向量组的线性相关性：从”数学咒语”到”直觉画面”#

作为初学者，你第一次看到这个定义时，大概会觉得它像一串”数学咒语”。别担心，我们把它拆开，一句一句翻译成你能触摸到的东西。

一、定义拆解：把符号翻译成大白话#

教材上的定义：

对于向量组 $\alpha_1, \alpha_2, \dots, \alpha_n$ ，如果存在不全为零的数 $k_1, k_2, \dots, k_n$ ，使得 $k_1\alpha_1 + k_2\alpha_2 + \dots + k_n\alpha_n = \mathbf{0}$ 则称该向量组线性相关；否则称为线性无关。

翻译成人话：

想象你有一群人（向量），每个人手里都拿着一个”数”（ $k_i$ ）。现在你们玩一个游戏：给每个人分配一个数，允许有人拿0，但不允许所有人同时拿0，然后把每个人”乘以”自己拿的数后全部加起来，结果恰好等于”零向量”（什么都没有）。

如果能做到这一点 → 线性相关（这组人内部能”互相抵消”）
如果只有让所有人都拿0，才能凑出零 → 线性无关（除非大家都不出力，否则绝不可能抵消成零）

关键等价理解（更重要）： 线性相关 = 这组人里至少有一个”可以被替代”。也就是说，存在某个向量，它可以被其他向量的某种组合”表示”出来。它是”多余”的。

二、核心内涵：三个视角看本质#

1. 代数视角：非平凡解的存在性#

方程 $k_1\alpha_1 + \dots + k_n\alpha_n = \mathbf{0}$ 是一个齐次线性方程组。

线性相关 → 这个方程组有非零解（除了全零之外还有别的解）
线性无关 → 只有零解

这直接决定了后续线性方程组解的结构。

2. 几何视角：方向是否”铺开”了#

这是最能建立直觉的画面：

维度	线性无关的画面	线性相关的画面
平面上（2D）	两个向量不共线，像张开一把剪刀	两个向量共线，像一根筷子上的两段
空间中（3D）	三个向量不共面，像三脚架撑开	三个向量挤在同一个平面上，像倒下的三脚架

一句话总结： 线性无关意味着它们”撑开”了尽可能大的空间；线性相关意味着它们”挤”在更低维的空间里，有”浪费”。

3. 信息论视角：有没有冗余信息#

把每个向量看作一条”信息”。

线性无关 = 每条信息都是独特且不可压缩的，缺一条就丢失信息。
线性相关 = 存在冗余信息，某条信息可以由其他信息推导出来，删掉它不影响整体表达能力。

三、与相关概念的区别：别把它们混为一谈#

初学者最容易混淆的几个”近亲”：

1. 线性相关 vs 线性表示#

线性相关：描述的是一组向量内部的关系（大家互相之间有没有冗余）。
线性表示：描述的是一个向量与一组向量的关系（某个向量能不能被这组向量组合出来）。

区别： 线性相关是”家庭内部矛盾”，线性表示是”个人与家庭的关系”。

2. 线性相关 vs 极大线性无关组#

线性相关：告诉你”这组向量有冗余”。
极大线性无关组：从这组向量中剔除冗余后留下的精华班子，是”最精简但能力不减”的子集。

打个比方：一个10人团队里有3个混子，极大无关组就是那7个真正干活的人。

3. 线性相关 vs 秩（Rank）#

线性相关是一个定性判断（是或否）。
秩是一个定量指标：极大线性无关组里向量的个数。它告诉你这组向量的”真实实力”——虽然名义上有 $n$ 个向量，但有效信息只有 $r$ 维。

四、在学科体系中的位置：承上启下的”枢纽”#

如果把线性代数比作一栋大楼，向量组的线性相关性就是承重墙。它连接了几乎所有核心概念：

1
向量运算（基础砖块）
2
    ↓
3
向量组的线性相关性（承重墙） ← 你在这里
4
    ↓
5
    ├→ 矩阵的秩（量化"冗余度"）
6
    ├→ 线性方程组解的判定（有唯一解/无穷解/无解）
7
    ├→ 向量空间的基与维数（"骨架"与"自由度"）
8
    └→ 特征值与特征向量（矩阵的"DNA"）

具体来说：

没有线性相关性的概念，你就无法定义”秩”，也就无法判断方程组有多少个有效约束。
它是从”具体计算”迈向”抽象空间”的第一座桥梁——让你理解为什么 $n$ 个方程不一定能解 $n$ 个未知数（因为有些方程是”废话”）。
后续学到”基”的时候，你会发现：基就是极大线性无关组，维数就是秩。

五、生活化类比：让直觉落地生根#

类比一：创业团队（最经典）#

假设你创业要做一个App，需要几种核心能力：编程、设计、产品、运营。

线性无关团队：4个人，一个写代码、一个做设计、一个定产品、一个拉用户。四个人技能完全不同，少了谁都不行，别人也替不了。这就是”极大线性无关组”，团队的”秩”是4，能力满格。
线性相关团队：5个人，除了上面4个，又招了一个”也会写代码的产品经理”。他虽然有价值，但他的能力可以被”程序员+产品经理”组合覆盖。他是冗余的——团队里存在一种组合（给他分配负数系数，给另外两人分配正数系数）能让”整体贡献”互相抵消成零。

注意：线性相关不是说某个人没用，而是说整体存在冗余关系。就像那个全能型产品经理，他单独很强，但放在这个特定团队里，技能重叠了。

类比二：调色盘（最直观）#

你有一组颜料：

线性无关：红、黄、蓝三原色。没有任何一种颜色可以用其他颜色调出来。它们”撑开”了整个颜色空间。缺了红色，你就永远调不出紫色和橙色。
线性相关：红、黄、蓝、橙。橙色是冗余的，因为 橙 = 红 + 黄（在向量语言里，就是 $1\cdot\text{红} + 1\cdot\text{黄} - 1\cdot\text{橙} = 0$ ）。如果你把橙色的系数设为 $-1$ ，红和黄各设为 $1$ ，就满足了”不全为零的系数组合出零”的定义。

更深一层的领悟： 线性相关的向量组就像这盒”红、黄、蓝、橙”颜料——虽然你有4瓶，但你的”真实调色能力”（秩）只有3维。极大线性无关组就是”只保留红、黄、蓝”，扔掉橙色，调色能力一点不减。

六、给初学者的一句话心法#

“线性相关”的本质就是”有人可以被替代”；“线性无关”的本质就是”每个人都是不可替代的”。

当你以后看到复杂的证明题时，试着在脑海里问一句：“这个向量能不能被其他人合伙表示出来？” 如果能，它就是相关的；如果不能，它就是无关的。这个直觉，比死记公式管用得多。

这个概念是线性代数从”计算”走向”结构”的门槛，一旦跨过去，后面的秩、基、维数都会像多米诺骨牌一样自然倒下。慢慢来，你已经站在最关键的一扇门前了。

向量组线性相关性例题详解#

例题 1：基础定义法（具体数值型）#

题目：判断向量组 $\boldsymbol{\alpha}_1=(1,2,3)^T,\ \boldsymbol{\alpha}_2=(2,4,6)^T,\ \boldsymbol{\alpha}_3=(1,0,-1)^T$ 的线性相关性。

