玩转线性代数(24)线性相关性的笔记,相关证明以及例子见原文
线性相关性的定义
定义:给定向量组
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am,如果存在不全为零的数
k
1
,
k
2
,
⋯
,
k
m
k_1,k_2,\cdots,k_m
k1,k2,⋯,km使
k
1
a
1
+
k
2
a
2
+
⋯
+
k
m
a
m
=
0
k_1a_1+k_2a_2+\cdots+k_ma_m=0
k1a1+k2a2+⋯+kmam=0
则称向量组A线性相关,否则称为线性无关。
推广:两个向量线性相关的充要条件是两向量对应元素成比例
线性相关性的判断
根据定义来判断(例见原文)
线性表示法判断
向量组
a
1
,
a
2
,
⋯
,
a
m
a_1,a_2,\cdots,a_m
a1,a2,⋯,am线性相关的充要条件是向量组中至少有一个向量可同其余
m
−
1
m-1
m−1个向量线性表示,其逆否命题就是任意一个向量都不能由其余m-1个向量线性表示,则向量组一定线性无关
证明:设向量组
a
1
,
a
2
,
⋯
,
a
m
a_1,a_2,\cdots,a_m
a1,a2,⋯,am线性相关,则存在不全为0的数
k
1
,
k
2
,
⋯
,
k
m
k_1,k_2,\cdots,k_m
k1,k2,⋯,km(不妨设某一
k
i
≠
0
k_i\neq0
ki=0),使得
k
1
a
1
+
k
2
a
2
+
⋯
+
k
m
a
m
=
0
k_1a_1+k_2a_2+\cdots+k_ma_m=0
k1a1+k2a2+⋯+kmam=0,从而
a
i
=
−
1
k
i
(
k
1
a
1
+
⋯
+
k
i
−
1
a
i
−
1
+
k
i
+
1
a
i
+
1
+
⋯
+
k
m
a
m
)
a_i=-\frac{1}{k_i}(k_1a_1+\cdots+k_{i-1}a_{i-1}+k_{i+1}a_{i+1}+\cdots+k_ma_m)
ai=−ki1(k1a1+⋯+ki−1ai−1+ki+1ai+1+⋯+kmam),即
a
i
a_i
ai可由其余向量线性表示
反之,设任一向量
a
i
a_i
ai可由其余向量线性表示
a
i
=
−
k
1
a
1
+
⋯
+
k
i
−
1
a
i
−
1
+
k
i
+
1
a
i
+
1
+
⋯
+
k
m
a
m
a_i=-k_1a_1+\cdots+k_{i-1}a_{i-1}+k_{i+1}a_{i+1}+\cdots+k_ma_m
ai=−k1a1+⋯+ki−1ai−1+ki+1ai+1+⋯+kmam,即
−
1
a
i
+
k
1
a
1
+
⋯
+
k
i
−
1
a
i
−
1
+
k
i
+
1
a
i
+
1
+
⋯
+
k
m
a
m
=
0
-1a_i+k_1a_1+\cdots+k_{i-1}a_{i-1}+k_{i+1}a_{i+1}+\cdots+k_ma_m=0
−1ai+k1a1+⋯+ki−1ai−1+ki+1ai+1+⋯+kmam=0,所以向量组
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am线性相关
秩法判断
定理:向量组
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am线性相关
⇔
\Leftrightarrow
⇔矩阵
A
=
(
a
1
,
a
2
,
⋯
,
a
m
)
A=(a_1,a_2,\cdots,a_m)
A=(a1,a2,⋯,am)的秩小于向量的个数m;
向量组
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am线性无关
⇔
\Leftrightarrow
⇔矩阵
A
=
(
a
1
,
a
2
,
⋯
,
a
m
)
A=(a_1,a_2,\cdots,a_m)
A=(a1,a2,⋯,am)的秩等于向量的个数m。
行列式判断
对于向量个数与维数相等的向量组的线性相关性的判定,可以采用另一种方法:即利用行列式是否为零来判断其秩,而不用具体求出秩的大小.
