向量组——线代里看着最晕、实际最好拿分的章节
很多同学一到向量组就头疼：线性相关、线性无关、极大无关组、秩、基……一堆概念来回绕。
别怕，今天我就用最直白的话把它们一次性掰扯清楚。
其实向量就是个箭头（或者一组数）
$\alpha = (a_1, a_2, \ldots, a_n)$ 就是一个$n$维向量。
你可以简单理解为：向量就是只有一列的矩阵（列向量），或者只有一行的矩阵（行向量）。
核心概念：线性相关 vs 线性无关
用大白话说：
- 线性相关 = 这群向量里，有一个能被其他的"拼"出来
- 线性无关 = 这群向量里，谁都拼不出谁
比如$\alpha_1=(1,0), \alpha_2=(2,0)$，$2\alpha_1=\alpha_2$，所以它们线性相关。
比如$\alpha_1=(1,0), \alpha_2=(0,1)$，拿多少个$\alpha_1$也凑不出$\alpha_2$，它们线性无关。
必考题型一：判断线性相关/无关（三步搞定）
- 把向量组写成矩阵（每个向量是一列）
- 用行变换化成行阶梯形
- 看非零行数量：
- 非零行行数 $<$ 向量个数 $\to$ 线性相关
- 非零行行数 $=$ 向量个数 $\to$ 线性无关
等价结论（选择题填空直接套）：
- $n+1$个$n$维向量一定线性相关（向量的数量超过维数，必然相关！）
- 含有零向量的向量组一定线性相关
- 部分相关 $\to$ 整体相关（这个反过来不成立）
必考题型二：求极大无关组
- 把向量按列排成矩阵
- 行变换化成行最简形
- 每个非零行的主元所在的列 $\to$ 对应的原向量就是极大无关组
例题： $\alpha_1=(1,0,1), \alpha_2=(2,1,0), \alpha_3=(3,1,1)$
$$\begin{bmatrix} 1 & 2 & 3 \\ 0 & 1 & 1 \\ 1 & 0 & 1 \end{bmatrix} \xrightarrow{\text{行变换}} \begin{bmatrix} 1 & 0 & 1 \\ 0 & 1 & 1 \\ 0 & 0 & 0 \end{bmatrix}$$ 主元在第1列和第2列 $\to$ 极大无关组是$\{\alpha_1, \alpha_2\}$
必考题型三：向量组的秩
向量组的秩 = 极大无关组中向量的个数。求法：排成矩阵，化成行阶梯，数非零行行数。
没错，和矩阵的秩一样的方法！
考试高频结论汇总（背下来！）
| 条件 | 结论 |
|---|---|
| $n$个$n$维向量 | 行列式$\ne 0 \to$ 无关；行列式$=0 \to$ 相关 |
| $n+1$个$n$维向量 | 一定线性相关（必考！） |
| 含零向量的向量组 | 一定线性相关 |
| 向量组秩 = 向量个数 | 线性无关 |
| 向量组秩 $<$ 向量个数 | 线性相关 |
今天的作业
- 判断2-3组向量是否线性相关（一组3个2维向量，一组2个3维向量）
- 求一组向量的极大无关组
- 用两个方法判断线性相关（行列式法和行变换法），对比结果
明天是重头戏——线性方程组，考试大题基本都出在这儿！💪