【高等代数笔记】线性空间(五-九)

news2024/12/29 9:47:51

3. 线性空间

主线任务:研究线性空间和它的子空间的结构

研究平面 π \pi π上向量共线与不共线的问题: c ⃗ \vec{c} c a ⃗ ≠ 0 \vec{a}\ne\boldsymbol{0} a =0共线 c ⃗ = λ a ⃗ ⇔ λ ∈ R ⇔ − λ a ⃗ + 1 c ⃗ = 0 ⃗ \vec{c}=\lambda\vec{a}\Leftrightarrow\lambda\in\mathbb{R}\Leftrightarrow-\lambda\vec{a}+1\vec{c}=\vec{0} c =λa λRλa +1c =0
a ⃗ \vec{a} a c ⃗ ≠ 0 ⃗ \vec{c}\ne\vec{0} c =0 共线 ⇔ a ⃗ = μ c ⃗ ⇔ 1 a ⃗ − μ c ⃗ = 0 ⃗ \Leftrightarrow\vec{a}=\mu\vec{c}\Leftrightarrow1\vec{a}-\mu\vec{c}=\vec{0} a =μc 1a μc =0
从而 c ⃗ \vec{c} c a ⃗ \vec{a} a 共线 ⇔ \Leftrightarrow 有不全为零的实数 k 1 , k 2 k_{1},k_{2} k1,k2使得 k 1 c ⃗ + k 2 a ⃗ = 0 ⃗ k_{1}\vec{c}+k_{2}\vec{a}=\vec{0} k1c +k2a =0
c ⃗ \vec{c} c a ⃗ \vec{a} a 不共线 ⇔ \Leftrightarrow k 1 c ⃗ + k 2 a ⃗ = 0 ⃗ k_{1}\vec{c}+k_{2}\vec{a}=\vec{0} k1c +k2a =0 可推出 k 1 = 0 , k 2 = 0 k_{1}=0,k_{2}=0 k1=0,k2=0
对于共线,起个名字叫线性相关,对于不共线,起个名字叫线性无关。

3.6 线性相关与线性无关的向量组

【定义1】设 V \textbf{V} V是数域 K \textbf{K} K上的一个线性空间, V \textbf{V} V中的一个向量组 α 1 , α 2 , . . . , α s ( s ≥ 1 ) \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}(s\ge 1) α1,α2,...,αs(s1),如果有 K \textbf{K} K中不全为0的数 k 1 , k 2 , . . . , k s k_{1},k_{2},...,k_{s} k1,k2,...,ks,使得 k 1 α 1 + k 2 α 2 + . . . + k s α s = 0 k_{1}\boldsymbol{\alpha}_{1}+k_{2}\boldsymbol{\alpha}_{2}+...+k_{s}\boldsymbol{\alpha}_{s}=\boldsymbol{0} k1α1+k2α2+...+ksαs=0,称向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性相关;否则,就称向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性无关,即如果从 k 1 α 1 + k 2 α 2 + . . . + k s α s = 0 k_{1}\boldsymbol{\alpha}_{1}+k_{2}\boldsymbol{\alpha}_{2}+...+k_{s}\boldsymbol{\alpha}_{s}=\boldsymbol{0} k1α1+k2α2+...+ksαs=0可以推出 k 1 = k 2 = . . . = k s = 0 k_{1}=k_{2}=...=k_{s}=0 k1=k2=...=ks=0,那么向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性无关

3.7 线性相关与线性无关与方程组的关系

(1)

  • K s \textbf{K}^{s} Ks中,列向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性相关 ⇔ \Leftrightarrow K \textbf{K} K中不全为0的数 c 1 , c 2 , . . . , c n c_{1},c_{2},...,c_{n} c1,c2,...,cn使得 c 1 α 1 + c 2 α 2 + . . . + c s α s = 0 ⇒ K c_{1}\boldsymbol{\alpha}_{1}+c_{2}\boldsymbol{\alpha}_{2}+...+c_{s}\boldsymbol{\alpha}_{s}=\boldsymbol{0}\Rightarrow\textbf{K} c1α1+c2α2+...+csαs=0K n n n元齐次线性方程组 x 1 α 1 + x 2 α 2 + . . . + x s α s = 0 x_{1}\boldsymbol{\alpha}_{1}+x_{2}\boldsymbol{\alpha}_{2}+...+x_{s}\boldsymbol{\alpha}_{s}=\boldsymbol{0} x1α1+x2α2+...+xsαs=0有非零解。
  • K s \textbf{K}^{s} Ks中,列向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性无关 ⇔ \Leftrightarrow 齐次线性方程组 x 1 α 1 + x 2 α 2 + . . . + x s α s = 0 x_{1}\boldsymbol{\alpha}_{1}+x_{2}\boldsymbol{\alpha}_{2}+...+x_{s}\boldsymbol{\alpha}_{s}=\boldsymbol{0} x1α1+x2α2+...+xsαs=0只有零解。
    (2)
  • K n \textbf{K}^{n} Kn中,列向量组 α 1 , α 2 , . . . , α n \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{n} α1,α2,...,αn线性相关 ⇔ \Leftrightarrow α 1 , α 2 , . . . , α n \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{n} α1,α2,...,αn为列向量组的矩阵 A \boldsymbol{A} A的行列式等于0( ∣ A ∣ = 0 |\boldsymbol{A}|=0 A=0)。
  • K n \textbf{K}^{n} Kn中,列向量组 α 1 , α 2 , . . . , α n \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{n} α1,α2,...,αn线性无关 ⇔ \Leftrightarrow α 1 , α 2 , . . . , α n \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{n} α1,α2,...,αn为列向量组的矩阵 A \boldsymbol{A} A的行列式不等于0( ∣ A ∣ ≠ 0 |\boldsymbol{A}|\ne0 A=0)。
    行向量组也有上述结论,把上述的列向量字样改成行向量字样一样成立。

