Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/线性代数-第3讲-向量/01-考点手册.md
T
Yimu db08efe012 新增线性代数第2/3/4讲(第2讲只出考点手册,第3讲起配习题)
第2讲 矩阵(真题库第10章,11题71分)
- 按安排不出习题,只写考点手册:运算铁律 / 逆与伴随 / 初等变换
  左行右列 / 秩十条不等式 / 分块矩阵秩六条 / 矩阵幂四条路线 / 正交矩阵
- 重点标出分块秩(2018·6、2021·7、2023·5 三次)与矩阵幂大题

第3讲 向量(真题库第11章,8题44分)
- 手册:线性表示三判据 / 相关性八定理 / 极大无关组(只行变换)
  / 等价 r(A)=r(B)=r(A,B) / 施密特 / 基与过渡矩阵(坐标方向相反)
  / 交空间与维数公式
- 试题 18 题(A6/B8/C4),8 道真题全部有骨架对应
- 解析含命题质量报告与薄弱点提示

第4讲 线性方程组(真题库第12章,7题39分)
- 手册:克拉默 / 齐次解空间 n-r / 非齐次解结构 / 判定总表
  / 三平面五种位置关系(含三棱柱)/ 同解与公共解 / 矩阵方程
- 试题 18 题(A6/B8/C4);三平面几何连考3年,单独成两题
- 解析含命题质量报告

配套
- 7 个平板 PDF(考点手册×3、试题答题版×2、解析×2),
  KaTeX 渲染 0 报错 0 残留公式
- 新增 rebuild_la_pdfs.sh 批量重建
- 总览.md 补入三讲的目录树
2026-10-18 22:16:08 +08:00

441 lines
19 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
tags:
- 数学一
- 在学练习
- 线性代数
- 向量
- 考点
专题: 线性代数 第3讲 · 向量(真题库第 11 章)
日期: 2026-10-18
来源: 🟨真题库第 11 章(8 题 44 分)· 🟩参考仓库 linear-algebra/knowledge/3-vector + exercise/3-vector
关联: "[[README]] · [[02-试题]] · [[03-解析]] · [[线性代数-第2讲-矩阵/01-考点手册]]"
---
# 线性代数 第3讲 · 向量 · 考点手册
> **定位**:向量是"**用一组向量去表示另一批向量**"的学问。真题库 **第 11 章**近十年 **8 题 44 分**,热度「常态」,**单选为主**,但 2019·20 出过 11 分大题(基与过渡矩阵)。
> **本讲是第 2 讲与第 4 讲的桥**:线性表示 ⟺ 方程组有解 ⟺ 秩相等。**一句话贯穿全讲**。
> **来源记号**:🟨 真题库 · 🟩 参考仓库 · 🟦 视频讲次。
---
## 0. 本讲定位与学习地图
**一句话概括**:**向量组的一切问题,都翻译成矩阵的秩**。
```
向量组 α1..αs(排成矩阵的列)
│
├──► 线性表示:β 能否由 α 组表示 ──► r(A)=r(A,β) ──► 方程组有解(第4讲)
│
├──► 线性相关:是否存在非零系数使组合为 0 ──► r(A)<s ──► 齐次方程有非零解
│
├──► 秩与极大无关组:r(A) ──► 主元列
│
├──► 等价:可互相表示 ──► r(A)=r(B)=r(A,B)
│
├──► 内积/正交/施密特 ──► 规范正交基 ──► 正交矩阵(第2讲)─► 正交变换(第6讲)
│
└──► 基/维数/坐标/过渡矩阵 ──► 坐标变换(2019·20 大题)
```
**六条主线与真题对应**
| 主线 | 核心结论 | 真题落点 |
|---|---|---|
| 线性表示 | $r(A)=r(A,\beta)$ | 2020·6、2023·7、2023·15 |
| 线性相关 | $r(A)<s$ | 2024·6 |
| 秩与极大无关组 | 行变换 + 主元列 | 2017·13 |
| 向量组等价 | $r(A)=r(B)=r(A,B)$ | 2022·7 |
