由n个数 a 1 , a 2 , ⋯ , a n a_1,a_2,\cdots,a_n a1,a2,⋯,an组成的有序数组 ( a 1 , a 2 , ⋯ , a n ) (a_1,a_2,\cdots,a_n) (a1,a2,⋯,an)称为一个n维向量
通常以小写希腊字母 α , β , γ , ⋯ \alpha,\beta,\gamma,\cdots α,β,γ,⋯表示向量
向量通常写成一行或一列,分别称为行向量,列向量
分量全为0的向量称为零向量
− α = − ( a 1 , a 2 , ⋯ , a n ) = ( − a 1 , − a 2 , ⋯ , − a n ) -\alpha=-(a_1,a_2,\cdots,a_n)=(-a_1,-a_2,\cdots,-a_n) −α=−(a1,a2,⋯,an)=(−a1,−a2,⋯,−an)为向量 α \alpha α的负向量
矩阵的列向量组
A = ( a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a m 1 a m 2 ⋯ a m n ) A=\begin{pmatrix} a_{11} &a_{12} &\cdots &a_{1n} \\ a_{21} &a_{22} &\cdots &a_{2n} \\ \vdots &\vdots & &\vdots \\ a_{m1} &a_{m2} &\cdots &a_{mn} \\ \end{pmatrix} A= a11a21⋮am1a12a22⋮am2⋯⋯⋯a1na2n⋮amn
记 α j = ( a 1 j a 2 j ⋮ a m j ) , j = 1 , 2 , ⋯ , n A = ( α 1 α 2 ⋯ α i n ) \\记\alpha_j =\begin{pmatrix} a_{1j} \\ a_{2j} \\ \vdots \\ a_{mj} \\ \end{pmatrix},j=1,2,\cdots,n \\A=\begin{pmatrix} \alpha_{1}&\alpha_{2}&\cdots&\alpha_{in} \\ \end{pmatrix} 记αj= a1ja2j⋮amj ,j=1,2,⋯,nA=(α1α2⋯αin)
记 β i = ( a i 1 , a i 2 , ⋯ , a i n ) A = ( β 1 β 2 ⋮ β i ) A = ( α 1 α 2 ⋯ α i n ) = ( β 1 β 2 ⋮ β i ) 记\beta_i=(a_{i1},a_{i2},\cdots,a_{in}) \\ A= \begin{pmatrix} \beta_{1}\\ \beta_{2}\\ \vdots \\ \beta_{i} \\ \end{pmatrix} \\ A= \begin{pmatrix} \alpha_{1}&\alpha_{2}&\cdots&\alpha_{in} \\ \end{pmatrix} =\begin{pmatrix} \beta_{1}\\ \beta_{2}\\ \vdots \\ \beta_{i} \\ \end{pmatrix} 记βi=(ai1,ai2,⋯,ain)A= β1β2⋮βi A=(α1α2⋯αin)= β1β2⋮βi
某个含有s个n维向量的向量组 Φ \Phi Φ的表示:
向量通项表示法:
字母表示法:
线性方程组: A x = B m × 1 Ax=B_{m\times{1}} Ax=Bm×1可以用列向量组表示为线性关系式:
A x = x 1 α 1 + x 2 α 2 + ⋯ + x n α n = B 或 ( α 1 α 2 ⋯ α n ) ( x 1 x 2 ⋮ x n ) = B 或 ∑ i = 1 n x i α i = B Ax=x_1\alpha_{1}+x_2\alpha_2+\cdots+x_n\alpha_{n}=B \\或 \begin{pmatrix} \alpha_{1}&\alpha_{2}&\cdots&\alpha_{n} \\ \end{pmatrix} \begin{pmatrix} x_{1}\\ x_{2}\\ \vdots \\ x_{n} \\ \end{pmatrix}=B \\或\sum\limits_{i=1}^{n}x_i\alpha_{i}=B Ax=x1α1+x2α2+⋯+xnαn=B或(α1α2⋯αn) x1x2⋮xn =B或i=1∑nxiαi=B