3.8 线性相关与线性无关的向量组

V \textbf{V} V是数域 K \textbf{K} K上的一个线性空间,
(1) α \boldsymbol{\alpha} α(单个向量的向量组)线性相关 ⇔ \Leftrightarrow k ≠ 0 k\ne 0 k=0使得 k α = 0 ⇔ α = 0 k\boldsymbol{\alpha}=\boldsymbol{0}\Leftrightarrow\boldsymbol{\alpha}=\boldsymbol{0} kα=0α=0
从而 α \boldsymbol{\alpha} α(单个向量的向量组)线性无关 ⇔ α ≠ 0 \Leftrightarrow\boldsymbol{\alpha}\ne \boldsymbol{0} α=0
(2)若向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs如果有一个部分组(向量组中的一部分向量组成的向量组)线性相关,那么整个向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性相关;
从而向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs如果线性无关,那么 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs任何一个部分组都线性无关;
(3)含有零向量的任何一个向量组都线性相关。
(4)向量组 α 1 , α 2 , . . . , α s ( s ≥ 2 ) \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}(s\ge 2) α1,α2,...,αs(s2)线性相关 ⇔ \Leftrightarrow 其中至少有一个向量可以由其余的向量线性表出。

【证】 ⇒ \Rightarrow ,由线性相关的定义,有 K \textbf{K} K中一组不全为零的数 k 1 , k 2 , . . . , k s k_{1},k_{2},...,k_{s} k1,k2,...,ks使得 k 1 α 1 + k 2 α 2 + . . . + k s α s = 0 k_{1}\boldsymbol{\alpha}_{1}+k_{2}\boldsymbol{\alpha}_{2}+...+k_{s}\boldsymbol{\alpha}_{s}=\boldsymbol{0} k1α1+k2α2+...+ksαs=0,(1)
k i ≠ 0 k_{i}\ne 0 ki=0,由(1)式得 α i = − k 1 k i α 1 − . . . − k i − 1 k i α i − 1 − k i + 1 k i α i + 1 − . . . − k s k i α s \boldsymbol{\alpha}_{i}=-\frac{k_{1}}{k_{i}}\boldsymbol{\alpha}_{1}-...-\frac{k_{i-1}}{k_{i}}\boldsymbol{\alpha}_{i-1}-\frac{k_{i+1}}{k_{i}}\boldsymbol{\alpha}_{i+1}-...-\frac{k_{s}}{k_{i}}\boldsymbol{\alpha}_{s} αi=kik1α1...kiki1αi1kiki+1αi+1...kiksαs
⇐ \Leftarrow ,设 α j = l 1 α 1 + . . . + l j − 1 α j − 1 + l j + 1 α j + 1 + . . . + l s α s \boldsymbol{\alpha}_{j}=l_{1}\boldsymbol{\alpha}_{1}+...+l_{j-1}\boldsymbol{\alpha}_{j-1}+l_{j+1}\boldsymbol{\alpha}_{j+1}+...+l_{s}\boldsymbol{\alpha}_{s} αj=l1α1+...+lj1αj1+lj+1αj+1+...+lsαs
0 = l 1 α 1 + . . . + l j − 1 α j − 1 − α j + l j + 1 α j + 1 + . . . + l s α s \boldsymbol{0}=l_{1}\boldsymbol{\alpha}_{1}+...+l_{j-1}\boldsymbol{\alpha}_{j-1}-\boldsymbol{\alpha}_{j}+l_{j+1}\boldsymbol{\alpha}_{j+1}+...+l_{s}\boldsymbol{\alpha}_{s} 0=l1α1+...+lj1αj1αj+lj+1αj+1+...+lsαs
因此 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性相关。
从而向量组