解析：

设存在数 $k_1,k_2,k_3$ ，使得 $k_1\boldsymbol{\alpha}_1+k_2\boldsymbol{\alpha}_2+k_3\boldsymbol{\alpha}_3=\boldsymbol{0}$ （思路：根据线性相关的定义，先假设存在这样的线性组合等于零向量，然后看是否只能全为零；若能找到不全为零的系数，则相关。）

即 $k_1\begin{pmatrix}1\\2\\3\end{pmatrix}+k_2\begin{pmatrix}2\\4\\6\end{pmatrix}+k_3\begin{pmatrix}1\\0\\-1\end{pmatrix}=\begin{pmatrix}0\\0\\0\end{pmatrix}$ （目的：将向量方程展开为分量方程，转化为线性方程组求解。）

按分量写出方程组： $\begin{cases}k_1+2k_2+k_3=0\\2k_1+4k_2+0\cdot k_3=0\\3k_1+6k_2-k_3=0\end{cases}$ （思路：向量相等即对应分量相等，把向量问题转化为代数方程组问题。）

观察第1个和第2个向量： $\boldsymbol{\alpha}_2=2\boldsymbol{\alpha}_1$ 。（思路：先观察向量间是否有明显的倍数关系，这是判断相关性的快捷方式。）

取 $k_1=2,\ k_2=-1,\ k_3=0$ ，验证： $2\boldsymbol{\alpha}_1-\boldsymbol{\alpha}_2+0\cdot\boldsymbol{\alpha}_3=(2,4,6)^T-(2,4,6)^T=\boldsymbol{0}$ （目的：找到一组不全为零的系数（此处 $k_1=2\neq0$ ），使线性组合为零向量。）

因此，向量组 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 线性相关。（结论：根据定义，存在不全为零的系数使线性组合为零，故线性相关。）

例题 2：秩判别法（矩阵化方法）#

题目：判断向量组 $\boldsymbol{\alpha}_1=(1,1,1)^T,\ \boldsymbol{\alpha}_2=(1,2,3)^T,\ \boldsymbol{\alpha}_3=(1,3,t)^T$ 在 $t$ 取何值时线性相关？何值时线性无关？

解析：

构造矩阵 $A=(\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3)$ ： $A=\begin{pmatrix}1&1&1\\1&2&3\\1&3&t\end{pmatrix}$ （思路：将向量组按列排成矩阵，利用”向量组的秩 = 矩阵的秩”这一核心定理。）

对 $A$ 作初等行变换： $A\xrightarrow{R_2-R_1}\begin{pmatrix}1&1&1\\0&1&2\\1&3&t\end{pmatrix}$ （目的：消去第2行第1列的元素，化为阶梯形。）

$\xrightarrow{R_3-R_1}\begin{pmatrix}1&1&1\\0&1&2\\0&2&t-1\end{pmatrix}$ （思路：继续消去第3行第1列，保持第1列只有首元非零。）

$\xrightarrow{R_3-2R_2}\begin{pmatrix}1&1&1\\0&1&2\\0&0&t-5\end{pmatrix}$ （目的：消去第3行第2列，得到行阶梯形矩阵，便于直接读出秩。）

此时阶梯形有3个非零行当且仅当 $t-5\neq0$ 。（思路：行阶梯形中非零行的个数就是矩阵的秩。）

当 $t\neq5$ 时， $r(A)=3$ ，等于向量个数，向量组线性无关。（结论：秩 = 向量个数 $\Rightarrow$ 只有零解 $\Rightarrow$ 线性无关。）
当 $t=5$ 时， $r(A)=2<3$ ，向量组线性相关。（结论：秩 < 向量个数 $\Rightarrow$ 存在非零解 $\Rightarrow$ 线性相关。）

例题 3：抽象向量组证明（定义法+重组技巧）#

题目：设 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 线性无关，且 $\boldsymbol{\beta}_1=\boldsymbol{\alpha}_1+\boldsymbol{\alpha}_2,\quad \boldsymbol{\beta}_2=\boldsymbol{\alpha}_2+\boldsymbol{\alpha}_3,\quad \boldsymbol{\beta}_3=\boldsymbol{\alpha}_3+\boldsymbol{\alpha}_1$ 判断 $\boldsymbol{\beta}_1,\boldsymbol{\beta}_2,\boldsymbol{\beta}_3$ 的线性相关性。

解析：

设存在 $k_1,k_2,k_3$ ，使 $k_1\boldsymbol{\beta}_1+k_2\boldsymbol{\beta}_2+k_3\boldsymbol{\beta}_3=\boldsymbol{0}$ （思路：对抽象向量组，只能用定义法，设线性组合为零，推导系数是否必须全为零。）

将 $\boldsymbol{\beta}_i$ 的表达式代入： $k_1(\boldsymbol{\alpha}_1+\boldsymbol{\alpha}_2)+k_2(\boldsymbol{\alpha}_2+\boldsymbol{\alpha}_3)+k_3(\boldsymbol{\alpha}_3+\boldsymbol{\alpha}_1)=\boldsymbol{0}$ （目的：把关于 $\boldsymbol{\beta}$ 的方程转化为关于已知线性无关组 $\boldsymbol{\alpha}$ 的方程。）

按 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 合并同类项： $(k_1+k_3)\boldsymbol{\alpha}_1+(k_1+k_2)\boldsymbol{\alpha}_2+(k_2+k_3)\boldsymbol{\alpha}_3=\boldsymbol{0}$ （思路：重组表达式，让 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 的系数分别显式出现，以便利用它们线性无关的条件。）

因为 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 线性无关，故系数必须全为零： $\begin{cases}k_1+k_3=0\\k_1+k_2=0\\k_2+k_3=0\end{cases}$ （目的：利用”线性无关向量组的线性组合为零，则系数全为零”这一性质，得到关于 $k_i$ 的齐次方程组。）

该方程组的系数行列式为： $D=\begin{vmatrix}1&0&1\\1&1&0\\0&1&1\end{vmatrix}=1\cdot(1\cdot1-0\cdot1)-0+1\cdot(1\cdot1-0\cdot0)=1+1=2\neq0$ （思路：计算系数行列式，判断齐次方程组是否只有零解。）

因 $D\neq0$ ，由克拉默法则，方程组只有唯一零解： $k_1=k_2=k_3=0$ （结论：系数必须全为零，说明 $\boldsymbol{\beta}_1,\boldsymbol{\beta}_2,\boldsymbol{\beta}_3$ 线性无关。）

例题 4：含参数讨论（行列式法）#

题目：设 $\boldsymbol{\alpha}_1=(1,1,1)^T,\ \boldsymbol{\alpha}_2=(1,2,3)^T,\ \boldsymbol{\alpha}_3=(1,3,t)^T$ ，已知该向量组线性相关，求 $t$ 的值，并写出一种非零的线性组合关系。

