小结
- 向量组的线性无关
- 矩阵各列的线性无关
- 一个或两个向量的集合的线性无关
- 两个或多个向量的集合的线性无关
向量组的线性无关
R n \mathbb{R}^{n} Rn中一组向量{ v 1 , ⋯   , v p \boldsymbol{v_1,\cdots,v_p} v1,⋯,vp}称为线性无关的,若向量方程仅有平凡解。向量组(集){ v 1 , ⋯   , v p \boldsymbol{v_1,\cdots,v_p} v1,⋯,vp}称为线性相关的,若存在不全为零的权 c 1 , ⋯   , c p c_1,\cdots,c_p c1,⋯,cp,使 c 1 v 1 + ⋯ + c p v p = 0 c_1\boldsymbol{v_1}+\cdots+c_p\boldsymbol{v_p}=\boldsymbol{0} c1v1+⋯+cpvp=0方程成立。方程 c 1 v 1 + ⋯ + c p v p = 0 c_1\boldsymbol{v_1}+\cdots+c_p\boldsymbol{v_p}=\boldsymbol{0} c1v1+⋯+cpvp=0称为向量 v 1 , ⋯   , v p \boldsymbol{v_1,\cdots,v_p} v1,⋯,vp的一个线性相关关系,其中权不全为零。一组向量线性相关当且仅当它不是线性无关的。为简单起见,我们也可说 v 1 , ⋯   , v p \boldsymbol{v_1,\cdots,v_p} v1,⋯,vp线性相关,意思是向量组(集){ v 1 , ⋯   , v p \boldsymbol{v_1,\cdots,v_p} v1,⋯,vp}是线性相关组。
设
v
1
=
[
1
2
3
]
,
v
2
=
[
4
5
6
]
,
v
3
=
[
2
1
0
]
\boldsymbol{v_1}=\begin{bmatrix}1 \\ 2 \\ 3\end{bmatrix},\boldsymbol{v_2}=\begin{bmatrix}4 \\ 5 \\ 6\end{bmatrix},\boldsymbol{v_3}=\begin{bmatrix}2 \\ 1 \\ 0\end{bmatrix}
v1=⎣⎡123⎦⎤,v2=⎣⎡456⎦⎤,v3=⎣⎡210⎦⎤。确定向量组{
v
1
,
v
2
,
v
3
\boldsymbol{v_1,v_2,v_3}
v1,v2,v3}是否线性相关的。若线性相关,求出
v
1
,
v
2
,
v
3
\boldsymbol{v_1,v_2,v_3}
v1,v2,v3的一个线性相关关系。
解:行化简相应的增广矩阵:
[
1
4
2
0
2
5
1
0
3
6
0
0
]
\begin{bmatrix} 1 & 4 & 2 & 0 \\ 2 & 5 & 1 & 0 \\ 3 & 6 & 0 & 0 \\ \end{bmatrix}
⎣⎡123456210000⎦⎤~
[
1
4
2
0
0
−
3
−
3
0
0
−
6
−
6
0
]
\begin{bmatrix} 1 & 4 & 2 & 0 \\ 0 & -3 & -3 & 0 \\ 0 & -6 & -6 & 0 \\ \end{bmatrix}
⎣⎡1004−3−62−3−6000⎦⎤~
[
1
4
2
0
0
−
3
−
3
0
0
0
0
0
]
\begin{bmatrix} 1 & 4 & 2 & 0 \\ 0 & -3 & -3 & 0 \\ 0 & 0 & 0 & 0 \\ \end{bmatrix}
⎣⎡1004−302−30000⎦⎤
显然,
x
1
x_1
x1和
x
2
x_2
x2为基本变量,
x
3
x_3
x3为自由变量。
x
3
x_3
x3的每一个非零值确定一组非平凡解。因此,向量组{
v
1
,
v
2
,
v
3
\boldsymbol{v_1,v_2,v_3}
v1,v2,v3}是线性相关的。
继续行化简增广矩阵并写出对应方程组的通解 :
[
1
0
−
2
0
0
1
1
0
0
0
0
0
]
{
x
1
=
2
x
3
x
2
=
−
x
3
0
