列拼成
$$\begin{pmatrix}1&0&1\\1&1&0\\0&1&1\end{pmatrix},\qquad \lvert\cdot\rvert=2\ne0 .$$
三个无关的三维向量张成整个 $\mathbb{R}^3$ ,故 $\dim(V_1+V_2)=3$ 。
(Ⅱ)比较分量得三个方程:
$$x_1=y_1,\qquad x_1+x_2=y_2,\qquad x_2=y_1+2y_2 .$$
把前两式代入第三式:
$$x_2=x_1+2(x_1+x_2)=3x_1+2x_2\ \Longrightarrow\ x_2=-3x_1 .$$
令 $x_1=t$ ,则 $x_2=-3t$ ,$y_1=t$ ,$y_2=x_1+x_2=-2t$ 。代回得
$$w=t\,\alpha_1-3t\,\alpha_2=t\,(1,-2,-3)^{\mathrm T}.$$
$t\ne0$ 时 $w\ne0$ ,故
$$\dim(V_1\cap V_2)=1,\qquad \text{一组基为 } (1,-2,-3)^{\mathrm T}.$$
核验它在第二组里的表示:$t\beta_1-2t\beta_2=t(1,0,1)^{\mathrm T}-2t(0,1,2)^{\mathrm T}=t(1,-2,-3)^{\mathrm T}$ ,一致。
(Ⅲ)$3=2+2-1$ ,维数公式成立。
### 带走的结论
**两条必须刻进肌肉记忆的话**:
1. **交集里解出来的是系数,不是基**。解完 $x,y$ 还要代回 $w=Ax$ ,再删掉零向量与冗余向量。
2. **和空间的维数是并起来的秩**,不是两个维数相加——相加只在直和时才对。
一个快速验算:$\mathbb{R}^3$ 中两个平面(2 维)的交若是直线(1 维),和就必然是 3 维。若算出"和 2 维",说明两个平面重合了,一定算错。
### 换个视角(平面法)
$V_1$ 是 $\alpha_1,\alpha_2$ 张成的平面,法向量可取
$$n_1=\alpha_1\times\alpha_2=(1,1,0)\times(0,1,1)=(1\cdot1-0\cdot1,\ 0\cdot0-1\cdot1,\ 1\cdot1-1\cdot0)=(1,-1,1).$$
同理 $n_2=\beta_1\times\beta_2=(1,0,1)\times(0,1,2)=(0\cdot2-1\cdot1,\ 1\cdot0-1\cdot2,\ 1\cdot1-0\cdot0)=(-1,-2,1)$ 。
两平面交线的方向 $=n_1\times n_2=(1,-1,1)\times(-1,-2,1)=(1,-2,-3)$ ,与(Ⅱ)一致(差一个倍数也算对)。
**几何法适合验算,不适合作答**——大题要写代数过程,法向量只能用来检查结果。
---
## 问题 2 · 四维空间里的和与交(★★☆)
> 设
>
> $$V_1=L(\alpha_1,\alpha_2),\ \alpha_1=(1,0,1,0)^{\mathrm T},\ \alpha_2=(0,1,0,1)^{\mathrm T};$$
>
> $$V_2=L(\beta_1,\beta_2),\ \beta_1=(1,1,0,0)^{\mathrm T},\ \beta_2=(0,0,1,1)^{\mathrm T}.$$
>
> (Ⅰ)求 $\dim(V_1+V_2)$ 与 $\dim(V_1\cap V_2)$ ;
> (Ⅱ)求 $V_1\cap V_2$ 的基;
> (Ⅲ)$V_1+V_2$ 是否为直和?
### 怎么想
先把四个向量拼成一个 $4\times4$ 矩阵。**如果行列式为 0,说明有现成关系**——这题恰好可以一眼看出:
$$\alpha_1+\alpha_2=(1,1,1,1)^{\mathrm T}=\beta_1+\beta_2 .$$
一条非平凡关系 ⟹ 秩 $\le3$ ;而前三个无关 ⟹ 秩 $=3$ 。交空间的维数由维数公式反推:$2+2-3=1$ 。
### 解
(Ⅰ)由 $\alpha_1+\alpha_2=\beta_1+\beta_2$ 知四个向量相关,$\dim(V_1+V_2)\le3$ 。
又 $\alpha_1,\alpha_2,\beta_1$ 无关(矩阵 $\begin{pmatrix}1&0&1\\0&1&1\\1&0&0\\0&1&0\end{pmatrix}$ 存在非零三阶子式:取第 1、2、3 行得 $\begin{vmatrix}1&0&1\\0&1&1\\1&0&0\end{vmatrix}=-1\ne0$ ),故秩 $\ge3$ 。所以
$$\dim(V_1+V_2)=3,\qquad \dim(V_1\cap V_2)=2+2-3=1 .$$
(Ⅱ)解 $(A,-B)\begin{pmatrix}x\\y\end{pmatrix}=0$ ,即
$$x_1\alpha_1+x_2\alpha_2=y_1\beta_1+y_2\beta_2 .$$
比较四个分量:
$$x_1=y_1,\qquad x_2=y_1,\qquad x_1=y_2,\qquad x_2=y_2 .$$
故 $x_1=x_2=y_1=y_2=t$ ,代回:
$$w=t(\alpha_1+\alpha_2)=t(1,1,1,1)^{\mathrm T}.$$
基为 $(1,1,1,1)^{\mathrm T}$ ,维数 1 ,与(Ⅰ)一致。
(Ⅲ)不是直和。直和要求 $V_1\cap V_2=\{0\}$ ,而这里交是 1 维的,$\dim(V_1+V_2)=3<2+2=4$ 。
### 带走的结论
**"先观察后补证"在这里同样管用**:一条 $\alpha_1+\alpha_2=\beta_1+\beta_2$ 就直接给出和空间的上界,再用一个非零子式给下界。
**四个分量全相等的关系式很常见**,看到形如 $(1,0,1,0)$ 、$(0,1,0,1)$ 、$(1,1,0,0)$ 、$(0,0,1,1)$ 这种"分块单位向量",立刻想"两组加起来都等于全 1 向量"。
---
## 问题 3 · 含参:何时为直和(★★☆)
> 设
>
> $$V_1=L(\alpha_1,\alpha_2),\ \alpha_1=(1,1,0)^{\mathrm T},\ \alpha_2=(1,0,1)^{\mathrm T};\qquad V_2=L(\beta_1),\ \beta_1=(2,1,a)^{\mathrm T}.$$
>
> 就 $a$ 讨论 $V_1+V_2$ 是否为直和,并求此时的和空间维数。