解析：

向量组线性相关，且为3个3维向量，故以它们为列构成的行列式为零： $\begin{vmatrix}1&1&1\\1&2&3\\1&3&t\end{vmatrix}=0$ （思路： $n$ 个 $n$ 维向量线性相关 $\Leftrightarrow$ 它们构成的方阵行列式为零。这是秩判别法的特例，计算更快捷。）

计算行列式： $=1\cdot(2t-9)-1\cdot(t-3)+1\cdot(3-2)$ $=2t-9-t+3+1=t-5$ （目的：按第1行展开，逐步计算三阶行列式。）

令 $t-5=0$ ，得 $t=5$ 。（结论：参数 $t=5$ 时向量组线性相关。）

当 $t=5$ 时，求一组不全为零的系数。回到方程组： $\begin{cases}k_1+k_2+k_3=0\\k_1+2k_2+3k_3=0\\k_1+3k_2+5k_3=0\end{cases}$

由前两个方程相减： $k_2+2k_3=0$ ，取 $k_3=1$ ，则 $k_2=-2$ ，代入第1式得 $k_1=1$ 。（思路：解齐次方程组，找一个非零特解即可。）

验证： $1\cdot\boldsymbol{\alpha}_1-2\cdot\boldsymbol{\alpha}_2+1\cdot\boldsymbol{\alpha}_3=(1,1,1)^T-(2,4,6)^T+(1,3,5)^T=(0,0,0)^T$ （目的：验证找到的组合确实为零，确认答案正确。）

故一种线性相关关系为： $\boldsymbol{\alpha}_1-2\boldsymbol{\alpha}_2+\boldsymbol{\alpha}_3=\boldsymbol{0}$ （结论： $\boldsymbol{\alpha}_1=2\boldsymbol{\alpha}_2-\boldsymbol{\alpha}_3$ ，说明 $\boldsymbol{\alpha}_1$ 可由其余向量线性表示。）

例题 5：性质综合应用（部分与整体）#

题目：判断下列命题是否正确，并说明理由。

(1) 若 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 线性相关，则 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3,\boldsymbol{\alpha}_4$ 必线性相关。

(2) 若 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3,\boldsymbol{\alpha}_4$ 线性无关，则 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 必线性无关。

解析：

(1) 正确。

因 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 线性相关，故存在不全为零的 $k_1,k_2,k_3$ ，使 $k_1\boldsymbol{\alpha}_1+k_2\boldsymbol{\alpha}_2+k_3\boldsymbol{\alpha}_3=\boldsymbol{0}$ （思路：从已知条件出发，写出线性相关的定义式。）

构造： $k_1\boldsymbol{\alpha}_1+k_2\boldsymbol{\alpha}_2+k_3\boldsymbol{\alpha}_3+0\cdot\boldsymbol{\alpha}_4=\boldsymbol{0}$ （目的：把3个向量的组合扩展到4个向量，给新增向量配上系数0。）

此时系数 $k_1,k_2,k_3,0$ 仍不全为零（因为 $k_1,k_2,k_3$ 不全为零）。（思路：判断4个系数是否”不全为零”——只要前三个中有一个非零，整体就不全为零。）

因此 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3,\boldsymbol{\alpha}_4$ 线性相关。（结论：部分组相关 $\Rightarrow$ 整体组相关。这是线性相关性的重要性质。）

(2) 正确。

用反证法。假设 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 线性相关。（思路：要证”整体无关 $\Rightarrow$ 部分无关”，用反证法最简洁。）

则由 (1) 的结论，若部分组 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 相关，则整体组 $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3,\boldsymbol{\alpha}_4$ 也相关。（目的：利用已证的性质 (1) 进行推理。）

但这与已知” $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3,\boldsymbol{\alpha}_4$ 线性无关”矛盾。（思路：推出与已知条件矛盾的结果。）

故假设不成立， $\boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\boldsymbol{\alpha}_3$ 必线性无关。（结论：整体组无关 $\Rightarrow$ 任意部分组无关。）

📌 核心方法总结#

方法	适用场景	判定标准
定义法	抽象向量组、证明题	看是否存在不全为零的系数使组合为零
秩判别法	具体数值型、含参数	秩 = 向量个数 $\Rightarrow$ 无关；秩 < 个数 $\Rightarrow$ 相关
行列式法	$n$ 个 $n$ 维向量	行列式 $\neq0 \Rightarrow$ 无关； $=0 \Rightarrow$ 相关
性质法	部分与整体、延伸组	部分相关 $\Rightarrow$ 整体相关；整体无关 $\Rightarrow$ 部分无关

记忆口诀：“个数超过维数必相关，部分相关整体相关，整体无关部分无关，方阵看行列式，一般看秩。”

线性方程组的解的结构：从零基础到考试水平#

一、先建立”地图”：解的结构核心定理#

在动手做题前，先把两根”主心骨”刻进脑子里：

方程组类型	解的”骨架”	核心公式
齐次 $A\mathbf{x}=\mathbf{0}$	解空间是向量空间，维数 = $n-r(A)$	通解 $\mathbf{X}=k_1\boldsymbol{\xi}_1+\cdots+k_{n-r}\boldsymbol{\xi}_{n-r}$
非齐次 $A\mathbf{x}=\mathbf{b}$	解的集合不是向量空间，但可”平移”	通解 $\mathbf{X}=\boldsymbol{\eta}^*+k_1\boldsymbol{\xi}_1+\cdots$ （特解 + 齐次通解）

生活类比：齐次方程组的解像一片草原（过原点的平面），非齐次方程组的解像把这片草原整体平移到某个具体地点（特解）后得到的新草原。

二、例题 1：零基础——齐次方程组的基础解系（3元）#

题目：求下列齐次线性方程组的通解。

\begin{cases} x_1 + x_2 + x_3 = 0 \\ 2x_1 + 2x_2 + 3x_3 = 0 \end{cases}

详细解析#

Step 1：写出系数矩阵 $A$

A = \begin{pmatrix} 1 & 1 & 1 \\ 2 & 2 & 3 \end{pmatrix}

（写出系数矩阵，为后续初等行变换做准备；注意齐次方程组不需要写常数项，因为右边全是0）

Step 2：对 $A$ 施行初等行变换化为行阶梯形

\begin{pmatrix} 1 & 1 & 1 \\ 2 & 2 & 3 \end{pmatrix} \stackrel{R_2-2R_1}{\longrightarrow} \begin{pmatrix} 1 & 1 & 1 \\ 0 & 0 & 1 \end{pmatrix}

（用第二行减去第一行的2倍，目的是把第一列下方的元素消成0，得到”阶梯”形状）

Step 3：继续化为行最简形

\begin{pmatrix} 1 & 1 & 1 \\ 0 & 0 & 1 \end{pmatrix} \stackrel{R_1-R_2}{\longrightarrow} \begin{pmatrix} 1 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}

（用第一行减去第二行，把主元上方的元素也消成0，得到”最简形”，方便直接读出同解方程组）

Step 4：确定矩阵的秩 $r(A)$ 非零行有2行，所以 $r(A)=2$ 。（数非零行的个数，这是判断基础解系所含向量个数的关键）

Step 5：判断基础解系所含向量个数 未知数个数 $n=3$ ，故基础解系含 $n-r(A)=3-2=1$ 个向量。（齐次方程组解空间的维数 = 自由未知量个数 = 未知数个数减去秩，这是核心定理的直接应用）

