高等代數理論基礎22:線性相關性
線性相關性
線性組合
定義:若,使則稱向量為向量組的一個線性組合
也稱可經向量組線性表出
n維單位向量
任一n維向量都是向量組的一個線性組合
向量稱為n維單位向量
注:零向量是任一向量組的線性組合
向量組線性表出
定義:若向量組中每個向量都可經向量組線性表出,則稱向量組可經向量組線性表出,若兩個向量組互相可線性表出,則稱它們等價
注:若向量組可經向量組線性表出,向量組可經向量組線性表出,則向量組可經向量組線性表出
證明:
向量組等價的性質:
1.自反性:每個向量組都與它自身等價
2.對稱性:若向量組與等價,那向量組也與等價
3.傳遞性:若向量組與等價,與等價,則向量組與等價
線性相關
定義1:若向量組中有一個向量可以由其餘的向量線性表出,則向量組稱為線性相關的
注:任一包含零向量的向量組一定是線性相關的
定義2:若有數域P中不全為零的數使,則稱向量組線性相關
注:向量構成的向量組線性相關即
證明:定義1定義2在時一致
證明:
性質:若一向量組的一部分線性相關,則這個向量組線性相關
證明:
線性無關
定義1:若沒有不全為零的數使,則稱向量組線性無關
定義2:若由可推出,則稱向量組線性無關
注:
1.若一向量組線性無關,則它的任一非空部分組線性無關
2.n維單位向量組成的向量組線性無關
證明:
線性相關判別
判別一個向量組是否線性相關
即判別方程有無非零解
對應齊次線性方程組有無非零解
向量組線性無關的充要條件為齊次線性方程組只有零解
注:若向量組線性無關,則在每個向量上添一個分量得n+1維向量組也線性無關
定理:給定兩個向量組與滿足:
1.可經線性表出
2.
則線性相關
證明:
幾何意義:
1.在三維空間,若s=2,可以由線性表出的向量顯然在所在平面上,它們共面,時,它們線性相關,兩個向量組與等價意味著它們在同一平面上
推論1:若向量組可經向量組線性表出,且線性無關,則
推論2:任意n+1個n維向量必線性相關
證明:
推論3:兩個線性無關的等價向量組必含有相同個數的向量
極大線性無關組
定義:若一向量組的一個部分組是線性無關的,且從這向量組中任意添一個向量,所得的部分向量組都線性相關,則稱該部分組為極大線性無關組
注:
1.一個線性無關向量組的極大線性無關組就是這個向量組本身
2.向量組的極大線性無關組不是唯一的
3.一向量組的任意兩個極大線性無關組都是等價的
4.含非零向量的向量組一定有極大線性無關組,且任一無關的部分組都可擴充成一個極大線性無關組
5.全部由零向量組成的向量組沒有極大線性無關組
性質:任意一個極大線性無關組與向量組本身等價
證明:
定理:一向量組的極大無關組都含有相同個數的向量
向量組的秩
定義:向量組的極大線性無關組所含向量的個數稱為這個向量組的秩
注:
1.一向量組線性無關的充要條件為它的秩與它所含向量個數相同
2.等價的向量組必有相同的秩
3.全部由零向量組成的向量組秩為零
方程組與向量
給定方程組
各個方程所對應的向量分別為,,,
設方程
對應向量為
則是的線性組合當且僅當
即方程是方程的線性組合,顯然方程組的解一定滿足
設方程組
各個方程所對應的向量分別為
若可經線性表出,則方程組的解是方程組的解
當與等價時兩個方程組同解
相關文章
- 高等代數理論基礎24:線性方程組有解判別定理
- 線性代數基礎
- 【scipy 基礎】--線性代數
- 數學基礎之線性代數
- 高等代數 第三章 線性空間
- 人工智慧必備數學基礎:線性代數基礎(2)人工智慧
- [心得]機器學習基礎之線性代數筆記機器學習筆記
- 高等代數:3 線性方程組的解集的結構
- 【基底 / 線性組合 / 線性無關(相關)】- 圖解線性代數 02圖解
- 跟我一起學《深度學習》第二章 線性代數(2.4 線性相關和生成子空間 )深度學習
- 線性代數
- 論基礎理論知識的重要性
- 圖論連通性相關圖論
- 平衡車相關理論基礎
- 高等代數1 矩陣矩陣
- 高等代數的研究物件物件
- 人工智慧必備數學基礎:高等數學基礎(1)人工智慧
- 人工智慧必備數學基礎:高等數學基礎(2)人工智慧
- 不止卡方檢驗和線性相關係數,相關性分析有6種方法
- 線性代數學習
- 線性代數--矩陣矩陣
- 基礎數論
- WEB基礎理論Web
- Hive理論基礎Hive
- Zookeeper基礎理論
- 基礎理論01
- 線性代數中的線性方程組方法
- 邏輯代數基礎
- 基礎數論——EXGCDGC
- MATLAB版線性代數-線性方程組1Matlab
- 軟體測試理論(1)基礎理論
- 程式設計與線性代數程式設計
- 線性代數--二次型
- 機器學習簡介之基礎理論- 線性迴歸、邏輯迴歸、神經網路機器學習邏輯迴歸神經網路
- 數論基礎——求導求導
- 如何入門線性代數?這裡有一份Python線性代數講義Python
- 線性代數與資料學習:MIT教授Gilbert Strang幫你打下堅實的數學基礎MIT
- 離散數學(數論基礎)