2 向量的线性相关性

向量组的线性相关性与线性无关性

在线性代数中，向量组是指由一组向量所组成的集合。而向量组的线性相关性与线性无关性则是研究向量组内向量之间的关系，是线性代数中的重要概念之一。

一、线性相关性

线性相关性是指存在一组不全为零的实数或复数使得向量组中的向量可以通过线性组合得到零向量。换句话说，如果存在不全为零的实数或复数c1，c2，...，cn，使得c1v1 + c2v2 + ... + cnvn = 0，则称向量组v1，v2，...，vn是线性相关的。

举个例子来说，考虑一个二维向量组{(1, 2), (2, 4)}，我们可以发现这两个向量是线性相关的，因为存在一个实数c，使得c(1, 2) + (2, 4) = (0, 0)。实际上，这两个向量是共线的，它们的方向相同，只是长度不同。

二、线性无关性

线性无关性是指向量组中的任意向量不能由其他向量线性表示出来。换句话说，如果对于向量组v1，v2，...，vn中的任意一个向量vi，都不存在一组实数或复数c1，c2，...，cn（其中ci≠0），使得c1v1 + c2v2 + ... + cnvn = vi，则称向量组v1，v2，...，vn是线性无关的。

继续以上面的例子来说，考虑一个三维向量组{(1, 2), (2, 4), (3, 6)}，我们可以发现这三个向量是线性相关的。实际上，第三个向量可以由前两个向量线性表示出来：(3, 6) = 3(1, 2) + 0(2, 4)。因此，这三个向量是线性相关的。

三、线性相关性与线性无关性的关系

线性相关性与线性无关性是相互对立的概念。如果一个向量组是线性相关的，那么它就不是线性无关的；反之亦然。换句话说，线性相关性与线性无关性是两个互斥的概念。 在实际应用中，我们经常需要判断一个向量组的线性相关性或线性无关性。这对于解方程组、求解特征值等问题都有着重要的意义。

四、判断线性相关性与线性无关性的方法

判断一个向量组的线性相关性或线性无关性有多种方法，其中最常用的方法是通过求解线性方程组来判断。

向量的线性相关与线性无关

向量是线性代数中的一个重要概念，它与线性相关与线性无关的关系密切相关。本文将对向量的线性相关性和线性无关性进行详细介绍，并给出具体的例子。

在线性代数中，我们将一个非零向量集合中的向量称为线性相关的，如果存在一组不全为零的实数，使得这些实数与向量的乘积之和为零。换句话说，对于线性相关的向量集合，存在一组非零解，使得线性组合等于零向量。否则，向量集合则被称为线性无关。

接下来，我们可以通过一个例子来更好地理解这个概念。假设我们有两个向量a和b，它们分别为[1, 2]和[2, 4]。我们可以看到，向量b是向量a的倍数，即存在一个不为零的实数k，使得k * a = b。因此，这两个向量是线性相关的。这可以通过以下的等式来证明：2*[1, 2] =

[2, 4]。因此，我们称向量a和向量b是线性相关的。

那么如何判断一个向量集合是否线性无关呢？我们可以通过求解线性方程组来判断。如果方程组的只有零解，那么向量集合是线性无关的。我们可以使用矩阵来表示向量集合，其中每列是一个向量。假设我们有三个向量a，b和c，它们分别为[1, 2, 3]，[2, 4, 6]和[1, 0, 1]。我们可以构建一个矩阵A，它的列向量是a，b和c。我们可以将其写成如下形式：

A = [1, 2, 3]

[2, 4, 6] [1, 0, 1]

为了判断这三个向量是否线性无关，我们需要将其转化为一个线性方程组，并求解出该方程组的解。将A与一个未知向量乘积等于零向量，我们可以得到一个线性方程组：A * x = 0。其中x是一个未知向量，0是零向量。

将上述的线性方程组进行求解，我们可以得到如下的简化形式：

x1 + x2 = 0

x1 + x3 = 0

3x1 + 2x2 + x3 = 0

通过求解上述线性方程组，我们可以发现只有一个解，即x1 = 0，x2 = 0，x3 = 0。因此，该向量集合是线性无关的。

相关性的判定及有关重要结论

1. 线性相关与线性组合的关系定理

定理1：向量组1，2，，m (m 2)线性相关的充要条件是其中

至少有一个向量可由其余m 1向量线性表示。

证："" 若向量组1，2，，m (m 2)线性相关，则一定存

在一组不全为零的数k1，k2，，km ,使

k11  k22  kmm  0

不妨设k1 0，于是有： 1   k2 2 km m

"" 不妨设 1 k22 k1

k1

kmm

 1  k22 kmm  O 即向量组1，2，，m (m 2)线性相关。 定理2：设向量组1，2，，m 线性无关，而向量组 ，

1，2，，m 线性相关，则可由1，2，，m

线性表示且表示式惟一。

证：向量组 ,1，2，，m线性相关，则一定存在一组不全为零的数k, k1，k2，，km ,使

k  k11  k22  kmm 0

这里必有k  0，否则，有

k11  k22 kmm  0

由向量组1，2，，m线性无关知：

k1  k2   km  0

故 可由1，2，，m线性表示。

下面证明表示式惟一。 设  k11  k22  kmm   l11  l22  lmm

(k1  l1)1  (k2  l2 )2 (km  lm )m  O.

由向量组1，2，，m线性无关知：

ki li ,i  1,2,, m.

所以表示式惟一。 2. 相关性的判定定理

定理3：在一个向量组中，若有一个部分向量组线性相关，

则整个向量组也必定线性相关。

反之不对。 你能举个

反例吗？

1 (1, 2, 1),2  (2, 3,1),3  (4,1, 1).

线性相关与无关

线性相关与无关是向量空间中的核心概念之一。最简单的情况下，考虑两个向量，它们线性相关意味着它们之间存在一种线性关系，也就是说，它们可以表示为某一个向量的线性组合。如果两个向量线性无关，就意味着它们之间不存在这种关系。但是在更一般的情况下，需要考虑多个向量之间的线性相关性。

首先，我们需要定义一下什么是向量的线性组合。假设有$n$个向量$u_1,u_2,\cdots,u_n$和$n$个标量$c_1,c_2,\cdots,c_n$，则它们的线性组合定义为：$$c_1u_1+c_2u_2+\cdots+c_nu_n$$

因此，两个向量$u$和$v$可以表示为一个向量$w$的线性组合当且仅当它们满足以下等式：$$au+bv=w$$其中$a$和$b$是标量。我们也可以把它写成向量方程的形式：$$\begin{pmatrix} u_1 \\ u_2 \end{pmatrix} + \begin{pmatrix} v_1 \\ v_2

\end{pmatrix} = \begin{pmatrix} w_1 \\ w_2 \end{pmatrix}$$

如果这个方程有一个非零解，则我们称$u$和$v$线性相关，否则称它们线性无关。因此，我们需要解决方程组的问题，考虑什么样的情况下一个向量可以表示为其他向量的线性组合。

证明：如果向量$u_1,u_2,\cdots,u_n$是线性相关的，则存在一种不全为零的标量组$c_1,c_2,\cdots,c_n$，使得$c_1u_1+c_2u_2+\cdots+c_nu_n=0$。因此，如果这个标量组不全为零，则我们可以找到一组$u_i$来表示其中一个向量，比如说$u_n$，如下所示：$u_n=\frac{-(c_1u_1+c_2u_2+\cdots+c_{n-1}u_{n-1})}{c_n}$，从而向量$u_n$可以表示为其他向量的线性组合。因此，这些向量线性相关。