企业官网建设流程全解析

复习全书读到线性代数第三章“向量”的时候，节奏慢下来是正常的。前面行列式和矩阵，再怎么绕也还是在算数字、算行列式、做矩阵乘法；到了向量这一章，画风突然变成了一串抽象概念：线性表示、线性相关、极大无关组、向量组的秩……每个字都认识，连起来却不明白在说什么。更麻烦的是，这种状态如果不解决，后面第四章线性方程组、第五章特征值都会跟着遭殃，因为它们全都要用这一章的语言来讲。这篇文章我把复习全书中第三章向量的核心内容重新捋了一遍，包括概念之间的逻辑关系、各类题型的下手顺序、以及我自己当年踩过的几个坑，希望能帮你把这一章真正学透。

1. 翻开第三章之前，先想清楚这章在整本线代里的位置

1.1 前两章的工具，到这一章才开始真正派上用场

如果你把线性代数看作一门语言，那么行列式和矩阵这两章就像是在背单词、学语法。行列式能用来判断一个方阵是否可逆，矩阵则引入了初等变换、乘法、逆矩阵这些操作。这些内容虽然多，但每一节都有明确的计算套路，做题时你知道自己要“算”什么。

到了第三章，问题变了。向量组的概念不再是一道道孤立的计算题，而是要你把矩阵的列或者行看成“一组向量”，然后用这组向量的结构去解释问题。一个向量组为什么相关、为什么无关、能不能表示出另一个向量，这些问题的答案往往不是直接算一个数，而是要通过“是否存在一组系数”——也就是线性方程组的解——来判断。也就是说，前两章的工具到这里变成了思考工具，而不仅仅是计算工具。

我在复习全书里印象最深的是，这一章的定理密度很高，而且每个定理都可以和前两章的某个概念对应起来。比如“向量组线性相关等价于齐次方程组有非零解”，这一句话就把向量和方程组连起来了。所以建议你在正式看第三章之前，先花半天时间把前两章的初等行变换、矩阵的秩、齐次与非齐次方程组解的判定复习一遍，不然很容易在第三章觉得“似曾相识，但就是想不起来”。

1.2 从考研真题的分值分布看这一章的投入产出比

从应试角度说，向量这一章几乎没有哪年是缺席的。选择填空里常考线性相关性的判断、极大无关组的求法、向量组等价的条件；大题里虽然很少单独出一整道“向量题”，但它经常混在四章线性方程组、五章特征值里面作为前置条件。尤其是证明题，只要涉及到“某个向量组线性无关”或者“某个向量能由某组向量表示”，本质上都是在考第三章。

所以我的看法是：这一章值得你用一整块时间，而不是拆成零碎时间刷题。因为概念之间环环相扣，今天只看“线性表示”，明天只看“极大无关组”，很容易断裂。我当时给自己定的目标是：学完第三章之后，能够不看笔记，从“线性表示”一直讲到“向量组等价”，中间每个概念都能用一两句话说清楚。如果做不到，说明知识还是散的，后面第四章一定会漏。

2. 把向量组的概念串成一条逻辑链，而不是背五个孤立的定义

2.1 线性表示：从“能不能拼出来”开始理解

“向量b能由向量组α1, α2, …, αm线性表示”这句话，翻译成人话就是：能不能找到一组系数k1, k2, …, km，使得

b = k1α1 + k2α2 + … + kmαm

这就像你有一堆积木块，问能不能用这些积木拼出一个指定的造型。能拼出来，就是可以线性表示；拼不出来，就是不能。

那怎么判断能不能拼出来呢？把这串等式看成关于k1, …, km的非齐次线性方程组，系数矩阵的列就是α1, …, αm。于是“b能否由向量组表示”就转化成“这个方程组是否有解”。有解，能表示；无解，不能表示。而方程组有无解，靠的是增广矩阵的秩：r(A)是否等于r(A, b)。这一步打通之后，你会发现原来前两章学的秩，到这里变成了判断表示问题的通用语言。

