本篇文章主要对矩阵的秩、相抵、向量组等线性代数概念以及相关定理进行总结与归纳
第一部分 研究向量组
1.线性组合、线性相关
D e f 1 Def 1 Def1: k 1 α 1 + k 2 α 2 + . . . + k n α n k_1\alpha_1 + k_2\alpha_2 + ... + k_n\alpha_n k1α1+k2α2+...+knαn称之为向量组 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1,α2,...,αn的一个线性组合,而该向量则称为向量组 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1,α2,...,αn的线性表示
D e f 2 Def 2 Def2: 设向量组 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1,α2,...,αn,如果有不全为零的数 k 1 , k 2 , . . . , k n k_1, k_2, ..., k_n k1,k2,...,kn,使得 k 1 α 1 + k 2 α 2 + . . . + k n α n = 0 k_1\pmb{\alpha_1} + k_2\pmb{\alpha_2} + ... + k_n\pmb{\alpha_n} = \pmb{0} k1α1α1α1+k2α2α2α2+...+knαnαnαn=000那么就称该向量组线性相关,否则线性无关
- 关于部分组的性质:
- 若部分组线性相关,则整个向量组必线性相关
- 若整个向量组线性无关,则任意部分组线性无关
- 若包含零向量,则必然线性相关
2. 定理:线性组合与线性表示的关系
向量组 α 1 , α 2 , . . . , α n ( s > 1 ) \alpha_1,\alpha_2,...,\alpha_n(s>1) α1,α2,...,αn(s>1)线性相关的充要条件是其中至少一个向量能够被其余向量表示
- 理解:线性相关的向量组能够自我线性表示,而线性无关的向量组不能自我表示
- 因此,对于线性无关的向量组 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1,α2,...,αn,若 α 1 , α 2 , . . . , α n , β \alpha_1,\alpha_2,...,\alpha_n,\beta α1,α2,...,αn,β线性相关,则 β \beta β必然能够被唯一地线性表示。
- 相反地,对于线性无关的向量组 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1,α2,...,αn,若 β \beta β不能被线性表示,则 α 1 , α 2 , . . . , α n , β \alpha_1,\alpha_2,...,\alpha_n,\beta α1,α2,...,αn,β线性无关
3. 向量组的等价
向量组的等价描述了能够互相表示的能力,其实更是蕴含了相同的秩
D e f Def Def : 向量组的等价即两个向量组能够互相线性表示
- 向量组的等价满足反身性、对称性、传递性,是一种等价关系
- 引理:若线性无关的向量组 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs被 β 1 , β 2 , . . . , β r \beta_1,\beta_2,...,\beta_r β1,β2,...,βr线性表示,则必有 s ≤ r s \leq r s≤r (直观上容易理解,证明不难)
- 推论1:显然,由该引理,等价的线性无关的向量组必然数量相同
4. 向量的极大无关组、向量的秩
D e f Def Def: 若向量组的的一个部分组,其部分组线性无关,并且其余的向量能够被部分组线性表示(唯一),则称该部分组为向量组的 极大无关组
D e f Def Def: 向量组的极大无关组所含的向量数即为向量的秩
- 向量组的极大无关组不唯一
- 向量组的任意极大无关组,都与自身等价
- 易知,线性无关的向量组,其极大无关组为自身,并且秩即为自身的向量数
- 等价的向量组必然有相同的秩,这是等价的关键属性
第二部分 矩阵的秩
原书中关于“矩阵的秩”的定义是基于k阶子式的,但是我认为这种定义不够直观,过于复杂,所以这里给出了另一种关于矩阵的秩的定义
5. 矩阵的秩、矩阵的相抵
D e f Def Def : 矩阵的秩即其 行阶梯状矩阵 的非零行的行数,记作 r ( A ) r(A) r(A)
D e f Def Def : 对于矩阵 A A A, B B B之间,如果能够通过有限次初等变换互相转化,那么就称 A A A与 B B B相抵,这里我们记作 A ∼ B A \sim B A∼B
- 相抵满足反身性、对称性、传递性,是一种等价关系
- 由秩的定义可得推论1:对于任意一个矩阵
A
m
×
n
A_{m \times n}
Am×n 且
r
(
A
)
=
r
r(A) = r
r(A)=r,必有
A ∼ [ E r O O O ] m × n o r P A Q = [ E r O O O ] m × n A \sim \begin{bmatrix} E_r & O \\ O & O \end{bmatrix} _{m \times n} \quad or \quad PAQ= \begin{bmatrix} E_r & O \\ O & O \end{bmatrix} _{m \times n} A∼[ErOOO]m×norPAQ=[ErOOO]m×n证明显然,因为我们可以先通过初等行变换转化为行简化阶梯型矩阵,之后再使用初等列变换化成该相抵标准型,反之亦然。 - 由相抵的定义可得推论2:对于任意两个相抵矩阵,必存在可逆矩阵 P m × m , Q n × n P_{m \times m},Q_{n \times n} Pm×m,Qn×n,使得 P A Q = B PAQ = B PAQ=B
- 由以上推论立刻可知推论3:矩阵的相抵 等价于 具有相同的秩,即初等变换不改变矩阵的秩,即 r ( P A Q ) = r ( P A ) = r ( A Q ) = r ( A ) r(PAQ)=r(PA)=r(AQ)=r(A) r(PAQ)=r(PA)=r(AQ)=r(A)其中 P , Q P, Q P,Q为可逆矩阵,可以看作初等变换的累积