### 怎么想
$V_1$ 是 2 维($\alpha_1,\alpha_2$ 不成比例),$V_2$ 是 1 维。直和的条件是
$$V_1\cap V_2=\{0\}\iff \beta_1\notin V_1 .$$
而判断 $\beta_1$ 是否属于 $V_1$ ,就是点 3 的表示问题:解 $x\alpha_1+y\alpha_2=\beta_1$ 。
### 解
设 $\beta_1=x\alpha_1+y\alpha_2$ ,比较分量:
$$x+y=2,\qquad x=1,\qquad y=a .$$
由第二、三式 $x=1$ 、$y=a$ ,代入第一式得 $1+a=2$ ,即 $a=1$ 时有解。
**(待定系数核对)** 这里需要注意的是 $y=a$ 而不是 $y$ 任意:$\alpha_2$ 的第三分量是 1 ,$\beta_1$ 的第三分量是 $a$ ,所以 $y=a$ 。
- **当 $a=1$ 时**,$\beta_1=\alpha_1+\alpha_2\in V_1$ ,故 $V_2\subseteq V_1$ ,$V_1+V_2=V_1$ ,$\dim=2$ ,**不是直和**(交为 1 维)。
- **当 $a\ne1$ 时**,$\beta_1\notin V_1$ ,故 $V_1\cap V_2=\{0\}$ ,是**直和**,$\dim(V_1+V_2)=2+1=3$ 。
统一用秩判断:三向量拼成的矩阵
$$\begin{vmatrix}1&1&2\\1&0&1\\0&1&a\end{vmatrix}=1\cdot(0-1)-1\cdot(a-0)+2\cdot(1-0)=1-a .$$
$a\ne1$ 时秩 3(直和),$a=1$ 时秩 2(非直和)。
### 带走的结论
**直和判定三步走**:
1. 求 $\dim V_1$ 、$\dim V_2$ ;
2. 判断一组基能否被另一组表示(等价于秩是否满);
3. 比 $\dim(V_1+V_2)$ 与 $\dim V_1+\dim V_2$ 。
$$\text{直和}\iff \dim(V_1+V_2)=\dim V_1+\dim V_2\iff V_1\cap V_2=\{0\}.$$
直和的现实意义:和空间里每个向量**分解方式唯一**。全体 $n$ 阶矩阵分解为"对称 $+$ 反对称"就是经典例子——若 $A$ 既对称又反对称,则 $A=A^{\mathrm T}=-A$ ,只能 $A=O$ ,故交为零,是直和。
---
## 本点定式
> 交空间:解 $(A,-B)\binom{x}{y}=0$ ,**代回** $w=Ax$ 后去零去冗。和空间:并把求秩。维数公式 $\dim(V_1+V_2)=\dim V_1+\dim V_2-\dim(V_1\cap V_2)$ 。
## 三种问法的对应动作
| 问 | 动作 |
|---|---|
| 交空间的基 | 解齐次方程组 → 代回 $w=Ax$ → 去零 |
| 和空间的维数 | 把两组向量并起来求秩 |
| 是否直和 | 看交是否为零,或比维数 |
---
下一站 [点 8 · 抽象推理与证明](09-点8-抽象推理与证明.md) :把前七个点串成证明题。
---
## 本点关联
| 关系 | 文件 | 用途 |
|---|---|---|
| 盘点 | [01-知识点盘点](01-知识点盘点.md) §5.1、§7 | 知识地图,查定义与判据 |
| 上游 | [点 2 · 秩与极大无关组](03-点2-秩与极大无关组.md)、[点 3 · 线性表示](04-点3-线性表示.md) | 读本点前应先会 |
| 下游 | 第 4 讲线性方程组(解空间与维数公式) | 本点的结论在哪儿用 |
| 速查 | [10-速查卡](10-速查卡.md) | 考前十分钟 |
@@ -0,0 +1,205 @@
---
tags: [数学一, 在学练习, 线性代数, 向量, 证明题]
专题: 线性代数 第3讲 · 点8 抽象推理与证明
日期: 2026-10-23
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 8 · 抽象推理:证明题的四个模板
> 不直接命题,但 2019·20 那类解答题的第二问全靠它|重要度 ★★☆|题量 3
> 依赖:前七个点全部。
> 盘点对应:§2、§3.3、§4.2 里的全部结论。
这三道题看着花样不同,其实只有四个动作:
| 模板 | 起手式 | 用在 |
|---|---|---|
| 证无关 | 设 $\sum c_i\alpha_i=0$ ,往已知条件上凑 | 替换定理、多数抽象题 |
| 证同解 | 双向代入,一边用平方和/非负性 | $A^{\mathrm T}Ax=0$ 、$Ax=0$ |
| 证秩 | 上界造关系,下界找无关子组,夹住 | 一切"求秩"的证明 |
| 证等价/表示 | 拼矩阵不增秩,$A=BK$ | 单向 $+$ 同秩 |
---
## 问题 1 · 替换定理(★★★)
> 设 $\alpha_1,\alpha_2,\alpha_3$ 线性无关,$\beta=k_1\alpha_1+k_2\alpha_2+k_3\alpha_3$ ,且 $k_1k_2k_3\ne0$ 。证明:
>
> (Ⅰ)$\beta,\alpha_2,\alpha_3$ 线性无关;
> (Ⅱ)把任一 $\alpha_i$ 换成 $\beta$ 后,所得向量组仍线性无关。
### 怎么想
**(Ⅰ)代入法**:设 $c\beta+d\alpha_2+e\alpha_3=0$ ,把 $\beta$ 的表达式代进去,按 $\alpha$ 合并,用原组无关把每个系数逼成零。**关键是哪一步能推出 $c=0$ 这个结论**——靠的是被替换位置那个系数 $k_1\ne0$ 。
**(Ⅱ)等价法更快**:只要 $k_i\ne0$ ,$\alpha_i$ 就能从 $\beta$ 的表达式里反解出来,于是新旧两组能**互相表示**,秩相同,无关性保持不变。这比再代入一次省一半篇幅。
### 解
(Ⅰ)设 $c\beta+d\alpha_2+e\alpha_3=0$ ,代入 $\beta$ 的表达式:
$$ck_1\alpha_1+(ck_2+d)\alpha_2+(ck_3+e)\alpha_3=0 .$$
因 $\alpha_1,\alpha_2,\alpha_3$ 无关,三个系数全为零:
$$ck_1=0,\qquad ck_2+d=0,\qquad ck_3+e=0 .$$