| 施密特正交化 | 正交化 + 单位化 | 2021·6 |
| 基与过渡矩阵 | $(新)=(旧)C$ | 2019·20 |
---
## 1. 向量与向量组
### 1.1 基本概念
$n$ 维向量 $\alpha=(a_1,a_2,\cdots,a_n)^{\mathrm T}$ 是**列向量**(本章默认列向量)。线性运算按分量进行。
**向量组**:同维数的若干个向量构成的集合 $A:\alpha_1,\alpha_2,\cdots,\alpha_s$ 。
### 1.2 向量组的矩阵表示(第一个关键动作)
把 $s$ 个 $n$ 维**列**向量拼成 $n\times s$ 矩阵:
$$A=(\alpha_1,\alpha_2,\cdots,\alpha_s).$$
于是:
- 向量组的**秩**就是 $r(A)$ ;
- "$\beta$ 可由 $\alpha$ 组表示"就是"$Ax=\beta$ 有解";
- "$\alpha$ 组线性相关"就是"$Ax=0$ 有非零解"。
> ⚠️ **方向别搞反**:$s$ 个 $n$ 维**列**向量拼成的是 $n\times s$ (**行数 = 维数,列数 = 向量个数**)。若拼成行向量矩阵($s\times n$ ),则要转置过来、结论对偶。考场上**统一拼成列**最省事。
---
## 2. 线性表示
### 2.1 定义
若存在数 $k_1,\cdots,k_s$ 使
$$\beta=k_1\alpha_1+k_2\alpha_2+\cdots+k_s\alpha_s,$$
则称 $\beta$ 可由 $\alpha_1,\cdots,\alpha_s$ **线性表示**(线性表出)。
### 2.2 三个等价判据(必须背成条件反射)
$$\boxed{\beta\ \text{可由}\ \alpha_1,\cdots,\alpha_s\ \text{表示}\iff Ax=\beta\ \text{有解}\iff r(A)=r(A,\beta)}$$
其中 $A=(\alpha_1,\cdots,\alpha_s)$ ,$(A,\beta)$ 是**增广矩阵**。
**三种情形的精确判据**(设 $A$ 为 $n\times s$ ):
| 情形 | 秩条件 | 方程组语言 |
|---|---|---|
| **不能**表示 | $r(A)\neq r(A,\beta)$ (此时 $r(A,\beta)=r(A)+1$ ) | 无解 |
| 可表示且**表示法唯一** | $r(A)=r(A,\beta)=s$ | 唯一解 |
| 可表示且**表示法不唯一** | $r(A)=r(A,\beta)<s$ | 无穷多解 |
> **为什么"唯一"要求 $=s$ **:系数个数是 $s$ ,方程组的系数矩阵列满秩($r=s$ )才能约束住每一个系数。
### 2.3 表示式与矩阵乘法的统一视角
设 $B=(\beta_1,\cdots,\beta_t)$ ,则
$$B=AC\iff \text{每个}\ \beta_j\ \text{都可由}\ \alpha\ \text{组表示},$$
其中 $C$ 的第 $j$ 列就是 $\beta_j$ 的表示系数。**这条是"向量组相互表示"的矩阵语言**,第 5 节判定等价时直接用。
**推论**(极常用):
$$B=AC\ \Longrightarrow\ r(B)\le r(A).$$
即"**被表示的组,秩不超过表示的组**"——因为 $B$ 的每一列都落在 $A$ 的列空间里。
### 2.4 常用结论
1. **零向量可被任何向量组表示**(取全 0 系数);
2. 任一 $\alpha_i$ 可被 $\alpha_1,\cdots,\alpha_s$ 表示(取 $e_i$ );
3. 若 $\beta$ 可由 $\alpha$ 组表示,且每个 $\alpha_i$ 可由 $\gamma$ 组表示,则 $\beta$ 可由 $\gamma$ 组表示(**传递性**);
