线性代数(11) | 您所在的位置:网站首页 › 向量u-v › 线性代数(11) |
线性相关、线性无关和生成空间
线性组合线性相关和线性无关线性相关线性无关重要性质
直观理解线性相关和线性无关线性相关线性无关
生成空间定义空间的基定义性质
小结
线性组合
在标量中存在线性函数,即k个标量和另外 k k k个标量的组合 k 1 ⋅ x 1 + k 2 ⋅ x 2 + … … + k p ⋅ x p k_1\cdot x_1+k_2\cdot x_2+……+k_p\cdot x_p k1⋅x1+k2⋅x2+……+kp⋅xp,标量的线性组合最终得到的依旧是一个标量。 线性组合是针对向量而言的,可以理解为,给定 p p p个维度相同的向量 v 1 ⃗ 、 v 2 ⃗ 、 … … v p ⃗ \vec{v_1}、\vec{v_2}、……\vec{v_p} v1 、v2 、……vp ,同时给定 p p p个标量 k 1 、 k 2 、 … … k p k_1、k_2、……k_p k1、k2、……kp,将这 p p p个标量和 p p p个向量进行组合得到的 k 1 ⋅ v 1 ⃗ + k 2 ⋅ v 2 ⃗ + … … + k p ⋅ v p ⃗ k_1\cdot\vec{v_1}+k_2\cdot\vec{v_2}+……+k_p\cdot\vec{v_p} k1⋅v1 +k2⋅v2 +……+kp⋅vp 就被称为这些向量的一个线性组合。向量的线性组合最终得到的同样还是个向量。 线性相关和线性无关线性相关和线性无关是建立在线性组合的基础上的。 线性相关对于给定p个维度相同的向量 v 1 ⃗ 、 v 2 ⃗ 、 … … v p ⃗ \vec{v_1}、\vec{v_2}、……\vec{v_p} v1 、v2 、……vp 而言,若存在一组不全为0的标量 k k k使得 k 1 ⋅ v 1 ⃗ + k 2 ⋅ v 2 ⃗ + … … + k p ⋅ v p ⃗ = 0 k_1\cdot\vec{v_1}+k_2\cdot\vec{v_2}+……+k_p\cdot\vec{v_p}=0 k1⋅v1 +k2⋅v2 +……+kp⋅vp =0,则称这p和向量线性相关。 线性相关也可以更通俗的理解为,其中任意的一个系数不为0的向量都能够使用其他向量表示。 上面的命题是互为充要的,即 如 果 v 1 ⃗ 、 v 2 ⃗ 、 … … v p ⃗ 线 性 相 关 ⇔ 其 中 一 个 项 目 可 以 写 为 其 他 向 量 线 性 组 合 如果\vec{v_1}、\vec{v_2}、……\vec{v_p}线性相关\Leftrightarrow其中一个项目可以写为其他向量线性组合 如果v1 、v2 、……vp 线性相关⇔其中一个项目可以写为其他向量线性组合 具体的证明如下, 给出正向证明, k 1 ⋅ v 1 ⃗ + k 2 ⋅ v 2 ⃗ + … … + k p ⋅ v p ⃗ = 0 k_1\cdot\vec{v_1}+k_2\cdot\vec{v_2}+……+k_p\cdot\vec{v_p}=0 k1⋅v1 +k2⋅v2 +……+kp⋅vp =0 设 k i k_i ki不为0,则 k i ⋅ v i ⃗ = − k 1 ⋅ v 1 ⃗ − k 2 ⋅ v 2 ⃗ − … … − k p ⋅ v p ⃗ k_i\cdot \vec{v_i} = -k_1\cdot\vec{v_1}-k_2\cdot\vec{v_2}-……-k_p\cdot\vec{v_p} ki⋅vi =−k1⋅v1 −k2⋅v2 −……−kp⋅vp 可得 v i ⃗ = − k 1 k i ⋅ v 1 ⃗ − k 2 k i ⋅ v 2 ⃗ − … … − k p k i ⋅ v p ⃗ \vec{v_i} = -\frac{k_1}{k_i}\cdot\vec{v_1}-\frac{k_2}{k_i}\cdot\vec{v_2}-……-\frac{k_p}{k_i}\cdot\vec{v_p} vi =−kik1⋅v1 −kik2⋅v2 −……−kikp⋅vp 给出反向证明 v i ⃗ = k 1 ⋅ v 1 ⃗ + k 2 ⋅ v 2 ⃗ + … … + k p ⋅ v p ⃗ \vec{v_i} = k_1\cdot\vec{v_1}+k_2\cdot\vec{v_2}+……+k_p\cdot\vec{v_p} vi =k1⋅v1 +k2⋅v2 +……+kp⋅vp 则有, k 1 ⋅ v 1 ⃗ + k 2 ⋅ v 2 ⃗ + … + ( − 1 ) ⋅ v i ⃗ + … + k p ⋅ v p ⃗ = 0 k_1\cdot\vec{v_1}+k_2\cdot\vec{v_2}+…+(-1)\cdot \vec{v_i}+…+k_p\cdot\vec{v_p}=0 k1⋅v1 +k2⋅v2 +…+(−1)⋅vi +…+kp⋅vp =0 线性无关对于给定 p p p个维度相同的向量 v 1 ⃗ 、 v 2 ⃗ 、 … … v p ⃗ \vec{v_1}、\vec{v_2}、……\vec{v_p} v1 、v2 、……vp 而言,只有全为0的标量 k k k时使得 k 1 ⋅ v 1 ⃗ + k 2 ⋅ v 2 ⃗ + … + k p ⋅ v p ⃗ = 0 k_1\cdot\vec{v_1}+k_2\cdot\vec{v_2}+…+k_p\cdot\vec{v_p}=0 k1⋅v1 +k2⋅v2 +…+kp⋅vp =0,则称这 p p p个向量线性无关。此时对应的是 k k k全为0的情况。 也就是说这p个向量任何一个都不能被其他向量的线性组合表示。最简单的例子就是空间中表示坐标轴方向的标准单位向量, ![]() 线性相关在之前的小节中可以很简单的理解为, m m m个向量中其中一个向量可以写成其他向量的线性组合。从另一个层面而言,这 m m m个向量中存在冗余的信息。 以二维平面为例进行理解,在二维空间中随意取两个向量
u
⃗
\vec{u}
u
和
v
⃗
\vec{v}
v
,之后再在平面中随意取一个向量
w
⃗
\vec{w}
w
。依据之前的性质,这三个向量一定是线性相关的, 线性无关意味着每一个向量都是独立的,所有的向量中不存在冗余的信息。比如在二维空间中,任意两个不共线的向量都是线性无关的;同样的三维空间中,三个不共面的向量都是线性无关的。 生成空间线性代数中十分重要的概念。 定义以二维空间为例,任意两个不共线的向量都是线性无关的,此时若添加第三个向量,则这三个向量就会变成线性相关的。上一节中, w ⃗ \vec{w} w 可以被 u ⃗ \vec{u} u 和 v ⃗ \vec{v} v 的线性组合表示。即任何其他向量都可以使用u和v的线型组合表示,此时可以说 u ⃗ \vec{u} u 和 v ⃗ \vec{v} v 生成了整个二维空间。 推广到 n n n维空间中,如果空间中所有向量都能够被表示为 v 1 ⃗ 、 v 2 ⃗ 、 … 、 v n ⃗ \vec{v_1}、\vec{v_2}、…、\vec{v_n} v1 、v2 、…、vn 的线性组合,则称这些向量可以生成这个空间。 实际上 u ⃗ \vec{u} u 、 v ⃗ \vec{v} v 和 w ⃗ \vec{w} w 也可以生成整个二维空间, w ⃗ \vec{w} w 的系数取0即可。此时会引出一个问题,最少需要几个向量生成二维空间?为了解决这个问题可以进行如下推导, 首先肯定不是一个向量,一个向量只能表示与其共线的向量。不是三个向量,根据线性相关的性质,3个二维向量此时3>2,则一定线性相关。所以最少需要两个向量生成二维空间。将这一推论拓展到 n n n维空间中,可以得到“对于一个n维空间,至少需要 n n n个向量才能够生成。”,利用反证法进行证明,假设 m m m个向量可以生成 n n n维空间,且 m ; n m;n m |
CopyRight 2018-2019 实验室设备网 版权所有 |