Files

8.2 KiB
Raw Permalink Blame History

tags, 专题, 日期, 关联笔记
tags 专题 日期 关联笔记
数学一
在学练习
线性代数
向量
秩
极大无关组
线性代数 第3讲 · 点2 秩与极大无关组 2026-10-23
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。

关联 · 盘点 §3.1 定义 §3.2 求法 | 上游 点 1 题 1 | 下游 点 3 题 1 表示 点 7 题 1 交空间 | 速查 秩的六条运算


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。

关联 · 盘点 §1.4 五个不用算 §3.3 秩的性质 | 上游 点 2 题 1 | 下游 点 7 题 2 四维和与交 | 速查 五个不用算


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。

关联 · 盘点 §3.3 秩的性质 | 上游 点 1 题 2 | 下游 点 8 题 2 接力 | 速查 秩的六条运算


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 :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 §2.3、§3 知识地图,查定义与判据
上游 点 1 · 线性相关与无关 读本点前应先会
下游 点 3 · 线性表示、点 4 · 向量组等价、点 7 · 子空间和与交 本点的结论在哪儿用
速查 10-速查卡 考前十分钟