1.10 相关组
相關組
前面介紹的向量組都是無關組,是基的子集。現實中,向量組不可能都是無關組,還有相關組。相關組的存在極大增加了線性代數的難度,同時也增加了解決現實問題的難度。
基本性質
定義 相關組 無關組中增加任意數目的能由無關組表示的向量后,擴充后的向量組稱為相關組。
二維空間中,無關組為: V=((1,0),(0,1))V = ((1,0),(0,1))V=((1,0),(0,1)) ,它們是基,因為任意向量能由基表示,增加任意數目的任意向量后就變為相關組。比如相關組為: Vd=((1,0),(0,1),(2,3),(4,5))V_d = ((1,0),(0,1),(2,3),(4,5))Vd?=((1,0),(0,1),(2,3),(4,5)) 。
三維空間中,無關組為: V=((1,1,0),(0,1,0))V = ((1,1,0),(0,1,0))V=((1,1,0),(0,1,0)) ,增加任意數目的能由無關組表示的向量后就變為相關組。比如相關組為: Vd=((1,1,0),(0,1,0),(2,3,0))V_d = ((1,1,0),(0,1,0),(2,3,0))Vd?=((1,1,0),(0,1,0),(2,3,0)) 。但注意,如果增加了不能由其線性組合表示的向量后,向量組可能是無關的,比如無關組為: Vd1=((1,1,0),(0,1,0),(2,3,1))V_{d1} = ((1,1,0),(0,1,0),(2,3,1))Vd1?=((1,1,0),(0,1,0),(2,3,1)) 。理解相關組的難點在于,如果增加了不能由其線性組合表示的向量后,向量組也可能是相關的!比如相關組 Vd2=((1,1,0),(0,1,0),(2,3,1),(2,3,4))V_{d2} = ((1,1,0),(0,1,0),(2,3,1),(2,3,4))Vd2?=((1,1,0),(0,1,0),(2,3,1),(2,3,4)) 。為什么會有矛盾的結果呢?其實并不矛盾,這在于看問題的角度,這時相關組 Vd2V_{d2}Vd2? 中包含的無關組不再是 VVV ,而是 Vd1V_{d1}Vd1? !此時新增加的向量 (2,3,4)(2,3,4)(2,3,4) 能由向量組 Vd1V_{d1}Vd1? 表示,所以是相關組。這說明任意相關組中,存在很多無關組,因為無關組的任意子集還是無關組,但必然存在一個最大的無關組,其它向量都能由該無關組表示。
定義 極大無關組 相關組中包含的最大無關組。
相關組的極大無關組一般有多個。比如二維空間中包含若干個向量的相關組,任意兩個不共線的向量組均是極大無關組。相關組 Vd2V_{d2}Vd2? 就包括兩個極大無關組, ((1,1,0),(0,1,0),(2,3,1))((1,1,0),(0,1,0),(2,3,1))((1,1,0),(0,1,0),(2,3,1)) 和 ((1,1,0),(0,1,0),(2,3,4))((1,1,0),(0,1,0),(2,3,4))((1,1,0),(0,1,0),(2,3,4)) 。
重要性質 0\mathbf{0}0 向量被相關組表示時,存在表示系數組不全為零的表示。
證,相關組有 nnn 個向量,為 V=(v1,?,vn)V=(\mathbf{v_1},\cdots,\mathbf{v_n})V=(v1?,?,vn?) ,根據相關組定義,必有某個向量能被其它向量表示,假設向量 vn\mathbf{v_n}vn? 能被其它向量表示,則 vn=λ1v1+?+λn?1vn?1\mathbf{v_n} = \lambda_1\mathbf{v_1}+\cdots+\lambda_{n-1}\mathbf{v_{n-1}}vn?=λ1?v1?+?+λn?1?vn?1? ,兩邊減去向量 vn\mathbf{v_n}vn? ,則 0=λ1v1+?+λn?1vn?1?vn\mathbf{0} = \lambda_1\mathbf{v_1}+\cdots+\lambda_{n-1}\mathbf{v_{n-1}} - \mathbf{v_n}0=λ1?v1?+?+λn?1?vn?1??vn? 。
