【线性代数】向量组的线性相关性
文章目录
- 向量组及其线性组合
- 一、向量
- 二、线性表示
- 1. 线性组合的定义
- 2. 线性表示的定义
- 3. 线性表示的充要条件
- 三、向量组等价
- 1. 向量组等价定义
- 2. 向量组线性表示的充要条件
- 3. 向量组等价的充要条件
- 4. 向量组线性表示的必要条件
- 向量组的线性相关性## 一、线性相关与线性无关
- 1. 线性相关与线性无关定义
- 2. 线性相关的充要条件
- 3. 线性无关的充要条件
- 4. 线性相关与线性无关的结论
- 向量组的秩
- 一、向量组的秩的定义
- 二、性质
向量组及其线性组合
一、向量
定义:nnn个有次序的数a1,a2,⋯,ana_{1},a_{2},\cdots,a_{n}a1,a2,⋯,an所组成的数组称为nnn维向量,这nnn个数称为该向量的nnn个分量,第iii个数aia_{i}ai称为第iii个分量
向量可以使行向量,也可以是列向量
二、线性表示
1. 线性组合的定义
给定向量组A:a1,a2,⋯,amA:a_{1},a_{2},\cdots,a_{m}A:a1,a2,⋯,am,对于任何一组实数k1,k2,⋯,kmk_{1},k_{2},\cdots,k_{m}k1,k2,⋯,km,表达式k1a1+k2a2+⋯+kmamk_{1}a_{1}+k_{2}a_{2}+\cdots+k_{m}a_{m}k1a1+k2a2+⋯+kmam称为向量组AAA的一个线性组合,k1,k2,⋯,knk_{1},k_{2},\cdots,k_{n}k1,k2,⋯,kn称为这个线性组合的系数
2. 线性表示的定义
给定向量组A:a1,a2,⋯,amA:a_{1},a_{2},\cdots,a_{m}A:a1,a2,⋯,am和向量bbb,如果存在一组数λ1,λ2,⋯,λm\lambda_{1},\lambda_2,\cdots,\lambda_{m}λ1,λ2,⋯,λm,使b=λ1a1+λ2a2+⋯+λmamb=\lambda_1a_{1}+\lambda_{2}a_{2}+\cdots+\lambda_ma_mb=λ1a1+λ2a2+⋯+λmam,则向量bbb是向量组AAA的线性组合,这时称向量bbb能由向量组AAA线性表示
3. 线性表示的充要条件
向量bbb能由向量组A:a1,a2,⋯,amA:a_{1},a_{2},\cdots,a_{m}A:a1,a2,⋯,am线性表示的充要条件是矩阵A=(a1,a2,⋯,am)A=(a_{1},a_{2},\cdots,a_{m})A=(a1,a2,⋯,am)的秩等于矩阵B=(a1,a2,⋯,am,b)B=(a_1,a_2,\cdots,a_m,b)B=(a1,a2,⋯,am,b)的秩
(a1⋯am)(λ1⋮λm)=b=λ1a1+⋯+λmam\begin{pmatrix}a_1 & \cdots & a_m\end{pmatrix}\begin{pmatrix}\lambda_1\\\vdots\\\lambda_m\end{pmatrix}=b=\lambda_1a_1+\cdots+\lambda_{m}a_{m}(a1⋯am)⎝⎜⎛λ1⋮λm⎠⎟⎞=b=λ1a1+⋯+λmam
即Ax=bAx=bAx=b有解⇔r(A)=r(A∣b)=m\Leftrightarrow r(A)=r(A|b)=m⇔r(A)=r(A∣b)=m
三、向量组等价
1. 向量组等价定义
设有两个向量组A:a1,a2,⋯,amA:a_{1},a_2,\cdots,a_mA:a1,a2,⋯,am及B:b1,b2,⋯,blB:b_{1},b_{2},\cdots,b_{l}B:b1,b2,⋯,bl,若BBB组中的每个向量都能由向量组AAA线性表示,则称向量组BBB能由向量组AAA线性表示。若向量组AAA与向量组BBB能相互线性表示,则称两个向量组等价
2. 向量组线性表示的充要条件