4. $\beta$ 可由 $\alpha_1,\cdots,\alpha_s$ 表示 ⟺ $\alpha_1,\cdots,\alpha_s,\beta$ 与 $\alpha_1,\cdots,\alpha_s$ **等价**(秩相同且后者的组能被前者表示…实际判据见 §5)。
---
## 3. 线性相关与线性无关
### 3.1 定义
若存在**不全为零**的数 $k_1,\cdots,k_s$ 使
$$k_1\alpha_1+k_2\alpha_2+\cdots+k_s\alpha_s=0,$$
则称 $\alpha_1,\cdots,\alpha_s$ **线性相关**;否则(只有全零系数才成立)称**线性无关**。
> **语义**:线性相关 = 组里**有冗余**(至少一个向量是"多余的");线性无关 = 每个向量都**不可替代**。
### 3.2 三个等价判据
设 $A=(\alpha_1,\cdots,\alpha_s)$ 为 $n\times s$ :
$$\boxed{\alpha_1,\cdots,\alpha_s\ \text{线性相关}\iff r(A)<s\iff Ax=0\ \text{有非零解}}$$
$$\boxed{\text{线性无关}\iff r(A)=s\iff Ax=0\ \text{只有零解}}$$
**特别地**($s=n$ 时,方阵):
$$\alpha_1,\cdots,\alpha_n\ \text{线性无关}\iff\lvert A\rvert\neq0.$$
> ⚠️ **只有向量个数 = 维数时才能用行列式**。$n$ 维空间里给 $n+1$ 个向量,不用算行列式,直接判"**必相关**"。
### 3.3 八条定理(选择题与证明题的全部弹药)
1. **含零向量必相关**($0$ 的系数取 1,其余取 0);
2. **单个向量**:$\alpha$ 相关 ⟺ $\alpha=0$ ;
3. **两个向量**:$\alpha,\beta$ 相关 ⟺ 对应分量成比例(共线);
4. **部分相关 ⟹ 整体相关**;等价地,**整体无关 ⟹ 部分无关**;
5. **延长无关、截短相关**:无关向量组每个向量**增加**分量后仍无关;相关向量组**减少**分量后仍相关。(同一个线性关系逐分量成立)
6. **个数超过维数必相关**:$m$ 个 $n$ 维向量,若 $m>n$ 则必相关;
7. **"多"被"少"表示则相关**:若 $\alpha_1,\cdots,\alpha_s$ 可由 $\beta_1,\cdots,\beta_t$ 表示,且 $s>t$ ,则 $\alpha$ 组**必相关**;
8. **替换定理**:若 $\alpha_1,\cdots,\alpha_s$ 无关,而 $\alpha_1,\cdots,\alpha_s,\beta$ 相关,则 $\beta$ 可由 $\alpha_1,\cdots,\alpha_s$ **唯一**表示。
> **第 5 条最容易反着记**:**"无关"是"抗延长"的**——在低维无关,加上分量后依然无关;反过来,**相关是"抗截短"的**。
> 口诀:**无关可以"加",相关可以"减"**。
> **第 7 条的本质**:$r(\alpha)\le r(\beta)\le t<s$ ,而 $\alpha$ 有 $s$ 个向量,秩小于个数 ⟹ 相关。**这是"维数决定一切"的体现**。
### 3.4 几何直观(三维,帮助记忆与秒判)
| 个数 | 无关的几何含义 | 相关时 |
|---|---|---|
| 1 个 | 非零向量 | 零向量 |
| 2 个 | 不共线 | 共线(成比例) |
| 3 个 | **不共面** | 共面(含共线情形) |
| 4 个及以上 | 在 $\mathbb R^3$ 中**不可能** | 必相关 |
> 2020·6(直线相交)与 2024·5(三平面)都是把**几何位置关系**翻译成**秩**的题。三维里"三个向量共面 ⟺ 混合积为 0 ⟺ 行列式为 0"。
### 3.5 判定的标准流程
1. **向量个数 ≠ 维数**:个数 $>$ 维数 → 直接判**相关**;个数 $<$ 维数 → 只能算秩;
2. **个数 = 维数**:算行列式,$\neq0$ 无关、$=0$ 相关;