Step 6：写出同解方程组并确定自由未知量 由行最简形读出：

\begin{cases} x_1 + x_2 = 0 \\ x_3 = 0 \end{cases}

主元在第1列和第3列，因此 $x_1, x_3$ 是主元变量；第2列无主元， $x_2$ 是自由未知量。（主元变量由方程约束，自由未知量可任意取值；每个自由未知量对应基础解系中的一个向量）

Step 7：用自由未知量表示主元变量

\begin{cases} x_1 = -x_2 \\ x_3 = 0 \end{cases}

（把主元变量全部移到等号左边，自由未知量留在右边，为下一步赋值做准备）

Step 8：对自由未知量赋值，求基础解系 令自由未知量 $x_2 = 1$ ，则 $x_1 = -1,\ x_3 = 0$ 。得到基础解系：

\boldsymbol{\xi} = \begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix}

（自由未知量依次取1（其余取0），这里只有一个自由未知量，取1即可；得到解空间的一组基）

Step 9：写出通解

\mathbf{X} = k\boldsymbol{\xi} = k\begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix},\quad k\in\mathbb{R}

（齐次方程组的通解是基础解系中所有向量的线性组合， $k$ 为任意实数）

三、例题 2：进阶——非齐次方程组的解结构（3元）#

题目：求下列非齐次线性方程组的通解。

\begin{cases} x_1 + x_2 + x_3 = 1 \\ x_1 + x_2 + 2x_3 = 3 \end{cases}

详细解析#

Step 1：写出增广矩阵 $(A|\mathbf{b})$

(A|\mathbf{b}) = \begin{pmatrix} 1 & 1 & 1 & \vdots & 1 \\ 1 & 1 & 2 & \vdots & 3 \end{pmatrix}

（非齐次方程组必须写增广矩阵，因为常数项参与秩的判断，决定是否有解）

Step 2：初等行变换化为行阶梯形

\stackrel{R_2-R_1}{\longrightarrow} \begin{pmatrix} 1 & 1 & 1 & \vdots & 1 \\ 0 & 0 & 1 & \vdots & 2 \end{pmatrix}

（第二行减第一行，消去第一列下方元素；此时已能看出 $r(A)=r(A|\mathbf{b})=2$ ，方程组有解）

Step 3：化为行最简形

\stackrel{R_1-R_2}{\longrightarrow} \begin{pmatrix} 1 & 1 & 0 & \vdots & -1 \\ 0 & 0 & 1 & \vdots & 2 \end{pmatrix}

（第一行减第二行，使主元上方为0；得到可直接回代的形式）

Step 4：验证有解并确定解的个数 $r(A)=2,\ r(A|\mathbf{b})=2,\ n=3$ 。因为 $r(A)=r(A|\mathbf{b})<n$ ，方程组有无穷多解。（秩相等保证有解；秩小于未知数个数说明有自由未知量，故有无穷多解）

Step 5：写出同解方程组

\begin{cases} x_1 + x_2 = -1 \\ x_3 = 2 \end{cases}

主元变量： $x_1, x_3$ ；自由未知量： $x_2$ 。

Step 6：求非齐次方程组的一个特解 $\boldsymbol{\eta}^*$ 令自由未知量 $x_2 = 0$ ，代回得 $x_1 = -1,\ x_3 = 2$ 。

\boldsymbol{\eta}^* = \begin{pmatrix} -1 \\ 0 \\ 2 \end{pmatrix}

（特解是”草原被平移到的那个具体地点”；令所有自由未知量为0是最简便的取法）

Step 7：求对应齐次方程组 $A\mathbf{x}=\mathbf{0}$ 的基础解系 对应齐次方程组的同解方程组为：

\begin{cases} x_1 + x_2 = 0 \\ x_3 = 0 \end{cases} \Rightarrow \begin{cases} x_1 = -x_2 \\ x_3 = 0 \end{cases}

令 $x_2 = 1$ ，得 $x_1 = -1,\ x_3 = 0$ 。

\boldsymbol{\xi} = \begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix}

（“对应齐次方程组”就是把非齐次方程组右边常数项全部换成0；它的解空间决定了”草原的形状”）

Step 8：组装通解（核心结构公式）

\mathbf{X} = \boldsymbol{\eta}^* + k\boldsymbol{\xi} = \begin{pmatrix} -1 \\ 0 \\ 2 \end{pmatrix} + k\begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix},\quad k\in\mathbb{R}

（非齐次通解 = 特解 + 齐次通解；几何上就是”先走到特解这个点，再在那个点周围沿着齐次解的方向自由移动”）

四、例题 3：考试水平——含参数讨论 + 无穷解时求通解#

题目：设线性方程组

\begin{cases} x_1 + x_2 + x_3 = 1 \\ x_1 + 2x_2 + ax_3 = b \\ 2x_1 + 3x_2 + 5x_3 = 3 \end{cases}

问：当 $a,b$ 取何值时，方程组有唯一解、无解、无穷多解？并在有无穷多解时求出通解。

详细解析#

Step 1：写出增广矩阵

(A|\mathbf{b}) = \begin{pmatrix} 1 & 1 & 1 & \vdots & 1 \\ 1 & 2 & a & \vdots & b \\ 2 & 3 & 5 & \vdots & 3 \end{pmatrix}

（含参数的题目，增广矩阵是必经之路；参数 $a,b$ 的位置要准确抄写）

Step 2：初等行变换消去第一列下方元素

\stackrel{R_2-R_1,\ R_3-2R_1}{\longrightarrow} \begin{pmatrix} 1 & 1 & 1 & \vdots & 1 \\ 0 & 1 & a-1 & \vdots & b-1 \\ 0 & 1 & 3 & \vdots & 1 \end{pmatrix}

（第一行是” pivot 行”，用它把第一列下面两个1消成0；参数 $a,b$ 随运算自然传递，不要算错）

Step 3：继续消去第二列下方元素

\stackrel{R_3-R_2}{\longrightarrow} \begin{pmatrix} 1 & 1 & 1 & \vdots & 1 \\ 0 & 1 & a-1 & \vdots & b-1 \\ 0 & 0 & 4-a & \vdots & 2-b \end{pmatrix}

（第三行减第二行，得到行阶梯形；此时第三行第三列元素是 $4-a$ ，这是讨论的分水岭）

Step 4：分类讨论——情况一： $a \neq 4$ 此时 $4-a \neq 0$ ，第三行是一个有效的非零行。 $r(A)=r(A|\mathbf{b})=3=n$ ，方程组有唯一解。（当 $a\neq4$ 时，系数矩阵有三个非零行，满秩，三个未知数都被唯一确定）

