矩阵运算、行列式几何意义与线性无关性

1. 向量和线性相关性：

如果矩阵A是一个方阵，那么他的列向量组线性相关的充要条件为|A|=0

如何理解？首先需要明确线性相关的概念。对于一个n维向量组a1，a2，。。。am，若存在不全为的数k1，k2，。。。km，使得k1a1+k2a2+。。。+kmam=0，则说明向量组线性相关，否则称为线性无关。

证明向量组线性相关，相当于我们能否找到一组不全为0的数使得等式成立。我们将k作为未知数，那么，这就变成了以A=（a1，a2，。。。，am）为系数矩阵的齐次线性方程组是否有非零解。根据“线性方程组的解”相关知识我们知道，R（A）<m时线性相关，即A为降秩矩阵。若A为方阵，说明|A|=0

线性相关相当于“降维”，向量组中至少有一个向量可以由其他向量线性表示。线性无关则表示“满秩”，向量组可以张成一个m维空间。

2. 矩阵和行列式，行列式和线性无关性

 ①行列式是针对方阵的

②行列式=0，意味着空间压缩，比如本来三维的，压缩成了二维的平面（本来不在同一维度上的东西压缩到了同一维度），线性相关

②行列式><0(不等于0），意味着空间未压缩，维度不变，线性无关

如果仅限于线性代数，行列式为0对应的矩阵（设为A，有n行n列）有以下性质：

1、A不可逆 (或者说不满秩，也可称为奇异矩阵)；

2、A的列(行)向量组线性相关；

3、A的秩小于n，即r(A)<n；

4、齐次方程AX=0有非零解；

5、A有特征值0；

6、A不能表示成初等矩阵的乘积；

7、A的等价标准形不是单位矩阵

行列式指矩阵(线性方程组系数)的行列式，如果不为零，则表明矩阵满秩，这样，对于方程组的矩阵式y=Ax，无论y取啥数组(向量)，必有唯一解，就是说，必然能找到唯一的一个数组(向量)x，使等式成立。

如果|A|=0，则说明A不满秩，当y取某数组(向量)时，方程组就可能有两种情况，一种是无解，一种是有无穷多解。

满秩是啥意思？就是矩阵里的列向量(有人也喜欢扯行向量)都是线性无关的，每一个列向量都可以担当起一个全空间坐标系的起作用的坐标轴。比如一个三阶矩阵，有三个列向量，如果满秩，这三个向量就能形成一个立体(3维)的坐标轴体系(满秩，|A|≠0)，而不是三者都趴在一个“平面”里(秩就为2，不满3了，|A|=0)。

A满秩，为啥必然就有唯一解呢？满秩，就是坐标轴系完整，整个空间里任选一个点位(相当于y取值)，都有一个坐标值可以标定(有唯一对应的x)。如果不满秩，就如3维空间里，这三个坐标轴居然趴在一个平面里，这时，落在这个平面上的点(若y取值在这个平面上)，则还是有解的，而且坐标轴富裕(三个轴表达一个平面)，就可以有各种数字组合，就有无穷多解。但若y的取值不在这个平面内，坐标轴再多，还是无解。比如三个坐标轴都平躺在地面上，高度就没法标了。你取一个点在地面上一毫米，这个不满秩的坐标轴也标示不出来(无解)啊。

不过，对于这类三坐标，不要理解为必然是“直角坐标”系，就是三个坐标轴垂直(线代里叫正交)。在线代里谈论的基(坐标轴)通常不是正交的，但它们若要满秩，就必然不在一个子空间里，比如在一个秩2的子空间(平面)。坐标轴可以各种斜，但是，只要没有三个都落到一个(斜)平面上，这个斜(或正)的平面就是一个秩为2的子空间，这三个基(列向量，坐标轴)就是线性无关的，就是满秩的，就是能标定空间里任何一个位置的，就是必有唯一解的。

补

行列式的几何意义：

1.二阶行列式是两个向量为边围成的四边形的面积。若|A|=0，说明两个向量共线，有底边，没高度，就面积为零了。正负值区分了面积的方向。

2.三阶行列式是三个向量为棱边的六面体(立体)体体积，|A|=0，说明至少是三线共面，有底面积，没有高度了，或者三者共线，底面积和高度都没了。正值表示高度方向与底面积方向一致，负值表示二者相背。

3. 线性方程组和行阶梯形矩阵：

不妨这样，将列向量组排成矩阵，然后用初等列变换化为梯形(左下梯形)。在这个过程中，我们消去了一些向量，也就是说，这些向量是可以用其他向量线性表出的。从而剩下的向量无法互相线性表出。

而我们每次只剔除了一个向量，因为所谓“剔除”，就是把某列向量全变为0，而我们每次只对一列作列变换。而每次剔除的向量都是可以由其他向量表出的。当我们无法剔除向量时，不仅说明当前已经没有可以被其他向量线性表出的向量了，也说明我们刚刚剔除了最后一个可以被其他向量线性表出的向量。从而，得到了极大线性无关向量组

4. 向量空间和基：

一个向量组的线性组合构成一个线性空间，我们称“该向量组张成了这个线性空间”，这个线性空间就是该向量组的向量空间。

一个向量组的极大无关组不是唯一的，但是它能最精简地保留原向量组的秩，也就是向量空间的维数。极大无关组可以作为其向量空间的一组基，也就是某种斜坐标系。

一个非零向量能张成一条直线（一维）；两个非零向量可能张成一个平面（二维），也有可能共线（即线性相关），只能张成一维；三个非零向量可能张成三维、二维或一维，以此类推。

如果一个向量可以被别的向量线性表示，那么它被称为“冗余”的，它在向量组张成向量空间时起不到任何价值，不能增加维度。显然，一个向量至多增加一个维度。

我们对矩阵进行初等行变换变为阶梯型的时候，就是把那些能被别的向量表示的“冗余”、“无价值”的向量进行“剔除”，剩下的极大无关组就是那些“骨干”、“真材实货”。

当然，“冗余”也是相对的。比如说存在这种情况：a和b能表示c，a和c也同样能表示b，b和c也同样能表示a. 在这种情况下，剔除a, b, c其中任意一个向量都可以。

这里有一堆向量 和 他的极大无关组

这堆向量能构建出的最高维度的空间，其实就是极大无关组能弄出的空间

作者：JASON
链接：https://www.zhihu.com/question/574576075/answer/2815463671

作者：无产者
链接：https://www.zhihu.com/question/505349726/answer/2267327249

作者：David KZ
链接：https://www.zhihu.com/question/51884467/answer/536660172

作者：tetradecane
链接：https://www.zhihu.com/question/51884467/answer/536858632