方程组是否有解等价于上式是否有解成立
而 A x = 0 Ax=\bold{0} Ax=0可以表示为
A x = x 1 α 1 + x 2 α 2 + ⋯ + x n α n = 0 Ax=x_1\alpha_{1}+x_2\alpha_2+\cdots+x_n\alpha_{n}=\bold{0} Ax=x1α1+x2α2+⋯+xnαn=0
方程组有非零解等价于上式是否存在非零解
向量的线性组合和线性表示
对于 s + 1 s+1 s+1个n维向量 α 1 , α 2 , ⋯ , α s , β \alpha_1,\alpha_2,\cdots,\alpha_s,\beta α1,α2,⋯,αs,β,如果存在一组数 k 1 , k 2 , ⋯ , k s k_1,k_2,\cdots{,k_s} k1,k2,⋯,ks使得
β = ∑ i = 1 s k i α i 用矩阵长乘法表示 : β = ( α 1 α 2 ⋯ α s ) ( k 1 k 2 ⋮ k s ) \beta=\sum\limits_{i=1}^{s}k_i\alpha_{i} \\ 用矩阵长乘法表示: \\ \beta=\begin{pmatrix} \alpha_{1}&\alpha_{2}&\cdots&\alpha_{s} \\ \end{pmatrix} \begin{pmatrix} k_{1}\\ k_{2}\\ \vdots \\ k_{s} \\ \end{pmatrix} β=i=1∑skiαi用矩阵长乘法表示:β=(α1α2⋯αs) k1k2⋮ks
则称 β \beta β是向量组 A = α 1 , α 2 , ⋯ , α s A=\alpha_1,\alpha_2,\cdots,\alpha_s A=α1,α2,⋯,αs的一个(关于表出系数 K = k 1 , k 2 , ⋯ , k s K=k_1,k_2,\cdots{,k_s} K=k1,k2,⋯,ks)的线性组合
或称 β \beta β可以被A线性表出
观察线性方程组
( α 1 α 2 ⋯ α n ) ( x 1 x 2 ⋮ x n ) = β \begin{pmatrix} \alpha_{1}&\alpha_{2}&\cdots&\alpha_{n} \\ \end{pmatrix} \begin{pmatrix} x_{1}\\ x_{2}\\ \vdots \\ x_{n} \\ \end{pmatrix}=\beta (α1α2⋯αn) x1x2⋮xn =β
β \beta β能否被向量组线性表出,取决于方程组是否有解
小结:
零向量是任意一个向量组的线性组合(取表出系数全为0, K = 0 K=\bold{0} K=0,则 0 = ∑ i = 1 s 0 α i \bold{0}=\sum\limits_{i=1}^{s}0\alpha_{i} 0=i=1∑s0αi)
ε i = ( c 1 , ⋯ , c i , ⋯ , c n ) = ( 0 , ⋯ , 1 , ⋯ , 0 ) , 其中 c k = { 1 , ( k = i ) 0 , ( k ≠ i ) k = 1 , 2 , ⋯ , n i = 1 , 2 , ⋯ , n \varepsilon_{i}=(c_1,\cdots,c_{i},\cdots,c_n)=(0,\cdots,1,\cdots,0), \\其中c_k=\begin{cases} 1,&(k=i)\\ 0,&(k\ne{i}) \end{cases} k=1,2,\cdots,n \\i=1,2,\cdots,n εi=(c1,⋯,ci,⋯,cn)=(0,⋯,1,⋯,0),其中ck={1,0,(k=i)(k=i)k=1,2,⋯,ni=1,2,⋯,n
讨论完向量的向量组的线性表出问题,还有向量组的线性相关性问题