方程法
如:向量组
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am线性相关
⇔
\Leftrightarrow
⇔方程
(
a
1
,
a
2
,
⋯
,
a
m
)
x
(a_1,a_2,\cdots,a_m)x
(a1,a2,⋯,am)x有非零解;
向量组
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am线性无关
⇔
\Leftrightarrow
⇔方程
(
a
1
,
a
2
,
⋯
,
a
m
)
x
(a_1,a_2,\cdots,a_m)x
(a1,a2,⋯,am)x只有零解.
结论
对于向量组的线性相关性判断有很多方法,但是最重要的是定义和从定义出发得出的判定定理:线性表示法,秩法、方程法等.下面的结论都是从这几个角度来推出的.
结论1
若
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am线性相关,则
B
:
a
1
,
a
2
,
⋯
,
a
m
,
a
m
+
1
B:a_1,a_2,\cdots,a_m,a_{m+1}
B:a1,a2,⋯,am,am+1也线性相关;反之,B线性无关,则A线性无关。
分析:(秩法解释)若
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am线性相关
⇔
\Leftrightarrow
⇔
R
(
A
)
<
m
R(A)<m
R(A)<m,而
R
(
B
)
=
R
(
A
,
b
)
≤
R
(
A
)
+
R
(
b
)
=
R
(
A
)
+
1
<
m
+
1
⇒
B
:
a
1
,
a
2
,
⋯
,
a
m
,
a
m
+
1
R(B)=R(A,b)\leq R(A)+R(b)=R(A)+1<m+1\Rightarrow B:a_1,a_2,\cdots,a_m,a_{m+1}
R(B)=R(A,b)≤R(A)+R(b)=R(A)+1<m+1⇒B:a1,a2,⋯,am,am+1线性相关;
反之
B
:
a
1
,
a
2
,
⋯
,
a
m
,
a
m
+
1
B:a_1,a_2,\cdots,a_m,a_{m+1}
B:a1,a2,⋯,am,am+1线性无关
⇔
\Leftrightarrow
⇔
R
(
B
)
=
m
+
1
R(B)=m+1
R(B)=m+1,而
m
+
1
=
R
(
B
)
≤
R
(
A
)
+
R
(
B
)
=
R
(
A
)
+
1
⇒
R
(
A
)
≥
m
m+1=R(B)\leq R(A)+R(B)=R(A)+1\Rightarrow R(A)\geq m
m+1=R(B)≤R(A)+R(B)=R(A)+1⇒R(A)≥m,又A为m列,故
R
(
A
)
≤
m
⇒
R
(
A
)
=
m
⇒
A
:
a
1
,
a
2
,
⋯
,
a
m
线性无关
R(A)\leq m\Rightarrow R(A)=m\Rightarrow A:a_1,a_2,\cdots,a_m线性无关
R(A)≤m⇒R(A)=m⇒A:a1,a2,⋯,am线性无关。
结论2
m个n维向量组成的向量组,当m>n时一定线性相关。特别地,n+1个n维向量一定线性相关。
分析:对
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am,若m>n,则有
R
(
A
)
≤
n
<
m
R(A)\le n< m
R(A)≤n<m,故线性无关.
结论3
设
A
:
a
1
,
a
2
,
⋯
,
a
m
A:a_1,a_2,\cdots,a_m
A:a1,a2,⋯,am线性无关,而
B
:
a
1
,
a
2
,
⋯
,
a
m
,
a
m
+
1
,
b
B:a_1,a_2,\cdots,a_m,a_{m+1},b
B:a1,a2,⋯,am,am+1,b线性相关,则向量b必能由向量组A线性表示,且表示式唯一。
分析:
{
向量组
B
线性相关
⇒
R
(
B
)
<
m
+
1
⇒
R
(
B
)
≤
m
R
(
B
)
≥
R
(
A
)
=
m
⇒
R
(
B
)
=
m
\left\{ \begin{aligned} 向量组B线性相关\Rightarrow R(B)<m+1\Rightarrow R(B)\le m\\ R(B)\ge R(A)=m \end{aligned} \right.\Rightarrow R(B)=m
{向量组B线性相关⇒R(B)<m+1⇒R(B)≤mR(B)≥R(A)=m⇒R(B)=m
故Ax=b有解,且
R
(
A
)
=
m
R(A)=m
R(A)=m,所以解唯一,表达式也唯一。