线性代数 04.02 向量组的线性相关性

$\color{blue}{\S 第四章 第二节 向量组的线性相关性}$

$\color{blue}{一、向量组}$

$若干个同维数的列向量(或同维数的行向量)所组成的集合叫做{\color{blue}{向量组}}.$
$例如一个m \times n矩阵A有n个m维列向量.$
$\alpha_j = \begin{pmatrix}a_{1j} \\ a_{2j} \\ \vdots \\ a_{mj} \end{pmatrix}, (j = 1, 2, \cdots, n)$
$它们组成的向量\alpha_1, \alpha_2, \cdots, \alpha_n称为A的列向量组.$
$m \times n矩阵A又有m个n维行向量.$
$\alpha_i^T = \begin{pmatrix}a_{i1}, a_{i2}, \cdots, a_{in} \end{pmatrix}, (i = 1, 2, \cdots, m)$
$他们组成的行向量组\alpha_1^T, \alpha_2^T, \cdots, \alpha_m^T称为矩阵A的行向量组.$
$反之,由有限个向量所组成的向量组可以构成一个矩阵.例如:$
$m个n维列向量所组成的向量组\alpha_1, \alpha_2, \cdots, \alpha_m构成一个n \times m矩阵.$
$A = \begin{pmatrix} \alpha_1, \alpha_2, \cdots, \alpha_m \end{pmatrix};$
$m个n维行向量所组成的向量组\beta_1^T, \beta_2^T, \cdots, \beta_m^T构成一个m \times n矩阵.$
$B = \begin{pmatrix} \beta_1^T \\ \beta_2^T \\ \vdots \\ \beta_m^T \end{pmatrix} = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \cdots & \cdots & \cdots & \cdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \\ \end{pmatrix}$
$线性方程组可以写成矩阵的形式Ax = b,矩阵可以写\\ 成向量组的形式,方程组也可以写成向量组的形式.$
$x_1\alpha_1 + x_2\alpha_2 + \cdots + x_n\alpha_n = b,$
$由此可见，线性方程组与其增广矩阵B = (A | b)的列\\ 向量组\alpha_1, \alpha_2, \cdots, \alpha_m,b之间也有一一对应的关系.$

$\color{blue}{二、线性组合}$

$定义3.给定向量组A:\alpha_1, \alpha_2, \cdots, \alpha_m,\\ 对于任何一组实数k_1, k_2, \cdots, k_m,向量\\ k_1 \alpha_1 + k_2 \alpha_2 + \cdots + k_m \alpha_m \\ 称为向量组A的一个{\color{blue}{线性组合}},\\ k_1, k_2, \cdots, k_m称为这个{\color{blue}{线性组合的系数}}.$

${\color{blue}{线性表示}}：给定向量组A:\alpha_1, \alpha_2, \cdots, \alpha_m和向量b,\\ 如果存在一组数\lambda_1, \lambda_2, \cdots, \lambda_m,使\\ b = \lambda_1 \alpha_1 + \lambda_2 \alpha_2 + \cdots + \lambda_m \alpha_m \\ 则向量b是向量组A的线性组合,这时称向量b能由向量\\ 组A{\color{blue}{线性表示}}.$

$向量组b能由向量组A线性表示,也就是线性方程组\\ x_1\alpha_1 + x_2 \alpha_2 + \cdots + x_m \alpha_m = b \\ 有解.由第三章定理3,即可得到:$
$定理1.向量b能由向量组A线性表示的充分必要条件是\\ 矩阵A = (\alpha_1, \alpha_2, \cdots, \alpha_m)的秩等\\ 于矩阵B=(\alpha_1, \alpha_2, \cdots, \alpha_m, b)的秩.$

$\color{blue}{三、等价向量组}$

$定义4.设有两个向量组A:\alpha_1, \alpha_2, \cdots, \alpha_m及B:b_1, b_2, \cdots, b_s,\\ 若B组中的每个向量都能由向量组A线性表示,\\ 则称向量组B能由向量组A线性表示.\\ 若向量组A与向量组B能相互线性表示,则称这两个向量组等价.$

