0. 前言在线性代数的复习中理解“初等行变换不改变向量组间的线性关系”是处理向量组等价、线性表示等问题的基石。本篇博文梳理了向量组判别、施密特正交化、特殊矩阵性质以及矩阵秩的深层联系。1. 向量组的等价性与线性关系1.1 初等行变换的核心性质核心结论初等行变换不改变列向量组之间的线性关系。1.2 判别向量组α\alphaα和β\betaβ不等价的题型思路在解题中若要证明两个向量组不等价可从以下两个切入点分析秩的视角- 设A(α1,α2,α3)A (\alpha_1, \alpha_2, \alpha_3)A(α1​,α2​,α3​)B(β1,β2,β3)B (\beta_1, \beta_2, \beta_3)B(β1​,β2​,β3​)。若在不同xxx值取值下r(A)≠r(B)r(A) \neq r(B)r(A)r(B)则两向量组必然不等价。线性表示视角若AAA中的某一行或向量无法由BBB的任意行或向量线性表示则AAA与BBB不等价。2. 向量组的施密特Schmidt正交规范化当我们需要将一组线性无关的向量组化为标准正交基时采用以下步骤2.1 正交化设原始向量组为α1,α2,…\alpha_1, \alpha_2, \dotsα1​,α2​,…β1α1\beta_1 \alpha_1β1​α1​β2α2−(α2,β1)(β1,β1)β1\beta_2 \alpha_2 - \frac{(\alpha_2, \beta_1)}{(\beta_1, \beta_1)} \beta_1β2​α2​−(β1​,β1​)(α2​,β1​)​β1​补充β3α3−(α3,β1)(β1,β1)β1−(α3,β2)(β2,β2)β2\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_2β3​α3​−(β1​,β1​)(α3​,β1​)​β1​−(β2​,β2​)(α3​,β2​)​β2​2.2 规范化单位化将得到的正交向量组进行长度归一化η1β1∥β1∥\eta_1 \frac{\beta_1}{\|\beta_1\|}η1​∥β1​∥β1​​η2β2∥β2∥\eta_2 \frac{\beta_2}{\|\beta_2\|}η2​∥β2​∥β2​​3. 行列式计算技巧与重要思想3.1 分块矩阵行列式重要思想分块与拆解对于mmm阶方阵AAA和nnn阶方阵BBB∣0AB0∣(−1)mn∣A∣∣B∣\begin{vmatrix} 0 A \\ B 0 \end{vmatrix} (-1)^{mn} |A||B|​0B​A0​​(−1)mn∣A∣∣B∣3.2 对角矩阵的几何与代数性质几何直观对角矩阵相对于坐标轴做缩放伸缩或放大。例如(2004)\begin{pmatrix} 2 0 \\ 0 4 \end{pmatrix}(20​04​)表示对xxx轴放大 2 倍对yyy轴放大 4 倍。代数性质对角矩阵满足乘法交换律即Λ1Λ2Λ2Λ1\Lambda_1 \Lambda_2 \Lambda_2 \Lambda_1Λ1​Λ2​Λ2​Λ1​。3.3 常用矩阵恒等式(AE)(A−E)A2−E(AE)(A-E) A^2 - E(AE)(A−E)A2−EAmAkAmkAkAmA^m A^k A^{mk} A^k A^mAmAkAmkAkAm4. 特殊矩阵与伴随矩阵的秩4.1 反对称矩阵定义AT−AA^T -AAT−A。补充要点若AAA为奇数阶反对称矩阵则∣A∣0|A| 0∣A∣0。4.2 伴随矩阵A∗A^*A∗的秩定理这是线性代数中的高频考点务必熟记r(A∗){n,r(A)n 1,r(A)n−1 0,r(A)n−1r(A^*) \begin{cases} n, r(A) n \ 1, r(A) n-1 \ 0, r(A) n-1 \end{cases}r(A∗){n,​r(A)n1,​r(A)n−10,​r(A)n−1​5. 核心方法论AB0AB0AB0的深度转化5.1 视角转换当遇到AB0AB0AB0时应将其看作齐次线性方程组Ax0Ax0Ax0。结论BBB的每一个列向量都是Ax0Ax0Ax0的解向量。5.2 秩的约束关系基于解空间的维数基础解系所含向量个数为n−r(A)n-r(A)n−r(A)可以推导出r(B)≤nA−r(A)r(B) \le n_A - r(A)r(B)≤nA​−r(A)注其中nAn_AnA​为矩阵AAA的列数。6. 总结本笔记通过对向量组等价性、正交化、分块行列式及AB0AB0AB0逻辑的梳理构建了从基础计算到深层秩关系的知识网络。在处理复杂题目时“将矩阵相乘转化为方程组解”的这种思维方式是提升解题速度的关键。