α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性无关 ⇔ \Leftrightarrow 其中每一个向量都不能由其余向量线性表出。


【命题1】设 β \boldsymbol{\beta} β可以由向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性表出,则表出方式唯一 ⇔ α 1 , α 2 , . . . , α s \Leftrightarrow\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性无关

【证】 ⇐ \Leftarrow ,设 β = a 1 α 1 + a 2 α 2 + . . . + a s α s \boldsymbol{\beta}=a_{1}\boldsymbol{\alpha}_{1}+a_{2}\boldsymbol{\alpha}_{2}+...+a_{s}\boldsymbol{\alpha}_{s} β=a1α1+a2α2+...+asαs
用反证法,若还有另一种表出方式 β = b 1 α 1 + b 2 α 2 + . . . + b s α s \boldsymbol{\beta}=b_{1}\boldsymbol{\alpha}_{1}+b_{2}\boldsymbol{\alpha}_{2}+...+b_{s}\boldsymbol{\alpha}_{s} β=b1α1+b2α2+...+bsαs
两式相减得 0 = ( a 1 − b 1 ) α 1 + ( a 2 − b 2 ) α 2 + . . . + ( a s − b s ) α s \boldsymbol{0}=(a_{1}-b_{1})\boldsymbol{\alpha}_{1}+(a_{2}-b_{2})\boldsymbol{\alpha}_{2}+...+(a_{s}-b_{s})\boldsymbol{\alpha}_{s} 0=(a1b1)α1+(a2b2)α2+...+(asbs)αs(2)
由于向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性无关,因此从(2)式, a 1 − b 1 = 0 , . . . , a s − b s = 0 a_{1}-b_{1}=0,...,a_{s}-b_{s}=0 a1b1=0,...,asbs=0 a 1 = b 1 , . . . , a s = b s a_{1}=b_{1},...,a_{s}=b_{s} a1=b1,...,as=bs,因此 β \boldsymbol{\beta} β由向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性表出得方式唯一。


⇒ \Rightarrow ,假如 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性相关,则有 K \textbf{K} K中一组不全为0的数 k 1 , . . . , k s k_{1},...,k_{s} k1,...,ks使得 0 = k 1 α 1 + . . . + k s α s \boldsymbol{0}=k_{1}\boldsymbol{\alpha}_{1}+...+k_{s}\boldsymbol{\alpha}_{s} 0=k1α1+...+ksαs,由已知 β = a 1 α 1 + a 2 α 2 + . . . + a s α s \boldsymbol{\beta}=a_{1}\boldsymbol{\alpha}_{1}+a_{2}\boldsymbol{\alpha}_{2}+...+a_{s}\boldsymbol{\alpha}_{s} β=a1α1+a2α2+...+asαs(3),两式相加得, β = ( a 1 + k 1 ) α 1 + . . . + ( a s + k s ) α s \boldsymbol{\beta}=(a_{1}+k_{1})\boldsymbol{\alpha}_{1}+...+(a_{s}+k_{s})\boldsymbol{\alpha}_{s} β=(a1+k1)α1+...+(as+ks)αs(4),
由于 k 1 , . . . , k s k_{1},...,k_{s} k1,...,ks不全为0,因此 ( k 1 + a 1 , . . . , k s + a s ) ≠ ( a 1 , . . , a s ) (k_{1}+a_{1},...,k_{s}+a_{s})\ne (a_{1},..,a_{s}) (k1+a1,...,ks+as)=(a1,..,as)(至少有一个分量不相等)
从而 β \boldsymbol{\beta} β至少有两种不同得方式由 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性表出,与已知条件表出方式唯一矛盾,因此 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性无关

【命题2】设向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性无关,如果将 β \boldsymbol{\beta} β添加到上述向量组成为一个新的向量组 α 1 , α 2 , . . . , α s , β \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s},\boldsymbol{\beta} α1,α2,...,αs,β,这个新的向量组如果线性相关,那么 β \beta β可以由向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性表出。