$把向量组A和B所构成的矩阵依次记作A = (\alpha_1, \alpha_2, \cdots, \alpha_m)\\ 和B=(b_1, b_2, \cdots, b_s),B组能由A组线性表示,即对B组的每个\\ 向量b_j(j = 1, 2, \cdots, s)存在数k_{1j}, k_{2j}, \cdots, k_{mj},使\\ b_j = k_{1j}\alpha_1 + k_{2j}\alpha_2 + \cdots + k_{mj}\alpha_m \\ = \begin{pmatrix} \alpha_1, \alpha_2, \cdots, \alpha_m \end{pmatrix} \begin{pmatrix} k_{1j} \\ k_{2j} \\ \vdots \\ k_{mj} \end{pmatrix}\\ 从而\\ \begin{pmatrix}b_1, b_2, \cdots, b_s \end{pmatrix} = \begin{pmatrix} \alpha_1, \alpha_2, \cdots, \alpha_m \end{pmatrix} \begin{pmatrix} k_{11} & k_{12} & \cdots & k_{1s} \\ k_{21} & k_{22} & \cdots & k_{2s} \\ \vdots & \vdots & \vdots & \vdots \\ k_{m1} & k_{m2} & \cdots & k_{ms} \end{pmatrix}$
$这里，矩阵K_{m \times s} = (k_{ij})称为这一线性表示的系数矩阵.$
$由此可知,若C_{m \times n} = A_{m \times s} B_{s \times n},则矩阵C的列向量组\\ 能由A的列向量组线性表示,B为这一表示的系数矩阵:\\ \begin{pmatrix}c_1, c_2, \cdots, c_n\end{pmatrix} = \begin{pmatrix}\alpha_1, \alpha_2, \cdots, \alpha_s\end{pmatrix} \begin{pmatrix} b_{11} & b_{12} & \cdots & b_{1n} \\ b_{21} & b_{22} & \cdots & b_{2n} \\ \vdots & \vdots & \vdots & \vdots \\ b_{s1} & b_{s2} & \cdots & b_{sn} \\ \end{pmatrix} \\ 同时,C的行向量组能由B的行向量组线性表示,A为这一表示的系数矩阵:\\ \begin{pmatrix}\gamma_1^T \\ \gamma_2^T\\ \vdots \\ \gamma_m^T \end{pmatrix} = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1s} \\ a_{21} & a_{22} & \cdots & a_{2s} \\ \vdots & \vdots & \vdots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{ms} \\ \end{pmatrix} \begin{pmatrix}\beta_1^T \\ \beta_2^T\\ \vdots \\ \beta_m^T \end{pmatrix}$

$综合上述讨论,矩阵A经过初等行变换成矩阵B,则B的每个行向量\\ 都是A的行向量的线性组合,即B的行向量组能由A的行向量组线性\\ 表示.由于初等变换可逆,则矩阵B亦可以经过初等行变换为A,从而\\ A的行向量组也能由B的行向量组线性表示.于是A的行向量组与B\\ 的行向量组等价.\\ 同理可知,若矩阵A经过初等列变换变成矩阵B,则A的列向量组与\\ B的列向量组等价.$
$等价矩阵所对应的线性方程组是同解方程组.$

$\color{blue}{四、向量组的线性相关性}$

$定义5.给定向量组A:\alpha_1, \alpha_2, \cdots, \alpha_m,\\ 如果存在不全为零的数k_1, k_2, \cdots, k_m,使\\ k_1\alpha_1 + k_2 \alpha_2 + \cdots + k_m\alpha_m = 0\\ 则称向量组A是线性相关的,否则称它线性无关.$
$1) 一个向量 \alpha 线性相关的充分必要条件是 \alpha = 0 .$
$2) 两个向量线性相关的充分必要条件是对应的分量成比例 .$
$3) 三个向量线性相关的几何意义是三个向量共面 .$
$4) 一个向量 \alpha 线性无关的充分必要条件是 \alpha \neq 0.$
$5) 两个向量线性无关的充分必要条件是他们对应的分量不成比例.$

$例1.判断下列向量的线性相关性.$
$1) \alpha_1^T = (1, 1, 1), \alpha_2^T = (0,2, 5), \alpha_3^T = (1, 3, 6)$
$2) \beta_1^T = (1, 0, 0), \beta_2^T = (1, 2, 1), \beta_3^T = (1, 0, 1)$
$解: 1)设有x_1, x_2, x_3使\\ x_1 \alpha_1^T + x_2 \alpha_2^T + x_3 \alpha^T = 0 \quad (1) \\ 即(x_1 + x_3, x_1 + 2x_2 + 3x_3, x_1 + 5x_2 + 6x_3) = (0, 0 , 0)$
$亦即 \left \{ \begin{array}{l} x_1 + x_3 = 0 \\ x_1 + 2x_2 + 3x_3 = 0 \\ x_1 + 5x_2 + 6x_3 = 0 \end{array} \right.$
$由于 \begin{vmatrix} 1 & 0 & 1 \\ 1 & 2 & 3 \\ 1 & 5 & 6 \\ \end{vmatrix} = 0,\\ 所以,方程组有非零解,\\ 即存在不全为零的x_1, x_2, x_3使(1)成立.\\ 故向量组\alpha_1^T, \alpha_2^T, \alpha_3^T是线性相关的.$
$2) 设x_1, x_2, x_3 使\\ x_1 \beta_1^T + x_2 \beta_2^T + x_3 \beta_3^T = 0 \quad (2)$
$即 \left \{ \begin{array}{l} x_1 + x_2 + x_3 = 0 \\ 2x_2 = 0 \\ x_2 + x_3 = 0 \end{array} \right.$
$由于\\ \begin{vmatrix} 1 & 1 & 1 \\ 0 & 2 & 0 \\ 0 & 1 & 1 \\ \end{vmatrix} = 2 \neq 0$
$所以，方程组仅有零解.即只有当x_1, x_2, x_3\\ 全为零时(2)成立.故向量组\beta_1^T,\beta_2^T,\beta_3^T是\\ 线性无关的.$