向量组B:b1,b2,⋯,blB:b_{1},b_{2},\cdots,b_{l}B:b1,b2,⋯,bl能由向量组A:a1,a2,⋯,amA:a_{1},a_2,\cdots,a_mA:a1,a2,⋯,am线性表示的充分必要条件是矩阵A=(a1,a2,⋯,am)A=(a_{1},a_{2},\cdots,a_{m})A=(a1,a2,⋯,am)的秩等于矩阵(A,B)=(a1,⋯,am,b1,⋯,bl)(A,B)=(a_{1},\cdots,a_{m},b_{1},\cdots,b_{l})(A,B)=(a1,⋯,am,b1,⋯,bl)的秩,即R(A)=R(A,B)R(A)=R(A,B)R(A)=R(A,B)
简单说明:r(A)=r(A,bi)r(A)=r(A,b_{i})r(A)=r(A,bi)
3. 向量组等价的充要条件
向量组A:a1,a2,⋯,amA:a_{1},a_{2},\cdots,a_{m}A:a1,a2,⋯,am与向量组B:b1,b2,⋯,blB:b_{1},b_{2},\cdots,b_{l}B:b1,b2,⋯,bl等价的充要条件是R(A)=R(B)=R(A,B)R(A)=R(B)=R(A,B)R(A)=R(B)=R(A,B),其中AAA和BBB是向量组AAA和BBB所构成的矩阵
化简后类似于(A∣B)=(110101001001)(A|B)=\left(\begin{array}{ccc|ccc}1&&&1&&\\0&1&&0&1&\\0&0&1&0&0&1\end{array}\right)(A∣B)=⎝⎛100101100101⎠⎞。只关注RRR,数字随便写的
4. 向量组线性表示的必要条件
设向量组B:b1,b2,⋯,blB:b_{1},b_2,\cdots,b_lB:b1,b2,⋯,bl能由向量组A:a1,a2,⋯,amA:a_1,a_2,\cdots,a_mA:a1,a2,⋯,am线性表示,则R(b1,b2,⋯,bl)≤R(a1,a2,⋯,am)R(b_1,b_2,\cdots,b_{l})\leq R(a_1,a_2,\cdots,a_m)R(b1,b2,⋯,bl)≤R(a1,a2,⋯,am)
化简后类似于(A∣B)=(110101001000)(A|B)=\left(\begin{array}{ccc|ccc}1&&&1&&\\0&1&&0&1&\\0&0&1&0&0&0\end{array}\right)(A∣B)=⎝⎛100101100100⎠⎞。只关注RRR,数字随便写的
例1:设a1=(1122),a2=(1213),a3=(1−140),b=(1031)a_{1}=\begin{pmatrix}1 \\ 1 \\ 2 \\ 2\end{pmatrix},a_{2}=\begin{pmatrix}1 \\ 2 \\ 1 \\ 3\end{pmatrix},a_{3}=\begin{pmatrix}1 \\ -1 \\ 4 \\ 0\end{pmatrix},b=\begin{pmatrix}1 \\ 0 \\ 3 \\ 1\end{pmatrix}a1=⎝⎜⎜⎛1122⎠⎟⎟⎞,a2=⎝⎜⎜⎛1213⎠⎟⎟⎞,a3=⎝⎜⎜⎛1−140⎠⎟⎟⎞,b=⎝⎜⎜⎛1031⎠⎟⎟⎞,证明向量bbb能由向量组a1,a2,a3a_1,a_2,a_3a1,a2,a3线性表示,并求出表示式
(a1a2a3b)→(111101−2−100000000)\begin{pmatrix}a_1 & a_2 & a_3 & b\end{pmatrix}\rightarrow \begin{pmatrix}1 & 1 & 1 & 1 \\ 0 & 1 & -2 & -1 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0\end{pmatrix}(a1a2a3b)→⎝⎜⎜⎛100011001−2001−100⎠⎟⎟⎞
(问能不能用线性表示只需要化简到这里就行了,不需要化成行最简形式)
