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,...
- β1=α1\beta_1 = \alpha_1β1=α1
- β2=α2−(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： β3=α3−(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：
- η1=β1∥β1∥\eta_1 = \frac{\beta_1}{\|\beta_1\|}η1=∥β1∥β1
- η2=β2∥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| 0BA0 =(−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}(2004) 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 Λ1Λ2=Λ2Λ1\Lambda_1 \Lambda_2 = \Lambda_2 \Lambda_1Λ1Λ2=Λ2Λ1。
3.3 常用矩阵恒等式
- (A+E)(A−E)=A2−E(A+E)(A-E) = A^2 - E(A+E)(A−E)=A2−E
- AmAk=Am+k=AkAmA^m A^k = A^{m+k} = A^k A^mAmAk=Am+k=AkAm
4. 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)=n 1,r(A)=n−1 0,r(A)<n−1
5. 核心方法论：AB=0AB=0AB=0 的深度转化
5.1 视角转换
当遇到 AB=0AB=0AB=0 时，应将其看作齐次线性方程组 Ax=0Ax=0Ax=0。
- 结论： BBB 的每一个列向量都是 Ax=0Ax=0Ax=0 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 AB=0AB=0AB=0 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。