$\color{blue}{五、线性相关性的基本定理}$

$定理2.向量组\alpha_1, \alpha_2, \cdots, \alpha_m(m \geq 2)线性相关的充分必要条件\\ 是向量中至少有一个向量能由其余的 m-1个向量线性表示.$
$证:充分性,不妨设\alpha_m可由其余的向量线性表示,即有\\ \alpha_m = \lambda_1 \alpha_1 + \lambda_2 \alpha_2 + \cdots + \lambda_{m - 1} \alpha_{m - 1} \\ 从而\\ \lambda_1 \alpha_1 + \lambda_2 \alpha_2 + \cdots + \lambda_{m - 1} \alpha_{m - 1} + (-1)\alpha_m = 0 \\ 因为\lambda_1, \lambda_2, \cdots, \lambda_{m - 1}, -1这m个数不全为零,\\ 故\alpha_1, \alpha_2, \cdots, \alpha_m线性相关. \\ 必要性,设\alpha_1, \alpha_2, \cdots, \alpha_m线性相关,\\ 即有不全为零的数k_1, k_2, \cdots, k_m使\\ k_1 \alpha_1 + k_2 \alpha_2 + \cdots + k_m \alpha_m = 0 \\ 不妨设k_1 \neq 0,从而有\\ \alpha_1 = -\dfrac{k_2}{k_1}\alpha_2 - \dfrac{k_3}{k_1}\alpha_3 - \cdots - \dfrac{k_m}{k_1} \alpha_m \\ 即\alpha_1能由其余的m - 1个向量线性表示.$

$例2.设\alpha^T = (a_1, a_2, \cdots, a_n), e_1^T = (1, 0, \cdots, 0), \\ e_2^T = (0, 1, \cdots, 0), \cdots, e_n^T = (0, 0, \cdots, 1), \\ 讨论向量组的线性相关性.$
$解:显然\\ \alpha^T = a_1 e_1^T + a_2e_2^T + \cdots + a_ne_n^T \\ 由定理2知,向量组\alpha^T,e_1^T,e_2^T, \cdots, e_n^T线性相关.$

$定理3.设\alpha_1, \alpha_2, \cdots, \alpha_m线性无关,\\ 而\alpha_1, \alpha_2, \cdots, \alpha_m, \beta 线性相关,\\ 则\beta能由\alpha_1, \alpha_2, \cdots, \alpha_m线性表示,\\ 且表示式是唯一的.$
$证:\\ 因\alpha_1, \alpha_2, \cdots, \alpha_m, \beta线性相关,\\ 故有k_1, k_2, \cdots, k_m, k_{m + 1}不全为零,使\\ k_1\alpha_1 + k_2 \alpha_2 + \cdots + k_m \alpha_m + k_{m + 1}\beta = 0 \\ 要证\beta能由\alpha_1, \alpha_2, \cdots, \alpha_m线性表示,\\ 只需证明k_{m + 1} \neq 0.\\ 用反证法,假设k_{m + 1} = 0,\\ 则k_1, k_2, \cdots, k_m不全为零,且有\\ k_1\alpha_1 + k_2 \alpha_2 + \cdots + k_m \alpha_m = 0 \\ 这与 \alpha_1, \alpha_2, \cdots, \alpha_m 线性无关,矛盾,\\ 所以假设不成立.即 k_{m + 1} \neq 0. \\ 从而有 \\ \beta = -\dfrac{k_1}{k_{m + 1}} \alpha_1 - \dfrac{k_2}{k_{m + 2}} \alpha_2 - \cdots - \dfrac{k_m}{k_{m + 1}} \alpha_m \\ 再证表示的唯一性.设有两个表示式:\\ \beta = \lambda_1 \alpha_1 + \lambda_2 \alpha_2 + \cdots + \lambda_m \alpha_m \\ \beta = k_1 \alpha_1 + k_2 \alpha_2 + \cdots + k_m \alpha_m \\ 两式相减,得\\ (\lambda_1 - k_1) \alpha_1 + (\lambda_2 - k_2) \alpha_2 + \cdots + (\lambda_m - k_m) \alpha_m = 0 \\ 因\alpha_1, \alpha_2, \cdots, \alpha_m线性无关,所以 \lambda_i - k_i = 0,即\\ \lambda_i = k_i (i = 1, 2, \cdots, m). \\ 表示式是唯一的.$