这里还有一个常考的小结论：如果b能由向量组唯一表示，等价于这个向量组线性无关。理由也很简单：表示方式唯一，意味着表示系数唯一，也就是方程组有唯一解，而有唯一解的条件正是系数矩阵列满秩，即向量组线性无关。这个结论几乎每年都有题目在绕，一定要记牢。

2.2 线性相关与无关：用“多余”和“必要”来理解

线性相关的定义是：存在不全为零的数，使得k1α1 + … + kmαm = 0。这个定义初看很别扭，不如换一种方式理解：如果一组向量里有一个向量可以被其他向量表示出来，那这组向量就是相关的。换句话说，它们里面有“多余的”向量。

反过来，线性无关就是：这组向量里没有任何一个是多余的，每一个都对“表示其他向量”这件事不可缺失。几何上看，两个向量相关就是共线，三个向量相关就是共面，再往上就只能靠代数判断了。

判断线性相关性的几条直觉性结论要熟到条件反射：

• 含有零向量的向量组一定线性相关；
• 两个向量线性相关当且仅当成比例；
• 向量个数大于向量维数时，一定线性相关；
• 部分组相关，则整体相关；整体无关，则任一部分组无关。

最后一条我当初经常绕反。它是“部分相关推整体相关”，而“整体相关”完全推不出“某一部分相关”。比如三个向量共面，不代表其中某两个一定共线。这个逻辑关系在证明题里经常用到，错了就是整道题垮掉。

2.3 极大无关组和秩：从“一堆向量”到“一组骨干”

当一组向量线性相关时，我们需要找到其中“真正有用”的那部分向量，它们既能表示整组中的所有向量，自身又线性无关。这样的一组向量，就叫极大无关组。极大无关组就像一支队伍里的核心成员：人数不多不少，少一个就没法覆盖所有人，再多一个就有人冗余。

一个向量组可以有多个极大无关组，但它们包含的向量个数是固定的，这个个数就是向量组的秩。这一下就把向量组和矩阵的秩联系到一起了：一个矩阵的列向量组的秩，等于这个矩阵的秩。

再往前走一步，就是向量组等价。两个向量组能互相线性表示，就称它们等价。等价的向量组必然有相同的秩，但反过来，仅仅秩相等并不能推出等价。这一点特别容易错，我在后面专门讲坑的时候还会再提。

所以整个第三章的概念链条是这样的：线性表示是基础动作，相关无关描述的是有没有冗余，极大无关组负责剔除冗余，秩用数字概括了向量组的规模，等价则刻画了两个向量组在表示能力上的相同。把这条链子想清楚，大部分定义题就不会再“每个字都认识，连起来不知道在说什么”。

3. 用秩当指挥棒：向量章八成的计算都能归到同一个动作

3.1 为什么行变换不改变列向量之间的关系

复习全书中反复强调：对矩阵做初等行变换，不会改变列向量组之间的线性关系。这句话是求极大无关组和判断相关性的理论基础。我当初学的时候一直将信将疑，后来用“左乘可逆矩阵”来解释才真正踏实。

初等行变换相当于在矩阵左边乘上一个可逆矩阵P，变成B = PA。如果原来列向量之间有关系x1α1 + … + xmαm = 0，那么左乘P之后，由于P对每个列向量都是一样的线性变换，这个关系会原封不动地保留在B的对应列之间。反过来，B列之间的关系也能通过左乘P的逆矩阵还原到A。所以行变换不改变列向量组的线性相关性，也不改变任何一个列向量能不能由其他列表示、表示系数是多少。

这个结论的价值在于：我们可以把复杂的向量组，通过行变换变成阶梯形或者行最简形，在变形后的“简化版”上判断关系，再把这些关系拿回到原向量组上用。这是整个第三章计算题的核心方法论。