∵r(a1a2a3)=r(a1a2a3b)=2\because r \begin{pmatrix}a_1 & a_2 & a_3\end{pmatrix}=r\begin{pmatrix}a_1 & a_2 & a_3 & b\end{pmatrix}=2∵r(a1a2a3)=r(a1a2a3b)=2
∴b\therefore b∴b可由a1,a2,a3a_1,a_2,a_3a1,a2,a3表示
(a1a2a3b)→(103201−2−100000000)\begin{pmatrix}a_1 & a_2 & a_3 & b\end{pmatrix}\rightarrow \begin{pmatrix}1 & 0 & 3 & 2 \\ 0 & 1 & -2 & -1 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0\end{pmatrix}(a1a2a3b)→⎝⎜⎜⎛100001003−2002−100⎠⎟⎟⎞
n−r=3−2=1n-r=3-2=1n−r=3−2=1
∴ξ=(−321),η=(−210)\therefore \xi=\begin{pmatrix}-3 \\ 2 \\ 1\end{pmatrix},\eta=\begin{pmatrix}-2 \\ 1 \\ 0\end{pmatrix}∴ξ=⎝⎛−321⎠⎞,η=⎝⎛−210⎠⎞
∴η+kξ=(2−3k−1+2kk)\therefore \eta+k \xi=\begin{pmatrix}2-3k \\ -1+2k \\ k\end{pmatrix}∴η+kξ=⎝⎛2−3k−1+2kk⎠⎞
故b=(2−3k)a1+(−1+2k)a2+ka3(kb=(2-3k)a_{1}+(-1+2k)a_{2}+ka_{3}\quad(kb=(2−3k)a1+(−1+2k)a2+ka3(k为任意常数)))
向量组的线性相关性## 一、线性相关与线性无关
1. 线性相关与线性无关定义
给定向量组A:a1,a2,⋯,amA:a_1,a_2,\cdots,a_mA:a1,a2,⋯,am,如果存在不全为零的数k1,k2,⋯,kmk_1,k_2,\cdots,k_mk1,k2,⋯,km,使k1a1+k2a2+⋯+kmam=0k_1a_1+k_2a_2+\cdots+k_ma_m=0k1a1+k2a2+⋯+kmam=0,则称向量组AAA是线性无关的,否则称它线性无关
2. 线性相关的充要条件
向量组a1,a2,⋯,ama_1,a_2,\cdots,a_ma1,a2,⋯,am线性相关的充要条件是它所构成的矩阵A=(a1,a2,⋯,am)A=(a_1,a_2,\cdots,a_m)A=(a1,a2,⋯,am)的秩小于向量个数mmm。即,r(a1⋯am)<mr(a_{1}\cdots a_m)<mr(a1⋯am)<m,其中mmm是向量个数
Ax=(a1⋯am)(x1⋮xn)=OAx=\begin{pmatrix}a_{1}\cdots a_{m}\end{pmatrix}\begin{pmatrix}x_{1} \\ \vdots \\ x_{n}\end{pmatrix}=OAx=(a1⋯am)⎝⎜⎛x1⋮xn⎠⎟⎞=O
3. 线性无关的充要条件
向量组线性无关的充要条件是R(A)=mR(A)=mR(A)=m
4. 线性相关与线性无关的结论
若向量组:A:a1,a2,⋯,amA:a_{1},a_{2},\cdots,a_{m}A:a1,a2,⋯,am线性相关,则向量组B:a1,a2,⋯,am,am+1B:a_{1},a_{2},\cdots,a_{m},a_{m+1}B:a1,a2,⋯,am,am+1也线性相关。反言之,若向量组BBB线性无关,则向量组AAA也线性无关。即部分相关,则整体相关。
k1a1+⋯+kmam+km+1am+1=0k_{1}a_{1}+\cdots+k_{m}a_{m}+k_{m+1}a_{m+1}=0k1a1+⋯+kmam+km+1am+1=0,令km+1=0k_{m+1}=0km+1=0,由于AAA线性相关,则BBB线性相关