为
自
由
变
量
\begin{bmatrix}1 & 0 & -2 & 0 \\ 0 & 1 & 1 & 0 \\ 0 & 0 & 0 & 0\end{bmatrix}\quad \begin{cases}x_1 = 2x_3 \\ x_2 = -x_3 \\ 0为自由变量\end{cases}
⎣⎡100010−210000⎦⎤⎩⎪⎨⎪⎧x1=2x3x2=−x30为自由变量
选择
x
3
x_3
x3的一个非零值,比如
x
3
=
5
x_3=5
x3=5,则
x
1
=
10
x_1=10
x1=10,
x
2
=
−
5
x_2=-5
x2=−5。
10
v
1
−
5
v
2
+
5
v
3
=
0
10\boldsymbol{v_1}-5\boldsymbol{v_2}+5\boldsymbol{v_3}=\boldsymbol{0}
10v1−5v2+5v3=0就是
v
1
,
v
2
,
v
3
\boldsymbol{v_1,v_2,v_3}
v1,v2,v3的一个线性相关关系。
矩阵各列的线性无关
设我们不考虑向量组而是考虑矩阵
A
=
[
a
1
⋯
a
n
]
\boldsymbol{A}=\begin{bmatrix}\boldsymbol{a_1} & \cdots &\boldsymbol{a_n}\end{bmatrix}
A=[a1⋯an],矩阵方程
A
x
=
0
\boldsymbol{Ax}=\boldsymbol{0}
Ax=0可以写成
x
1
a
1
+
⋯
+
x
n
a
n
=
0
x_1\boldsymbol{a_1}+\cdots+x_n\boldsymbol{a_n}=\boldsymbol{0}
x1a1+⋯+xnan=0。
A
\boldsymbol{A}
A的各列之间的每一个线性相关关系对应于方程
A
x
=
0
\boldsymbol{Ax}=\boldsymbol{0}
Ax=0的一个非平凡解。矩阵
A
\boldsymbol{A}
A的各列线性无关,当且仅当方程
A
x
=
0
\boldsymbol{Ax}=\boldsymbol{0}
Ax=0仅有平凡解。
确定矩阵
A
=
[
0
1
4
1
2
−
1
5
8
0
]
\boldsymbol{A}=\begin{bmatrix} 0 & 1 & 4 \\ 1 & 2 & -1 \\ 5 & 8 & 0\end{bmatrix}
A=⎣⎡0151284−10⎦⎤的各列是否线性无关。
解:为研究
A
x
=
0
\boldsymbol{Ax}=\boldsymbol{0}
Ax=0,把增广矩阵进行行化简:
[
0
1
4
0
1
2
−
1
0
5
8
0
0
]
\begin{bmatrix} 0 & 1 & 4 & 0 \\ 1 & 2 & -1 & 0 \\ 5 & 8 & 0 & 0 \\ \end{bmatrix}
⎣⎡0151284−10000⎦⎤~
[
1
2
−
1
0
0
1
4
0
0
2
−
5
0
]
\begin{bmatrix} 1 & 2 & -1 & 0 \\ 0 & 1 & 4 & 0 \\ 0 & 2 & -5 & 0 \\ \end{bmatrix}
⎣⎡100212−14−5000⎦⎤~
[
1
2
−
1
0
0
1
4
0
0
0
13
0
]
\begin{bmatrix} 1 & 2 & -1 & 0 \\ 0 & 1 & 4 & 0 \\ 0 & 0 & 13 & 0 \\ \end{bmatrix}
⎣⎡100210−1413000⎦⎤
显然,
x
1
x_1
x1,
x
2
x_2
x2和
x
3
x_3
x3为基本变量,无自由变量。因此方程
A
x
=
0
\boldsymbol{Ax}=\boldsymbol{0}
Ax=0仅有平凡解。
A
\boldsymbol{A}
A的各列是线性无关的。
一个或两个向量的集合的线性无关
