线性代数期末 · 向量组与方程组
这张图讲什么
「线性代数期末 · 向量组与方程组」是 SeekFlaw 编辑团队整理的思维导图,分 6 个一级分支:线性表示与线性相关、向量组的秩与极大无关组、线性方程组解的判定、齐次方程组与基础解系、非齐次方程组的通解、向量空间,共 49 个节点、48 张记忆卡。
本图覆盖同济《线性代数》向量组与线性方程组部分:线性表示与线性相关、向量组的秩与极大无关组、方程组有解的秩判据、齐次方程组的基础解系、非齐次方程组的通解结构、向量空间的基与坐标。建议顺序:先看线性相关与秩,再学方程组的判定与通解,最后看向量空间。配套图:线性代数期末 · 行列式与矩阵、线性代数期末 · 特征值与二次型。
5 个要点
- 线性表示与线性相关:向量组的线性相关性是全章的基础。
- 向量组的秩与极大无关组:秩是向量组里线性无关向量个数的最大值。
- 线性方程组解的判定:用系数矩阵与增广矩阵的秩判断无解、唯一解、无穷多解。
- 齐次方程组与基础解系
- 非齐次方程组的通解:通解 = 一个特解 + 对应齐次方程组的通解。
适用:大学期末复习。用法:点开任一节点先自己答,再翻面核对。
更新于
一句话:这张图把「线性代数期末 · 向量组与方程组」整理成 49 个节点、48 张记忆卡;点开节点翻面就能看答案。
覆盖向量组的线性相关性、秩与极大无关组、线性方程组解的判定、基础解系与通解结构、向量空间的基与坐标,适合期末复习,带自编小例题。点开任一节点翻面看答案,登录后可存进自己的空间,按遗忘曲线复习。
SeekFlaw 求瑕是面向初中、高中、考研、考公考前速记的思维导图与记忆卡平台:把课件、讲义变成思维导图,节点翻面就是记忆卡,按遗忘曲线安排复习。
49 个节点 · 48 张记忆卡。作者:SeekFlaw 编辑团队;发布于 2026-11-17。
先看这 3 条
- 线性组合与线性表示的判定:向量 $b$ 可由向量组 $a_1,\dots,a_m$ 线性表示,是指 存在数 $k_1,\dots,k_m$ 使 $b=k_1a_1+\cdots+k_ma_m$;它等价于方…
- 线性方程组的三种写法:方程组可写成矩阵形式 $Ax=b$,也可写成向量形式 $x_1a_1+x_2a_2+\cdots+x_na_n=b$($a_j$ 是 $A$ 的第 $j$ 列);所以 $Ax=b…
- 向量空间的定义与判定:$\mathbb R^n$ 的非空子集 $V$ 对加法和数乘都封闭 ,称为向量空间。
线性表示与线性相关
- 线性组合与线性表示的判定:向量 $b$ 可由向量组 $a_1,\dots,a_m$ 线性表示,是指 存在数 $k_1,\dots,k_m$ 使 $b=k_1a_1+\cdots+k_ma_m$;它等价于方程组 $Ax=b$ 有解($A=(a_1,\dots,a_m…
- 向量组 B 可由向量组 A 表示与矩阵方程:设 $A=(a_1,\dots,a_m)$,$B=(b_1,\dots,b_l)$,向量组 $B$ 可由 $A$ 线性表示,等价于矩阵方程 $AK=B$ 有解($K$ 为 $m\times l$, 各列是表示系数 ),也等价于 $R(A)…
- 个数更多的向量组被表示时必线性相关:若向量组 $B$($l$ 个向量)可由向量组 $A$($m$ 个向量)线性表示,且 $l\gt m$,则 $B$ 线性相关;等价地,线性无关的向量组 不能由个数更少的向量组表示 。 步骤 :$R(B)\le R(A)\le m\lt l$…
- 向量组等价与秩的关系:向量组 $A$ 与 $B$ 互相可以线性表示 称等价;等价的充要条件是 $R(A)=R(B)=R(A,B)$。若 $B$ 可由 $A$ 线性表示,则 $R(B)\le R(A)$。 例 $A$:$(1,0)^T,(0,1)^T$;$B$:…