由 $k_1\ne0$ 得 $c=0$ ;再代入后两式得 $d=e=0$ 。故 $\beta,\alpha_2,\alpha_3$ 线性无关。
(Ⅱ)任取 $i\in\{1,2,3\}$ ,把 $\alpha_i$ 换成 $\beta$ 。由 $\beta$ 的表达式可反解
$$\alpha_i=\frac{1}{k_i}\Bigl(\beta-\sum_{j\ne i}k_j\alpha_j\Bigr),$$
这里用到了 $k_i\ne0$ 。于是
$$\{\beta\}\cup\{\alpha_j\}_{j\ne i}\ \text{与}\ \{\alpha_1,\alpha_2,\alpha_3\}\ \text{能互相线性表示},$$
两组等价,故**秩相同**,都等于 3 ,所以替换后的组线性无关。
### 带走的结论
**证"仍然无关"的两条路,用时要挑**:
| 路线 | 篇幅 | 适用 |
|---|---|---|
| 代入法 | 长,但绝对可靠 | 只有一次替换,或系数结构简单 |
| 等价法(同秩) | 短,一步到位 | 能反解,即被替换位置的系数非零 |
**采分点**:一定要写出"由 $k_i\ne0$ 才能除"这句话。阅卷时这句就是分——不写,逻辑链就断了。
**反面提醒**:若某个 $k_i=0$ ,结论就**不成立**。例如 $\beta=\alpha_1$ ($k_2=k_3=0$ ),把 $\alpha_2$ 换成 $\beta$ 后得到 $\{\alpha_1,\alpha_1,\alpha_3\}$ ,显然相关。所以条件 $k_1k_2k_3\ne0$ 不是多余的装饰。
---
## 问题 2 · 相关与无关的接力(★★★)
> 设 $\alpha_1,\alpha_2,\alpha_3$ 线性相关,而 $\alpha_2,\alpha_3,\alpha_4$ 线性无关。证明:
>
> (Ⅰ)$\alpha_1$ 可由 $\alpha_2,\alpha_3$ 线性表示;
> (Ⅱ)$\alpha_4$ 不能由 $\alpha_1,\alpha_2,\alpha_3$ 线性表示。
### 怎么想
相关给出一条关系,但**不能直接除**——必须先证明想除的那个系数非零。这一步正是第二组"无关"起作用的地方。
第二问两种写法:反证法(代入消元)和秩法(夹逼)。**秩法更短**,考场上优先。
### 解
(Ⅰ)由 $\alpha_1,\alpha_2,\alpha_3$ 相关,存在不全为零的 $c_1,c_2,c_3$ 使
$$c_1\alpha_1+c_2\alpha_2+c_3\alpha_3=0 .$$
又 $\alpha_2,\alpha_3,\alpha_4$ 无关,故其部分组 $\alpha_2,\alpha_3$ 也无关(整体无关 $\Rightarrow$ 部分无关)。
**断言 $c_1\ne0$ 成立**:若 $c_1=0$ ,则 $c_2\alpha_2+c_3\alpha_3=0$ ,而 $(c_2,c_3)$ 不全为零(因为 $(c_1,c_2,c_3)$ 不全为零),与 $\alpha_2,\alpha_3$ 无关矛盾。故 $c_1\ne0$ ,可解出
$$\alpha_1=-\frac{c_2}{c_1}\alpha_2-\frac{c_3}{c_1}\alpha_3 .$$
(Ⅱ)**秩法**:由(Ⅰ)知 $\alpha_1$ 可由 $\alpha_2,\alpha_3$ 表示,故
$$r(\alpha_1,\alpha_2,\alpha_3, \alpha_4)=r(\alpha_2,\alpha_3,\alpha_4)=3 .$$
若 $\alpha_4$ 可由 $\alpha_1,\alpha_2,\alpha_3$ 表示,则再加入 $\alpha_4$ 不增秩,得 $r(\alpha_1,\alpha_2,\alpha_3)=3$ 。但 $\alpha_1$ 可由 $\alpha_2,\alpha_3$ 表示,故 $r(\alpha_1,\alpha_2,\alpha_3)=r(\alpha_2,\alpha_3)\le2$ ,矛盾。
(**反证法**同样可行:把 $\alpha_1$ 的表达式代入 $\alpha_4$ 的表示式,就消去了 $\alpha_1$ ,于是 $\alpha_4$ 可由 $\alpha_2,\alpha_3$ 表示,与 $\alpha_2,\alpha_3,\alpha_4$ 无关矛盾。)
### 带走的结论
**相关关系里,系数非零是要证的,不是能假设的**。凡是要"除以某个系数",前面必须有一段"它不能为零,否则……矛盾"。这是本讲证明题最容易失分的地方,也是"整体无关 ⟹ 部分无关"这条定理的真正用途。
秩法的格式值得背:
> 一方面由 $X$ 得 $r\le a$ ;另一方面由 $Y$ 得 $r\ge b$ ;若 $a<b$ 则矛盾。
---
## 问题 3 · 用内积证秩(★★★)
> 设 $A$ 为 $m\times n$ **实**矩阵。证明:
>
> (Ⅰ)$Ax=0$ 与 $A^{\mathrm T}Ax=0$ 同解,从而 $r(A^{\mathrm T}A)=r(A)$ ;
> (Ⅱ)$A$ 的列向量组线性无关 $\iff A^{\mathrm T}A$ 可逆。
### 怎么想
一个方向是"左乘 $A^{\mathrm T}$ ",另一个方向要**左乘 $x^{\mathrm T}$ 凑成平方和**。
为什么必须是实矩阵?因为平方和为零才能推出每个分量为零——这正是"实"字的作用。复矩阵要用共轭转置,$x^{\mathrm T}$ 不够。
### 解
(Ⅰ)若 $Ax=0$ ,左乘 $A^{\mathrm T}$ 得 $A^{\mathrm T}Ax=0$ ,方向一成立。
反之若 $A^{\mathrm T}Ax=0$ ,左乘 $x^{\mathrm T}$ :
$$0=x^{\mathrm T}A^{\mathrm T}Ax=(Ax)^{\mathrm T}(Ax)=\sum_{i=1}^{m}(Ax)_i^2 .$$
实数平方和非负、和为零,故每个 $(Ax)_i=0$ ,即 $Ax=0$ 。两个方程组同解。
同解意味着解空间相同,未知量个数都是 $n$ ,由维数公式
$$n-r(A)=n-r(A^{\mathrm T}A)\ \Longrightarrow\ r(A^{\mathrm T}A)=r(A).$$
(Ⅱ)$A$ 的列无关 $\iff r(A)=n\iff r(A^{\mathrm T}A)=n$ 。而 $A^{\mathrm T}A$ 是 $n$ 阶方阵,满秩即等价于可逆。