6. 矩阵的另一种定义
D e f Def Def:矩阵的非零子式的最高阶数称为矩阵 A A A的秩
- 由此可得性质: r ( A ) ≤ m i n ( m , n ) r(A) \leq {\rm min}(m, n) r(A)≤min(m,n), r ( A T ) = r ( A ) r(A^T) = r(A) r(AT)=r(A), r ( k A ) = r ( A ) r(kA) = r(A) r(kA)=r(A)
- 方阵的n阶子式为 ∣ A ∣ |A| ∣A∣,故方阵满秩等价于方阵可逆(可逆与秩的联系)
7. 关于矩阵秩的一些命题
- r [ A O O B ] = r ( A ) + r ( B ) r\begin{bmatrix} A & O \\ O & B \end{bmatrix} = r(A) + r(B) r[AOOB]=r(A)+r(B)
- r ( A + B ) ≤ r ( A ) + r ( B ) = [ A O O B ] r(A + B) \leq r(A) + r(B) = \begin{bmatrix} A & O \\ O & B \end{bmatrix} r(A+B)≤r(A)+r(B)=[AOOB]
- r ( A B ) ≤ m i n ( r ( A ) , r ( B ) ) r(AB) \leq {\rm min}(r(A), r(B)) r(AB)≤min(r(A),r(B))
- r ( A B ) ≥ r ( A ) + r ( B ) − n r(AB) \geq r(A) + r(B) - n r(AB)≥r(A)+r(B)−n
8. 定理:向量组的秩与矩阵秩的关系
A 的 行 秩 = A 的 列 秩 = r ( A ) A的行秩 = A的列秩 = r(A) A的行秩=A的列秩=r(A)
一些自己的思考:
关于线性相关性:如果向量组 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1,α2,...,αn与向量组 β 1 , β 2 , . . . , β n \beta_1,\beta_2,...,\beta_n β1,β2,...,βn具有相同线性相关性,则可以认为n元齐次方程 x 1 α 1 + x 2 α 2 + . . . + x n α n x_1\alpha_1 + x_2\alpha_2 + ... + x_n\alpha_n x1α1+x2α2+...+xnαn 与 x 1 β 1 + x 2 β 2 + . . . + x n β n x_1\beta_1 + x_2\beta_2 + ... + x_n\beta_n x1β1+x2β2+...+xnβn 同解,即 [ α 1 , α 2 , . . . , α n ] X = 0 [\alpha_1, \alpha_2, ..., \alpha_n]X = 0 [α1,α2,...,αn]X=0 与 [ β 1 , β 2 , . . . , β n ] X = 0 [\beta_1, \beta_2, ..., \beta_n]X = 0 [β1,β2,...,βn]X=0 同解
下面我们证明一个事实,即初等行变换后的列向量组具有相同的线性相关性。事实上,此命题是“初等行变换后具有相同(列)秩”的充分条件。这个命题的证明,课本给的非常含糊,所以再次给出证明。
证明 设矩阵
A
=
[
α
1
,
α
2
,
.
.
.
,
α
n
]
A = [\alpha_1, \alpha_2, ..., \alpha_n]
A=[α1,α2,...,αn],
B
=
[
β
1
,
β
2
,
.
.
.
,
β
n
]
B = [\beta_1, \beta_2, ..., \beta_n]
B=[β1,β2,...,βn],由于
A
A
A与
B
B
B相抵,所以存在可逆矩阵
P
P
P,使得
P
A
=
B
PA = B
PA=B考虑N阶齐次方程组
A
X
=
0
AX = 0
AX=0 和
B
X
=
0
BX = 0
BX=0,由于
P
A
=
B
PA = B
PA=B,所以
P
A
X
=
0
PAX = 0
PAX=0因此,对于
A
X
=
0
AX = 0
AX=0中的任意一个解
X
0
X_0
X0,其必然满足
P
A
X
0
=
0
PAX_0 = 0
PAX0=0,也就满足
B
X
0
=
0
BX_0 = 0
BX0=0。反之由于
P
P
P可逆,故同理可证。因此
A
X
=
0
AX = 0
AX=0 和
B
X
=
0
BX = 0
BX=0同解,原命题得证
Q . E . D Q.E.D Q.E.D
因此,对于通过初等行变换而相抵的矩阵,其列矩阵的线性相关性必然相同。如令
A
3
×
4
A_{3 \times 4}
A3×4的行阶梯状矩阵为
R
3
×
4
R_{3 \times 4}
R3×4,且
r
(
A
)
=
2
r(A) = 2
r(A)=2则必有
R
=
[
1
0
x
1
x
2
0
1
x
3
x
4
0
0
0
0
]
R = \begin{bmatrix} 1 & 0 & x_1 & x_2 \\ 0 & 1 & x_3 & x_4 \\ 0 & 0 & 0 & 0 \\ \end{bmatrix}
R=⎣⎡100010x1x30x2x40⎦⎤
若设
R
R
R对应的列向量为
α
′
\alpha'
α′,易知
α
3
′
=
x
1
α
1
′
+
x
3
α
2
′
,
α
4
′
=
x
2
α
1
′
+
x
4
α
2
′
\alpha'_3 = x_1\alpha'_1 + x_3\alpha'_2,\alpha'_4 = x_2\alpha'_1 + x_4\alpha'_2
α3′=x1α1′+x3α2′,α4′=x2α1′+x4α2′由于
R
R
R与
A
A
A对应的方程组同解,设
A
A
A对应的列向量为
α
\alpha
α,则必有
α
3
=
x
1
α
1
+
x
3
α
2
,
α
4
=
x
2
α
1
+
x
4
α
2
\alpha_3 = x_1\alpha_1 + x_3\alpha_2,\alpha_4 = x_2\alpha_1 + x_4\alpha_2
α3=x1α1+x3α2,α4=x2α1+x4α2