Step 5：分类讨论——情况二： $a = 4$ 且 $b \neq 2$ 当 $a=4$ 时，第三行变为 $(0\ \ 0\ \ 0\ \vdots\ 2-b)$ 。若 $b\neq 2$ ，则 $2-b\neq 0$ ，此时 $r(A)=2$ （系数部分第三行全0），但 $r(A|\mathbf{b})=3$ （增广部分有非零元）。因为 $r(A)\neq r(A|\mathbf{b})$ ，方程组无解。（出现” $0 = \text{非零}$ “的矛盾方程，这是无解的标志性特征）

Step 6：分类讨论——情况三： $a = 4$ 且 $b = 2$ 此时第三行全为0。 $r(A)=r(A|\mathbf{b})=2<3=n$ ，方程组有无穷多解。（秩相等保证有解，秩小于未知数个数保证有自由未知量，从而有无穷多解）

Step 7：在情况三下，继续化为行最简形 当 $a=4,\ b=2$ 时，矩阵为：

\begin{pmatrix} 1 & 1 & 1 & \vdots & 1 \\ 0 & 1 & 3 & \vdots & 1 \\ 0 & 0 & 0 & \vdots & 0 \end{pmatrix} \stackrel{R_1-R_2}{\longrightarrow} \begin{pmatrix} 1 & 0 & -2 & \vdots & 0 \\ 0 & 1 & 3 & \vdots & 1 \\ 0 & 0 & 0 & \vdots & 0 \end{pmatrix}

（第一行减第二行，把 $(1,1)$ 位置的1消成0，得到行最简形，方便回代）

Step 8：写出同解方程组

\begin{cases} x_1 = 2x_3 \\ x_2 = 1 - 3x_3 \end{cases}

主元变量： $x_1, x_2$ ；自由未知量： $x_3$ （第3列无主元）。

Step 9：求特解 $\boldsymbol{\eta}^*$ 令自由未知量 $x_3 = 0$ ，得 $x_1 = 0,\ x_2 = 1$ 。

\boldsymbol{\eta}^* = \begin{pmatrix} 0 \\ 1 \\ 0 \end{pmatrix}

（验证： $0+1+0=1$ ✓， $0+2+0=2$ ✓， $0+3+0=3$ ✓）

Step 10：求对应齐次方程组的基础解系 对应齐次方程组：

\begin{cases} x_1 = 2x_3 \\ x_2 = -3x_3 \end{cases}

令 $x_3 = 1$ ，得 $x_1 = 2,\ x_2 = -3$ 。

\boldsymbol{\xi} = \begin{pmatrix} 2 \\ -3 \\ 1 \end{pmatrix}

（基础解系只含1个向量，因为 $n-r=3-2=1$ ）

Step 11：写出无穷多解时的通解

\mathbf{X} = \begin{pmatrix} 0 \\ 1 \\ 0 \end{pmatrix} + k\begin{pmatrix} 2 \\ -3 \\ 1 \end{pmatrix},\quad k\in\mathbb{R}

（考试答题时，最后一定要明确写出”当 $a=4,\ b=2$ 时，通解为…”，让阅卷老师一眼看到结论）

五、例题 4：考试水平——4元齐次方程组（基础解系含2个向量）#

题目：求下列齐次线性方程组的基础解系与通解。

\begin{cases} x_1 + x_2 + x_3 + x_4 = 0 \\ x_1 + 2x_2 + 3x_3 + 4x_4 = 0 \\ 2x_1 + 3x_2 + 4x_3 + 5x_4 = 0 \end{cases}

详细解析#

Step 1：写出系数矩阵

A = \begin{pmatrix} 1 & 1 & 1 & 1 \\ 1 & 2 & 3 & 4 \\ 2 & 3 & 4 & 5 \end{pmatrix}

（4个未知数，3个方程，预感会有自由未知量）

Step 2：消去第一列下方元素

\stackrel{R_2-R_1,\ R_3-2R_1}{\longrightarrow} \begin{pmatrix} 1 & 1 & 1 & 1 \\ 0 & 1 & 2 & 3 \\ 0 & 1 & 2 & 3 \end{pmatrix}

（第二行、第三行分别减去第一行的适当倍数，第一列下方清0）

Step 3：消去第二列下方元素

\stackrel{R_3-R_2}{\longrightarrow} \begin{pmatrix} 1 & 1 & 1 & 1 \\ 0 & 1 & 2 & 3 \\ 0 & 0 & 0 & 0 \end{pmatrix}

（第三行减第二行，发现第三行全为0；说明第三个方程是”多余的”，被前两个方程线性表示）

Step 4：化为行最简形

\stackrel{R_1-R_2}{\longrightarrow} \begin{pmatrix} 1 & 0 & -1 & -2 \\ 0 & 1 & 2 & 3 \\ 0 & 0 & 0 & 0 \end{pmatrix}

（第一行减第二行，使主元上方为0；此时矩阵已是行最简形）

Step 5：确定秩与基础解系向量个数 $r(A)=2,\ n=4$ ，故基础解系含 $n-r=4-2=2$ 个线性无关的解向量。（这是考试最常考的情形：自由未知量有2个，需要赋两组值，得到两个基础解系向量）

Step 6：写出同解方程组

\begin{cases} x_1 = x_3 + 2x_4 \\ x_2 = -2x_3 - 3x_4 \end{cases}

主元变量： $x_1, x_2$ （第1、2列有主元）；自由未知量： $x_3, x_4$ （第3、4列无主元）。

Step 7：求第一个基础解系向量 $\boldsymbol{\xi}_1$ 令自由未知量 $(x_3, x_4) = (1, 0)$ ，代回得：

x_1 = 1,\quad x_2 = -2

\boldsymbol{\xi}_1 = \begin{pmatrix} 1 \\ -2 \\ 1 \\ 0 \end{pmatrix}

（两个自由未知量，第一次令第一个为1、第二个为0，这是标准操作，保证线性无关性）

Step 8：求第二个基础解系向量 $\boldsymbol{\xi}_2$ 令自由未知量 $(x_3, x_4) = (0, 1)$ ，代回得：

x_1 = 2,\quad x_2 = -3

\boldsymbol{\xi}_2 = \begin{pmatrix} 2 \\ -3 \\ 0 \\ 1 \end{pmatrix}

（第二次令第一个为0、第二个为1；这样 $\boldsymbol{\xi}_1, \boldsymbol{\xi}_2$ 的后两个分量构成单位矩阵，必然线性无关）

Step 9：验证基础解系的线性无关性（可选但推荐） $\boldsymbol{\xi}_1, \boldsymbol{\xi}_2$ 的后两个分量分别是 $\begin{pmatrix}1\\0\end{pmatrix}$ 和 $\begin{pmatrix}0\\1\end{pmatrix}$ ，显然线性无关，故整个向量组线性无关。（“单位矩阵法”赋值是考试中最保险的，天然保证基础解系向量线性无关）

Step 10：写出通解

\mathbf{X} = k_1\boldsymbol{\xi}_1 + k_2\boldsymbol{\xi}_2 = k_1\begin{pmatrix} 1 \\ -2 \\ 1 \\ 0 \end{pmatrix} + k_2\begin{pmatrix} 2 \\ -3 \\ 0 \\ 1 \end{pmatrix},\quad k_1,k_2\in\mathbb{R}