### 带走的结论
**"实矩阵"三个字是解题钥匙**。看到 $A^{\mathrm T}A$ 就要想到
$$x^{\mathrm T}A^{\mathrm T}Ax=\lVert Ax\rVert^2\ge0 .$$
这条结论在三讲里反复出现:
| 位置 | 形式 |
|---|---|
| 本讲 | $r(A^{\mathrm T}A)=r(A)$ ,列无关 $\iff A^{\mathrm T}A$ 可逆 |
| 第 5 讲 | $A^{\mathrm T}A$ 的特征值非负 |
| 第 6 讲 | $A^{\mathrm T}A$ 正定(当 $A$ 列满秩) |
**一个常见的错误**:直接约去 $A^{\mathrm T}$ 。$A^{\mathrm T}$ 不是方阵、未必可逆,根本没有消去律。必须走 $x^{\mathrm T}$ 左乘这条路。
---
## 本点定式
> 证无关:设零组合 → 代入 → 靠某个系数非零逼出全部为零。证同解:双向代入,一边要用平方和。证秩:上界造关系,下界找无关子组。
## 四个模板的选用表
| 题目长什么样 | 用哪个模板 | 关键句 |
|---|---|---|
| "证明……线性无关" | 证无关 | "因为 $k\ne0$ 才能除" |
| "证明两个方程组同解" | 证同解 | "左乘 $x^{\mathrm T}$ 得平方和" |
| "证明秩等于……" | 证秩(夹逼) | "一方面……另一方面……" |
| "证明两组等价 / 某向量可表示" | 拼矩阵 | $A=BK$ ,故 $r(A,B)=r(B)$ |
| "已知相关,证某个系数非零" | 反证 | "若为零,则与……无关矛盾" |
---
## 全讲回顾
到这一点,第 3 讲的八份文件已经串完:
```
02 相关性 ──→ 03 秩 ──→ 04 表示 ──→ 05 等价
└──→ 06 基/坐标/过渡矩阵 ──→ 07 内积/正交 ──→ 08 子空间和交
↓
09 证明题(把上面全用一遍)
```
如果只能复习一个文件,选 `01-知识点盘点.md` ;如果能复习两小时,按 `01 → 06 → 07` 的顺序,覆盖 21 分。
最后一页 `10-速查卡.md` 是可以直接背的判据清单,考前十分钟看那一页。
---
## 本点关联
| 关系 | 文件 | 用途 |
|---|---|---|
| 盘点 | [01-知识点盘点](01-知识点盘点.md) §2、§3.3、§4.2 | 知识地图,查定义与判据 |
| 上游 | 前七个点全部([点 1](02-点1-线性相关与无关.md) — [点 7](08-点7-子空间和与交.md)) | 读本点前应先会 |
| 下游 | 第 5 讲特征值(证明题的同一套模板) | 本点的结论在哪儿用 |
| 速查 | [10-速查卡](10-速查卡.md) | 考前十分钟 |
@@ -0,0 +1,130 @@
---
tags: [数学一, 在学练习, 线性代数, 向量, 速查卡]
专题: 线性代数 第3讲 · 向量(速查)
日期: 2026-10-23
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 第3讲 · 向量:速查卡
考前十分钟只看这一页。
## 一、十个判据
| 问什么 | 用什么 |
|---|---|
| 能否表示 | $r(A)=r(A\mid\beta)$ |
| 表示唯一 | $r(A)=s$ ($s$ 为向量个数) |
| 不能表示时秩为几 | $r(A\mid\beta)=r(A)+1$ |
| 相关还是无关 | $r(A)<s$ 相关;$r(A)=s$ 无关;$s=n$ 时可用 $\lvert A\rvert$ |
| 求秩与极大无关组 | 按列拼,**只行变换**,主元列号取**原向量** |
| 两组是否等价 | $r(A)=r(B)=r(A,B)$ |
| 过渡矩阵 | $V=UC$ ,$C$ 的**列**是新基在旧基下的坐标 |
| 坐标换算 | $x_{\rm old}=Cx_{\rm new}$ (与基变换**方向相反**) |
| 施密特 | $u_k=\alpha_k-\sum_{i<k}\dfrac{\langle\alpha_k,u_i\rangle}{\langle u_i,u_i\rangle}u_i$ |
| 交空间 | 解 $(A,-B)\binom{x}{y}=0$ ,**代回** $w=Ax$ 后去零去冗 |
| 和空间维数 | $\dim(V_1+V_2)=r(A,B)$ |
| 维数公式 | $\dim(V_1+V_2)=\dim V_1+\dim V_2-\dim(V_1\cap V_2)$ |
## 二、五个"不用算"
1. 含零向量 ⟹ 相关。
2. 有两个成比例 ⟹ 相关。
3. $n+1$ 个 $n$ 维向量 ⟹ 相关。
4. 非零且两两正交 ⟹ 无关。
5. 化到阶梯形后,非零行数就是秩,主元列数也等于秩(两者互为验算)。
## 三、四个方向要记准
| 内容 | 方向 |
|---|---|
| 基变换 | $(\eta)=(\xi)C$ ,新基 $=$ 旧基 $\times\,C$ |
| 坐标变换 | $x_{\rm old}=Cx_{\rm new}$ ,旧 $=$ 新 $\times\,C$ |
| 延长/缩短 | 无关可加长,相关可缩短(**不能反向**) |
| 部分与整体 | 部分相关 ⟹ 整体相关;整体无关 ⟹ 部分无关 |
## 四、秩的六条运算
$$r(A)=r(A^{\mathrm T}),\qquad r(A+B)\le r(A)+r(B),$$
$$r(AB)\le\min\{r(A),r(B)\},\qquad r(AP)=r(A)\ (P\ \text{可逆}),$$
$$r(AB)\ge r(A)+r(B)-n,\qquad AB=O\Rightarrow r(A)+r(B)\le n .$$
## 五、正交矩阵六等价
$$A^{\mathrm T}A=E\iff A^{\mathrm T}=A^{-1}\iff AA^{\mathrm T}=E\iff \text{列规范正交}\iff \text{行规范正交}\iff \lVert Ax\rVert=\lVert x\rVert .$$
补充:$\lvert A\rvert=\pm1$ 是**必要不充分**条件;正交矩阵的逆、转置、乘积仍正交。
## 六、施密特三个分母
| 场合 | 分母 |
|---|---|