3.2 判断相关性、求极大无关组、判断表示，其实都是同一套动作

很多同学觉得第三章题型多变，实际上它们的计算内核是一样的：

1. 把向量按列拼成矩阵；
2. 只做初等行变换，化成行阶梯形；
3. 数非零行个数，得到秩；
4. 根据题目需求读取结果。

表格里的对照关系，是我复习时自己整理的，分享出来：

我建议你在刷题时，不要一上来就想着“这道题要用哪个定理”，而是先问自己“这个问题最终要看哪个秩”。只要秩看准了，计算动作基本就是一次行变换。

3.3 含参向量组：最容易丢分的地方，在于参数不能乱除

考研里含参向量组的问题很常见，比如“当a取何值时，向量组线性相关”或者“a取何值时，β能由向量组表示”。这类题计算本身不难，难的是细节。

含参行变换有一个铁律：不要轻易除以含参数的式子。比如某一行化成(a-1)倍的形式，如果你直接除以a-1，就要先假设a≠1，否则会漏掉a=1时的情况。我见过太多人在这里丢分，包括我自己早期也是这样。

更稳妥的做法是：先把矩阵化成阶梯形，把含参数的因子留在那一行里，数非零行个数时分情况讨论：参数取某个值时该行为0，参数取其他值时该行为非0。两种情况分别写出对应的秩，再回到题目问的是相关还是无关、是否有解，分别给出答案。

如果向量个数等于维数，也就是拼出的矩阵正好是方阵，还可以用行列式速判：行列式等于0，则相关；行列式不等于0，则无关。这个方法快，但要注意前提是“方阵”。不是方阵时，老老实实走行变换，别硬套行列式。

4. 第三章真题题型拆解：每种题的下手顺序和判别信号

4.1 判断线性相关与无关：先看“能不能用秩法，再看要不要用定义法”

具体给出数值的向量组，最优先用秩法：把向量拼成矩阵，行变换，数非零行。如果是方阵，直接算行列式。这是最简单、最不容易错的路子。

抽象向量组，也就是题目没有给出具体坐标，只告诉你某些向量线性无关、让你证明另一些向量线性无关，这种就不能用行变换了，必须回到定义。我的固定套路是：

1. 设k1, k2, …, ks是待定系数，令k1β1 + … + ksβs = 0；
2. 把βi都用已知的αj表示出来；
3. 整理成关于αj的线性组合；
4. 利用已知的αj线性无关，推出关于ki的齐次线性方程组；
5. 证明这个方程组只有零解。

这个流程看起来死板，但它就是绝大多数证明题的骨架。熟练之后，所有抽象相关性证明都在这个框架里。

4.2 线性表示与方程组解的联系：一条路走到底

“判断β能否由α1, …, αm线性表示”这个问题，我一直建议把它直接翻译成“判断方程组是否有解”。具体步骤是：

• 以α1, …, αm为列向量构成系数矩阵A；
• 把β作为增广矩阵最后一列；
• 行变换化成阶梯形；
• 比较r(A)和r(A, β)。

如果r(A) = r(A, β)，则能表示；否则不能。若还能表示且r(A)等于m，则唯一；若r(A)小于m，则有无穷多种表示方式。这个思路和第四章线性方程组解的判定完全一致，所以现在学扎实了，后面会轻松不少。

4.3 求极大无关组并把其余向量表示出来：三步走，照着做不会乱

求极大无关组看起来繁琐，其实步骤非常固定。我用一个简单例子演示一下思路。

设α1 = (1, 0, 0)^T，α2 = (0, 1, 0)^T，α3 = (1, 1, 0)^T。把它们按列排成矩阵：

[ \begin{pmatrix}1&0&1\0&1&1\0&0&0\end{pmatrix} ]

行变换之后，主元在第1列和第2列。所以极大无关组就是α1和α2。再看行最简形里第3列等于第1列加第2列，所以立刻得到α3 = α1 + α2。

步骤总结：

1. 按列排矩阵；
2. 行变换化成行最简形；
3. 主元列对应原矩阵中的列向量，构成极大无关组；
4. 非主元列在行最简形中的列向量，就是该向量用主元列线性表示的系数。