给定向量组 A = α 1 , α 2 , ⋯ , α s A=\alpha_1,\alpha_2,\cdots,\alpha_s A=α1,α2,⋯,αs,若存在s个不全为0的数 k 1 , k 2 , ⋯ , k s k_1,k_2,\cdots,k_s k1,k2,⋯,ks,使得:
向量组A线性无关还可以描述为:
对于单个向量构成的向量组 A = α 1 A=\alpha_1 A=α1,若要满足A线性相关,即存在 k ≠ 0 k\ne{0} k=0使得 k α 1 = 0 k\alpha_1=0 kα1=0,只有当 α 1 = 0 \alpha_1=\bold{0} α1=0成立
n维单位向量构成的向量组线性无关:
对于包含相同数量的向量的向量组,如果向量间的独立性越强,说明向量组的无用信息越少(无关性程度越高)
向量组 A = α 1 , α 2 , ⋯ , α s A=\alpha_1,\alpha_2,\cdots,\alpha_s A=α1,α2,⋯,αs线性相关的充要条件是:线性方程组 A x = 0 Ax=\bold0 Ax=0有非零解(和线性表出类似)
矩阵A的列向量组:
α 1 = ( 3 , − 1 , 3 , 1 ) T α 1 = ( 4 , − 2 , 5 , 4 ) T α 1 = ( 2 , − 1 , 4 , − 1 ) T 将 A 表示为列向量的分块矩阵 : A = ( α 1 , α 2 , α 3 ) = ( 2 4 2 − 1 − 2 − 1 3 5 4 1 4 − 1 ) 矩阵 A 对应的列向量组之间的线性相关性取决于 : 齐次线性方程组 A x = 0 是否有非零解 . 将 A 通过初等变换化为包含 r 阶单位阵的行简化阶梯形矩阵 D , ( r 为 D 的非零行的行数 ) : D = D ( A ) = ( 1 0 3 0 1 − 1 0 0 0 0 0 0 ) \alpha_1=(3,-1,3,1)^T \\ \alpha_1=(4,-2,5,4)^T \\ \alpha_1=(2,-1,4,-1)^T \\将A表示为列向量的分块矩阵:A=(\alpha_1,\alpha_2,\alpha_3) =\begin{pmatrix} 2& 4& 2 \\ -1& -2& -1 \\ 3& 5& 4 \\ 1& 4& -1 \\ \end{pmatrix} \\ 矩阵A对应的列向量组之间的线性相关性取决于: \\齐次线性方程组Ax=\bold{0}是否有非零解. \\将A通过初等变换化为包含r阶单位阵的行简化阶梯形矩阵D, \\(r为D的非零行的行数):\\ D=D(A)=\begin{pmatrix} 1& 0& 3 \\ 0& 1& -1 \\ 0& 0& 0 \\ 0& 0& 0 \\ \end{pmatrix} α1=(3,−1,3,1)Tα1=(4,−2,5,4)Tα1=(2,−1,4,−1)T将A表示为列向量的分块矩阵:A=(α1,α2,α3)= 2−1314−2542−14−1 矩阵A对应的列向量组之间的线性相关性取决于:齐次线性方程组Ax=0是否有非零解.将A通过初等变换化为包含r阶单位阵的行简化阶梯形矩阵D,(r为D的非零行的行数):D=D(A)= 100001003−100
D x = 0 和 A x = 0 是同解的方程组 由于 r ( D ) = r ( A ) = 2 < n = 3 所以 α 1 , α 2 , α 3 线性相关 , 存在 n − r = 3 − 2 = 1 个自由变量 ( x 3 ) 容易读出 x 1 + 3 x 3 = 0 , x 2 − 1 x 3 = 0 x 1 = − 3 x 3 x 2 = x 3 取 x 3 = − 1 , 则得到一个特解 ( x 1 , x 2 , x 3 ) T = ( 3 , − 1 , − 1 ) T 此时有 3 α 1 − α 2 − α 3 = 0 成立 Dx=0和Ax=0是同解的方程组 \\由于r(D)=r(A)=2
设包含s个n维列向量组 Φ = α 1 , α 2 , ⋯ , α s \Phi=\alpha_1,\alpha_2,\cdots,\alpha_s Φ=α1,α2,⋯,αs
