向量组的线性相关性

向量组及其线性组合

1. $n$个有次序的数$a_1,a_2,...,a_n$所组成的一个有序数组$(a_1,a_2,...,a_n)$称为一$n$维向量，这$n$个数称为该向量的$n$个分量，其中$a_i$称为第$i$个分量.$a_i(i=1,2,...,n)$都为实数的向量称为实向量，分量为复数的向量称为复向量.n维向量可写成一行或一列，分别称为行向量或列向量，即行矩阵或列矩阵.列向量一般用小写黑体字母$\alpha,\beta,\gamma$等表示，行向量则用$\alpha^T,\beta^T,\gamma^T$等表示.若干个同维数的列向量（行向量）组成的集合称为向量组.
2. • 设向量$A：\alpha_1,\alpha_2,...,\alpha_m$，对于任意实数$k_1,k_2,...,k_m$，表达式$k_1\alpha_1,k_2\alpha_2,...,k_m\alpha_m$称为向量组$A$的一个线性组合.$k_1,k_2,...,k_m$称为这个线性组合的系数
   • 设向量组$A：\alpha_1,\alpha_2,...,\alpha_m$和向量$\beta$，若存在一组数$\lambda_1,\lambda_2,...,\lambda_m$，使得$\beta=\lambda_1\alpha_1,\lambda_2\alpha_2,...\lambda_m\alpha_m$，则称向量$\beta$可由向量组$A$线性表示
     （向量$\beta$能由向量组$A$线性表示，也就是线性方程组$x_1\alpha_1+x_2\alpha_2+...+x_m\alpha_m=\beta$有解）
   • • 向量$\beta$能由向量组$\alpha_1,\alpha_2,...,\alpha_m$线性表示的充分必要条件是矩阵$A=(\alpha_1,\alpha_2,...,\alpha_m)$的秩等于矩阵$B=(\alpha_1,\alpha_2,...,\alpha_m,\beta)$的秩.
     • 设向量组$A：\alpha_1,\alpha_2,...,\alpha_s$及向量组$B：\beta_1,\beta_2,...,\beta_t$，若向量组$B$中的每个向量都能由向量组$A$线性表示，则称向量组B能由向量组A线性表示.若向量组$A,B$可互相线性表示，则称这两个向量组等价
     • 向量组的等价性具有下列性质：
       
       1. 反身性：任一向量组$A：\alpha_1，\alpha_2，...，\alpha_m$与其自身等价；
       2. 对称性：如果向量组$A：\alpha_1，\alpha_2，...，\alpha_s$与向量组$B：\beta_1，\beta_2，...，\beta_t$等价，则向量组$B$与向量组$A$等价；
       3. 传递性：如果向量组$A：\alpha_1，\alpha_2，...，\alpha_s$与向量组$B：\beta_1，\beta_2，...，\beta_t$等价，且向量组$B：\beta_1，\beta_2，...，\beta_t$与向量组$C：\gamma_1,\gamma_2,...,\gamma_m$等价，则向量组$A$与向量组$C$等价.
     • 向量组$B：\beta_1，\beta_2，...，\beta_t$能由向量组$A：\alpha_1，\alpha_2...，\alpha_s$线性表示的充分必要条件是矩阵$A=(\alpha_1，\alpha_2...，\alpha_s)$的秩等于矩阵$(A,B)=(\alpha_1，\alpha_2...，\alpha_s，\beta_1，\beta_2，...，\beta_t)$的秩，即$R(A)=R(A,B)$
     • 向量组$A：(\alpha_1，\alpha_2...，\alpha_s)$与向量组$B：\beta_1，\beta_2，...，\beta_t$等价的充分必要条件是$R(A)=R(B)=R(A,B)$，其中$(A,B)$是由向量组$A$和$B$所构成的矩阵
     • 设向量组$B：\beta_1,\beta_2,...,\beta_t$能由向量组$A：\alpha_1，\alpha_2...，\alpha_s$线性表示，则$R(B)\le R(A)$
     • 向量组$B：\beta_1,\beta_2,...,\beta_t$能由向量组$A：\alpha_1，\alpha_2...，\alpha_s$线性表示： $$\Longleftrightarrow 存在矩阵K，使B=AK$$ $$\Longleftrightarrow 矩阵方程AX=B有解$$
     • 设$n$维列向量组$A：\alpha_1，\alpha_2...，\alpha_m$构成$n\times m$矩阵$A=(\alpha_1，\alpha_2...，\alpha_m)$，$n$阶单位阵$E=(e_1,e_2,...,e_n)$的列向量称为$n$维基本单位向量.$n$维基本单位向量组$e_1,e_2,...,e_n$能由向量组$A$线性表示的充分必要条件是$R(A)=n.$

