【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n=3n=3n=3）。
💡 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0=d0 = d0=d(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n=3n=3n=3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n>mn > mn>m，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！