这个流程对所有具体数值题通用。唯一要注意的是，千万不能做列变换，因为列变换破坏的是行向量的关系，我们要看的是列向量之间的关系，只能做行变换。这个坑当年我也踩过，后面再细说。

4.4 证明题的经典模板：一个例子讲透“定义法”

证明“若α1, α2, α3线性无关，则α1 + α2, α2 + α3, α3 + α1也线性无关”，是很多辅导书都喜欢放的一道例题。我当年就是靠它彻底理解了定义法。

设k1(α1 + α2) + k2(α2 + α3) + k3(α3 + α1) = 0，整理成：

(k1 + k3)α1 + (k1 + k2)α2 + (k2 + k3)α3 = 0

因为α1, α2, α3线性无关，所以括号里的系数全都等于0：

k1 + k3 = 0, k1 + k2 = 0, k2 + k3 = 0

这个三元齐次线性方程组的系数行列式是2，不为0，所以只有零解k1 = k2 = k3 = 0，证明完成。

这道题的每一步都踩在了考点上：整理表达式、用已知无关性、转成齐次方程组、证明只有零解。把这一道题吃透，抽象的无关性证明基本就通了。

5. 复习全书里容易踩的坑：概念混淆是我用翻车换来的

5.1 向量组等价和矩阵等价，是两个完全不同的“等价”

这两个条件是考研选择题的超高频陷阱。矩阵等价的判断很简单：两个矩阵同型且秩相等。但向量组等价不只看秩，它要求两个向量组能互相线性表示，也就是r(A) = r(B) = r(A, B)。

举个例子：α1 = (1, 0, 0)^T，α2 = (0, 1, 0)^T，这个向量组的秩是2；β1 = (1, 0, 0)^T，β2 = (0, 0, 1)^T，这个向量组的秩也是2。两个组的秩相同，但它们并不等价，因为α2表示不了β2。我当时就是被“等秩”两个字带偏，选择题连续错了两道，才老老实实把三个秩都算一遍。记住：向量组等价，一定要看并组的秩。

5.2 “个数大于维数必相关”不要用错地方

“向量个数大于维数，则一定线性相关”这句话是对的，但用的时候要搞清楚谁是“维数”。比如，m个n维列向量，如果m > n，则必然线性相关。这句话成立的前提是，所有向量都属于同一个n维空间。

我犯过的错误是，遇到一个3×4矩阵，想都不想就说它的4个列向量一定线性相关，因为个数4大于维数3，这没错；但紧接着我又问自己“那4个行向量呢”，行向量是4维空间里的3个向量，个数3没有大于维数4，不能直接说行向量相关。同一个矩阵，列向量相关，行向量未必相关。这种问题看似简单，但考试紧张的时候特别容易犯糊涂。判断之前先问一句：我现在讨论的向量在哪个维数的空间里？个数和维数谁大？

5.3 施密特正交化的计算细节：分母是“当前向量和自己内积”

施密特正交化在第三章单独看像个小知识点，但到第五章实对称矩阵对角化时一定会回来用。计算本身不难，公式却总有人记错，尤其是分母。

正交化的顺序是：第一个直接拿过来用，后面的每个向量，先减去它在前面所有已得到向量的投影。公式是：

β1 = α1

β2 = α2 - (α2·β1 / β1·β1) β1

β3 = α3 - (α3·β1 / β1·β1) β1 - (α3·β2 / β2·β2) β2

注意这里的内积一定要用正交化过程中新得到的β，而不是原来的α。分母是β和自己做内积，分子是当前要处理的α和β做内积。如果题目还要求标准正交向量组，最后记得每个β再除以自己的长度。