向量组的线性相关性

1. 设向量组$A：\alpha_1，\alpha_2...，\alpha_m$，如果存在不全为零的数$k_1,k_2,...k_m$，使得 $$k_1\alpha_1+k_2\alpha_2+...+k_m\alpha_m=0$$ 成立，则称向量组$A$线性相关，否则称向量组$A$线性无关.
   特别地，$m=1$时，$\alpha(\not= 0)$是线性相关的.对于含两个向量$\alpha_1,\alpha_2$的向量组线性相关的充分必要条件是$\alpha_1，\alpha_2$的分量对应成比例，其几何意义是两向量共线.三个向量线性相关的几何意义是三个向量共面
   向量组$\alpha_1，\alpha_2...，\alpha_m(m\ge 2)$线性相关，也就是在向量组中至少有一个向量可由其余$m-1$个向量线性表示
2. 向量组$\alpha_1，\alpha_2，...，\alpha_m$线性相关的充分必要条件是它所构成的矩阵$A=(\alpha_1,\alpha_2,...,\alpha_m)$的秩小于向量个数$m$；向量组$\alpha_1,\alpha_2,...,\alpha_m$线性无关的充分必要条件是它所构成的矩阵$A=(\alpha_1,\alpha_2,...,\alpha_m)$的秩等于向量个数$m$.
3. 若向量组$\alpha_1，\alpha_2...，\alpha_m$线性相关，则向量组$\alpha_1，\alpha_2...，\alpha_m，\alpha_{m+1}$也线性相关；反之，若$\alpha_1，\alpha_2...，\alpha_{m+1}$线性无关，则向量组$\alpha_1，\alpha_2...，\alpha_m$也线性无关
4. $m$个$n$维向量组成的向量组，当维数$n$小于向量个数$m$时一定线性相关.特别地，$n+1$个$n$维向量一定线性相关
5. 设向量组$A：\alpha_1，\alpha_2...，\alpha_m$线性相关，而向量组$B：\alpha_1，\alpha_2...，\alpha_m，\beta$线性相关，则向量$\beta$能由向量组$A$线性表示，且表达式是唯一的
6. 设向量组$B：\beta_1，\beta_2，...，\beta_t$可由向量组$A：\alpha_1，\alpha_2...，\alpha_s$线性表示，且$s<t$，则向量组$B：\beta_1，\beta_2，...，\beta_t$线性相关.
7. 设向量组$B：\beta_1，\beta_2，...，\beta_t$可由向量组$A：\alpha_1，\alpha_2...，\alpha_s$线性表示，若向量组$B：\beta_1，\beta_2，...，\beta_t$线性无关，则$s\ge t$.
8. 设向量组$A：\alpha_1，\alpha_2...，\alpha_s$与$B：\beta_1，\beta_2，...，\beta_t$等价，若向量组$A$和$B$都是线性无关，则$s=t$