3. **含参数**:算行列式(或化阶梯形),令其为 0 解出参数;
4. **抽象向量组**($\alpha_i$ 的组合):写成 $(\beta_1,\cdots,\beta_s)=(\alpha_1,\cdots,\alpha_s)C$ ,判 $C$ 是否可逆——**这一步是转化为"系数矩阵的行列式"的关键**。
---
## 4. 向量组的秩与极大线性无关组
### 4.1 定义
- **极大线性无关组**:向量组中的部分组,本身线性无关,再添任一向量(原组内的)都变相关;
- **向量组的秩**:极大无关组所含向量的个数,记 $r(\alpha_1,\cdots,\alpha_s)$ ,且它等于 $r(A)$ 。
**两条基本事实**:
1. 秩为 $r$ 的向量组中,**任意 $r$ 个线性无关的向量**都构成极大无关组(不唯一);
2. 原组中**每个向量**都可由极大无关组**唯一**表示。
### 4.2 求法(唯一正确姿势:只作行变换)
1. 把向量**按列**拼成矩阵 $A$ ;
2. 只作**初等行变换**,化为**行阶梯形**;
3. 数非零行数得秩 $r$ ;
4. **主元所在的列号**(第 1、3 列之类)→ 对应**原矩阵**中同序号的向量,即为一个极大无关组。
> ⚠️ **两个致命错误**:
> ① 用**列变换**求列向量组的极大无关组——列变换会**改变列之间的线性关系**,主元列对不上原向量;
> ② 把**变换后的**列向量当成极大无关组——必须回到**原**向量(阶梯形里的列已经被改过了)。
> **对偶记忆**:求**列**向量组的极大无关组用**行**变换;求**行**向量组的极大无关组用**列**变换。("动另一边")
### 4.3 秩与相关性/表示的关系
$$r(\alpha_1,\cdots,\alpha_s)=s\iff\text{线性无关};\qquad r<s\iff\text{线性相关}.$$
$$\beta\ \text{可由}\ \alpha\ \text{组表示}\iff r(\alpha_1,\cdots,\alpha_s)=r(\alpha_1,\cdots,\alpha_s,\beta).$$
$$\text{若}\ \alpha\ \text{组可由}\ \beta\ \text{组表示,则}\ r(\alpha)\le r(\beta).$$
---
## 5. 向量组等价
### 5.1 定义
若向量组 $A$ 中每个向量都可由 $B$ 线性表示,且 $B$ 中每个向量都可由 $A$ 线性表示,则称 $A$ 与 $B$ **等价**,记 $A\cong B$ 。
> **直觉**:等价 = 两组"张成同一个空间"(列空间相同)。
### 5.2 判定定理(三合一)
设 $A=(\alpha_1,\cdots,\alpha_s)$ ,$B=(\beta_1,\cdots,\beta_t)$ ,则
$$\boxed{A\cong B\iff r(A)=r(B)=r(A,B)},$$
其中 $(A,B)$ 是把两组向量**并排拼**成的大矩阵。
**另一条好用的判据**:若 $A$ 可由 $B$ 表示(即存在 $C$ 使 $A=BC$ ),则
$$A\cong B\iff r(A)=r(B).$$
### 5.3 三条性质与一个反例
| 性质 | 说明 |
|---|---|
| 反身、对称、传递 | 等价关系(可放心传递) |
| 等价 ⟹ 秩相等 | 必要条件 |
| 秩相等 **⇏** 等价 | **必须加上"能互相表示"** |
**反例**(2022·7 的核心陷阱):$\alpha_1=(1,0,0)^{\mathrm T}$ 与 $\beta_1=(0,1,0)^{\mathrm T}$ 秩都为 1,但互相**不能**表示,故不等价。判据给出 $r(A,B)=2\neq1$ ,一眼看穿。
---
