本节为线性代数复习笔记的第二部分,矩阵的概念与计算(1),主要包括:线性相关的概念,五个判别定理,极大线性无关组和等价向量组。
1. 线性相关
对m个n维向量
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
m
⃗
\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_m}
α1,α2,...,αm,若存在一组不全为零的数
k
1
,
k
2
,
.
.
.
,
k
m
k_1,k_2,...,k_m
k1,k2,...,km,使得线性组合
k
1
α
1
⃗
+
k
2
α
2
⃗
+
.
.
.
+
k
m
α
m
⃗
=
0
k_1\vec{\alpha_1}+k_2\vec{\alpha_2}+...+k_m\vec{\alpha_m}=0
k1α1+k2α2+...+kmαm=0,则称向量组
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
m
⃗
\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_m}
α1,α2,...,αm线性相关。(含有零向量或者有成比例的向量,向量组必然线性相关)
注意有几个等价的判断,即:
1)向量组
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
m
⃗
\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_m}
α1,α2,...,αm线性相关
⇔
\Leftrightarrow
⇔
2
)
A
=
(
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
m
⃗
)
可
逆
⇔
2)A=(\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_m})可逆\Leftrightarrow
2)A=(α1,α2,...,αm)可逆⇔
3
)
∣
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
m
⃗
∣
=
0
3)|\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_m}|=0
3)∣α1,α2,...,αm∣=0
若只有当
k
1
=
k
2
=
.
.
.
=
k
m
=
0
k_1=k_2=...=k_m=0
k1=k2=...=km=0时
k
1
α
1
⃗
+
k
2
α
2
⃗
+
.
.
.
+
k
m
α
m
⃗
=
0
k_1\vec{\alpha_1}+k_2\vec{\alpha_2}+...+k_m\vec{\alpha_m}=0
k1α1+k2α2+...+kmαm=0才成立,则称向量组线性无关。
2. 线性相关判别的五个定理
2.1 判别定理(1)
向量
β
\beta
β可由向量组
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
s
⃗
\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s}
α1,α2,...,αs线性表出
⇔
\Leftrightarrow
⇔
非齐次方程组
α
1
x
1
+
α
2
x
2
+
.
.
.
+
α
s
x
s
=
β
有
解
\alpha_1x_1+\alpha_2x_2+...+\alpha_sx_s=\beta有解
α1x1+α2x2+...+αsxs=β有解
⇔
\Leftrightarrow
⇔
r
[
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
s
⃗
]
=
r
[
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
s
⃗
,
β
⃗
]
r[\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s}]=r[\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s},\vec{\beta}]
r[α1,α2,...,αs]=r[α1,α2,...,αs,β]
2.2 判别定理(2)
向量组
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
s
⃗
\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s}
α1,α2,...,αs线性相关
⇔
\Leftrightarrow
⇔
齐次线性方程组
α
1
x
1
+
α
2
x
2
+
.
.
.
+
α
s
x
s
=
0
\alpha_1x_1+\alpha_2x_2+...+\alpha_sx_s=0
α1x1+α2x2+...+αsxs=0有非零解
⇔
\Leftrightarrow
⇔
r
[
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
s
⃗
]
<
s
r[\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s}]<s
r[α1,α2,...,αs]<s
⇔
\Leftrightarrow
⇔
∣
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
s
⃗
∣
=
0
|\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s}|=0
∣α1,α2,...,αs∣=0
2.3 判别定理(3)
线性相关充要条件:向量组中至少有一个向量可由其他s-1个向量线性标出
2.4 判别定理(4)
若 α 1 ⃗ , α 2 ⃗ , . . . , α s ⃗ \vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s} α1,α2,...,αs线性无关,而向量组 α 1 ⃗ , α 2 ⃗ , . . . , α s ⃗ , β ⃗ \vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s},\vec{\beta} α1,α2,...,αs,β线性相关,则 β ⃗ \vec{\beta} β可由 α 1 ⃗ , α 2 ⃗ , . . . , α s ⃗ \vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s} α1,α2,...,αs唯一线性表出。
2.5 判别定理(5)
I
.
β
1
⃗
,
β
2
⃗
,
.
.
.
,
β
s
⃗
,
I
I
.
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
t
⃗
I.\vec{\beta_1},\vec{\beta_2},...,\vec{\beta_s},II.\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_t}
I.β1,β2,...,βs,II.α1,α2,...,αt
若
I
I
I中每一个向量均可由
I
I
II
II中向量线性表出,且s>t,则向量组
I
I
I线性相关;
若
I
I
I中每一个向量均可由
I
I
II
II中向量线性表出,且向量组
I
I
I线性相关,则
s
≤
t
s\leq t
s≤t。
3. 极大线性无关组
若
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
s
⃗
\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s}
α1,α2,...,αs中存在部分组
α
i
1
⃗
,
α
i
2
⃗
,
.
.
.
,
α
i
r
⃗
\vec{\alpha_{i1}},\vec{\alpha_{i2}},...,\vec{\alpha_{ir}}
αi1,αi2,...,αir满足:
1)
α
i
1
⃗
,
α
i
2
⃗
,
.
.
.
,
α
i
r
⃗
\vec{\alpha_{i1}},\vec{\alpha_{i2}},...,\vec{\alpha_{ir}}
αi1,αi2,...,αir线性无关;
2)任一向量
α
i
⃗
\vec{\alpha_{i}}
αi均可由
α
i
1
⃗
,
α
i
2
⃗
,
.
.
.
,
α
i
r
⃗
\vec{\alpha_{i1}},\vec{\alpha_{i2}},...,\vec{\alpha_{ir}}
αi1,αi2,...,αir线性表出。
则称
α
i
1
⃗
,
α
i
2
⃗
,
.
.
.
,
α
i
r
⃗
\vec{\alpha_{i1}},\vec{\alpha_{i2}},...,\vec{\alpha_{ir}}
αi1,αi2,...,αir是原向量组的极大线性无关组。(一般不唯一,线性无关向量组的极大线性无关组即为本身)
4. 等价向量组
I
.
α
1
⃗
,
α
2
⃗
,
.
.
.
,
α
s
⃗
,
I
I
.
β
1
⃗
,
β
2
⃗
,
.
.
.
,
β
t
⃗
I.\vec{\alpha_1},\vec{\alpha_2},...,\vec{\alpha_s},II.\vec{\beta_1},\vec{\beta_2},...,\vec{\beta_t}
I.α1,α2,...,αs,II.β1,β2,...,βt
若
I
I
I中每个
α
i
⃗
\vec{\alpha_i}
αi均可由
I
I
II
II中向量线性表出且反之亦然,则称向量组
I
,
I
I
I,II
I,II等价,记为
I
≅
I
I
I \cong II
I≅II
等价具有自反性、等价性和传递性且向量组总是与其极大线性无关组等价。
欢迎扫描二维码关注微信公众号 深度学习与数学 [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]