| 减投影 | $\langle u_i,u_i\rangle$ (长度平方) |
| 单位化 | $\lVert u\rVert$ (长度) |
| 规范正交基下求坐标 | 不用除,$x_i=\langle\delta,e_i\rangle$ |
## 七、三处最容易丢分
1. **过渡矩阵方向反了**。写成 $x_{\rm new}=Cx_{\rm old}$ 是 2019·20 的最大陷阱。写完用"代入后两边相等"验一次。
2. **极大无关组写成阶梯形的列**。系数可以在化简后的矩阵上读,但答案必须写回原向量。
3. **交空间把系数解当基**。解出来的是 $x,y$ ,还要代回 $w=Ax$ ,并删掉零向量与冗余向量。
**外加一处**:相关但没写具体关系式(`02` 问题 1)。只写"行列式为零所以相关",解答题扣一半。
## 八、三种"套模板"的分类讨论
**含参相关 / 表示 / 方程组的统一骨架**:
```
先算 |A|(方阵)
├─ ≠0 → 唯一解 / 唯一表示 / 无关
└─ =0 → 化增广矩阵,比 r(A) 与 r(A|β)
├─ 相等且 < s → 无穷多解 / 相关
└─ 不等 → 无解 / 不能表示
每个根都要单独代回
```
**证明题的四个模板**:
| 要证 | 起手式 |
|---|---|
| 无关 | 设 $\sum c_i\alpha_i=0$ ,代入已知关系 |
| 同解 | 双向代入,一边用 $\sum (Ax)_i^2=0$ |
| 秩 | 上界造关系,下界找无关子组 |
| 等价 | $A=BK$ ,拼矩阵不增秩 |
## 九、本讲分值分布(十年)
| 点 | 分值 | 题型 |
|---|---|---|
| 基/坐标/过渡矩阵 | 11 | **解答题**(2019·20) |
| 内积/正交/施密特 | 10 | 选择 + 填空(2021·6、2023·15) |
| 相关性与等价 | 10 | 选择(2024·6、2022·7) |
| 和与交 | 5 | 选择(2023·7) |
| 线性表示 | 4 | 选择(2020·6) |
| 秩与极大无关组 | 4 | 填空(2017·13) |
一句话结论:**解答题必出"基与过渡矩阵"或它在第 5 讲的延伸,选择题散在上面各点。**
## 十、与第 5 讲的三条接口
1. $P$ 是特征向量按列拼成的过渡矩阵,$P^{-1}AP=\Lambda$ 。
2. 施密特用于同一个特征值内部的多个特征向量。
3. $Q^{\mathrm T}AQ=\Lambda$ 里的 $Q$ 是**正交**过渡矩阵。
---
## 回查
| 想查什么 | 去哪儿 |
|---|---|
| 完整定义与定理 | [01-知识点盘点](01-知识点盘点.md) |
| 相关性与判据 | [点 1](02-点1-线性相关与无关.md) |
| 求秩与极大无关组 | [点 2](03-点2-秩与极大无关组.md) |
| 表示与等价 | [点 3](04-点3-线性表示.md)、[点 4](05-点4-向量组等价.md) |
| 基与过渡矩阵 | [点 5](06-点5-基坐标与过渡矩阵.md) |
| 内积与施密特 | [点 6](07-点6-内积正交与施密特.md) |
| 和与交 | [点 7](08-点7-子空间和与交.md) |
| 证明模板 | [点 8](09-点8-抽象推理与证明.md) |
@@ -1,32 +1,96 @@
---
tags: [数学一, 在学练习, 线性代数, MOC]
tags: [数学一, 在学练习, 线性代数, 向量, README]
专题: 线性代数 第3讲 · 向量
日期: 2026-10-20
状态: 已重写,考点、试题、解析齐全
日期: 2026-10-23
状态: 已重构为「知识点盘点 + 以题带点」
关联笔记: ["[[01-知识点盘点]]", "[[10-速查卡]]"]
---
# 第3讲 · 向量
# 线性代数 第3讲 · 向量
这一版按“概念的意思 → 完整例子 → 条件与结论 → 对应练习”编写。先把例子亲手复算一遍,再做同类题;不要求先背完公式。
真题库第 11 章。近十年 **8 题 44 分**,平均每年 4.4 分,且**每年必有一道解答题**(十年里落在第 21 题位置)。整卷线性代数 32–34 分,这一讲约占四分之一。
| 文件 | 用法 |
## 这一版的结构
分两层,各管一件事:
| 层 | 文件 | 作用 | 读法 |
|---|---|---|---|
| **地图** | `01-知识点盘点.md` | 把大纲、真题、参考仓库三条线的知识点全部摊开,当字典查 | 先通读一遍,之后只查不读 |
| **练** | `02`—`09` 八个点 | 每个点 2—3 道题,题嵌在点里,讲完凝成一句话 | 一天一个点,动手做 |
**为什么不是"全是知识点"**:只讲知识点会退回到"看得懂、做不出"。**为什么不是"全是题"**:只刷题会漏掉大纲要求但十年没考的点(比如正交矩阵、两个子空间的直和)。两层配合才不留死角。
## 文件清单
| 文件 | 内容 | 真题锚点 | 分值 | 题量 |
|---|---|---|---|---|
| `01-知识点盘点.md` | 十节盘点 + 覆盖对照表 | — | — | 0 |
| `02-点1-线性相关与无关.md` | 定义、六条判据、两个易混方向 | 2024·6 | 5 | 3 |
| `03-点2-秩与极大无关组.md` | 求秩四步、$AB=O$ 的含义 | 2017·13 | 4 | 3 |
| `04-点3-线性表示.md` | 三个判据、含参三分类 | 2020·6 | 4 | 3 |
| `05-点4-向量组等价.md` | 等价判据、与矩阵等价的分界 | 2022·7 | 5 | 3 |
| `06-点5-基坐标与过渡矩阵.md` | 基验证、过渡矩阵、坐标方向 | 2019·20 | **11** | 3 |
| `07-点6-内积正交与施密特.md` | 内积、施密特、正交矩阵 | 2021·6、2023·15 | **10** | 3 |
| `08-点7-子空间和与交.md` | 交空间求法、维数公式、直和 | 2023·7 | 5 | 3 |
| `09-点8-抽象推理与证明.md` | 四个证明模板 | 支撑解答题 | — | 3 |
| `10-速查卡.md` | 十个判据 + 四处失分点 | — | — | 0 |
合计 **24 题**,比上一版(19 题)多了 5 道:补了含参三分类、$AB=O$ 、单向 $+$ 同秩、四维和与交、含参直和。