仅含一个向量(比如说 v \boldsymbol{v} v)的集合线性无关当且仅当 v \boldsymbol{v} v不是零向量。这是因为当 v ≠ 0 \boldsymbol{v} \neq 0 v̸=0时向量方程 x 1 v = 0 x_1\boldsymbol{v}=\boldsymbol{0} x1v=0仅有平凡解。零向量时线性相关的,因为 x 1 0 = 0 x_1\boldsymbol{0}=\boldsymbol{0} x10=0有许多非平凡解。
确定下列向量组是否线性无关。
- v 1 = [ 3 1 ] \boldsymbol{v_1}=\begin{bmatrix}3 \\ 1\end{bmatrix} v1=[31], v 2 = [ 6 2 ] \boldsymbol{v_2}=\begin{bmatrix}6 \\ 2\end{bmatrix} v2=[62]
- v 1 = [ 3 2 ] \boldsymbol{v_1}=\begin{bmatrix}3 \\ 2\end{bmatrix} v1=[32], v 2 = [ 6 2 ] \boldsymbol{v_2}=\begin{bmatrix}6 \\ 2\end{bmatrix} v2=[62]
解:
- 注意 v 2 \boldsymbol{v_2} v2是 v 1 \boldsymbol{v_1} v1的倍数,即 v 2 = 2 v 1 \boldsymbol{v_2}=2\boldsymbol{v_1} v2=2v1。因此 − 2 v 1 + v 2 = 0 -2\boldsymbol{v_1} + \boldsymbol{v_2} = \boldsymbol{0} −2v1+v2=0,这表明{ v 1 , v 2 \boldsymbol{v_1},\boldsymbol{v_2} v1,v2}线性相关。
- 设 c c c和 d d d满足 c v 1 + d v 2 = 0 c\boldsymbol{v_1}+d\boldsymbol{v_2}=\boldsymbol{0} cv1+dv2=0。若 c ≠ 0 c \neq 0 c̸=0,则可用 v 2 \boldsymbol{v_2} v2表示 v 1 \boldsymbol{v_1} v1,即 v 1 = ( − d c ) v 2 \boldsymbol{v_1}=(-\frac{d}{c})\boldsymbol{v_2} v1=(−cd)v2。这是不可能的,因为 v 1 \boldsymbol{v_1} v1不是 v 2 \boldsymbol{v_2} v2的倍数。故 c c c必是零。类似地 d d d也必是零。这表明{ v 1 , v 2 \boldsymbol{v_1},\boldsymbol{v_2} v1,v2}是线性无关组。
两个向量的集合{ v 1 , v 2 \boldsymbol{v_1},\boldsymbol{v_2} v1,v2}线性相关,当且仅当其中一个向量是两一个向量的倍数。这个集合线性无关,当且仅当其中任一个向量不是另一个向量的倍数。
从几何意义上看,两个线性相关,当且仅当它们落在通过原点的同一条直线上。
两个或更多个向量的集合的线性无关
定理 两个或更多个向量的集合 S = \boldsymbol{S}= S={ v 1 , ⋯   , v 2 \boldsymbol{v_1}, \cdots,\boldsymbol{v_2} v1,⋯,v2}线性相关,当且仅当 S \boldsymbol{S} S中至少有一个向量是其他向量的线性组合。事实上,若 S \boldsymbol{S} S线性相关,且 v 1 ≠ 0 \boldsymbol{v_1} \neq 0 v1̸=0,则某个 v j ( j > 1 ) \boldsymbol{v_j}(j>1) vj(j>1)是它前面向量 v 1 , ⋯   , v j − 1 \boldsymbol{v_1}, \cdots,\boldsymbol{v_{j-1}} v1,⋯,vj−1的线性组合。
必要性:若
S
\boldsymbol{S}
S中某个
v
j
\boldsymbol{v_j}
vj是其他向量的线性组合,那么把方程两边剪去
v
j
\boldsymbol{v_j}
vj就产生一个线性相关关系,其中