## 6. 内积、长度与正交
### 6.1 定义与性质
$$(\alpha,\beta)=\alpha^{\mathrm T}\beta=\sum_{i=1}^{n}a_ib_i,\qquad \lVert\alpha\rVert=\sqrt{(\alpha,\alpha)},\qquad \cos\theta=\frac{(\alpha,\beta)}{\lVert\alpha\rVert\,\lVert\beta\rVert}.$$
| 性质 | 式子 |
|---|---|
| 对称 | $(\alpha,\beta)=(\beta,\alpha)$ |
| 线性 | $(k\alpha+\mu\beta,\gamma)=k(\alpha,\gamma)+\mu(\beta,\gamma)$ |
| 正定 | $(\alpha,\alpha)\ge0$ ,等号仅当 $\alpha=0$ |
| Cauchy–Schwarz | $\lvert(\alpha,\beta)\rvert\le\lVert\alpha\rVert\,\lVert\beta\rVert$ |
| 三角不等式 | $\lVert\alpha+\beta\rVert\le\lVert\alpha\rVert+\lVert\beta\rVert$ |
> **内积证秩的样板**:若 $A^{\mathrm T}Ax=0$ ,则 $x^{\mathrm T}A^{\mathrm T}Ax=0$ ,即 $\lVert Ax\rVert^2=0$ ,故 $Ax=0$ 。于是 $A^{\mathrm T}Ax=0$ 与 $Ax=0$ 同解,得 $r(A^{\mathrm T}A)=r(A)$ 。**这个手法在 C 组第 18 题会再练一次。**
### 6.2 正交与正交向量组
- $\alpha\perp\beta\iff(\alpha,\beta)=0$ ;
- **正交向量组(全为非零向量)必线性无关**:设 $\sum k_i\alpha_i=0$ ,两边与 $\alpha_j$ 作内积得 $k_j\lVert\alpha_j\rVert^2=0$ ,故 $k_j=0$ ;
- **反之不成立**:线性无关未必两两正交(如 $(1,0),(1,1)$ )。
> **这条"正交 ⟹ 无关"是施密特正交化合法性的根基**:正交化不改变张成的空间,却把"无关"升级成"正交",从而便于求坐标。
### 6.3 规范正交基
若 $e_1,\cdots,e_r$ 两两正交且都是单位向量,且它们张成子空间 $V$ ,则称其为 $V$ 的**规范正交基**(标准正交基)。
- 判定:$(e_i,e_j)=\delta_{ij}$ ;
- 由规范正交基构成的矩阵 $Q=(e_1,\cdots,e_r)$ 满足 $Q^{\mathrm T}Q=E$ (方阵时即正交矩阵)。
---
## 7. 施密特正交化(2021·6 真题)
### 7.1 两步公式
给定线性无关的 $\alpha_1,\cdots,\alpha_s$ :
**第一步 · 正交化**
$$\beta_1=\alpha_1,\qquad \beta_2=\alpha_2-\frac{(\alpha_2,\beta_1)}{(\beta_1,\beta_1)}\beta_1,$$
$$\beta_3=\alpha_3-\frac{(\alpha_3,\beta_1)}{(\beta_1,\beta_1)}\beta_1-\frac{(\alpha_3,\beta_2)}{(\beta_2,\beta_2)}\beta_2,$$
一般地
$$\beta_k=\alpha_k-\sum_{j=1}^{k-1}\frac{(\alpha_k,\beta_j)}{(\beta_j,\beta_j)}\beta_j.$$
**第二步 · 单位化**
$$e_k=\frac{\beta_k}{\lVert\beta_k\rVert}\qquad(k=1,\cdots,s).$$
### 7.2 计算流程与自检
1. **先判无关**(相关的话 $(\beta_j,\beta_j)$ 可能为 0,公式失效);
2. 按顺序算 $\beta_1\to\beta_2\to\cdots$ ,**每一项都要减掉"对前面所有 $\beta$ 的投影"**(漏减一项就前功尽弃);
3. **自检**:算完后必须验 $(\beta_i,\beta_j)=0\ (i\neq j)$ ;