## 建议的三轮读法
**第一轮(2—3 小时)**:`01` 通读 + `02`—`05` 各做一遍。这四个点是链条,顺序不能跳。
**第二轮(2 小时)**:`06`、`07`。这两节占 21 分,且是第 5 讲的前置,值得单独一轮。
**第三轮(1 小时)**:`08`、`09` + `10`。前两节是综合运用,最后一份是考前速查。
时间不够时,按这个顺序砍:`08` → `09` → `03` → `05` 。**`06` 和 `07` 一定不能砍**。
## 双重索引
- **按分值**:`01` 的 §0.1
- **按依赖链**:`01` 的 §0.2(也就是文件编号顺序)
两者顺序不同是刻意的:分值告诉你"投多少时间",依赖链告诉你"按什么顺序读"。
## 文件之间怎么跳
每个点文件底部都有一张「本点关联」表,四个方向:
| 关系 | 作用 |
|---|---|
| [[线性代数-第3讲-向量/01-考点手册\|考点手册]] | 从头理解,也可按卡点回查 |
| [[线性代数-第3讲-向量/02-试题\|18 道分层习题]] | 独立题面,不含答案 |
| [[线性代数-第3讲-向量/03-解析\|逐步解析]] | 先讲入口,再算过程,最后检查 |
| **盘点** | 回查这个点的定义、定理全表 |
| **上游** | 读这个点之前应该已经会什么 |
| **下游** | 这个点的结论在哪儿被用到(含后面几讲) |
| **速查** | 跳到 `10-速查卡` |
1—6 定义与直接计算;7—14 参数、正交化与坐标;15—18 证明与交空间。建议分三次,共约 95 分钟。
反方向也通:`01-知识点盘点` 的 §0.4 有一张「章节 ↔ 练习」对照表,用来回答"这个知识点在哪个文件里练";`10-速查卡` 末尾有「回查」表,用来回答"这条判据的完整出处在哪"。
## 平板 PDF
全部用相对路径链接:**Gitea 网页里可以直接点,Obsidian / Logseq 里会进反向链接面板**。所以"盘点 ↔ 点 ↔ 速查"三者构成一个闭环,不是单向目录。
- [考点手册](PDF/线代第3讲-考点手册.pdf)
- [试题答题版](PDF/线代第3讲-试题-答题版.pdf)
- [逐步解析](PDF/线代第3讲-解析.pdf)
## 与其他讲的接口
PDF 与本次 Markdown 同步重建。题面留答题空间;公式由本地 KaTeX 渲染。
| 本讲内容 | 去向 | 用法 |
|---|---|---|
| 秩的运算与不等式 | 第 2 讲矩阵 | 那里算秩,这里用秩 |
| 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 |
| 施密特正交化 | 第 5 讲特征值 | 实对称矩阵正交对角化必用 |
| 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$ 的秩 | 第 6 讲二次型 | $A^{\mathrm T}A$ 正定 |
## 参考与衔接
## 版本记录
参考本仓库 `参考仓库/Math/linear-algebra` 中相应的 `knowledge` 和 `exercise` 章节;讲义题型作为学习框架,新增练习另设数据。真题锚点仅用于定位知识块,不作押题依据。
| 日期 | 变更 |
|---|---|
| 2026-10-18 | 建文件夹,出「考点手册 / 试题 / 解析」三件套(18 题),归档在 `旧版-题点分离/` |
| 2026-10-23 | 改为单文件「以题带点」(19 题,1.8 万字) |
| 2026-10-23 | **当前版**:拆为「知识点盘点 $+$ 八点分册 $+$ 速查卡」共 11 个文件(24 题),单文件控制在 5000 字以内,不再压缩 |
从 [[线性代数-重写版导读]] 查看三讲学习顺序及本次纠错记录。
## 两条写作约定(本讲起执行)
1. **不再生成 PDF**。以后所有讲义只出 Markdown,在网页端或 App 里看。
2. **单个文件不超过 1.3 万字符**(约 6000 汉字),超了就拆。一个文件塞太多内容会逼着压缩,压缩就会丢细节——上一版把 7 个点 + 全部知识 + 速查都塞进 1.8 万字符,结果每个点只剩两千字。
题面数据除标注「真题骨架」外均为另设,只对齐考法。参考 `参考仓库/Math/linear-algebra/knowledge/3-vector/vector.tex` 与 `exercise/3-vector/vector.tex` 。
@@ -30,11 +30,13 @@ $$-3\alpha_1+\alpha_2+\alpha_3=0.$$
**入口:** 极大无关组要从原组挑向量,先按列拼,再用行变换找主元列。
$$\begin{pmatrix}1&2&0&1\\2&4&1&3\\-1&-2&1&0\end{pmatrix}
$$
\begin{pmatrix}1&2&0&1\\2&4&1&3\\-1&-2&1&0\end{pmatrix}
\xrightarrow{R_2-2R_1,\ R_3+R_1}
\begin{pmatrix}1&2&0&1\\0&0&1&1\\0&0&1&1\end{pmatrix}
\xrightarrow{R_3-R_2}
\begin{pmatrix}1&2&0&1\\0&0&1&1\\0&0&0&0\end{pmatrix}.$$
\begin{pmatrix}1&2&0&1\\0&0&1&1\\0&0&0&0\end{pmatrix}.
$$
秩为 2,主元在第 1、3 列,故取原向量 $\alpha_1,\alpha_3$ 。化简后第 2 列是第 1 列的 2 倍,第 4 列是第 1、3 列之和;行变换保留列之间的系数关系,因此
@@ -62,25 +64,31 @@ $$\beta=-\tfrac12\alpha_1+\tfrac12\alpha_2+\tfrac32\alpha_3.$$
三对内积为
$$\langle\alpha,\beta\rangle=2-4+2=0,\quad
$$
\langle\alpha,\beta\rangle=2-4+2=0,\quad
\langle\alpha,\gamma\rangle=2+2-4=0,\quad
\langle\beta,\gamma\rangle=4-2-2=0.$$
\langle\beta,\gamma\rangle=4-2-2=0.