v
j
\boldsymbol{v_j}
vj的权为(-1)。
如,若
v
1
=
c
2
v
2
+
c
3
v
3
\boldsymbol{v_1}=c_2\boldsymbol{v_2}+c_3\boldsymbol{v_3}
v1=c2v2+c3v3,那么
0
=
−
1
v
1
+
c
2
v
2
+
c
3
v
3
+
0
v
4
+
⋯
+
0
v
p
\boldsymbol{0}=-1\boldsymbol{v_1}+c_2\boldsymbol{v_2}+c_3\boldsymbol{v_3}+0\boldsymbol{v_4}+\cdots+0\boldsymbol{v_p}
0=−1v1+c2v2+c3v3+0v4+⋯+0vp。
充要性:设
S
\boldsymbol{S}
S线性相关。
若
v
1
=
0
\boldsymbol{v_1}=\boldsymbol{0}
v1=0,则它是
S
\boldsymbol{S}
S中其他向量的一个线性组合。即
0
=
c
2
v
2
+
⋯
+
c
p
v
p
\boldsymbol{0}=c_2\boldsymbol{v_2}+\cdots+c_p\boldsymbol{v_p}
0=c2v2+⋯+cpvp。
若
v
1
≠
0
\boldsymbol{v_1} \neq \boldsymbol{0}
v1̸=0,存在
c
1
,
⋯
 
,
c
p
c_1,\cdots,c_p
c1,⋯,cp不全为0,使得
c
1
v
1
+
⋯
+
c
p
v
p
=
0
c_1\boldsymbol{v_1}+\cdots+c_p\boldsymbol{v_p}=\boldsymbol{0}
c1v1+⋯+cpvp=0。
设
j
j
j是使
c
j
≠
0
c_j \neq 0
cj̸=0的最大下标。若
j
=
1
j=1
j=1,则
c
1
v
1
=
0
c_1\boldsymbol{v_1}=\boldsymbol{0}
c1v1=0。这是不可能的,因为
v
1
≠
0
\boldsymbol{v_1} \neq \boldsymbol{0}
v1̸=0。故j > 1。即
c
1
v
1
+
⋯
+
c
j
v
j
+
0
v
j
+
1
+
⋯
+
0
v
p
=
0
c_1\boldsymbol{v_1}+\cdots+c_j\boldsymbol{v_j}+0\boldsymbol{v_{j+1}}+\cdots+0\boldsymbol{v_p}=\boldsymbol{0}
c1v1+⋯+cjvj+0vj+1+⋯+0vp=0,可得
c
j
v
j
=
−
c
1
v
1
−
⋯
−
c
j
−
1
v
j
−
1
c_j\boldsymbol{v_j}=-c_1\boldsymbol{v_1}-\cdots-c_{j-1}\boldsymbol{v_{j-1}}
cjvj=−c1v1−⋯−cj−1vj−1
定理 若一个向量组的向量个数超过每个向量的元素个数,那么这个向量组线性相关。就是说,
R
n
\mathbb{R^{n}}
Rn中任意向量组{
v
1
,
⋯
 
,
v
p
\boldsymbol{v_1},\cdots,\boldsymbol{v_p}
v1,⋯,vp}当
p
>
n
p>n
p>n线性相关。
因为未知量比方程多,必定有自由变量。
定理 若
R
n
\mathbb{R^{n}}
Rn中向量组
S
=
\boldsymbol{S}=
S={
v
1
,
⋯
 
,
v
p
\boldsymbol{v_1,\cdots,\boldsymbol{v_p}}
v1,⋯,vp}包含零向量,则它线性相关。
把这些向量重新编号,我们可设
v
1
=
0
\boldsymbol{v_1}=\boldsymbol{0}
v1=0,于是方程
1
v
1
+
0
v
2
+
⋯
+
0
v
p
=
0
1\boldsymbol{v_1}+0\boldsymbol{v_2}+\cdots+0\boldsymbol{v_p}=\boldsymbol{0}
1v1+0v2+⋯+0vp=0。