4. 单位化时**只除长度,不改方向**。
### 7.3 三类典型错误
| 错误 | 后果 |
|---|---|
| 减投影时只用 $\alpha$ 与 $\beta_1$ 的内积,漏了 $\beta_2$ | $\beta_3$ 与 $\beta_2$ 不正交 |
| 分母写成 $(\beta_j,\beta_j)$ 却代成 $\lVert\beta_j\rVert$ | 结果差一个平方,必须重算 |
| 先单位化再正交化 | 顺序错了,公式里要用的是"未单位化的 $\beta$ " |
> **考法**:2021·6 是单选,给了三个向量问正交化后的结果(或问某个系数)。**选择题可以直接用"正交 ⟹ 内积为 0"反验选项**,不必全算。
---
## 8. 向量空间、基、坐标与过渡矩阵(2019·20 大题)
### 8.1 向量空间与子空间
- **向量空间**:对加法与数乘封闭的非空向量集合(必含零向量);
- **子空间**:$V$ 的非空子集,对加法与数乘封闭;
- **由向量组张成的子空间**:$L(\alpha_1,\cdots,\alpha_s)=\{k_1\alpha_1+\cdots+k_s\alpha_s\}$ ,其维数 $=r(\alpha_1,\cdots,\alpha_s)$ 。
### 8.2 基、维数、坐标
若 $\alpha_1,\cdots,\alpha_r$ 是 $V$ 的一组**基**,则 $V$ 中任一向量 $\beta$ 可**唯一**表示为
$$\beta=x_1\alpha_1+\cdots+x_r\alpha_r,$$
称 $(x_1,\cdots,x_r)^{\mathrm T}$ 为 $\beta$ 在该基下的**坐标**。求坐标 = **解线性方程组** $Ax=\beta$ 。
> $\dim V=r$ ;$\mathbb R^n$ 的标准基 $\varepsilon_1,\cdots,\varepsilon_n$ 下坐标就是分量本身。
### 8.3 过渡矩阵(本章唯一的大题考点)
设 $(\alpha_1,\cdots,\alpha_n)$ 与 $(\varepsilon_1,\cdots,\varepsilon_n)$ 是同一空间的两组基,若
$$(\alpha_1,\cdots,\alpha_n)=(\varepsilon_1,\cdots,\varepsilon_n)\,C,$$
则 $C$ 称为从基 $\varepsilon$ 到基 $\alpha$ 的**过渡矩阵**。
**三条要点**:
1. $C$ 的**第 $j$ 列**是 $\alpha_j$ 在**旧基** $\varepsilon$ 下的坐标;
2. $C$ **必可逆**(两组基都是极大无关组,$C$ 的行列式 $\neq0$ );
3. **方向**:从 $\varepsilon$ 到 $\alpha$ 是 $C$ ;从 $\alpha$ 到 $\varepsilon$ 是 $C^{-1}$ 。
### 8.4 坐标变换公式
同一向量 $\beta$ 在两组基下的坐标 $x_\varepsilon$ 与 $x_\alpha$ 满足
$$\boxed{x_\varepsilon=C\,x_\alpha,\qquad x_\alpha=C^{-1}x_\varepsilon.}$$
> **记忆**:**坐标的变换方向与基的变换方向相反**(基"往前走"用 $C$ ,坐标"往后退"用 $C^{-1}$ )——这是 2019·20 最爱设的坑。
### 8.5 子空间的交与和(2023·7 真题)
设 $V_1=L(\alpha_1,\cdots,\alpha_s)$ ,$V_2=L(\beta_1,\cdots,\beta_t)$ :
- **和**:$V_1+V_2=L(\alpha_1,\cdots,\alpha_s,\beta_1,\cdots,\beta_t)$ ,故
$$\dim(V_1+V_2)=r(A,B);$$