Φ \Phi Φ对应的矩阵 A n × s = ( Φ ) = ( α 1 , α 2 , ⋯ , α s ) A_{n\times{s}}=(\Phi)=(\alpha_1,\alpha_2,\cdots,\alpha_s) An×s=(Φ)=(α1,α2,⋯,αs)
α j = ( a 1 j a 2 j ⋮ a n j ) , j = 1 , 2 , ⋯ , s \alpha_j =\begin{pmatrix} a_{1j} \\ a_{2j} \\ \vdots \\ a_{nj} \\ \end{pmatrix},j=1,2,\cdots,s αj= a1ja2j⋮anj ,j=1,2,⋯,s
若 Φ \Phi Φ内包含的向量个数s大于向量的维数(每个向量内含有的元素数)n,即 s > n s>n s>n,则 Φ \Phi Φ线性相关
对于方阵(s=n)
设某一个范德蒙行列式
对 α i ( i = 1 , 2 , ⋯ , s ) \alpha_{i}(i=1,2,\cdots,s) αi(i=1,2,⋯,s)的每个向量添加一个分量,得到 Ψ = β i = ( a 1 i , a 2 i , ⋯ , a n i , a n + 1 , i ) T ( i = 1 , 2 , ⋯ , s ) \Psi=\beta_i=(a_{1i},a_{2i},\cdots,a_{ni},a_{n+1,i})^T(i=1,2,\cdots,s) Ψ=βi=(a1i,a2i,⋯,ani,an+1,i)T(i=1,2,⋯,s)
若向量组 α i \alpha_i αi线性无关,则 β i \beta_i βi也线性无关
从方程组解和直观理解:
证明
类似的
向量组 Φ = α 1 , α 2 , ⋯ , α s \Phi=\alpha_1,\alpha_2,\cdots,\alpha_s Φ=α1,α2,⋯,αs线性相关的充要条件是:至少有一个向量 α k , α k ∈ Φ \alpha_k,\alpha_k\in\Phi αk,αk∈Φ能够被其余s-1个向量表示
证明:
必要性:
若 Φ \Phi Φ线性相关,则存在不全为0的 k 1 , ⋯ , k s k_1,\cdots,k_s k1,⋯,ks使得 ∑ i = 1 n k i α i = 0 \sum_{i=1}^{n}k_i\alpha_{i}=0 ∑i=1nkiαi=0
假设 k p ≠ 0 , p ∈ { 1 , 2 , ⋯ , n } k_p\ne{0},p\in\{1,2,\cdots,n\} kp=0,p∈{1,2,⋯,n},则
充分性:
从该结论可以推出另一个结论:
任意一个包含零向量的向量组总是线性相关的
假设原向量组为 Φ = α 1 , α 2 , ⋯ , α s \Phi=\alpha_1,\alpha_2,\cdots,\alpha_s Φ=α1,α2,⋯,αs,至少存在 k i = 0 , ( i = 1 , 2 , ⋯ , s ) k_i=0,(i=1,2,\cdots,s) ki=0,(i=1,2,⋯,s)使得
由于 k s + 1 0 = 0 , ∀ k s + 1 ∈ R k_{s+1}\bold{0}=0,\forall{k_{s+1}\in{R}} ks+10=0,∀ks+1∈R,所以
所以包含零向量的向量组线性相关
对于只含有2个向量 α 1 , α 2 \alpha_1,\alpha_2 α1,α2的向量组,若两个向量成比例,则该向量组线性相关
该结论的否命题也是成立的,即
若向量组 Φ = α 1 , α 2 , ⋯ , α s \Phi=\alpha_1,\alpha_2,\cdots,\alpha_s Φ=α1,α2,⋯,αs线性无关,而向量组 Ψ = α 1 , α 2 , ⋯ , α s , β \Psi=\alpha_1,\alpha_2,\cdots,\alpha_s,\beta Ψ=α1,α2,⋯,αs,β线性相关
如果向量组 Φ \Phi Φ中的部分向量构成的子向量 Ψ \Psi Ψ组线性相关,则 Φ \Phi Φ也线性相关.