- 线性相关与线性无关的定义:若存在 不全为零 的数 $k_1,\dots,k_m$ 使 $k_1a_1+\cdots+k_ma_m=0$,则向量组线性相关;若这个式子只在 $k_1=\cdots=k_m=0$ 时成立,则线性无关。 易错 :「不全为零」 不是「全不为…
- 用秩判别向量组的线性相关性:设 $A=(a_1,\dots,a_m)$,则向量组线性相关 $\Leftrightarrow$ $Ax=0$ 有非零解 $\Leftrightarrow$ $R(A)\lt m$;线性无关 $\Leftrightarrow$ $R(A)…
- 线性相关的等价刻画:$m\ge2$ 个向量线性相关,当且仅当其中 至少有一个 向量可由其余向量线性表示。 易错 :是「至少有一个」, 不是「每一个」 都能被其余的表示。 例 $(1,0)^T,(2,0)^T,(0,1)^T$ 线性相关($(2,0)^T=2(…
- $n$ 个 $n$ 维向量的无关判别:$n$ 个 $n$ 维向量 $a_1,\dots,a_n$ 线性无关 $\Leftrightarrow$ 行列式 $|a_1,\dots,a_n|\ne0$;线性相关 $\Leftrightarrow$ 该行列式为 0。 例 $a_1=(…
- 向量个数多于维数必线性相关:$m\gt n$ 时,$m$ 个 $n$ 维向量 一定线性相关 。 步骤 :$A$ 是 $n\times m$ 矩阵,$R(A)\le n\lt m$,所以 $Ax=0$ 有非零解。 例 $\mathbb R^2$ 中的 3 个向量 $(…
- 部分组与整体、延长组的相关性:若部分向量线性相关,则整个向量组线性相关;整个向量组线性无关,则 任一部分组也线性无关 。对线性无关的向量组每个向量都添加同样位置的分量( 延长组 )仍线性无关;对线性相关的向量组去掉分量( 缩短组 )仍线性相关。 例 $(1,2)^T,…
- 无关组加一个向量后相关的结论:若 $a_1,\dots,a_m$ 线性无关,而 $a_1,\dots,a_m,b$ 线性相关,则 $b$ 可由 $a_1,\dots,a_m$ 线性表示,且 表示式唯一 。 例 $a_1=(1,0)^T$,$a_2=(0,1)^T$ 无…
- 用定义证明向量组线性无关:设 $k_1b_1+\cdots+k_mb_m=0$,把 $b_i$ 用已知无关的向量组表示,令各向量的系数为零,得到关于 $k_i$ 的方程组,若 只有零解 则无关。 例 $a_1,a_2,a_3$ 线性无关,证 $b_1=a_1+a_…
向量组的秩与极大无关组
- 极大线性无关组与向量组的秩:向量组 $A$ 中若有 $r$ 个 线性无关的向量 $a_1,\dots,a_r$,且其余向量都可由它们线性表示,则称其为极大无关组,$r$ 称为 $A$ 的秩。矩阵的秩等于它的列向量组的秩,也等于行向量组的秩。 区分 :极大无关组 一般…
- 求极大无关组并表示其余向量:把列向量组排成矩阵,只做 初等行变换 化成行最简形; 主元所在列 对应的原向量组成极大无关组,其余列的系数就是表示系数。 例 $A=\begin{pmatrix}1&2&3&1\\0&1&1&1\\1&0&1&-1\end{pmatrix…
- 含参数时向量组何时线性相关:$n$ 个 $n$ 维向量线性相关当且仅当它们组成的行列式为 0,所以 令行列式等于零 解出参数即可。 例 $a_1=(1,1,1)^T$,$a_2=(1,2,3)^T$,$a_3=(1,3,t)^T$:$\begin{vmatrix}1…
- 两个向量组合并后的秩的范围:设向量组 ${A,B}$, 合并成 $(A,B)$ 后有 $\max\{R(A),R(B)\}\le R(A,B)\le R(A)+R(B)$。 例 $A=\{(1,0)^T\}$,$B=\{(0,1)^T\}$:$R(A,B)=2=1+…