重要性質 如果某向量能被相關組表示,則表示必有無窮多種。
證,相關組有 nnn 個向量,為 V=(v1,?,vn)V=(\mathbf{v_1},\cdots,\mathbf{v_n})V=(v1?,?,vn?) , 0\mathbf{0}0 向量的表示系數組為 (λ1,?,λn)(\lambda_1,\cdots,\lambda_{n})(λ1?,?,λn?) ,不全為0,滿足 0=λ1v1+?+λnvn\mathbf{0} = \lambda_1\mathbf{v_1}+\cdots+\lambda_{n}\mathbf{v_{n}}0=λ1?v1?+?+λn?vn? , 某向量 y\mathbf{y}y ,如果有線性表示,則滿足 y=α1v1+?+αnvn\mathbf{y} = \alpha_1\mathbf{v_1}+\cdots+\alpha_n\mathbf{v_n}y=α1?v1?+?+αn?vn? ,則 y=y+k0=α1v1+?+αnvn+k(λ1v1+?+λnvn)\mathbf{y} = \mathbf{y} + k\mathbf{0} = \alpha_1\mathbf{v_1}+\cdots+\alpha_n\mathbf{v_n} +k(\lambda_1\mathbf{v_1}+\cdots+\lambda_{n}\mathbf{v_{n}})y=y+k0=α1?v1?+?+αn?vn?+k(λ1?v1?+?+λn?vn?) ,kkk 取任意實數,這說明向量 y\mathbf{y}y 有無窮多種線性表示!
總結下,某向量如果能被向量組表示,那么如果是無關組則表示唯一,如果是相關組則表示不唯一。
重要性質 向量組中如果某向量能表示為其他向量的線性組合,則是相關組。
以上幾個性質都是等價的。
極大無關組、秩和向量組等價
現在從空間角度研究相關組。如同無關組,相關組的線性組合表示的所有向量的集合,構成空間。
定義 向量組的秩 向量組張成空間的維度。
無關組張成空間的維度就是無關組中向量的數量,所以秩就等于向量數量。相關組包含極大無關組,剩下的向量都能由極大無關組表示,所以相關組的線性組合能表示的所有向量集合,與極大無關組能表示的所有向量集合相同,極大無關組就是相關組張成空間的基。從生成空間的角度看,極大無關組和相關組等價。
定義 向量組等價 向量組張成相同空間。
重要性質 相關組的秩等于極大無關組中向量數量,極大無關組是相關組張成空間的基,極大無關組和相關組等價。
如何判斷向量組是相關組還是無關組呢?方法和判斷基的方法一樣。幾何上,如果沒有向量“躺在”構造的集合所處的子空間內,則是無關組,每個向量都有“張角”,張開了空間的一個維度。如果無關組完整地張開了整個空間,則是基,廣義體積不為0!如果有向量“躺在”構造的集合所處的子空間內,則是相關組,該向量沒有“張角”。代數方面,是通過判斷向量組表示 0\mathbf{0}0 向量時,是否只有唯一全0表示,如果是,則是無關組,否則是相關組。
如何尋找相關組的極大無關組呢?幾何上,向量組有 nnn 個向量,可以向一個空集每次只增加一個向量,集合每增加一個向量后,如果新向量能張開一個維度,即與集合無關,則該向量加入集合,否則丟棄。比如第一個向量肯定可以張開一個維度(直線),加入集合;增加第二個向量時,如果該向量與第一個向量共線,則不能張開一個維度,即與集合相關,丟棄;如果不共線,則能張開一個維度,即與集合無關,加入集合,集合現在包括兩個向量。依次進行,每次增加一個向量,該向量或丟棄或加入集合,直到取完所有向量。此時集合就是極大無關組,因為集合內所有向量無關且包含了所有無關的向量。由于取向量的順序可任意,故極大無關組可有很多。代數上,通過高斯消元法可以找到極大無關組。
總結
- 上一篇: 1.7 空间正交分解
- 下一篇: 1.11 多于空间维度的向量组