【证】由于 α 1 , α 2 , . . . , α s , β \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s},\boldsymbol{\beta} α1,α2,...,αs,β线性相关,因此有数域 K \textbf{K} K中一组不全为0得数 k 1 , k 2 , . . . , k s , l k_{1},k_{2},...,k_{s},l k1,k2,...,ks,l,使得 k 1 α 1 + k 2 α 2 + . . . + k s α s + l β = 0 k_{1}\boldsymbol{\alpha}_{1}+k_{2}\boldsymbol{\alpha}_{2}+...+k_{s}\boldsymbol{\alpha}_{s}+l\boldsymbol{\beta}=0 k1α1+k2α2+...+ksαs+lβ=0…(5)
用反证法,假设 l = 0 l=0 l=0,从(5)式得
k 1 α 1 + k 2 α 2 + . . . + k s α s + 0 = 0 k_{1}\boldsymbol{\alpha}_{1}+k_{2}\boldsymbol{\alpha}_{2}+...+k_{s}\boldsymbol{\alpha}_{s}+0=0 k1α1+k2α2+...+ksαs+0=0,由于此时 k 1 , . . . , k s k_{1},...,k_{s} k1,...,ks不全为0,因此 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性相关与已知条件的线性无关矛盾,则 l ≠ 0 l\ne 0 l=0
于是在(5)式两边除 l l l得到 β = − k 1 l α 1 − k 2 l α 2 − . . . − k s l α s \boldsymbol{\beta}=-\frac{k_{1}}{l}\boldsymbol{\alpha}_{1}-\frac{k_{2}}{l}\boldsymbol{\alpha}_{2}-...-\frac{k_{s}}{l}\boldsymbol{\alpha}_{s} β=lk1α1lk2α2...lksαs

3.9 向量组的极大线性无关组

< α 1 , α 2 , . . . , α s > = { k 1 α 1 + k 2 α 2 + . . . + k s α s ∣ k i ∈ K , i = 1 , 2 , . . . , s } <\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}>=\{k_{1}\boldsymbol{\alpha}_{1}+k_{2}\boldsymbol{\alpha}_{2}+...+k_{s}\boldsymbol{\alpha}_{s}|k_{i}\in\textbf{K},i=1,2,...,s\} <α1,α2,...,αs>={k1α1+k2α2+...+ksαskiK,i=1,2,...,s}
α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性相关时,部分组线性无关,添一个进来就相关了,这个不分组就是极大线性无关组。

【定义1】向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs的一个部分组称为这个向量组的一个极大线性无关组
如果这个部分组满足:
(1)这个部分组线性无关;
(2)从向量组的其余向量组(如果有的话)中任取一个添加进来,得到的新的部分组,都是线性相关的;
那么这个部分组就是这个向量组的一个极大线性无关组

平面 π \pi π上的向量组 a ⃗ , b ⃗ , c ⃗ , d ⃗ \vec{a},\vec{b},\vec{c},\vec{d} a ,b ,c ,d 如图所示, a ⃗ , b ⃗ \vec{a},\vec{b} a ,b 线性无关,将 c ⃗ \vec{c} c 添加到 a ⃗ , b ⃗ \vec{a},\vec{b} a ,b 中, c ⃗ \vec{c} c a ⃗ , b ⃗ \vec{a},\vec{b} a ,b 线性表出,则 a ⃗ , b ⃗ \vec{a},\vec{b} a ,b 是整个向量组的一个极大线性无关组。
同理 a ⃗ , c ⃗ \vec{a},\vec{c} a ,c 也是一个极大线性无关组
b ⃗ , c ⃗ \vec{b},\vec{c} b ,c 也是一个极大无关组
……
极大线性无关组不唯一

3.10 向量组的等价与性质

  • 极大线性无关组中的每一个向量都可以由原向量组线性表出。整个向量组中每一个向量都可以由极大线性无关组线性表出。若向量组
    【证】设向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs的一个极大线性无关组(不妨设为 α 1 , α 2 , . . . , α m , m ≤ s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{m},m\le s α1,α2,...,αm,ms
    由于 α j = 0 α 1 + . . . + 0 α j = 1 + 1 α j + 0 α j + 1 + . . . + 0 α s \boldsymbol{\alpha}_{j}=0\boldsymbol{\alpha}_{1}+...+0\boldsymbol{\alpha}_{j=1}+1\boldsymbol{\alpha}_{j}+0\boldsymbol{\alpha}_{j+1}+...+0\boldsymbol{\alpha}_{s} αj=0α1+...+0αj=1+1αj+0αj+1+...+0αs
    因此 α 1 , α 2 , . . . , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{m} α1,α2,...,αm中每一个向量都可以由向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性表出。
    反之, α i ( 1 ≤ i ≤ m ) \boldsymbol{\alpha}_{i}(1\le i\le m) αi(1im)可以由 α 1 , α 2 , . . . , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{m} α1,α2,...,αm线性表出
    α j ( m ≤ j ≤ s ) \boldsymbol{\alpha}_{j}(m\le j\le s) αj(mjs)
    由于在极大线性无关组 α 1 , α 2 , . . . , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{m} α1,α2,...,αm α j ( m ≤ j ≤ s ) \boldsymbol{\alpha}_{j}(m\le j\le s) αj(mjs)添加进来后的向量组 α 1 , α 2 , . . . , α m , α j \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{m},\boldsymbol{\alpha}_{j} α1,α2,...,αm,αj线性相关,极大线性无关组本身线性无关,那么 α j \boldsymbol{\alpha}_{j} αj可由极大线性无关组 α 1 , α 2 , . . . , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{m} α1,α2,...,αm线性表出
    因此 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs都可以由极大线性无关组 α 1 , α 2 , . . . , α m \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{m} α1,α2,...,αm线性表出。

