【线性代数笔记】秩、线性相关性与等价向量组的核心逻辑总结

博主简介05后理工男CSDN 技术博主。目前正在攻读计算机专业同步复习 408 及数学基础。笔记说明本文为线性代数关于“秩”与“向量组相关性”的学习笔记重点记录了判定方法与核心定理。一、 线性表示与方程组解的判定方法总结在处理“向量β\betaβ能否由向量组α1,α2,α3\alpha_1, \alpha_2, \alpha_3α1​,α2​,α3​线性表示”的问题时本质是研究非齐次线性方程组的解。设矩阵A(α1,α2,α3,β)A (\alpha_1, \alpha_2, \alpha_3, \beta)A(α1​,α2​,α3​,β)其中nnn为已知向量α1,α2,α3\alpha_1, \alpha_2, \alpha_3α1​,α2​,α3​的个数即n3n3n3。 核心判定逻辑看表象抓本质根据阶梯化简后的秩r(A)r(A)r(A)我们可以直接得出结论无解无法表示若r(A)nr(A) nr(A)n即增广矩阵的秩大于系数矩阵的秩。注看表象若出现0d0 d0d(非零) 的行则无解。唯一解唯一表示若r(A)nr(A) nr(A)n。注满秩无自由变量此时系数是唯一的。无穷多解多种表示方式若r(A)nr(A) nr(A)n。注先定自由项通过自由变量的取值可以构造出无数种表示组合。二、 关于“秩”的核心定理定理 1线性无关与基底若向量组α1,α2,α3\alpha_1, \alpha_2, \alpha_3α1​,α2​,α3​线性无关则其构成的矩阵的秩r(A)≠0r(A) \neq 0r(A)0具体到n3n3n3时r(A)3r(A)3r(A)3。方法论补充此时α1,α2,α3\alpha_1, \alpha_2, \alpha_3α1​,α2​,α3​可看作该空间的基底空间内任意nnn维向量均可由其唯一线性表示。定理 2维数约束向量个数大于总行数必线性相关。即在一个mmm维空间中如果有nnn个向量且nmn mnm这组向量一定“挤不下”必然存在冗余。定理 3转置与秩矩阵的秩 行秩 列秩。公式表示r(AT)r(A)r(A^T) r(A)r(AT)r(A)。三、 向量组的等价 (Equivalent Vector Groups)定理 4等价的定义与判定定义向量组AAA与BBB等价⟺ \iff⟺AAA能由BBB线性表示且BBB也能由AAA线性表示。判定方法秩的视角向量组A,B等价 ⟺ r(A)r(B)r(A,B)向量组 A, B 等价 \iff r(A) r(B) r(A, B)向量组A,B等价⟺r(A)r(B)r(A,B)这里(A,B)(A, B)(A,B)表示由两个向量组共同构成的矩阵。四、 进阶极大无关组的求法这里补充具体的工程化操作步骤适合编程实现构造矩阵将向量作为“列”构成矩阵。初等行变换将其化为行最简形RREF。注意必须是行变换不能改变列向量之间的线性关系。确定位置主元每一行第一个非零元所在的列即为原向量组的一个极大无关组。表示其余向量行最简形中其余列的系数即为该列向量由极大无关组表示的线性组合系数。 今日学习思维导图回顾线性表示中的未知数问题研究r(A)r(A)r(A)与nnn的关系。秩的概念理解矩阵的“硬度”有效信息量。极大无关组从冗余信息中提取最精简的基底。等价向量组空间覆盖能力相同的不同表述方式。考研复习是一场苦修但脚踏实地走过的每一步都是你最坚固的护城河。如果今天的复盘对你有启发欢迎一键三连点赞、收藏、评论)支持一下