向量组的秩

1. 设向量组$A_0：\alpha_1，\alpha_2，...，\alpha_r$是向量组$A$的一个部分向量组，如果满足：
   
   1. 向量组$A_0：\alpha_1，\alpha_2，...，\alpha_r$线性无关；
   2. 向量组$A$中任意$r+1$个向量（如果存在的话）都线性相关，则称向量组$A_0$是向量组$A$的一个极大线性无关向量组（简称极大无关组）.极大无关组所含向量个数$r$称为向量组$A$的秩，记作$R_A$或$R(A)$
   • 由于一个非零向量本身线性无关，故包含非零向量的向量组一定存在极大无关组；而仅含零向量的向量组不存在极大无关组，规定它的秩为0.特别地，如果一个向量组线性无关，则其极大无关组就是该向量组本身.
   • 向量组$A：\alpha_1，\alpha_2，...，\alpha_m$线性无关的充分必要条件是向量组$A：\alpha_1，\alpha_2，...，\alpha_m$的秩等于$m$；
   • 向量组$A：\alpha_1，\alpha_2，...，\alpha_m$线性相关的充分必要条件是向量组$A：\alpha_1，\alpha_2，...，\alpha_m$的秩小于$m$.
   • 设矩阵$A$的秩为$r$，即$R(A)=r$.由矩阵的秩的定义，在矩阵$A$中至少存在一$r$阶子式不等于零，而且所有的$r+1$阶子式（如果存在）全为零.矩阵$A$中包含这个$r$阶非零子式的列（行）向量组线性无关，且任意$r+1$个列（行）向量所构成的向量组线性相关.因此，矩阵$A$中包含这个$r$阶非零子式的列（行）向量组就是矩阵$A$的列（行）向量组的一个极大无关组.
   • 矩阵的秩等于它的列向量组的秩，也等于它的行向量组的秩
   • 极大无关组的等价定义：设向量组$A_0：\alpha_1,\alpha_2,...,\alpha_r$是向量组$A$的一个部分向量组，且满足：
     
     1. 向量组$A_0$线性无关；
     2. 向量组$A$中任一向量都能由向量组$A_0$线性表示.
        则向量组$A_0$是向量组$A$的一个极大无关组
   • 若向量组$B：\beta_1，\beta_2，...，\beta_t$可由向量组$A：\alpha_1，\alpha_2，...，\alpha_s$线性表示的充分条件是$R(\alpha_1，\alpha_2，...，\alpha_s)=R(\alpha_1，\alpha_2，...，\alpha_s,\beta_1，\beta_2，...，\beta_t)$
   • 若向量组$B：\beta_1，\beta_2，...，\beta_t$能由向量组$A：\alpha_1，\alpha_2，...，\alpha_s$线性表示，则$R(\beta_1，\beta_2，...，\beta_t) \le R(\alpha_1，\alpha_2，...，\alpha_s)$
   • 若向量组$B$能由向量组$A$线性表示，且它们的秩相等.则向量组$A$与向量组$B$等价

   • 向量空间

   1. • 设$V$是$n$维向量的集合，如果集合$V$非空，且集合$V$对向量的加法及数乘两种运算封闭，则称集合$V$为向量空间
        所谓封闭，是指在集合$V$中可以进行加法及数乘两种运算，具体地说就是：对任意$\alpha \in V，\beta \in V，$有$\alpha + \beta \in V$；对任意$\alpha \in V, \lambda \in R$，有$\lambda \alpha \in V$
      • 设$\alpha，\beta$为两个已知的$n$维向量，集合$L=\{x=\lambda \alpha + \mu \beta | \lambda, \mu \in R\}$是一个向量空间，称其为由向量$\alpha,\beta$所生成的向量空间
        一般地，由向量组$\alpha_1,\alpha_2,...,\alpha_m$所生成的向量空间为 $$L=\{x=\lambda_1\alpha_1+\lambda_2\alpha_2+...+\lambda_m\alpha_m|\lambda_1,\lambda_2,...,\lambda_m\in R\}$$
      • 设有向量空间$V_1$及$V_2$，若$V_1\subset V_2$，则称$V_1$是$V_2$的子空间
      • 设$V$为向量空间，如果$r$个向量$\alpha_1,\alpha_2,...,\alpha_r \in V$，且满足：
        
        1. $\alpha_1,\alpha_2,...,\alpha_r$线性无关；
        2. $V$中任一向量$\alpha$都可由$\alpha_1,\alpha_2,...,\alpha_r$线性表示.
           则称向量组$\alpha_1,\alpha_2,...,\alpha_r$为向量空间$V$的一个基.$r$为向量空间$V$的维数，记为$\dim V=r$，并称$V$为$r$维向量空间（0维向量空间只含一个零向量.任一$n$个线性无关的$n$维向量都是向量空间$R^n$的一个基，由此可知$R^n$的维数为$n$.所以，把$R^n$称为$n$维向量空间）
           特别地，在$R^n$中取基本单位向量组$e^1,e^2,...,e^n$为基，则以$x_1,x_2,...,x_n$为分量的向量$x$可表示为$x=x_1e_1+x_2e_2+...+x_ne_n$.可见，向量$x$在基$e_1,e_2,...,e_n$下的坐标就是该向量的分量，称$e_1,e_2,...,e_n$为$R^n$的自然基