$$
三个长度都是 $\sqrt9=3$ 。除以 3 后,得到三个两两正交的单位向量;三维空间中三个无关向量就是一组基,因此是规范正交基。
最后一问利用正交性可少算:
$$\langle\alpha+2\beta,\gamma-\beta\rangle
=0-0+0-2\langle\beta,\beta\rangle=-18.$$
$$
\langle\alpha+2\beta,\gamma-\beta\rangle
=0-0+0-2\langle\beta,\beta\rangle=-18.
$$
### 第 5 题
**入口:** 从第二个向量中减去第一个方向的投影。
$$u_1=(1,1,0)^{\mathrm T},\quad
$$
u_1=(1,1,0)^{\mathrm T},\quad
u_2=\alpha_2-\frac{\langle\alpha_2,u_1\rangle}{\langle u_1,u_1\rangle}u_1
=(1,0,1)^{\mathrm T}-\tfrac12(1,1,0)^{\mathrm T}
=(1/2,-1/2,1)^{\mathrm T}.$$
=(1/2,-1/2,1)^{\mathrm T}.
$$
这里 $u_2$ 就是第二个正交向量。内积 $1/2-1/2=0$ ,长度分别为 $\sqrt2,\sqrt6/2$ 。单位化得
@@ -124,8 +132,10 @@ $$A=\begin{pmatrix}1&1&1\\1&2&4\\1&a&a^2\end{pmatrix}.$$
第 2、3 列各减第 1 列,沿首行展开:
$$|A|=\begin{vmatrix}1&3\\a-1&a^2-1\end{vmatrix}
=a^2-1-3(a-1)=(a-1)(a-2).$$
$$
|A|=\begin{vmatrix}1&3\\a-1&a^2-1\end{vmatrix}
=a^2-1-3(a-1)=(a-1)(a-2).
$$
所以相关恰在 $a=1$ 或 $a=2$ 。这两个值下秩都小于 3;但前两列的前两行组成的子式为 $\begin{vmatrix}1&1\\1&2\end{vmatrix}=1$ ,与 $a$ 无关,所以秩至少为 2。故两种情形秩都为 2。
@@ -139,21 +149,27 @@ $$\beta_1=(1,1,0)^{\mathrm T},\qquad\beta_2=(1/2,-1/2,1)^{\mathrm T}.$$
第三步需要分别减两个投影。先算系数:
$$\frac{\langle\alpha_3,\beta_1\rangle}{\langle\beta_1,\beta_1\rangle}=\frac12,\qquad
\frac{\langle\alpha_3,\beta_2\rangle}{\langle\beta_2,\beta_2\rangle}=\frac{1/2}{3/2}=\frac13.$$
$$
\frac{\langle\alpha_3,\beta_1\rangle}{\langle\beta_1,\beta_1\rangle}=\frac12,\qquad
\frac{\langle\alpha_3,\beta_2\rangle}{\langle\beta_2,\beta_2\rangle}=\frac{1/2}{3/2}=\frac13.
$$
所以
$$\beta_3=(0,1,1)^{\mathrm T}-\tfrac12(1,1,0)^{\mathrm T}-\tfrac13(1/2,-1/2,1)^{\mathrm T}
=(-2/3,2/3,2/3)^{\mathrm T}.$$
$$
\beta_3=(0,1,1)^{\mathrm T}-\tfrac12(1,1,0)^{\mathrm T}-\tfrac13(1/2,-1/2,1)^{\mathrm T}
=(-2/3,2/3,2/3)^{\mathrm T}.
$$
验算 $\langle\beta_3,\beta_1\rangle=-2/3+2/3=0$ ,$\langle\beta_3,\beta_2\rangle=-1/3-1/3+2/3=0$ 。
三个长度依次为 $\sqrt2,\sqrt6/2,2\sqrt3/3$ ,因此
$$e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\quad
$$
e_1=\frac{(1,1,0)^{\mathrm T}}{\sqrt2},\quad
e_2=\frac{(1,-1,2)^{\mathrm T}}{\sqrt6},\quad
e_3=\frac{(-1,1,1)^{\mathrm T}}{\sqrt3}.$$
e_3=\frac{(-1,1,1)^{\mathrm T}}{\sqrt3}.
$$
### 第 10 题
@@ -22,11 +22,13 @@ $$\begin{cases}x+y+z=3,\\x+2y+3z=5\end{cases}$$
矩阵操作是
$$\left(\begin{array}{ccc|c}1&1&1&3\\1&2&3&5\end{array}\right)
$$
\left(\begin{array}{ccc|c}1&1&1&3\\1&2&3&5\end{array}\right)
\xrightarrow{R_2-R_1}
\left(\begin{array}{ccc|c}1&1&1&3\\0&1&2&2\end{array}\right)
\xrightarrow{R_1-R_2}
\left(\begin{array}{ccc|c}1&0&-1&1\\0&1&2&2\end{array}\right).$$
\left(\begin{array}{ccc|c}1&0&-1&1\\0&1&2&2\end{array}\right).
$$
现在可以直接读出
@@ -71,9 +73,11 @@ $$x_1=-2s+t,\qquad x_2=s-3t.$$
把四个分量按未知量原顺序装回一列:
$$x=\begin{pmatrix}-2s+t\\s-3t\\s\\t\end{pmatrix}
$$
x=\begin{pmatrix}-2s+t\\s-3t\\s\\t\end{pmatrix}
=s\begin{pmatrix}-2\\1\\1\\0\end{pmatrix}
+t\begin{pmatrix}1\\-3\\0\\1\end{pmatrix}.$$
+t\begin{pmatrix}1\\-3\\0\\1\end{pmatrix}.
$$
两个固定向量记作 $\xi_1,\xi_2$ 。它们本身都是解,且无关:若 $c_1\xi_1+c_2\xi_2=0$ ,看第 3、4 分量就知道 $c_1=c_2=0$ 。又因为每个解都写成了它们的组合,所以它们构成一个基础解系。
@@ -91,9 +95,11 @@ $$x=\begin{pmatrix}-2s+t\\s-3t\\s\\t\end{pmatrix}
回到第 1 节:
$$x=\begin{pmatrix}1+t\\2-2t\\t\end{pmatrix}
$$
x=\begin{pmatrix}1+t\\2-2t\\t\end{pmatrix}
=\begin{pmatrix}1\\2\\0\end{pmatrix}
+t\begin{pmatrix}1\\-2\\1\end{pmatrix}.$$
+t\begin{pmatrix}1\\-2\\1\end{pmatrix}.