mmm个nnn维向量组成的向量组,当维数nnn小于向量个数mmm时一定线性相关。特别的,n+1n+1n+1个nnn维向量一定线性相关
A=[]n×m≤min{m,n}=n<mA=[\quad]_{n\times m}\leq\min\{m,n\}=n<mA=[]n×m≤min{m,n}=n<m
设向量组A:a1,a2,⋯,amA:a_{1},a_{2},\cdots,a_{m}A:a1,a2,⋯,am线性相关,而向量组B:a1,a2,⋯,am,bB:a_{1},a_{2},\cdots,a_{m},bB:a1,a2,⋯,am,b线性相关,则向量bbb必能由向量组AAA线性表示,且表示式是唯一的
Ax=bAx=bAx=b
r(a1⋯am)=m=r(a1⋯amb)r \begin{pmatrix}a_{1} & \cdots & a_{m}\end{pmatrix}=m=r \begin{pmatrix}a_{1} & \cdots & a_{m} & b\end{pmatrix}r(a1⋯am)=m=r(a1⋯amb)
Ax=(a1⋯am)x=b⇒x1a1+x2a2+⋯+xmam=bAx=\begin{pmatrix}a_{1} & \cdots & a_{m}\end{pmatrix}x=b \Rightarrow x_{1}a_{1}+x_{2}a_{2}+\cdots+x_{m}a_{m}=bAx=(a1⋯am)x=b⇒x1a1+x2a2+⋯+xmam=b
例1:已知向量组a1,a2,a3a_{1},a_{2},a_{3}a1,a2,a3线性无关,b1=a1+a2,b2=a2+a3,b3=a3+a1b_{1}=a_{1}+a_{2},b_{2}=a_{2}+a_{3},b_{3}=a_{3}+a_{1}b1=a1+a2,b2=a2+a3,b3=a3+a1,试证向量组b1,b2,b3b_{1},b_{2},b_{3}b1,b2,b3线性无关
(b1b2b3)=(a1a2a3)(101110011)⇒B=AC\begin{pmatrix}b_1 & b_2 & b_3\end{pmatrix}=\begin{pmatrix}a_1 & a_2 & a_3\end{pmatrix}\begin{pmatrix}1 & 0 & 1 \\ 1 & 1 & 0 \\ 0 & 1 & 1\end{pmatrix} \Rightarrow B=AC(b1b2b3)=(a1a2a3)⎝⎛110011101⎠⎞⇒B=AC
∵∣C∣=2≠0\because |C|=2\ne0∵∣C∣=2=0
∴C\therefore C∴C可逆
∴r(B)=r(AC)≤min{r(A),r(C)}=3\therefore r(B)=r(AC)\leq\min\{r(A),r(C)\}=3∴r(B)=r(AC)≤min{r(A),r(C)}=3
∵BC−1=A\because BC^{-1}=A∵BC−1=A
又∵3=r(A)=r(BC−1)≤min{r(B),r(C−1)}≤r(B)\because3=r(A)=r(BC^{-1})\leq\min\{r(B),r(C^{-1})\}\leq r(B)∵3=r(A)=r(BC−1)≤min{r(B),r(C−1)}≤r(B)
∴r(B)≥3\therefore r(B)\geq3∴r(B)≥3
又∵r(B)≤3\because r(B)\leq3∵r(B)≤3
∴r(B)=3\therefore r(B)=3∴r(B)=3
故b1,b2,b3b_{1},b_{2},b_{3}b1,b2,b3线性无关
向量组的秩
一、向量组的秩的定义
设向量组AAA,如果在AAA中能选出rrr个向量a1,a2,⋯,ara_{1},a_{2},\cdots,a_{r}a1,a2,⋯,ar,满足
- 向量组A0:a1,a2,⋯,arA_0:a_{1},a_{2},\cdots,a_{r}A0:a1,a2,⋯,ar线性无关
- 向量组AAA中任意r+1r+1r+1个向量(如果AAA中有r+1r+1r+1个向量的话)都线性相关