- $R(A^TA)=R(A)$(实矩阵):$A$ 为 实矩阵 时 $R(A^TA)=R(A)$。 步骤 :若 $Ax=0$ 则 $A^TAx=0$;反之 $A^TAx=0$ 两边左乘 $x^T$ 得 $(Ax)^T(Ax)=0$,实向量模为零则 $Ax=0$。两个方程组同解,所以…
- 矩阵和与乘积的秩不等式:矩阵和的秩 不超过两者秩的和 ,乘积的秩不超过两者秩的 较小者 :$R(A+B)\le R(A)+R(B)$,$R(AB)\le\min\{R(A),R(B)\}$。 例 $A=\begin{pmatrix}1&0\\0&0\end{pm…
线性方程组解的判定
- 线性方程组的三种写法:方程组可写成矩阵形式 $Ax=b$,也可写成向量形式 $x_1a_1+x_2a_2+\cdots+x_na_n=b$($a_j$ 是 $A$ 的第 $j$ 列);所以 $Ax=b$ 有解 $\Leftrightarrow$ $b$ 可由 …
- 非齐次方程组 $Ax=b$ 的解的判定:设 $A$ 为 $m\times n$,未知量个数为 $n$: 无解 $\Leftrightarrow$ $R(A)\lt R(A,b)$; 有唯一解 $\Leftrightarrow$ $R(A)=R(A,b)=n$; 有无穷多解 $\…
- 齐次方程组何时有非零解:$Ax=0$ 一定有零解 ;只有零解 $\Leftrightarrow$ $R(A)=n$;有非零解 $\Leftrightarrow$ $R(A)\lt n$。方程个数小于未知量个数($m\lt n$)时 一定有非零解 ;$A$ 是方阵…
- 对任意 $b$ 都有解的条件:$A$ 为 $m\times n$ 矩阵,$Ax=b$ 对任意 $b\in\mathbb R^m$ 都有解 $\Leftrightarrow$ $R(A)=m$( 行满秩 )。 例 $A=\begin{pmatrix}1&0&1\\0&1…
- 用增广矩阵化阶梯形判断解的情况:对 $(A\mid b)$ 做初等行变换化成行阶梯形:出现 $0=d\ (d\ne0)$ 的行 则无解 ;否则看非零行数 $r$ 与未知量个数 $n$ 比较。 例 $\begin{cases}x+2y=3\\2x+4y=7\end{cas…
- 含参数方程组解的讨论:$\lambda x+y+z=1,\ x+\lambda y+z=1,\ x+y+\lambda z=1$ 的系数行列式为 $(\lambda+2)(\lambda-1)^2$:$\lambda\ne1,-2$ 时有唯一解;$\lambd…
齐次方程组与基础解系
- 齐次方程组解的结构:$Ax=0$ 的解集是向量空间( 解空间 ):若 $\xi_1,\xi_2$ 是解,则 $k_1\xi_1+k_2\xi_2$ 也是解。解空间的一个基称为基础解系,通解是 $x=k_1\xi_1+\cdots+k_{n-r}\xi_{n-…
- 求基础解系的步骤与例:化 $A$ 为行最简形,把 非主元列 对应的未知量作 自由未知量 ,分别取一个为 1、其余为 0,解出主元未知量,得到各个基础解向量。 例 $x_1+2x_2+x_4=0,\ x_3+x_4=0$:自由未知量 $x_2,x_4$。取 $(…
- 基础解系中向量的个数与判定:基础解系含 $n-R(A)$ 个向量;一组向量是基础解系需 同时满足 :都是 $Ax=0$ 的解、线性无关、个数为 $n-R(A)$。 例 $x_1+x_2+x_3=0$ 的 $R(A)=1$,$n=3$,基础解系含 2 个向量,如 $(…
- $AB=O$ 与基础解系:若 $A_{m\times n}B_{n\times l}=O$( 零矩阵 ),则 $B$ 的 每个列向量都是 $Ax=0$ 的解,所以这些列向量组成的向量组秩不超过解空间的维数,因而 $R(B)\le n-R(A)$,即 $R(A)+R…