- **交**:$\gamma\in V_1\cap V_2\iff\gamma=Ax=By$ 有解 ⟺ 解齐次方程组 $(A,-B)\binom{x}{y}=0$ ,取其非零解回代即得交空间的基;
- **维数公式**:
$$\boxed{\dim(V_1+V_2)=\dim V_1+\dim V_2-\dim(V_1\cap V_2)}.$$
> **快速判断**:在 $\mathbb R^3$ 中两个过原点的平面(各 2 维),若 $r(A,B)=3$ 则交于一条直线($2+2-3=1$ );若 $r(A,B)=2$ 则两平面重合(交为 2 维)。
---
## 9. 十年真题落点地图(🟨 第 11 章 8 题 44 分)
| 年份·题号 | 题型 | 分值 | 考点 | 本手册节 |
|---|---|---|---|---|
| 2017·13 | 填空 | 4 | 向量组的秩 | §4.2 |
| 2019·20 | 解答 | 11 | **基与过渡矩阵** | §8.3 / §8.4 |
| 2020·6 | 单选 | 4 | 直线相交与向量线性表示 | §2.2 / §3.4 |
| 2021·6 | 单选 | 5 | **施密特正交化** | §7 |
| 2022·7 | 单选 | 5 | **向量组等价** | §5.2 |
| 2023·7 | 单选 | 5 | 线性表示(**交空间**) | §8.5 |
| 2023·15 | 填空 | 5 | 向量内积与线性组合 | §6.1 |
| 2024·6 | 单选 | 5 | **向量组线性相关性** | §3.2 / §3.5 |
**分布规律**:
- **7 题选填(33 分)+ 1 题大题(11 分)**;选填里"判定类"(相关、等价、表示)占绝对多数;
- **2022 起年年有题**(2022、2023 两次、2024),热度在上升;
- **交空间(2023·7)是新提法**,本质仍是"两个向量组能否互相表示",但叠加了子空间的几何语言;
- 大题只在 2019 出过一次(过渡矩阵),**属于"低频但一旦考就是 11 分"**,不能放弃。
---
## 10. 速查卡 · 陷阱清单
### 10.1 速记十条
1. **一律按列拼矩阵**:$n$ 维、$s$ 个 → $n\times s$ ;
2. 可表示 ⟺ $r(A)=r(A,\beta)$ ;唯一 ⟺ 再 $=s$ ;
3. 相关 ⟺ $r(A)<s$ ;无关 ⟺ $r(A)=s$ ;
4. 个数 $>$ 维数 → **必相关**;$s=n$ 时才看行列式;
5. **无关可加(延长),相关可减(截短)**;
6. 整体无关 ⟹ 部分无关;部分相关 ⟹ 整体相关;
7. 极大无关组:**只作行变换,取主元列,回到原向量**;
8. 等价 ⟺ $r(A)=r(B)=r(A,B)$ ;**秩相等不够**;
9. 正交(非零)⟹ 无关;施密特 = 逐项减投影 + 单位化;
10. 过渡矩阵的列 = **新基在旧基下的坐标**;坐标变换用 $C^{-1}$ (方向相反)。
### 10.2 高频陷阱
| 陷阱 | 正确做法 |
|---|---|
| 求极大无关组时用了列变换 | 只能用**行**变换 |
| 把阶梯形里的列当答案 | 取**原矩阵**中同序号列 |
| 用 `r(A)=r(B)` 判等价 | 还要 $r(A,B)=r(A)$ |
| 认为"线性相关"就"每个向量都能被其余表示" | 只保证**存在某个**能被表示 |
| 用行列式判 $n+1$ 个 $n$ 维向量 | 直接判相关,不用算 |
| 施密特时漏减前面某个 $\beta_j$ | 每一项要减**全部**前面的投影 |
| 分母用 $\lVert\beta_j\rVert$ | 用 $(\beta_j,\beta_j)$ |
| 过渡矩阵方向搞反 | 从 $\varepsilon$ 到 $\alpha$ 是 $C$ ,坐标用 $C^{-1}$ |
| 认为"正交向量组"可以有零向量 | 零向量与任何向量正交,但正交组必须**全非零**才无关 |
| 坐标变换与基变换同方向 | **相反** |
---
> **下一步**:开做 [[02-试题]](18 题,约 95 分钟)。做完对 [[03-解析]]。