那么称向量组A0A_{0}A0是向量组AAA的一个最/极大线性无关向量组(简称最大无关组);最大无关组所含向量个数rrr称为向量组AAA的秩,记作RAR_{A}RA
二、性质
矩阵的秩等于它的列向量组的秩,也等于它的行向量组的秩
设向量组A0:a1,a2,⋯,arA_{0}:a_{1},a_{2},\cdots,a_{r}A0:a1,a2,⋯,ar是向量组AAA的一个部分组,且满足
- 向量组A0A_{0}A0线性无关
- 向量组AAA的任一向量都能由向量组A0A_{0}A0线性表示
那么向量组A0A_{0}A0便是向量组AAA的一个最大无关组
向量组b1,b2,⋯,blb_{1},b_{2},\cdots,b_{l}b1,b2,⋯,bl能由向量组a1,a2,⋯,ama_{1},a_{2},\cdots,a_{m}a1,a2,⋯,am线性表示的充要条件是R(a1,a2,⋯,am)=R(a1,⋯,am,b1,⋯,bl)R(a_{1},a_{2},\cdots,a_{m})=R(a_{1},\cdots,a_{m},b_{1},\cdots,b_{l})R(a1,a2,⋯,am)=R(a1,⋯,am,b1,⋯,bl)
若向量组BBB能由向量组AAA线性表示,则RB≤RAR_{B}\leq R_{A}RB≤RA
求向量组的最大无关组相关问题
- 将向量组组成矩阵,进行初等行变换为行阶梯形(求极大无关组)/行最简形(求极大无关组和表示)
- 所有第一个非零元素所对应的列向量构成一个极大无关组
例1:设矩阵A=(2−1−11211−2144−62−2436−979)A=\begin{pmatrix}2 & -1 & -1 & 1 & 2 \\ 1 & 1 & -2 & 1 & 4 \\ 4 & -6 & 2 & -2 & 4 \\ 3 & 6 & -9 & 7 & 9\end{pmatrix}A=⎝⎜⎜⎛2143−11−66−1−22−911−272449⎠⎟⎟⎞,求矩阵AAA的列向量组的一个最大无关组,并把不属于最大无关组的列向量用最大无关组线性表示
A⇒(10−10401−1030001−300000)A \Rightarrow\begin{pmatrix}1 & 0 & -1 & 0 & 4 \\ 0 & 1 & -1 & 0 & 3 \\ 0 & 0 & 0 & 1 & -3 \\ 0 & 0 & 0 & 0 & 0\end{pmatrix}A⇒⎝⎜⎜⎛10000100−1−100001043−30⎠⎟⎟⎞
则极大无关组为(2143),(−11−66),(11−27)\begin{pmatrix}2 \\ 1 \\ 4 \\ 3\end{pmatrix},\begin{pmatrix}-1 \\ 1 \\ -6 \\ 6\end{pmatrix},\begin{pmatrix}1 \\ 1 \\ -2 \\ 7\end{pmatrix}⎝⎜⎜⎛2143⎠⎟⎟⎞,⎝⎜⎜⎛−11−66⎠⎟⎟⎞,⎝⎜⎜⎛11−27⎠⎟⎟⎞
列向量从左到右分别设为α1,α2,⋯,α5\alpha_1,\alpha_2,\cdots,\alpha_{5}α1,α2,⋯,α5
α3=−α1−α2,α5=4α1+α2−α4\alpha_3=-\alpha_1-\alpha_2,\alpha_5=4\alpha_1+\alpha_2-\alpha_4α3=−α1−α2,α5=4α1+α2−α4
【线性代数】向量组的线性相关性相关推荐
- 线性代数-向量组的线性相关性
1,n维向量的概念与运算 2,向量组的线性相关性 3,向量组的线性表示.线性相关.线性无关与矩阵秩之间的关系 4,其它有关向量组线性相关及线性无关的结论 5,向量组的秩 6,线性方程组解的结构 7,向 ...
- 线性代数——向量组的线性相关性
文章目录 版权声明 前言 向量和向量组 向量组的线性表示 向量组等价 向量组的线性相关和线性无关 向量组的秩 版权声明 本文大部分内容皆来自李永乐老师考研教材和视频课. 前言 重点:向量和矩阵的相似性 ...