   线性方程组解的结构

   1. 设$n$元齐次线性方程组 $$\begin{equation} \left\{ \begin{aligned} a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=0， \\ a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=0， \\ ...\\ a_{m1}x_1+a_{m2}x_2+...+a_{mn}x_n=0， \end{aligned} \right. \end{equation} \tag{1}$$ ，其矩阵表示形式为 $$Ax=0，$$ 其中$A=(a_{ij})_{m\times n}，x=(x_1,x_2,...,x_n)^T$.若$x_1=\xi_{11},x_2=\xi_{21},...,x_n=\xi_{n1}$为方程组（1）的解，则称$x=\xi_1=\left( \begin{matrix} \xi_{11}\\ \xi_{21}\\.\\.\\.\\\xi_{n1} \end{matrix} \right)$为方程组（1）的解向量
   2. 若$\xi_1,\xi_2$都是方程组（1）的解，则$\xi_1+\xi_2$也是方程组（1）的解
   3. 若$\xi_1$是方程组（1）的解，$k$为实数，则$k\xi_1$也是方程组（1）的解
   4. 方程组（1）的全体解向量构成的集合$S=\{x|Ax=0\}$对向量的线性运算封闭.从而是一向量空间，称其为齐次线性方程组$Ax=0$的解空间
   5. 设$R(A)=r$，方程组的所有解$x$均可由$\xi_1,\xi_2,...,\xi_{n-r}$线性表示.又因矩阵$(\xi_1,\xi_2,...,\xi_{n-r})$中有$n-r$阶子式$|E_{n-r}|\not=0$，故$R(\xi_1,\xi_2,...,\xi_{n-r})=n-r$，所以$\xi_1,\xi_2,...,\xi_{n-r}$线性无关.根据向量空间基的定义，$\xi_1,\xi_2,...,\xi_{n-r}$是方程组（1）解空间的一个基，称其为方程组（1）的基础解系.$\xi_1,\xi_2,...,\xi_{n-r}$的线性组合$x=c_1\xi_1+c_2\xi_2+...+c_{n-r}\xi_{n-r}(c_1,c_2,...,c_{n-r}$为任意实数)即为方程组（1）的全部解也称为通解
   6. 若$n$元齐次线性方程组（1）的系数矩阵$A$的秩$R(A)=r<n$，则该方程组的解空间$S=\{x|Ax=0\}$的维数为$n-r.$其解空间$V$可表示为 $$V=\{x=c_1\xi_1+c_2\xi_2+...+c_{n-r}\xi_{n-r}|c_1,c_2,...,c_{n-r}\in R\}$$
      当$R(A)=n$时，方程组（1）只有零解，没有基础解系

   ---

   设$n$元非齐次线性方程组

   $$\begin{equation} \left\{ \begin{aligned} a_{11}x_1+a_{12}x_2+...+a_{1n}x_n=b_1， \\ a_{21}x_1+a_{22}x_2+...+a_{2n}x_n=b_2， \\ ...\\ a_{m1}x_1+a_{m2}x_2+...+a_{mn}x_n=b_m. \end{aligned} \right. \end{equation} \tag{2}$$ 其矩阵表示形式
   $$Ax=b$$ ，对应的齐次线性方程组为$Ax=0$
   7. 设$\eta_1，\eta_2$都是方程组（2）的解，则$\eta_1-\eta_2$是对应的齐次线性方程组$Ax=b$的解
   8. 设$\eta^*$是非齐次线性方程组（2）的解，$\xi$是对应的齐次线性方程组$Ax=0$的解，则$\xi+\eta^*$是非齐次线性方程组（2）的解
   9. 非齐次线性方程组（2）的通解可表示为： $$x=c_1\xi_1+c_2\xi_2+...+c_{n-r}\xi_{n-r}+\eta^*$$ ，其中$c_1,c_2,...,c_{n-r}$为任意实数