zoukankan      html  css  js  c++  java
  • 3.3 极大线性无关组以及&向量的秩

    定义 1:
    向量组(alpha_1, alpha_2, dots ,alpha_s)的一个部分组满足两个条件:
    (1)这个部分组线性无关
    (2)从向量组的其余向量(如果存在的话)中任取一个向量添进来,得到的新的部分组都线性相关
    称为这个向量组的一个极大线性无关组。

    设向量组(alpha_1, alpha_2, dots ,alpha_s)的一个极大线性无关组,不妨设为(alpha_1, alpha_2, dots ,alpha_m)((m leq s))
    由于(alpha_j = 0alpha_1 + dots + 0alpha_{j-1} + 1alpha_j + 0alpha_{j+1} + dots + 0alpha_s)
    所以极大线性无关组(alpha_1, alpha_2, dots ,alpha_m)中每一个向量,都可以由向量组(alpha_1, alpha_2, dots ,alpha_s)线性表出。
    反之,(alpha_i(1 leq i leq m))可由(alpha_1, alpha_2, dots ,alpha_m)线性表出,而(alpha_j(m < i leq s))由于(alpha_1, alpha_2, dots ,alpha_m,alpha_j)线性相关,因此(alpha_j)可由(alpha_1, alpha_2, dots ,alpha_m)线性表出。
    因此(alpha_1, alpha_2, dots ,alpha_s)每一个向量都可以由(alpha_1, alpha_2, dots ,alpha_m)线性表出。

    若向量组(alpha_1, alpha_2, dots ,alpha_s)每一个向量都可以由向量组(eta_1, eta_2, dots ,eta_r)线性表出。
    则称(alpha_1, alpha_2, dots ,alpha_s)可以由(eta_1, eta_2, dots ,eta_r)线性表出。
    如果向量组(alpha_1, alpha_2, dots ,alpha_s)与向量组(eta_1, eta_2, dots ,eta_r)可以相互线性表出,则称这两个向量组等价。记作({alpha_1, alpha_2, dots ,alpha_s} cong {eta_1, eta_2, dots ,eta_r})

    由上述讨论证明了:
    命题 1:向量组(alpha_1, alpha_2, dots ,alpha_s)与它的任意一个极大线性无关组等价。

    向量组的等价具有性质:
    (1) 每个向量组与自身等价(反身性)
    (2) 若({alpha_1, alpha_2, dots ,alpha_s} cong {eta_1, eta_2, dots ,eta_r}),则({eta_1, eta_2, dots ,eta_r}cong {alpha_1, alpha_2, dots ,alpha_s})(对称性)
    (3) 若({alpha_1, alpha_2, dots ,alpha_s} cong {eta_1, eta_2, dots ,eta_r}),且({eta_1, eta_2, dots ,eta_r}cong {gamma_1, gamma_2, dots ,gamma_t}),则({alpha_1, alpha_2, dots ,alpha_s}cong {gamma_1, gamma_2, dots ,gamma_t})(传递性)
    证明:只需要证线性表出具有传递性。

    [alpha_i = sum_{j=1}^ra_{ij}eta_j,i = 1,2,dots ,s \ eta_j = sum_{l = 1}^tb_{jl}gamma_l, j = 1, 2, dots ,r \ egin{aligned} alpha_i &= sum_{j=1}^ra_{ij}sum_{l = 1}^tb_{jl}gamma_l \ &= sum_{j=1}^r(sum_{l = 1}^ta_{ij}b_{jl}gamma_l) \ &= sum_{j=1}^r(sum_{l = 1}^ta_{ij}b_{jl})gamma_l end{aligned} ]

    从而(alpha_1, alpha_2, dots ,alpha_s)可由(gamma_1, gamma_2, dots ,gamma_t)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(alpha_1, alpha_2, dots ,alpha_s)任意两个极大线性无关组等价

    引理 1:
    设向量组(eta_1, eta_2, dots ,eta_r)可由向量组(alpha_1, alpha_2, dots ,alpha_s)线性表出,如果(r > s),那么(eta_1, eta_2, dots ,eta_r)一定线性相关。

    证明:由已知,

    [eta_1 = a_{11}alpha_1 + dots + a_{s1}alpha_s \ cdots \ eta_r = a_{1r}alpha_1 + dots + a_{sr}alpha_s ]

    [egin{aligned} x_1eta_1 + dots + x_reta_r &= x_1(a_{11}alpha_1 + dots + a_{s1}alpha_s) + dots + x_r(a_{1r}alpha_1 + dots + a_{sr}alpha_s) \ &= (a_{11}x_1 + dots a_{1r}x_r)alpha_1 \ &+ dots \ &+ (a_{s1}x_1 + dots a_{sr}x_r)alpha_s \ end{aligned} ]

    考察齐次线性方程组:

    [egin{cases} a_{11}x_1 + dots a_{1r}x_r = 0 \ dots \ a_{s1}x_1 + dots a_{sr}x_r = 0 end{cases} (1) ]

    由已知条件,(s < r),因此方程组(1)必有非零解,
    取一个非零整数解((k_1, k_2, dots ,k_r))有(k_1eta_1 + k_2eta_2 + dots + k_reta_r = 0)
    因此(eta_1, eta_2, dots ,eta_r)线性相关。

    推论 1:设向量组(eta_1, eta_2, dots ,eta_r)可由向量组(alpha_1, alpha_2, dots ,alpha_s)线性表出,如果(eta_1, eta_2, dots ,eta_r)线性无关,那么(r leq s)

    推论 2:等价的线性无关的两个向量组所含向量的个数相等((r leq s),又(s leq r),因此(r = s)

    推论 3:向量组(alpha_1, alpha_2, dots ,alpha_s)的任意两个极大线性无关组所含向量的个数相等。

    定义 3:向量组(alpha_1, alpha_2, dots ,alpha_s)的任意一个极大线性无关组所含向量的个数称为向量组(alpha_1, alpha_2, dots ,alpha_s)的秩。
    只含零向量的向量组的秩规定为(0)
    记为:(rank{alpha_1, alpha_2, dots ,alpha_s})

    命题 3:向量组(alpha_1, alpha_2, dots ,alpha_s)线性无关(Leftrightarrow)(alpha_1, alpha_2, dots ,alpha_s)是向量组(alpha_1, alpha_2, dots ,alpha_s)的一个极大线性无关组。(Leftrightarrow)(rank{alpha_1, alpha_2, dots ,alpha_s} = s)

    命题 4:向量组(I)可以由向量组(II)线性表出,则(rank(I) leq rank(II))
    证明:取向量组(I)的极大线性无关组(I'),取向量组(II)的极大线性无关组(II')。
    其中(I)与(I')等价,(II)与(II')等价。又(I)可以由(II)线性表出,由传递性(I')可以由(II')线性表出,其中(I')线性无关。
    由命题2的推论1,(I')的向量个数(leq)(II')的向量个数,因此(rank(I) leq rank(II))

    推论 4:若两个向量组等价,那么它们的秩相等。

  • 相关阅读:
    防止死锁的加锁机制
    python线程threading.Timer源码解读
    python语言线程标准库threading.local源码解读
    栈和队列的总结
    如何根据入栈序列判断可能的出栈序列
    使用 Air 热编译 Gin 项目
    【Golang设计模式】7.外观模式
    Go中的数据类型、指针、new和make
    【Golang设计模式】6.模板方法模式
    【Golang设计模式】5.原型模式
  • 原文地址:https://www.cnblogs.com/miraclepbc/p/14446060.html
Copyright © 2011-2022 走看看