- 【线性代数复习笔记】同济大学版第三章和第四章 矩阵的初等变换与线性方程组与向量组的线性相关性
[线性代数复习笔记]同济大学版第三章和第四章 矩阵的初等变换与线性方程组与向量组的线性相关性 1.矩阵的初等变换 矩阵的三种初等变换及性质 行阶梯形矩阵 矩阵的初等变换的性质 2.矩阵的秩 矩阵的秩的 ...
- 【机器学习|数学基础】Mathematics for Machine Learning系列之线性代数(11):向量组的线性相关性
文章目录 前言 往期文章 4.2 向量组的线性相关性 定义4 线性相关/无关 特殊情况 定理4 举例 例4 例5 例6 定理5 结语 前言 Hello!小伙伴! 非常感谢您阅读海轰的文章,倘若文中有错 ...
- 线性代数:第四章 向量组的线性相关性(2)向量空间 线性方程组解的结构
第三节 向量空间 一.数字概念 定义3.1 设V是n维向量集合,且非空,若 (i) 则, : (ii) 则 . 则称V是一个向量空间. 定义3.2 设 是两个向量空间,若 ,则称 的 ...
- 线性代数 第四章 向量组的线性相关性
第四章 向量组的线性相关性 1 向量组及其线性组合 2 向量组的线性相关性 3 向量组的秩 4 线性方程组的解的结构 5 向量空间 习题 1 向量组及其线性组合 2 向量组的线性相关性 3 向量组的秩 ...
- 线性代数第四章 向量组的线性相关性
向量组及其线性组合 一.向量.向量组 1.向量 n个有次序的数a1,a2,...,an所组成的数组称为n维向量,这n个数称为该向量的n个分量,第i个数ai称为第 i个分量 n维向量可以写成一行,也可以 ...
- 线性代数:第四章 向量组的线性相关性(1)向量组的线性相关性 向量组的秩
第一节 向量组的线性相关性 一.数学概念 定义1.1 n个有次序的数 ,所组成的数组称为n维向量,这n个数称为该向量的n个分量,第i个数 称为第i个分量. 定义1. 2 给定向量组A: ,对 ...
- 线性代数笔记3 - 向量组的线性相关性
**向量及其线性组合** n 个有次序的数 a 1,a 2,-,a n 所组成的数组称为n 维向量,这 n 个 数称为该向量的 n 个分量,第i个数 a 称为第i个分量 向量组的概念 若干个同维数的列 ...
- 线性代数——向量的内积、范数、正交,向量组的线性相关性和向量空间
文章目录 向量的内积 性质 柯西不等式 范数 性质 相似度 向量组的线性相关性 向量空间 正交 规范正交基 施密特(Schimidt)正交化 正交矩阵 正交变换 向量的内积 设有n维向量 x=[x1x ...
最新文章
- Spring boot、微服务、OAuth、OpenID的爱恨情仇!
- 形态学图像处理或能帮助实例分割
- Kubernetes之路 1 - Java应用资源限制的迷思
- ListView属性设置
- c#读取xml中特定节点的值(实例)
- python转cython_Cython 0.23 发布 Python 的 C 语言扩展
- PHP开发erp账号登陆问题,浪潮ERP软件E系列创建账套时提示“由于登陆不正确、请重新登陆” | 浪潮888博客...
- CF1253F Cheap Robot
- Vue第三部分(1):Vue脚手架构建过程详细介绍和案例
- logger异常日志要点总结
- 如何在树莓派上安装Fedora 25
- matlab矩阵作分钟平均,提高matlab运行速度和节省空间的心得合集(ZT)
- 03. Use const whenever possible
- Vue.js-----轻量高效的MVVM框架(二、Vue.js的简单入门)
- 风变编程,帮助你从零开始学习编程
- Office2021 安装MathType
- 《Java从入门到放弃》框架入门篇:SpringBoot+mybatis搭建三层架构项目
- 用自己的APP打开微信和支付宝付款码和扫一扫界面
- python seaborn学习笔记
- RK3566触屏旋转方向