（两个自由未知量对应两个任意常数 $k_1, k_2$ ；通解就是基础解系的所有线性组合）

六、总结：解题流程” checklist ”#

拿到任何线性方程组的题目，按以下顺序执行：

写矩阵：齐次写 $A$ ，非齐次写 $(A|\mathbf{b})$ 。
化阶梯：只做初等行变换，化为行阶梯形 → 数非零行得 $r(A)$ 。
判有解：非齐次必须检查 $r(A)$ 与 $r(A|\mathbf{b})$ 是否相等。
算维数：基础解系向量个数 = $n - r(A)$ 。
化最简：继续行变换到行最简形，直接读出同解方程组。
分主元/自由：主元列对应主元变量，其余为自由未知量。
求特解（非齐次）：自由未知量全取0，代回得最简特解。
求基础解系：自由未知量依次取”单位向量”（一个取1其余取0）。
组装通解：非齐次 = 特解 + 线性组合；齐次 = 线性组合。

如果你需要，我还可以继续补充：

非齐次 + 4元 + 含参数 的综合大题
基础解系与极大无关组的联系
用解的结构反求矩阵中的未知参数

随时告诉我！

向量组的线性相关性：从零基础到考试水平#

第一题（零基础）：定义的直接应用#

题目：判断向量组 $\boldsymbol{\alpha}_1 = (1, 2)$ ， $\boldsymbol{\alpha}_2 = (2, 4)$ 是否线性相关。

解析：

根据线性相关的定义：若存在不全为零的数 $k_1, k_2$ ，使得 $k_1\boldsymbol{\alpha}_1 + k_2\boldsymbol{\alpha}_2 = \boldsymbol{0}$ 则称向量组线性相关。

设 $k_1(1, 2) + k_2(2, 4) = (0, 0)$ 。（写出线性组合等于零向量的等式，这是应用定义的第一步）

展开得： $\begin{cases} k_1 + 2k_2 = 0 \\ 2k_1 + 4k_2 = 0 \end{cases}$ （将向量等式按分量写成方程组，把抽象的向量问题转化为具体的代数方程）

由第一式得 $k_1 = -2k_2$ 。（用一个参数表示另一个参数，减少未知数个数）

代入第二式： $2(-2k_2) + 4k_2 = -4k_2 + 4k_2 = 0$ ，恒成立。（验证一致性，说明方程组有无穷多解）

取 $k_2 = 1$ ，则 $k_1 = -2$ 。（选取一组具体的非零解，使结论可验证）

验证： $-2\cdot(1,2) + 1\cdot(2,4) = (-2,-4) + (2,4) = (0,0)$ ✓（代入验证，确保计算无误）

由于找到了不全为零的 $k_1 = -2, k_2 = 1$ 使得线性组合为零向量，（强调”不全为零”这一关键条件，这是判断的核心标准）

结论：向量组 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2$ 线性相关。

💡 直观理解： $\boldsymbol{\alpha}_2 = 2\boldsymbol{\alpha}_1$ ，两个向量”共线”，方向相同，一个能被另一个完全表示。

第二题（基础计算）：三维向量组（行列式法）#

题目：判断向量组 $\boldsymbol{\alpha}_1 = (1, 2, 3)$ ， $\boldsymbol{\alpha}_2 = (2, 5, 7)$ ， $\boldsymbol{\alpha}_3 = (1, 3, 5)$ 的线性相关性。

解析：

方法一：定义法（齐次方程组）

设 $k_1\boldsymbol{\alpha}_1 + k_2\boldsymbol{\alpha}_2 + k_3\boldsymbol{\alpha}_3 = \boldsymbol{0}$ 。（严格按定义设出线性组合）

即： $k_1\begin{pmatrix}1\\2\\3\end{pmatrix} + k_2\begin{pmatrix}2\\5\\7\end{pmatrix} + k_3\begin{pmatrix}1\\3\\5\end{pmatrix} = \begin{pmatrix}0\\0\\0\end{pmatrix}$

得到齐次线性方程组： $\begin{cases} k_1 + 2k_2 + k_3 = 0 \\ 2k_1 + 5k_2 + 3k_3 = 0 \\ 3k_1 + 7k_2 + 5k_3 = 0 \end{cases}$ （将向量等式展开为分量方程，得到关于 $k_1, k_2, k_3$ 的齐次方程组）

系数矩阵为： $A = \begin{pmatrix} 1 & 2 & 1 \\ 2 & 5 & 3 \\ 3 & 7 & 5 \end{pmatrix}$ （提取系数矩阵，为后续计算行列式或秩做准备）

计算行列式： $\det(A) = 1\cdot\begin{vmatrix}5&3\\7&5\end{vmatrix} - 2\cdot\begin{vmatrix}2&3\\3&5\end{vmatrix} + 1\cdot\begin{vmatrix}2&5\\3&7\end{vmatrix}$ （对三阶行列式按第一行展开，使用代数余子式降阶计算）

$= 1\cdot(25-21) - 2\cdot(10-9) + 1\cdot(14-15)$ （计算每个二阶行列式：主对角线乘积减副对角线乘积）

$= 1\cdot 4 - 2\cdot 1 + 1\cdot(-1) = 4 - 2 - 1 = 1 \neq 0$ （完成算术运算，得到行列式值为 1）

因为 $\det(A) \neq 0$ ，根据克莱姆法则，齐次方程组只有唯一零解 $k_1 = k_2 = k_3 = 0$ 。（利用行列式非零 $\Leftrightarrow$ 方程组只有零解这一核心定理）

结论：向量组 线性无关。

方法二：秩的方法（更通用）

将向量作为列向量构成矩阵： $A = \begin{pmatrix} 1 & 2 & 1 \\ 2 & 5 & 3 \\ 3 & 7 & 5 \end{pmatrix}$ （构造矩阵，将向量组线性相关性问题转化为矩阵秩的问题）

对 $A$ 施行初等行变换： $A \xrightarrow{R_2-2R_1} \begin{pmatrix} 1 & 2 & 1 \\ 0 & 1 & 1 \\ 3 & 7 & 5 \end{pmatrix}$ （第一行乘 -2 加到第二行，消去第二行第一个元素，制造第一个零）

$\xrightarrow{R_3-3R_1} \begin{pmatrix} 1 & 2 & 1 \\ 0 & 1 & 1 \\ 0 & 1 & 2 \end{pmatrix}$ （第一行乘 -3 加到第三行，消去第三行第一个元素）

$\xrightarrow{R_3-R_2} \begin{pmatrix} 1 & 2 & 1 \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{pmatrix}$ （第二行乘 -1 加到第三行，消去第三行第二个元素，得到行阶梯形）

此时矩阵有 3 个非零行，故 $r(A) = 3$ 。（数非零行的个数确定矩阵的秩）

向量组含 3 个向量，且 $r(A) = 3 =$ 向量个数。（比较秩与向量个数：秩等于个数则无关，小于则相关）

结论：向量组 线性无关。

第三题（考试核心）：含参数的讨论#

题目：设 $\boldsymbol{\alpha}_1 = (1, 1, 1)$ ， $\boldsymbol{\alpha}_2 = (1, 2, 3)$ ， $\boldsymbol{\alpha}_3 = (1, 3, t)$ 。问：

