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

19 KiB
Raw Blame History

tags, 专题, 日期, 来源, 关联
tags 专题 日期 来源 关联
数学一
在学练习
线性代数
向量
考点
线性代数 第3讲 · 向量(真题库第 11 章) 2026-10-18 🟨真题库第 11 章(8 题 44 分)· 🟩参考仓库 linear-algebra/knowledge/3-vector + exercise/3-vector 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。