- $R(A)=n-1$ 时 $A^*$ 的列是解:$A$ 为 $n$ 阶方阵,$R(A)=n-1$ 时 $AA^*=|A|E=O$,所以 $A^*$ 的 非零列 是 $Ax=0$ 的解,也构成基础解系(基础解系 只含 1 个向量 )。 例 $A=\begin{pmatrix}1&1\\1…
非齐次方程组的通解
- 非齐次方程组的解的结构:$Ax=b$ 的通解是 $x=\eta^*+k_1\xi_1+\cdots+k_{n-r}\xi_{n-r}$,$\eta^*$ 是一个 特解 ,$\xi_i$ 是对应齐次方程组 $Ax=0$ 的基础解系。 易错 : 两个非齐次解之差是齐…
- 求非齐次方程组通解(三元):增广矩阵化行阶梯形,令自由未知量为 0 得特解, 再求对应齐次组基础解系 。 例 $\begin{cases}x+y+z=1\\x+2y+3z=2\\x+3y+5z=3\end{cases}$:$r_2-r_1$,$r_3-r_1$,再 …
- 求非齐次方程组通解(四元两个自由未知量):$x_1+x_2+x_4=3,\ x_3+2x_4=1$: 自由未知量 $x_2,x_4$,$x_1=3-x_2-x_4$,$x_3=1-2x_4$。 步骤 :令 $x_2=x_4=0$ 得特解 $\eta^*=(3,0,1,0)^T$;…
- 通解的形式不唯一:特解和基础解系的取法不同, 通解的写法也不同 ,只要所表示的 解集相同 就都对。 例 $x+y=1$ 的通解可写成 $\begin{pmatrix}1\\0\end{pmatrix}+t\begin{pmatrix}-1\\1\end{p…
- 两个方程组的公共解:$Ax=0$ 与 $Bx=0$ 的公共解,就是 联立方程组 $\begin{pmatrix}A\\B\end{pmatrix}x=0$ 的解。 例 $x_1+x_2=0$ 与 $x_2+x_3=0$ 联立:$x_2=-x_1$,$x_3=…
- 非齐次方程组 $n-r+1$ 个无关解:设 $\eta^*$ 是 $Ax=b$ 的特解,$\xi_1,\dots,\xi_{n-r}$ 是 $Ax=0$ 的基础解系($r=R(A)$),则 $\eta^*,\ \eta^*+\xi_1,\dots,\eta^*+\xi_{n-r…
向量空间
- 向量空间的定义与判定:$\mathbb R^n$ 的非空子集 $V$ 对加法和数乘都封闭 ,称为向量空间。 例 $V_1=\{(x,y,0)^T\}$ 是向量空间;$V_2=\{(x,y,1)^T\}$ 不是,因为不含零向量,且两个元素相加后第三个分量为 2,…
- 基、维数与坐标:向量空间 $V$ 中 线性无关、并且 $V$ 中任一向量都可由它线性表示的向量组称为 $V$ 的基,基中向量个数称为维数;向量在基下的表示系数称为 坐标 。 例 基 $a_1=(1,1)^T$,$a_2=(1,-1)^T$,向量 $(3,…
- 解空间与生成空间的维数:$Ax=0$ 的解空间维数是 $n-R(A)$;向量组 $a_1,\dots,a_m$ 生成的向量空间 $L(a_1,\dots,a_m)$ 的维数 等于该向量组的秩 。 例 $L\big((1,2,3)^T,(2,4,6)^T\big)…
- 求向量在给定基下的坐标:设基 $a_1,a_2,a_3$ 与向量 $b$, 解方程组 $x_1a_1+x_2a_2+x_3a_3=b$ 得坐标。 例 基 $a_1=(1,0,0)^T$,$a_2=(1,1,0)^T$,$a_3=(1,1,1)^T$,$b=(3,…
- 过渡矩阵与坐标变换:设 $(b_1,\dots,b_n)=(a_1,\dots,a_n)P$,则 $P=A^{-1}B$($A=(a_1,\dots,a_n)$,$B=(b_1,\dots,b_n)$);向量在 旧基 $a$ 下坐标 $x$ 与在新基 $b$…
本图由 SeekFlaw 编辑团队整理。发现错误,欢迎到学习论坛指出。