(1) 当 $t$ 为何值时，向量组线性相关？
(2) 当 $t$ 为何值时，向量组线性无关？
(3) 当线性相关时，将 $\boldsymbol{\alpha}_3$ 表示为 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2$ 的线性组合。

解析：

构造矩阵 $A = (\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3) = \begin{pmatrix} 1 & 1 & 1 \\ 1 & 2 & 3 \\ 1 & 3 & t \end{pmatrix}$ 。（将三个列向量拼成矩阵，统一处理）

计算行列式： $\det(A) = 1\cdot\begin{vmatrix}2&3\\3&t\end{vmatrix} - 1\cdot\begin{vmatrix}1&3\\1&t\end{vmatrix} + 1\cdot\begin{vmatrix}1&2\\1&3\end{vmatrix}$ （按第一行展开三阶行列式）

$= 1\cdot(2t-9) - 1\cdot(t-3) + 1\cdot(3-2)$ （分别计算三个二阶行列式）

$= 2t - 9 - t + 3 + 1 = t - 5$ （合并同类项，化简得到关于 $t$ 的一次式）

(1) 线性相关的条件：

向量组线性相关 $\Leftrightarrow \det(A) = 0$ 。（ $n$ 个 $n$ 维向量线性相关 $\Leftrightarrow$ 构成的行列式为零，这是方阵情况下的快捷判别法）

令 $t - 5 = 0$ ，得 $t = 5$ 。（解方程求出参数临界值）

答：当 $t = 5$ 时，向量组线性相关。

(2) 线性无关的条件：

向量组线性无关 $\Leftrightarrow \det(A) \neq 0$ 。（行列式非零是线性无关的充要条件）

即 $t \neq 5$ 。（直接由 (1) 的结论取反）

答：当 $t \neq 5$ 时，向量组线性无关。

(3) 线性表示（当 $t = 5$ 时）：

设 $\boldsymbol{\alpha}_3 = x_1\boldsymbol{\alpha}_1 + x_2\boldsymbol{\alpha}_2$ 。（设出线性组合，求系数 $x_1, x_2$ ）

即： $\begin{pmatrix}1\\3\\5\end{pmatrix} = x_1\begin{pmatrix}1\\1\\1\end{pmatrix} + x_2\begin{pmatrix}1\\2\\3\end{pmatrix} = \begin{pmatrix}x_1+x_2\\x_1+2x_2\\x_1+3x_2\end{pmatrix}$

得到方程组： $\begin{cases} x_1 + x_2 = 1 \\ x_1 + 2x_2 = 3 \\ x_1 + 3x_2 = 5 \end{cases}$ （按分量写出非齐次线性方程组）

由前两式相减： $(x_1+2x_2) - (x_1+x_2) = 3-1 \Rightarrow x_2 = 2$ 。（消元法解方程组，先求 $x_2$ ）

代入第一式： $x_1 + 2 = 1 \Rightarrow x_1 = -1$ 。（回代求 $x_1$ ）

验证第三式： $-1 + 3\times 2 = -1 + 6 = 5$ ✓（验证解是否满足所有方程，确保一致性）

答： $\boldsymbol{\alpha}_3 = -\boldsymbol{\alpha}_1 + 2\boldsymbol{\alpha}_2$ 。

第四题（考研水平）：抽象证明与性质应用#

题目：设 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3$ 线性无关，且 $\begin{cases} \boldsymbol{\beta}_1 = \boldsymbol{\alpha}_1 + \boldsymbol{\alpha}_2 \\ \boldsymbol{\beta}_2 = \boldsymbol{\alpha}_2 + \boldsymbol{\alpha}_3 \\ \boldsymbol{\beta}_3 = \boldsymbol{\alpha}_3 + \boldsymbol{\alpha}_1 \end{cases}$ 证明：向量组 $\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3$ 也线性无关。

解析：

思路：要证 $\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3$ 线性无关，按定义需证：若 $k_1\boldsymbol{\beta}_1 + k_2\boldsymbol{\beta}_2 + k_3\boldsymbol{\beta}_3 = \boldsymbol{0}$ ，则必有 $k_1 = k_2 = k_3 = 0$ 。（明确证明目标：从线性组合为零推出系数全为零）

证明：

设 $k_1\boldsymbol{\beta}_1 + k_2\boldsymbol{\beta}_2 + k_3\boldsymbol{\beta}_3 = \boldsymbol{0}$ ，其中 $k_1, k_2, k_3$ 为实数。（按线性无关的定义，假设线性组合为零，目标是证明系数只能全为零）

将 $\boldsymbol{\beta}_i$ 的表达式代入： $k_1(\boldsymbol{\alpha}_1 + \boldsymbol{\alpha}_2) + k_2(\boldsymbol{\alpha}_2 + \boldsymbol{\alpha}_3) + k_3(\boldsymbol{\alpha}_3 + \boldsymbol{\alpha}_1) = \boldsymbol{0}$ （将已知条件代入，把关于 $\boldsymbol{\beta}$ 的等式转化为关于 $\boldsymbol{\alpha}$ 的等式，利用 $\boldsymbol{\alpha}$ 的已知性质）

按 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3$ 整理（合并同类项）： $(k_1 + k_3)\boldsymbol{\alpha}_1 + (k_1 + k_2)\boldsymbol{\alpha}_2 + (k_2 + k_3)\boldsymbol{\alpha}_3 = \boldsymbol{0}$ （重新按基向量 $\boldsymbol{\alpha}_i$ 分组，这是关键一步：将表达式整理成已知无关向量组的线性组合形式）

因为 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3$ 线性无关，（调用已知条件： $\boldsymbol{\alpha}$ 组线性无关）

所以其系数必须全为零： $\begin{cases} k_1 + k_3 = 0 \\ k_1 + k_2 = 0 \\ k_2 + k_3 = 0 \end{cases}$ （线性无关的定义：若无关向量组的线性组合为零，则各系数必为零。得到关于 $k$ 的齐次方程组）

解这个方程组：

由第一式： $k_3 = -k_1$ 。（用一个变量表示另一个，减少未知数）

由第二式： $k_2 = -k_1$ 。（同理）

代入第三式： $(-k_1) + (-k_1) = 0 \Rightarrow -2k_1 = 0 \Rightarrow k_1 = 0$ 。（回代求解，得到第一个变量的值）

从而 $k_2 = 0, k_3 = 0$ 。（依次推出其余变量）

因此，只有 $k_1 = k_2 = k_3 = 0$ 时， $k_1\boldsymbol{\beta}_1 + k_2\boldsymbol{\beta}_2 + k_3\boldsymbol{\beta}_3 = \boldsymbol{0}$ 成立。（总结：从假设出发，严格推导出系数必须全为零）

结论：向量组 $\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3$ 线性无关。∎

第五题（综合拔高）：线性相关性的传递与判定#

题目：设 $A$ 为 $n$ 阶矩阵， $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3$ 为 $n$ 维列向量，且 $\boldsymbol{\alpha}_1 \neq \boldsymbol{0}$ ，满足： $A\boldsymbol{\alpha}_1 = \boldsymbol{\alpha}_1, \quad A\boldsymbol{\alpha}_2 = \boldsymbol{\alpha}_1 + \boldsymbol{\alpha}_2, \quad A\boldsymbol{\alpha}_3 = \boldsymbol{\alpha}_2 + \boldsymbol{\alpha}_3$ 证明： $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3$ 线性无关。

解析：

分析题意：这是矩阵特征向量与线性相关性结合的经典题型。条件可改写为：

$(A-E)\boldsymbol{\alpha}_1 = \boldsymbol{0}$
$(A-E)\boldsymbol{\alpha}_2 = \boldsymbol{\alpha}_1$
$(A-E)\boldsymbol{\alpha}_3 = \boldsymbol{\alpha}_2$

这种”链式”结构提示我们可以用递推左乘的方法。

证明：

设 $k_1\boldsymbol{\alpha}_1 + k_2\boldsymbol{\alpha}_2 + k_3\boldsymbol{\alpha}_3 = \boldsymbol{0}$ ⋯⋯①（按定义设出线性组合为零）

第一步：用 $(A-E)$ 左乘等式①两边： $k_1(A-E)\boldsymbol{\alpha}_1 + k_2(A-E)\boldsymbol{\alpha}_2 + k_3(A-E)\boldsymbol{\alpha}_3 = \boldsymbol{0}$ （左乘 $(A-E)$ 是为了利用题目给出的三个等式条件，消去或简化某些项）

由已知条件代入： $k_1\cdot\boldsymbol{0} + k_2\cdot\boldsymbol{\alpha}_1 + k_3\cdot\boldsymbol{\alpha}_2 = \boldsymbol{0}$ （代入 $(A-E)\boldsymbol{\alpha}_1=\boldsymbol{0}, (A-E)\boldsymbol{\alpha}_2=\boldsymbol{\alpha}_1, (A-E)\boldsymbol{\alpha}_3=\boldsymbol{\alpha}_2$ ，第一项消失，式子简化）

得： $k_2\boldsymbol{\alpha}_1 + k_3\boldsymbol{\alpha}_2 = \boldsymbol{0}$ ⋯⋯②（记为式②，比式①少了一项，实现了”降阶”）

第二步：再用 $(A-E)$ 左乘等式②两边： $k_2(A-E)\boldsymbol{\alpha}_1 + k_3(A-E)\boldsymbol{\alpha}_2 = \boldsymbol{0}$ （再次左乘 $(A-E)$ ，继续利用条件进一步简化）

代入已知条件： $k_2\cdot\boldsymbol{0} + k_3\cdot\boldsymbol{\alpha}_1 = \boldsymbol{0}$ （ $(A-E)\boldsymbol{\alpha}_1=\boldsymbol{0}$ 使第一项消失， $(A-E)\boldsymbol{\alpha}_2=\boldsymbol{\alpha}_1$ 使第二项变为 $k_3\boldsymbol{\alpha}_1$ ）

即： $k_3\boldsymbol{\alpha}_1 = \boldsymbol{0}$ ⋯⋯③（再次降阶，只剩一项）

第三步：因为 $\boldsymbol{\alpha}_1 \neq \boldsymbol{0}$ ，（调用题目已知条件）

由式③得 $k_3 = 0$ 。（非零向量的数乘为零，则系数必为零）

将 $k_3 = 0$ 代入式②： $k_2\boldsymbol{\alpha}_1 = \boldsymbol{0} \Rightarrow k_2 = 0$ （回代到式②，同理推出 $k_2 = 0$ ，因为 $\boldsymbol{\alpha}_1 \neq \boldsymbol{0}$ ）

将 $k_2 = k_3 = 0$ 代入式①： $k_1\boldsymbol{\alpha}_1 = \boldsymbol{0} \Rightarrow k_1 = 0$ （回代到原始式①，推出 $k_1 = 0$ ）

综上， $k_1 = k_2 = k_3 = 0$ 。（总结三个系数全为零）

结论：向量组 $\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3$ 线性无关。∎

📌 核心方法总结#

场景	方法	判别标准
具体向量组（ $n$ 个 $n$ 维）	行列式法	$\det = 0 \Leftrightarrow$ 相关； $\det \neq 0 \Leftrightarrow$ 无关
具体向量组（一般情况）	秩的方法	$r <$ 向量个数 $\Leftrightarrow$ 相关； $r =$ 向量个数 $\Leftrightarrow$ 无关
抽象向量组	定义法	假设组合为零，推出系数全为零
含参数讨论	行列式/初等变换	求参数使行列式为零或秩下降
“链式”矩阵条件	递推左乘法	利用 $(A-\lambda E)$ 逐次降阶

💡 记忆口诀：“行列式看零否，秩看够不够，抽象用定义，参数求临界”

行列式是否为零

秩是否等于向量个数

抽象题目回归定义

参数题目找使秩变化的临界值

Music

11向量组的线性相关性：从数学咒语到直觉画面

向量组的线性相关性：从”数学咒语”到”直觉画面”#

一、定义拆解：把符号翻译成大白话#

二、核心内涵：三个视角看本质#

1. 代数视角：非平凡解的存在性#

2. 几何视角：方向是否”铺开”了#

3. 信息论视角：有没有冗余信息#

三、与相关概念的区别：别把它们混为一谈#

1. 线性相关 vs 线性表示#

2. 线性相关 vs 极大线性无关组#

3. 线性相关 vs 秩（Rank）#

四、在学科体系中的位置：承上启下的”枢纽”#

五、生活化类比：让直觉落地生根#

类比一：创业团队（最经典）#

类比二：调色盘（最直观）#

六、给初学者的一句话心法#

向量组线性相关性 例题详解#

例题 1：基础定义法（具体数值型）#

例题 2：秩判别法（矩阵化方法）#

例题 3：抽象向量组证明（定义法+重组技巧）#

例题 4：含参数讨论（行列式法）#

例题 5：性质综合应用（部分与整体）#

📌 核心方法总结#

线性方程组的解的结构：从零基础到考试水平#

一、先建立”地图”：解的结构核心定理#

二、例题 1：零基础——齐次方程组的基础解系（3元）#

详细解析#

三、例题 2：进阶——非齐次方程组的解结构（3元）#

详细解析#

四、例题 3：考试水平——含参数讨论 + 无穷解时求通解#

详细解析#

五、例题 4：考试水平——4元齐次方程组（基础解系含2个向量）#

详细解析#

六、总结：解题流程” checklist ”#

向量组的线性相关性：从零基础到考试水平#

第一题（零基础）：定义的直接应用#

第二题（基础计算）：三维向量组（行列式法）#

第三题（考试核心）：含参数的讨论#

第四题（考研水平）：抽象证明与性质应用#

第五题（综合拔高）：线性相关性的传递与判定#

📌 核心方法总结#

Share Article

Comments

向量组线性相关性例题详解#