设有两个同维向量组 Φ = α 1 , ⋯ , α s \Phi=\alpha_1,\cdots,\alpha_s Φ=α1,⋯,αs, Ψ = β 1 , ⋯ , β t \Psi=\beta_1,\cdots,\beta_{t} Ψ=β1,⋯,βt
若 Ψ \Psi Ψ中的每个向量 ∀ β , β ∈ Ψ \forall\beta,\beta\in\Psi ∀β,β∈Ψ都可以被 Φ \Phi Φ线性表示,则称向量组 Ψ \Psi Ψ可以有 Φ \Phi Φ线性表示
若 Ψ \Psi Ψ和 Φ \Phi Φ可以相互线性表示,则称 Ψ ≅ Φ \Psi\cong{\Phi} Ψ≅Φ,即两个向量组等价
若 Φ \Phi Φ可以由 Ψ \Psi Ψ线性表示,则 β i = ∑ j = 1 s k j i α j ( i = 1 , 2 , ⋯ , t ) \beta_i=\sum\limits_{j=1}^{s}k_{ji}\alpha_j(i=1,2,\cdots,t) βi=j=1∑skjiαj(i=1,2,⋯,t)
记向量组构成的分块矩阵:
A = ( Φ ) = ( α 1 , ⋯ , α s ) A=(\Phi)=(\alpha_1,\cdots,\alpha_s) A=(Φ)=(α1,⋯,αs),
B = ( Ψ ) = ( β 1 , ⋯ , β t ) B=(\Psi)=(\beta_1,\cdots,\beta_{t}) B=(Ψ)=(β1,⋯,βt)
K = ( k i j ) s × t = ( k 1 , ⋯ , k t ) K=(k_{ij})_{s\times{t}}=(k_1,\cdots,k_t) K=(kij)s×t=(k1,⋯,kt),K的列向量记为 k i , 规格为 s × 1 , ( i = 1 , 2 , ⋯ , t ) k_i,规格为{s\times{1}},(i=1,2,\cdots,t) ki,规格为s×1,(i=1,2,⋯,t)
k i = ( k 1 i , k 2 i , ⋯ , k s i ) T = ( k 1 i k 2 i ⋮ k s i ) k_i=(k_{1i},k_{2i},\cdots,k_{si})^T =\begin{pmatrix} k_{1i} \\ k_{2i} \\ \vdots \\ k_{si} \\ \end{pmatrix} ki=(k1i,k2i,⋯,ksi)T= k1ik2i⋮ksi
k i k_i ki是向量 β i \beta_i βi用 Φ = α 1 , ⋯ , α s \Phi=\alpha_1,\cdots,\alpha_s Φ=α1,⋯,αs线性表示的表出系数向量
向量 Ψ \Psi Ψ可以用 Φ \Phi Φ表示可以写作方程组
B = A K B=AK B=AK
β i = ( α 1 , α 2 , ⋯ , α s ) ( k 1 i k 2 i ⋮ k n i ) \beta_i=(\alpha_1,\alpha_2,\cdots,\alpha_s) \begin{pmatrix} k_{1i} \\ k_{2i} \\ \vdots \\ k_{ni} \\ \end{pmatrix} βi=(α1,α2,⋯,αs) k1ik2i⋮kni
下面的结论分别指出 Ψ \Psi Ψ分别在什么情况下是线性相关,线性无关的.
符号说明(参考上一节中的定义)
若 Ψ \Psi Ψ可以被 Φ \Phi Φ线性表示( B = A K B=AK B=AK成立),建立齐次方程组 K x = 0 Kx=0 Kx=0(K为 Φ \Phi Φ表示 Ψ \Psi Ψ的表出系数矩阵)
对于 K s × t K_{s\times{t}} Ks×t,若 s < t s
若 Ψ \Psi Ψ可以由 Φ \Phi Φ线性表示 ( B = A K ) (B=AK) (B=AK),且 s < t s
特别的,若 K K K是方阵(s=t)