  • (向量组可以由向量组线性表出) α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs中每一个向量都可以由向量组 β 1 , β 2 , . . . , β r \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r} β1,β2,...,βr线性表出,则称 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs可以由 β 1 , β 2 , . . . , β r \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r} β1,β2,...,βr线性表出

  • 若向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs β 1 , β 2 , . . . , β r \boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r} β1,β2,...,βr可以互相线性表出,称这两个向量组为等价向量组。此时记作 { α 1 , α 2 , . . . , α s } ≅ { β 1 , β 2 , . . . , β r } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\}\cong\{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\} {α1,α2,...,αs}{β1,β2,...,βr}.
    由上述讨论证明了:
    【命题1】向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs和它的任意一个极大线性无关组等价

性质:
(1)每个向量组与自身等价(反身性);
(2)若 { α 1 , α 2 , . . . , α s } ≅ { β 1 , β 2 , . . . , β r } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\}\cong\{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\} {α1,α2,...,αs}{β1,β2,...,βr},则 { β 1 , β 2 , . . . , β r } ≅ { α 1 , α 2 , . . . , α s } \{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\}\cong\{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\} {β1,β2,...,βr}{α1,α2,...,αs}(对称性)
(3)若 { α 1 , α 2 , . . . , α s } ≅ { β 1 , β 2 , . . . , β r } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\}\cong\{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\} {α1,α2,...,αs}{β1,β2,...,βr} { β 1 , β 2 , . . . , β r } ≅ { γ 1 , γ 2 , . . . , γ t } \{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\}\cong\{\boldsymbol{\gamma}_{1},\boldsymbol{\gamma}_{2},...,\boldsymbol{\gamma}_{t}\} {β1,β2,...,βr}{γ1,γ2,...,γt},则 { α 1 , α 2 , . . . , α s } ≅ { γ 1 , γ 2 , . . . , γ t } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\}\cong\{\boldsymbol{\gamma}_{1},\boldsymbol{\gamma}_{2},...,\boldsymbol{\gamma}_{t}\} {α1,α2,...,αs}{γ1,γ2,...,γt}(传递性)

【证】只要证线性表出具有传递性。
α i = ∑ j = 1 r a i j β j , i = 1 , 2 , . . . , s \boldsymbol{\alpha}_{i}=\sum\limits_{j=1}^{r}a_{ij}\boldsymbol{\beta}_{j},i=1,2,...,s αi=j=1raijβj,i=1,2,...,s
β j = ∑ l = 1 t b j l γ l , j = 1 , 2 , . . . , r \boldsymbol{\beta}_{j}=\sum\limits_{l=1}^{t}b_{jl}\boldsymbol{\gamma}_{l},j=1,2,...,r βj=l=1tbjlγl,j=1,2,...,r
因此 α i = ∑ j = 1 r a i j ( ∑ l = 1 t b j l γ l ) = ∑ j = 1 r ( ∑ l = 1 t a i j b j l γ l ) = ∑ l = 1 t ∑ j = 1 r a i j b j l γ l = ∑ l = 1 t ( ∑ j = 1 r a i j b j l ) γ l \boldsymbol{\alpha}_{i}=\sum\limits_{j=1}^{r}a_{ij}(\sum\limits_{l=1}^{t}b_{jl}\boldsymbol{\gamma}_{l})=\sum\limits_{j=1}^{r}(\sum\limits_{l=1}^{t}a_{ij}b_{jl}\boldsymbol{\gamma}_{l})=\sum\limits_{l=1}^{t}\sum\limits_{j=1}^{r}a_{ij}b_{jl}\boldsymbol{\gamma}_{l}=\sum\limits_{l=1}^{t}(\sum\limits_{j=1}^{r}a_{ij}b_{jl})\boldsymbol{\gamma}_{l} αi=j=1raij(l=1tbjlγl)=j=1r(l=1taijbjlγl)=l=1tj=1raijbjlγl=l=1t(j=1raijbjl)γl
所以每一个 γ l \boldsymbol{\gamma}_{l} γl可以由向量组 { α 1 , α 2 , . . . , α s } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\} {α1,α2,...,αs}线性表出。

由向量组等价的对称性和传递性得
【命题2】向量组 { α 1 , α 2 , . . . , α s } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\} {α1,α2,...,αs}的任意两个线性无关组等价。

3.11 向量组的秩Rank


平面 π \pi π上有向量组 a ⃗ , b ⃗ , c ⃗ , d ⃗ , e ⃗ \vec{a},\vec{b},\vec{c},\vec{d},\vec{e} a ,b ,c ,d ,e 五个向量, c ⃗ , d ⃗ , e ⃗ \vec{c},\vec{d},\vec{e} c ,d ,e 都可以由 a ⃗ , b ⃗ \vec{a},\vec{b} a ,b 线性表示,所以 c ⃗ , d ⃗ , e ⃗ \vec{c},\vec{d},\vec{e} c ,d ,e 线性相关,
【引理1】设向量组 { β 1 , β 2 , . . . , β r } \{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\} {β1,β2,...,βr}可以由向量组 { α 1 , α 2 , . . . , α s } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\} {α1,α2,...,αs}线性表出,如果 r > s r>s r>s,那么 { β 1 , β 2 , . . . , β r } \{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\} {β1,β2,...,βr}一定线性相关。

【证】由已知,
β 1 = a 11 α 1 + a 21 α 2 + . . . + a s 1 α s . . . β 1 = a 1 r α 1 + a 2 r α 2 + . . . + a s r α s \boldsymbol{\beta}_{1}=a_{11}\boldsymbol{\alpha}_{1}+a_{21}\boldsymbol{\alpha}_{2}+...+a_{s1}\boldsymbol{\alpha}_{s}\\...\\\boldsymbol{\beta}_{1}=a_{1r}\boldsymbol{\alpha}_{1}+a_{2r}\boldsymbol{\alpha}_{2}+...+a_{sr}\boldsymbol{\alpha}_{s} β1=a11α1+a21α2+...+as1αs...β1=a1rα1+a2rα2+...+asrαs
x 1 β 1 + x 2 β 2 + . . . + x r β r = x 1 ( a 11 α 1 + a 21 α 2 + . . . + a s 1 α s ) + . . . + x r ( a 1 r α 1 + a 2 r α 2 + . . . + a s r α s ) = ( a 11 x 1 + . . . + a 1 r x r ) α 1 + . . . + ( a s 1 x 1 + . . . + a s r x r ) α s x_{1}\boldsymbol{\beta}_{1}+x_{2}\boldsymbol{\beta}_{2}+...+x_{r}\boldsymbol{\beta}_{r}=x_{1}(a_{11}\boldsymbol{\alpha}_{1}+a_{21}\boldsymbol{\alpha}_{2}+...+a_{s1}\boldsymbol{\alpha}_{s})+...+x_{r}(a_{1r}\boldsymbol{\alpha}_{1}+a_{2r}\boldsymbol{\alpha}_{2}+...+a_{sr}\boldsymbol{\alpha}_{s})=(a_{11}x_{1}+...+a_{1r}x_{r})\boldsymbol{\alpha}_{1}+...+(a_{s1}x_{1}+...+a_{sr}x_{r})\boldsymbol{\alpha}_{s} x1β1+x2β2+...+xrβr=x1(a11α1+a21α2+...+as1αs)+...+xr(a1rα1+a2rα2+...+asrαs)=(a11x1+...+a1rxr)α1+...+(as1x1+...+asrxr)αs(1)
考虑齐次线性方程组

{ a 11 x 1 + . . . + a 1 r x r = 0 . . . a s 1 x 1 + . . . + a s r x r = 0 \left\{\begin{matrix} a_{11}x_{1}+...+a_{1r}x_{r}=0 \\ ... \\ a_{s1}x_{1}+...+a_{sr}x_{r}=0 \end{matrix}\right. a11x1+...+a1rxr=0...as1x1+...+asrxr=0(2)
如果 s < r s<r s<r,因此齐次线性方程组(2)必有非零解,取一个非零解 ( k 1 , . . . , k r ) (k_{1},...,k_{r}) (k1,...,kr),利用(1),(2)式得 k 1 β 1 + k 2 β 2 + . . . + k r β r = 0 k_{1}\boldsymbol{\beta}_{1}+k_{2}\boldsymbol{\beta}_{2}+...+k_{r}\boldsymbol{\beta}_{r}=\boldsymbol{0} k1β1+k2β2+...+krβr=0
因此 { β 1 , β 2 , . . . , β r } \{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\} {β1,β2,...,βr}一定线性相关。

【推论1】【引理1的逆否命题】设向量组 { β 1 , β 2 , . . . , β r } \{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\} {β1,β2,...,βr}可以由 { α 1 , α 2 , . . . , α s } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\} {α1,α2,...,αs}线性表出,如果 { β 1 , β 2 , . . . , β r } \{\boldsymbol{\beta}_{1},\boldsymbol{\beta}_{2},...,\boldsymbol{\beta}_{r}\} {β1,β2,...,βr}线性无关,那么 r ≤ s r\le s rs
【推论2】等价的线性无关的两个向量组( { α 1 , α 2 , . . . , α s } ≅ { γ 1 , γ 2 , . . . , γ m } \{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\}\cong\{\boldsymbol{\gamma}_{1},\boldsymbol{\gamma}_{2},...,\boldsymbol{\gamma}_{m}\} {α1,α2,...,αs}{γ1,γ2,...,γm}),它们所含向量的个数相等。

【证】由于 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs可由 γ 1 , γ 2 , . . . , γ m \boldsymbol{\gamma}_{1},\boldsymbol{\gamma}_{2},...,\boldsymbol{\gamma}_{m} γ1,γ2,...,γm线性表出, α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs是线性无关的,因此 s ≤ m s\le m sm,又由于 γ 1 , γ 2 , . . . , γ m \boldsymbol{\gamma}_{1},\boldsymbol{\gamma}_{2},...,\boldsymbol{\gamma}_{m} γ1,γ2,...,γm可以由 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs线性表出,且 γ 1 , γ 2 , . . . , γ m \boldsymbol{\gamma}_{1},\boldsymbol{\gamma}_{2},...,\boldsymbol{\gamma}_{m} γ1,γ2,...,γm也是线性无关的,则 m ≤ s m\le s ms
所以 m = s m=s m=s

【推论3】向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs的任意两个极大线性无关组所含向量的个数相等。(由推论2可得)
【定义】向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs得任意一个极大线性无关组所含向量的个数称为向量组 α 1 , α 2 , . . . , α s \boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s} α1,α2,...,αs(Rank)。
单独规定,只含 0 \boldsymbol{0} 0的向量组的秩为0.
记作 rank { α 1 , α 2 , . . . , α s } \text{rank}\{\boldsymbol{\alpha}_{1},\boldsymbol{\alpha}_{2},...,\boldsymbol{\alpha}_{s}\} rank{α1,α2,...,αs}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2151314.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【白皮书下载】分布式功能安全的创新与突破

近日&#xff0c;Imagination 推出全新性能最高且具有高等级功能安全性的汽车 GPU IP——Imagination DXS GPU&#xff0c;并且是Imagination 第一款带有“分布式安全机制”的处理器。 下载白皮书&#xff0c;获取完整分布式安全机制解决方案 根据 ISO 26262 汽车安全完整性等级…

STL 源码剖析 | 第1章:概论

STL 是一套程序库 1、STL 概论 1、从子程序、程序、函数、类别&#xff0c;到函数库、类别库、各种组件&#xff0c;从结构化设计、模块化设计、面向对象设计&#xff0c;到模式的归纳整理 为的就是 复用性 的提升 复用性 必须建立在某种标准之上 —— 不论是 语言层次的标…

关于MATLAB计算3维图的向量夹角总是不正确的问题记录

文章目录 问题描述解决方法完整代码 问题描述 因为最近在做无人机的一个项目&#xff0c;所以需要画出无人机的轨迹&#xff0c;然后再提取特征值&#xff0c;我这里在计算夹角的时候发现为什么在视觉上明明看的是钝角但是实际计算出来却是锐角的角度。 如下图所示&#xff0c…

大觅网之环境部署(Environment Deployment of Da Mi Network)

&#x1f49d;&#x1f49d;&#x1f49d;欢迎来到我的博客&#xff0c;很高兴能够在这里和您见面&#xff01;希望您在这里可以感受到一份轻松愉快的氛围&#xff0c;不仅可以获得有趣的内容和知识&#xff0c;也可以畅所欲言、分享您的想法和见解。 推荐:Linux运维老纪的首页…

数据保护从现在开始:如何抵御 .[RestoreBackup@cock.li].SRC 勒索病毒

导言 勒索病毒是一种不断演变的网络威胁&#xff0c;.[RestoreBackupcock.li].SRC、[chewbaccacock.li].SRC勒索病毒便是其中一种新型的攻击手段。该病毒通过加密用户文件并要求支付赎金来恢复访问&#xff0c;给个人和企业带来了严重的安全风险和经济损失。本文91数据恢复将探…

uniapp使用uview2上传图片功能

官网地址Upload 上传 | uView 2.0 - 全面兼容 nvue 的 uni-app 生态框架 - uni-app UI 框架 前提&#xff0c;需要下载vuew2插件 <view class"upload"><view class"u-demo-block__content"><view class"u-page__upload-item"&…

进程状态的优先级

1.进程的状态&#xff08;所有系统&#xff09; 因为是对于所有系统的&#xff0c;所以描述会很抽象。 补充知识&#xff1a; 并行和并发 并行&#xff1a;多个进程再多个cpu下分别同时运行并发&#xff1a;多个进程在一个cpu下采取进程切换的方式&#xff0c;在一段时间内&…

fiddler抓包06_抓取https请求(chrome)