这个计算没有难度，纯粹考细心。我每题都会把内积结果写清楚再代入，绝不心算。别嫌慢，这种题错了才是最亏的。

5.4 我翻车最狠的一次：在含参题里直接除了含参因子

曾经做过一道题：设向量组α1 = (1, a, 1)^T，α2 = (a, 1, 0)^T，α3 = (1, 0, 2)^T，问a取何值时线性相关。我做了行变换，化出某行含因子(a - 1)，想都没想就划掉了，直接得出a = 1时相关。结果对了一下答案，发现a = -2的时候也相关，白白丢了一整道大题的分。

后来我总结：含参行变换时，遇到“某一行乘了含参因子”的情况，不要急着除以它。把它留在那里，分两种情况讨论：因子等于0和非0。这样虽然写的文字多一点，但绝对不会漏情况。含参讨论题在阅卷时是按情况给分的，漏一种情况，扣一半分，非常不划算。

这个教训我写进了错题本的第一页，每次做含参题之前都扫一眼。也建议你把这类错误单独归类，不要混在计算错误里。

6. 我给这章安排的复习节奏：三遍法和错题本怎么配合

6.1 三遍法不是把书读三遍，而是每一遍解决不同的问题

第一遍的目标是“读懂概念链”。我要求自己合上书，能把线性表示、线性相关、极大无关组、秩、等价这几个概念之间的关系讲清楚。这一遍不用刷太多题，但需要把复习全书第三章里的例题逐一看懂，尤其是那些证明题，哪怕不动笔写，也要知道每一步在干什么。

第二遍的目标是“建立题型模板”。按照上面第四部分分出来的几类题型，每天练一类，每类十道左右。这一遍的中心是总结：看到“判断相关”就想到“数秩”，看到“求极大无关组”就想到“行最简形主元列”，看到抽象证明就想到“定义法五步”。做题慢是正常的，关键是每个动作都有明确的理由。

第三遍放在强化阶段或者真题阶段，目标是把速度和准确率提上来。这时候我会把三张A4纸总结好的题型模板和错题本对照着看，再刷真题里涉及向量的所有题目，直到选择填空能稳定在两三分钟内做出来，证明题能从头到尾完整写完。

6.2 错题本上值得记的几种“非计算错误”

计算错误不值得抄太多，抄了也没时间看。真正值得进错题本的，是我上面提到的那些结构性错误：含参讨论漏情况、向量组等价和矩阵等价混淆、行列式法用在了非方阵上、正交化分母用错。这些错误有一个共同点：它们不是因为手滑，而是因为某个概念理解不到位。概念错误才是失分的大头。

我在错题本上给每个错误都留了一行“错因诊断”，用一句话写清楚当时到底错在哪一步。比如“把r(A) = r(B)当作向量组等价的条件，没看并组的秩”。复习的时候我只看这一行，不看完整题目，能想起正确的处理方式就算过关。

6.3 学完第三章，其实第四章的钥匙已经拿到了一半

很多人学完第三章就急着往前赶，觉得第四章线性方程组是“新知识”，其实第四章就是把第三章的话换了个说法。

• 向量组线性相关，对应齐次方程组有非零解；
• 向量组线性无关，对应齐次方程组只有零解；
• 一个向量能否由向量组表示，对应非齐次方程组是否有解；
• 向量组的极大无关组，对应齐次方程组的基础解系；
• 向量组的秩，对应约束方程个数和自由未知量个数。

所以我建议学完第三章后，不要急着合上书，花半天时间把这一章的结论都翻译成“方程组语言”，写在纸面上。到这个阶段你做第四章时会有一种“这我好像见过”的感觉，那种感觉不是错觉，是前面打下的底子在起作用。

最后再分享一个小技巧：学第三章时，把每个定理都试着改写成“如果……那么……”的形式，自己说一遍。比如“如果一个向量组线性无关，那么去掉其中任意一个向量之后，剩下的向量仍然线性无关吗”——仔细想想这个问题会发现，这里其实是个容易忽略的细节。能把每个定理都在自己嘴里转一圈，概念才真正变成自己的。我当时就是用这个方法，把整个第三章从“背定义”变成了“理解结构”，后面复习后半本线代时明显顺了很多。