$$
前一个向量是 $Ax=b$ 的一个特解 $\eta$ ;后一个向量是 $Ax=0$ 的基础解系中的向量。
@@ -165,8 +171,10 @@ $$\begin{pmatrix}A\\B\end{pmatrix}x=0.$$
因此
$$Ax=0\text{ 与 }Bx=0\text{ 同解}\iff
r(A)=r(B)=r\begin{pmatrix}A\\B\end{pmatrix}.$$
$$
Ax=0\text{ 与 }Bx=0\text{ 同解}\iff
r(A)=r(B)=r\begin{pmatrix}A\\B\end{pmatrix}.
$$
为什么不能只比较 $r(A)=r(B)$ ?两个不同方向的直线都是一维,但不是同一条直线。拼接后的秩相同,才保证加上另一组方程没有减少解。
@@ -178,8 +186,10 @@ r(A)=r(B)=r\begin{pmatrix}A\\B\end{pmatrix}.$$
### 7.3 公共解直接联立
$$Ax=b,\ Bx=c\quad\Longleftrightarrow\quad
\begin{pmatrix}A\\B\end{pmatrix}x=\binom bc.$$
$$
Ax=b,\ Bx=c\quad\Longleftrightarrow\quad
\begin{pmatrix}A\\B\end{pmatrix}x=\binom bc.
$$
可以一次消元,也可以先求一个通解、代入另一个方程组。后一种方法变量少时更方便。
@@ -16,15 +16,19 @@ tags: [数学一, 在学练习, 线性代数, 线性方程组, 解析]
**入口:** 指定用克拉默法则,先求系数行列式,确认分母非零。
$$D=\begin{vmatrix}1&1&1\\2&-1&1\\1&2&-1\end{vmatrix}
=(-1)-(-3)+5=7.$$
$$
D=\begin{vmatrix}1&1&1\\2&-1&1\\1&2&-1\end{vmatrix}
=(-1)-(-3)+5=7.
$$
分别把第 1、2、3 列换成常数列:
$$D_1=\begin{vmatrix}6&1&1\\3&-1&1\\2&2&-1\end{vmatrix}=7,$$
$$D_2=\begin{vmatrix}1&6&1\\2&3&1\\1&2&-1\end{vmatrix}=14,\quad
D_3=\begin{vmatrix}1&1&6\\2&-1&3\\1&2&2\end{vmatrix}=21.$$
$$
D_2=\begin{vmatrix}1&6&1\\2&3&1\\1&2&-1\end{vmatrix}=14,\quad
D_3=\begin{vmatrix}1&1&6\\2&-1&3\\1&2&2\end{vmatrix}=21.
$$
因此 $(x_1,x_2,x_3)=(1,2,3)$ 。代回三个左端分别为 $6,3,2$ ,与常数项一致。
@@ -32,9 +36,11 @@ D_3=\begin{vmatrix}1&1&6\\2&-1&3\\1&2&2\end{vmatrix}=21.$$
第二行减第一行,再第一行减新的第二行:
$$\begin{pmatrix}1&1&1&1\\1&2&3&4\end{pmatrix}
$$
\begin{pmatrix}1&1&1&1\\1&2&3&4\end{pmatrix}
\longrightarrow\begin{pmatrix}1&1&1&1\\0&1&2&3\end{pmatrix}
\longrightarrow\begin{pmatrix}1&0&-1&-2\\0&1&2&3\end{pmatrix}.$$
\longrightarrow\begin{pmatrix}1&0&-1&-2\\0&1&2&3\end{pmatrix}.
$$
读成方程 $x_1=x_3+2x_4,x_2=-2x_3-3x_4$ 。令 $x_3=s,x_4=t$ ,得
@@ -132,8 +138,10 @@ $a=-2$ 时三个左端相加恒为 0,右端相加为 3,矛盾,故无解。
系数秩为 1,未知量有 3 个,所以齐次解空间维数为 2。取 $\eta_1$ 作特解,构造两个差:
$$\xi_1=\eta_2-\eta_1=(1,-1,0)^{\mathrm T},\quad
\xi_2=\eta_3-\eta_1=(0,1,2)^{\mathrm T}.$$
$$
\xi_1=\eta_2-\eta_1=(1,-1,0)^{\mathrm T},\quad
\xi_2=\eta_3-\eta_1=(0,1,2)^{\mathrm T}.
$$
它们都是齐次解。若 $c\xi_1+d\xi_2=0$ ,第 1 分量给 $c=0$ ,第 3 分量给 $d=0$ ,故无关。维数为 2 的空间中有两个无关解,便构成基础解系。
@@ -169,8 +177,10 @@ $$x=(1,2,3,4)^{\mathrm T}+t(1,1,1,1)^{\mathrm T}.$$
行变换核验:
$$[A\mid B]=\left(\begin{array}{cc|cc}1&2&1&1\\2&4&3&2\end{array}\right)
\longrightarrow\left(\begin{array}{cc|cc}1&2&1&1\\0&0&1&0\end{array}\right).$$
$$
[A\mid B]=\left(\begin{array}{cc|cc}1&2&1&1\\2&4&3&2\end{array}\right)
\longrightarrow\left(\begin{array}{cc|cc}1&2&1&1\\0&0&1&0\end{array}\right).
$$
第二问右端改为 $B_0=(1,2)^{\mathrm T}$ ,两行表示同一约束 $x_1+2x_2=1$ 。令 $x_2=t$ ,得到
@@ -194,8 +204,10 @@ $$A\Big(\sum_{i=1}^sk_i\eta_i\Big)=\sum_{i=1}^sk_i b=cb.$$
先对增广矩阵消元,第二、三行各减第一行:
$$\left(\begin{array}{ccc|c}1&1&1&1\\1&2&3&2\\1&4&a&b\end{array}\right)
\longrightarrow\left(\begin{array}{ccc|c}1&1&1&1\\0&1&2&1\\0&3&a-1&b-1\end{array}\right).$$
$$
\left(\begin{array}{ccc|c}1&1&1&1\\1&2&3&2\\1&4&a&b\end{array}\right)
\longrightarrow\left(\begin{array}{ccc|c}1&1&1&1\\0&1&2&1\\0&3&a-1&b-1\end{array}\right).
$$
再第三行减第二行的 3 倍: