内容概述
本节首先从向量的代数关系出发,引入了向量组的线性无关、线性相关两个重要的概念;接着,以递进的方式,首先研究了一个或两个向量之间的关系,引入一些判断向量关系的方法,例如通过观察法来判定两个向量之间的关系,并从几何的角度去理解这种关系,接着研究了两个或多个向量彼此之间的关系,并引入了一些新的定理,用来判定向量集合的相关关系,例如从线性组合的角度、方程组的行列数量等等。本节的重点是要从代数的、几何的不同角度去理解和品味线性无关、线性相关这两个概念,为将来的学习打下基础。
线性无关
定义:
Rn中一组向量{v1,⋯,vp}称为线性无关的,若向量方程
x1v1+x2v2+⋯+xpvp=0
仅有平凡解。
向量组(集){v1,⋯,vp}称为线性相关的,若存在不全为零的权c1,⋯,cp,使得
c1v1+c2v2+⋯+cpvp=0
并且这个方程称为向量v1,⋯,vp之间的线性相关关系,其中权不全为零。一组向量线性相关当且仅当它不是线性无关的。也可以说向量组{v1,⋯,vp}是线性相关组。
注意:
线性无关、线性相关的概念,本质上是在研究不同向量之间的关系,向量方程只是其中一种描述形式。
例:
设
v1=⎣⎡123⎦⎤, v2=⎣⎡456⎦⎤, v3=⎣⎡210⎦⎤,
a. 确定向量组{v1,v2,v3}是否线性相关
b. 可能的话,求出v1,v2,v3的一个线性相关关系
解:
a. 把相应的增广矩阵行变换为阶梯形矩阵:
⎣⎡1004−302−30000⎦⎤
显然,x1和x2为基本变量,x3为*变量,x3的每个非零值确定一组非平凡解,因此v1,v2,v3线性相关。
b. 继续求解该方程组,得到:x1=2x3,x2=−x3,任意选取x3的一个非零值,比如x3=5,则x1=10,x2=−5,由此得到:
10v1−5v2+5v3=0
这就是v1,v2,v3的一个可能的线性相关关系。
矩阵各列的线性无关
由上述的向量组进而考虑矩阵A=[a1⋯an],矩阵方程Ax=0可以写成:
x1a1+x2a2+⋯+xnan=0
A的各列之间的每一个线性相关关系对应于方程Ax=0的一个非平凡解。因此得到下述重要事实:
矩阵A的各列线性无关,当且仅当方程Ax=0仅有平凡解。
例:
确定矩阵⎣⎡0151284−10⎦⎤的各列是否线性无关。
解:
矩阵可行化简为:
⎣⎡100210−1413000⎦⎤
此时方程有3个基本变量,没有*变量,因此方程Ax=0仅有平凡解,A的各列是线性无关的。
一个或两个向量的集合
仅含一个向量的集合(例如v)线性无关当且仅当v不是零向量。这是因为当v=0时,向量方程x1v=0仅有平凡解。零向量是线性相关的,因为x10=0有许多非平凡解。
下面通过例子说明两个向量线性相关的情况:
确定下列向量组是否线性无关:
a. v1=[31], v2=[62]
b. v1=[32], v2=[62]
解:
a. 由于v2是v1的倍数,即v2=2v1,因此−2v1+v2=0,这一形式符合向量线性相关的定义,表明{v1,v2}线性相关。
b. 假设v1和v2线性相关,那么根据线性相关的定义,必存在不全为0的标量c,d,使得:
cv1+dv2=0
假设c=0,那么根据上述等式可得:v1=(−cd)v2,但是另一方面,由于v1并不是v2的倍数,因此这是不可能的,所以{v1,v2}是线性无关组。
从上述这个例子,可以发现,总可以用观察法来确定两个向量是否相关,而不需要进行行变换。通过看一个向量是否是另一个变量的倍数即可。
结论如下:
两个向量的集合{v1,v2}线性相关,当且仅当其中一个向量是另一个向量的倍数。这个集合线性无关,当且仅当其中任一个向量都不是另一个向量的倍数。
从几何意义来看,两个向量线性相关,意味着它们落在通过原点的同一条直线上。
两个或更多个向量的集合
线性相关和线性组合的关系
定理:
两个或更多个向量的集合S={v1,⋯,vp}线性相关,当且仅当S中至少有一个向量是其他向量的线性组合。
事实上,若S线性相关,且v1=0,则某个vj(j>1)是它前面向量v1,⋯,vj−1的线性组合(做v1=0的假设,是为了研究向量集合里不全是零向量的情况,从下面的证明可以看出,这里要说明的是,如果一个向量集合S是线性相关的且其中不全是零向量,那么总会存在至少一个向量v, 该向量是S中某些向量的线性组合)。
注意:
上述定理没有说在线性相关集中每一个向量都是它前面的向量的线性组合。线性相关集中某个向量可能不是其他向量的线性组合(想象两个共线的向量和另一个不与它们共线的向量组成的向量集合;另一方面,由线性相关定义中的允许有一部分系数ci为0也可以联想到这一点)。
证明:
若S中某个vj是其他向量的线性组合,那么把方程两边同时减去vj就产生一个线性相关关系,其中vj的权为−1,例如,假设令j=1,且有v1=c2v3+c3v3,那么两边同时减去v1,得到如下的线性相关关系:
0=(−1)v1+c2v2+c3c3+0v4+⋯+0vp
因此,S线性相关。
反之,若S线性相关。
若v1不为零,那么根据线性相关的定义,存在c1,⋯,cp不全为零,使得:
c1v1+c2v2+⋯+cpvp=0
设j是使得cj=0的最大下标。若j=1,则有c1v1=0,这是不可能的,因为v1=0,故j>1,且有:
c1v1+⋯+cjvj+0vj+1+⋯+0vp=0
进一步计算得:
vj=(−cjc1)v1+⋯+(−cjcj−1)vj−1
也就是说,此时vj是它前面向量v1,⋯,vj−1的线性组合。
例:
设u=⎣⎡310⎦⎤,v=⎣⎡160⎦⎤,描述由u和v生成的集合,并说明向量w属于Span{u,v}当且仅当{u,v,w}线性相关。
解:
向量w属于Span{u,v},意思就是w是u和v的线性组合,根据上述定理,可知{u,v,w}线性相关。
反之,若{u,v,w}线性相关,则根据上述定理,{u,v,w}中某一向量是它前面向量的线性组合,而这个向量一定是w,因为v不是u的倍数,所以v和u是线性无关的,因而w属于Span{u,v}。
包含零向量的向量结合
定理:
若Rn中向量组S={v1,⋯,vp}包含零向量,则它线性相关。
证明:
把这些向量重新编号,设v1=0,于是方程1v1+0v2+⋯+0vp=0,系数不全为零,因此S线性相关。
向量个数和向量元素个数的关系
定理:
若一个向量组的向量个数超过每个向量的元素个数,那么这个向量组线性相关。就是说,Rn中任意向量组{v1,⋯,vp}当p>n时线性相关。
证明:
设A=[v1⋯vp],则A是n×p矩阵,方程Ax=0对应于p个未知量的n个方程。若p>n,则未知量比方程多,所以必定有*变量(n个方程最多有n个主元,对应于n个基本变量,而未知数的个数p>n,因此必有*变量)。因此Ax=0必有平凡解,所以A的各列线性相关。
如下所示,p=5,n=3
⎣⎡∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗⎦⎤
例:
向量[21],[4−1],[−22]线性相关,这是因为每个向量仅有2个元素而向量组有3个向量。