在线性表示、线性相关、秩这三个概念中,最容易理解的是线性表示.于是就从向量由向量组线性表示谈起,其定义如下:
若有在一组数 使 则称向量能由向量组线性表示.乍一看这个定义,难免让人摸不着头脑.可只要取和,便豁然开朗:
若存在 使
则向量能由向量线性表示,而根据向量的数乘(长度伸缩)的几何意义,此时与共线(下图(a));
若存在 使
则向量能由向量组线性表示,而根据向量的加法(平行四边形法则)和数乘(长度伸缩)的几何意义,此时与共面(下图(b)).
换个角度说,若与不共线,则不能由线性表示(下图(c));若与不共面,则不能由线性表示(下图(d)).
推而广之,便不难得到这样的结论:
向量 能由向量组线性表示 与 在同一 维空间内.
由此可见,我们之所以探讨1个向量能否由个向量所组成的向量组线性表示,只不过是为了给这个向量“找朋友”.能线性表示,意味着这个向量和它们能“做朋友”,这时候彼此一定是“同道中人”,在同一维空间内.而一旦它和它们不在同一维空间内,那恐怕“不是一个世界的人”,必然“做不了朋友”,这就是不能线性表示的时候了.
如果说探讨向量由向量组线性表示,是为了给这个向量组“找朋友”,那么探讨向量组的线性相关性,就是为了看这个向量组有没有“堕落”.
还是先看线性相关的定义:
若存在不全为零的数 使 则称向量组线性相关.如果面对 个向量感觉一头雾水,那么可以取 和 :
若存在 使 则向量 线性相关,而此时 ;
若存在不全为零的数 使
则向量组 线性相关,而此时不妨设
若存在不全为零的数 使
则向量组 线性相 关,而此时不妨设 则
如此看来,线性相关的概念原来并没有那么抽象!且看下面3个结论:
(1) 线性相关
(2) 线性相关 共线 下图 ;
(3) 线性相关 共面 下图 .
换个角度说,便有
(1) 线性无关 ;
(2) 线性无关 不共线 下图 ;
(3) 线性无关 不共面 下图 .
现在就不难得到推广后的结论了:
向量组线性相关在同一维空间内.
哈!向量组所在空间的维数小于向量的个数,看来这个向量组“堕落”了.
实际上,向量组所在空间的维数是由向量组中向量的维数和向量的个数共同决定的:个维向量所组成的向量组,其所在空间的维数既不可能超过,也不可能超过. 就好比众所周知,2维向量最多在2维平面内,3个向量最多在3维空间内.
没错,向量组的“先天条件”限制了它所在的空间,它永远都无法挣脱自己的“出身”所带来的束缚.
然而,向量组虽不能“屌丝逆袭”,但却可以“自甘堕落”.
请看下面这三个向量组,他们都是由3个3维向量所组成的向量组:
(I) ;
(II) ;
(III) .
很显然,虽然这三个向量组有着相同的“出身”,但是只有向量组(I)在3维空间“坚挺”(它线性无关,可参看上图(a)),而向量组(II)“堕落”到了2维平面内(它线性相关,可参看上图(b)),向量组(III)干脆“堕落”到了一条直线上(它线性相关,可参看上图(c)).
如此说,一个向量组即使“堕落”了,其“堕落”的程度也是有所不同的. 那么,该如何具体地刻画出它“堕落”到什么程度呢?这就是我们探讨秩这个概念的意义所在了.
本文节选自拙著《线性代数轻松学》