首页 > 其他分享 >高等代数笔记:线性相关与线性无关向量组

高等代数笔记:线性相关与线性无关向量组

时间:2025-01-20 23:31:52浏览次数:1  
标签:... +...+ bm 线性相关 线性 代数 向量

目录

什么是线性相关、线性无关?

定义1 \(K^n\)中,向量组\(\bm{α_1,α_2,...,α_s}(s\ge 1)\)是线性相关的,即\(K\)中有不全为0的数\(k_1,k_2,...,k_s\)使得\(k_1\bm{α_1}+k_2\bm{α_2}+...+k_s\bm{α_s}\)成立

定义2 \(K^n\)中,向量组\(\bm{α_1,α_2,...,α_s}(s\ge 1)\)不是线性相关的,那么称为线性无关的,即可从\(k_1\bm{α_1}+k_2\bm{α_2}+...+k_s\bm{α_s}\)推断出所有系数\(k_1,k_2,...,k_s=0\)

常用性质

1. 几何空间中,共面的3个向量线性相关,不共面的3个向量线性无关.

要证明该结论,需要引理:

引理(向量共面充要条件) \(向量\bm{a,b,c}\)共面的充要条件,是有不全为0的实数\(k_1,k_2,k_3\)使得

\[k_1\bm{a}+k_2\bm{b}+k_3\bm{c}=0 \]

引理证明:
必要性. 设\(\bm{a,b,c}\)共面,
1)\(\bm{a}\nparallel\bm{b}\)
∴存在实数\(λ,μ\)使得\(\bm{c}=λ\bm{a}+μ\bm{b}\)
(\(\bm{c}\parallel \bm{a,b}\)为边的平行四边形的对角线)
∴\(λ\bm{a}+μ\bm{b}-\bm{c}=0\)

2)\(\bm{a}\parallel\bm{b}\)
∴存在不全为0的实数\(λ,μ\)使得\(λ\bm{a}+μ\bm{b}=0\)
∴\(λ\bm{a}+μ\bm{b}+0\bm{c}=0\)

充分性. 设\(k_1\bm{a}+k_2\bm{b}+k_3\bm{c}=0\)
不妨设\(k_1\neq 0\)
∴\(\bm{a}=-\frac{k_2}{k_1}\bm{b}-\frac{k_3}{k_1}\bm{c}\)
∴\(\bm{a,b,c}\)共面

下证原命题.
证:任取3向量\(\bm{α_1,α_2,α_3}\)

当\(\bm{α_1,α_2,α_3}\)共面时,
由共面充要条件,\(\bm{α_3}=λ\bm{α_1}+μ\bm{α_2},λ,μ\in R\)

∴\(λ\bm{α_1}+μ\bm{α_2}-\bm{α_3}=0\)

∵\(-1\neq 0\)
∴由定义1,\(\bm{α_1,α_2,α_3}\)线性相关.

当\(\bm{α_1,α_2,α_3}\)不共面时,由引理,

\[k_1\bm{a}+k_2\bm{b}+k_3\bm{c}=0\implies k_1=k_2=k_3=0 \]

由定义2,\(\bm{α_1,α_2,α_3}\)线性无关.

2. 含零向量的向量组一定线性相关

∵\(k_1\bm{0}+0\bm{α_2}+...+0\bm{α_n}=0,k_1\neq 0\)
∴\(k_1,k_2,...,k_n\)不全为0

3. 单个向量\(\bm{α}\)线性相关当前仅当\(\bm{α}=0\)
∵\(k\bm{α}=0\),系数不能全为0
∴\(k\neq 0\)
∴\(\bm{α}=0\)

4. 向量组\(\bm{α_1,α_2,...,α_s}(s\ge 2)\)线性相关\(\Longleftrightarrow\)其中至少有一个向量能由其他向量线性表出

证明:
充分性.

线性相关\(\implies\) 存在s个不全为0的实数使得\(k_1\bm{α_1}+k_2\bm{α_2}+...+k_s\bm{α_s}=0\)

不妨设\(k_i\neq 0\)
∴\(\bm{α_i}=-\frac{k_1}{k_i}\bm{α_1}-\frac{k_2}{k_i}\bm{α_2}-...-\frac{k_{i-1}}{k_i}\bm{α_{i-1}}+\frac{k_{i+1}}{k_i}\bm{α_{i+1}}-...-\frac{k_{s}}{k_i}\bm{α_s}\)

必要性.

设\(\bm{α_i}=λ_1\bm{α_1}+λ_2\bm{α_2}+...+λ_{i-1}\bm{α_{i-1}}+λ_{i+1}\bm{α_{i+1}}+...+λ_s\bm{α_s}\)
∴\(λ_1\bm{α_1}+λ_2\bm{α_2}+...+λ_{i-1}\bm{α_{i-1}}+(-1)\bm{α_i}+λ_{i+1}\bm{α_{i+1}}+...+λ_s\bm{α_s}=0\)
∴\(\bm{α_1,α_2,...,α_s}\)线性相关

5. 齐次线性方程组:
对于列向量组\(\bm{α_1,α_2,...,α_s}(s\ge 1)\),

线性相关
\(\Longleftrightarrow\)方程组\(x_1\bm{α_1}+x_2\bm{α_2}+...+x_s\bm{α_s}=0\)有非零解;

线性无关
\(\Longleftrightarrow\)方程组\(x_1\bm{α_1}+x_2\bm{α_2}+...+x_s\bm{α_s}=0\)只有零解.

6. 行列式:
n个n维列(行)向量\(\bm{α_1,α_2,...,α_s}\)

线性相关
\(\Longleftrightarrow\)以\(\bm{α_1,α_2,...,α_s}\)为列(行)向量组的矩阵的行列式值为0;

线性无关
\(\Longleftrightarrow\)以\(\bm{α_1,α_2,...,α_s}\)为列(行)向量组的矩阵的行列式值不为0.

说明:
由克莱姆法则(见高等代数笔记:克莱姆法则(Cramer's Rule)),线性方程组对应系数行列式值不为0,则方程组有唯一解.

而对于齐次线性方程组(常数项为0),0显然是其解

i.e. 由\(k_1\bm{α_1}+k_2\bm{α_2}+...+k_s\bm{α_s}=0 \implies k_1,k_2,...,k_s\)是唯一解(对应齐次线性方程组的0解)

7. 向量组线性表出:
向量\(\bm{β}\)可由向量组\(\bm{α_1,α_2,...,α_s}\)线性表出方式唯一
\(\Longleftrightarrow\) \(\bm{α_1,α_2,...,α_s}\)线性无关.

\(\bm{α_1,α_2,...,α_s}\)线性相关
\(\Longleftrightarrow\)表出方式有无穷多种

8. 向量组的部分组:
如果向量组的一个部分组线性相关,那么整个向量组线性相关;
如果向量组线性无关,那么任何一个部分组线性无关.

9. 延伸或缩短:
1)如果向量组线性无关,那么每个向量添加m个分量得到的延伸组也线性无关;

2)如果向量组线性相关,那么每个向量去掉m个分量得到的缩短组组也线性相关. (逆否命题)

证1):设\(\bm{α_1,α_2,...,α_s}\)的一个延伸组\(\bm{\widetilde{α_1},\widetilde{α_2},...,\widetilde{α_s}}\)

设\(\exist k_1,k_2,...,k_s\in R\),满足\(k_1\bm{\widetilde{α_1}}+k_2\bm{\widetilde{α_2}}+...+k_s\bm{\widetilde{α_s}}=0\)
∵\(\bm{\widetilde{α_1}}=\begin{pmatrix}\bm{α_1}\\...\end{pmatrix}, \bm{\widetilde{α_2}}=\begin{pmatrix}\bm{α_2}\\...\end{pmatrix}, ..., \bm{\widetilde{α_s}}=\begin{pmatrix}\bm{α_s}\\...\end{pmatrix}\)
∴\(k_1\bm{α_1}+k_2\bm{α_2}+...+k_s\bm{α_s}=0\)

∵\(\bm{α_1,α_2,...,α_s}\)线性无关
∴\(k_1=k_2=...=k_s=0\)
∴\(\bm{\widetilde{α_1},\widetilde{α_2},...,\widetilde{α_s}}\)线性无关.

线性表出问题

命题1 设向量组\(\bm{α_1,...,α_s}\)线性无关,则\(\bm{β}\)可由\(\bm{α_1,...,α_s}\)线性表出的充要条件:\(\bm{α_1,...,α_s,β}\)线性相关.

证明:
必要性.
设\(\bm{β}\)可由\(\bm{α_1,...,α_s}\)线性表出,则存在\(c_1,...,c_s\in K\)使得
\(\bm{β}=c_1\bm{α_1}+...+c_s\bm{α_s}\)
∴\(c_1\bm{α_1}+...+c_s\bm{α_s}+(-1)\bm{β}=0\)
而\(-1\neq 0\)
∴\(\bm{α_1,...,α_s,β}\)线性相关

充分性.
设\(\bm{α_1,...,α_s,β}\)线性相关,则存在不全为0的一组数\(k_1,...,k_s,l\in K\)使得

\[k_1\bm{α_1}+...+k_s\bm{α_s}+l\bm{β}=0 \]

假设\(l=0\),那么\(\bm{α_1,...,α_s}\)线性相关,与题设矛盾
∴假设不成立,即\(l\neq 0\)
∴\(\bm{β}=\frac{k_1}{l}\bm{α_1}+...+\frac{k_s}{l}\bm{α_s}\)
故\(\bm{β}\)可由\(\bm{α_1,...,α_s}\)线性表出

推论1 设向量组\(\bm{α_1,...,α_s}\)线性无关,则向量\(\bm{β}\)不能由\(\bm{α_1,...,α_s}\)线性表出的充要条件:\(\bm{α_1,...,α_s,β}\)线性无关.

命题1的逆否命题.

参考

[1] 丘维声. 解析几何(第2版)[M]. 北京大学出版社, 1996.

标签:...,+...+,bm,线性相关,线性,代数,向量
From: https://www.cnblogs.com/fortunely/p/18667481

相关文章

  • 【线性代数】列主元法求矩阵的逆
    列主元方法是一种用于求解矩阵逆的数值方法,特别适用于在计算机上实现。其基本思想是通过高斯消元法将矩阵转换为上三角矩阵,然后通过回代求解矩阵的逆。以下是列主元方法求解矩阵AA......
  • 线性代数
    向量定义向量:既有大小又有方向的量称为向量。数学上研究的向量为自由向量,即只要不改变它的大小和方向,起点和终点可以任意平行移动的向量。记作\(\veca\)或\(\boldsymbol{a}\)。在物理中通常也叫「矢量」。向量的模:代表向量的长度,记:\(|\overrightarrow{AB}|\)或\(......
  • 矩阵特征值和特征向量的含义到底表示什么
    说人话:什么是特征值、特征向量。给我10分钟,还你一片蓝天我们在找矩阵A的特征值和特征向量的过程,其实就是在探寻什么向量能在矩阵A的变换下只做拉伸和压缩的变换,而不涉及旋转等其他类型的变换而这就是我们在埋头苦算的做的事情。实际上在现实应用中,我们需要对某个向......
  • 人工智能之数学基础:线性代数中的线性相关和线性无关
    本文重点在线性代数的广阔领域中,线性相关与线性无关是两个核心概念,它们对于理解向量空间、矩阵运算、线性方程组以及人工智能等问题具有至关重要的作用。定义与直观理解当存在一组不全为0的数x1,x2,...,xn使得上式成立的时候,那么此时我们可以说向量组a1,a2...,an线性相关。线......
  • 【大数据】机器学习------支持向量机(SVM)
    支持向量机的基本概念和数学公式:1.线性可分的支持向量机对于线性可分的数据集,其中(x_i\inR^d)是特征向量是类别标签,目标是找到一个超平面,使得对于所有的样本,对于所有(y_i=-1)的样本,(w^Tx_i+b\leq-1)。间隔(M)定义为:目标是最大化间隔,即最小化(\frac{1......
  • 认识 Milvus 向量数据库
    Milvus是一款由Zilliz开发的开源向量数据库,专注于高效存储、管理和检索大规模高维向量数据。它被设计用于处理非结构化数据,如图像、文本、音频和视频等,通过将这些数据转换为向量形式,实现高效的相似性搜索和向量检索。核心特点高性能:Milvus提供毫秒级的查询响应时间,支......
  • 机器学习之支持向量机SVM及测试
    目录1支持向量机SVM1.1概念1.2基本概念1.3主要特点1.4优缺点1.5核函数1.6常用的核函数1.7函数导入1.8函数参数2实际测试2.1二维可视化测试代码2.2多维测试1支持向量机SVM1.1概念支持向量机(SupportVectorMachine,简称SVM)是一种二分类模型,它的基本......
  • 老司机带你聊聊向量数据库
    随着人工智能、大数据技术的发展,传统数据库已经难以满足某些复杂应用场景的需求,尤其是在图像、语音、文本等非结构化数据的处理上,传统的精确匹配方式已经显得力不从心。最近几年,向量数据库应运而生,成为了热门话题。向量数据库的核心优势在于它可以通过将数据转化为高维向量,在相似......
  • (ICLR-2024)VERA:基于向量的随机矩阵自适应
    VERA:基于向量的随机矩阵自适应paper是阿姆斯特丹大学发表在ICLR2024的工作papertitle:VERA:VECTOR-BASEDRANDOMMATRIXADAPTATIONABSTRACT低秩自适应(LoRA)是一种流行的方法,可在微调大型语言模型时减少可训练参数的数量,但在扩展到更大的模型或部署大量按用户......
  • 线性代数13.线性相关性&内积&范数&正交
    13.线性相关性&内积&范数&正交13.1向量组的线性相关性13.1.1定义对于任意向量组\(A:a_1,a_2,a_3,...,a_n\),存在不全为0的数\(k_i(i=1,2,3,...,m)\),使:\[\tag{1}\sum_{i=1}^mk_i\cdota_i=0\]则称向量组A是\(线性相关\)的,否则称A是\(线性无关\)的13.1.2线性相关示例示例......