课程大纲 首次安装Fiddler&#xff0c;抓https请求&#xff0c;除打开抓包功能&#xff08;F12&#xff09;还需要&#xff1a; ① Fiddler开启https抓包 ② Fiddler导出证书&#xff1b; ③ 浏览器导入证书。 否则&#xff0c;无法访问https网站&#xff08;如下图&#xff0…

prometheus通过nginx-vts-exporter监控nginx

Prometheus监控nginx有两种方式。 一种是通过nginx-exporter监控&#xff0c;需要开启nginx_stub_status,主要是nginx自身的status信息&#xff0c;metrics数据相对较少&#xff1b; 另一种是使用nginx-vts-exporter监控&#xff0c;但是需要在编译nginx的时候添加nginx-module…

MyBatis 分批次执行(新增,修改,删除)

import com.google.common.collect.Lists;import java.util.Iterator; import java.util.List; import java.util.function.Consumer;/*** Description mybatis分批插入数据使用* Author WangKun* Date 2024/9/19 11:20* Version*/ public class MyBatisSqlUtils {/*** param d…

用户态缓存:高效数据交互与性能优化

目录 1. 用户态缓存区工作背景 1.1 为什么每条连接都需要读写缓存区 1.1.1 读缓存区&#xff08;Read Buffer&#xff09; 1.1.2 写缓存区&#xff08;Write Buffer&#xff09; 1.2 用户态缓存区的工作流程 1.3 用户态缓存区的重要性 2. UDP 和 TCP 的设计差异 2.1 UD…

神经网络 卷积层 参数共享

参数共享常用于神经网络卷积层中&#xff0c;共享的实际上就是说卷积核中的参数一直保持不变&#xff0c;如下所示就可以称为共享参数啦&#xff01;&#xff01;

C# 实时流转换为m3u8

主要通过FFmpeg 执行命令进行转换 FFmpeg 下载地址 命令行 ffmpeg -i "rtsp://your_rtsp_stream_address" -codec: copy -start_number 0 -hls_time 10 -hls_list_size 12 -f hls "output.m3u8"start_number 设置播放列表中最先播放的索引号&#xff0c;…

JVM基础篇学习笔记

【注&#xff1a;本文章为自学笔记&#xff0c;仅供学习使用。】 一、JVM简介 JVM是Java虚拟机的缩写&#xff0c;本质上是运行在计算机上面的程序&#xff0c;作用是运行Java字节码文件。 1.1 JVM的功能 Java如果不做优化&#xff0c;则性能不如C/C&#xff0c;因为后者会…

uv-ui组件的使用——自定义输入框的样式

一、官网的使用 二、自定义修改样式 我是在小程序中使用此组件 想要自定义修改样式的话&#xff0c;需要placeholderClass加上 placeholderStyle配合使用 tip1&#xff1a;单独使用placeholderClass&#xff0c;他只会第一次渲染时生效&#xff0c;输入文字再清除后就不生效…

Spring面试题合集

Spring 1.谈谈你对Spring的理解 首先Spring是一个轻量级的开源框架&#xff0c;为Java程序的开发提供了基础架构支持&#xff0c;简化了应用开发&#xff0c;让开发者专注于开发逻辑&#xff1b; 同时Spring是一个容器&#xff0c;它通过管理Bean的生命周期和依赖注入&#…

flask项目初始化

1、初始环境 python3.8 2、flask文档地址&#xff1a;https://flask.palletsprojects.com/en/latest/installation/#install-flask 3、初始化项目 $ mkdir myproject $ cd myproject $ python3 -m venv .venv $ . .venv/bin/activate $ pip install Flask4、打开项目mypr…

机器翻译之多头注意力(MultiAttentionn)在Seq2Seq的应用

目录 1.多头注意力&#xff08;MultiAttentionn&#xff09;的理念图 2.代码实现 2.1创建多头注意力函数 2.2验证上述封装的代码 2.3 创建 添加了Bahdanau的decoder 2.4训练 2.5预测 3.知识点个人理解 1.多头注意力&#xff08;MultiAttentionn&#xff09;的理念图…

云服务器使用

最近搭建一个内网穿透工具&#xff0c;推荐一个云服务器&#xff1a; 三丰台&#xff1a;https://www.sanfengyun.com/ 作为学生党这个服务器是免费的可以体验使用&#xff01;可以使用免费虚拟主机和云服务器&#xff0c;写一个申请的基本步骤方便大家构建 申请步骤&#x…

11.1图像的腐蚀和膨胀

基本概念-图像腐蚀 图像腐蚀是一种用于去除图像中小的对象或者突出物体边缘的形态学操作。 图像腐蚀&#xff08;erosion&#xff09;的基本概念 图像腐蚀通常用于二值图像&#xff0c;其基本原理是从图像中“侵蚀”掉一些像素点&#xff0c;这些像素点通常是边界上的或者是孤…