线性代数 第三讲 线性相关无关 线性表示

线性代数 第三讲 线性相关无关 线性表示

文章目录

  • [线性代数 第三讲 线性相关无关 线性表示](#线性代数 第三讲 线性相关无关 线性表示)
  • 1.向量运算
  • 1.线性相关与线性无关
    • [1.1 线性相关与线性无关基本概念](#1.1 线性相关与线性无关基本概念)
  • 2.线性表示(线性组合)
  • 3.线性相关无关与线性表示的定理大总结
    • [3.1 向量β可由向量组线性表出的同义翻译](#3.1 向量β可由向量组线性表出的同义翻译)
    • [3.2 向量组线性相关的同义翻译](#3.2 向量组线性相关的同义翻译)
    • [3.3 向量组部分相关,整体相关,整体无关,部分无关](#3.3 向量组部分相关,整体相关,整体无关,部分无关)
    • [3.4 缩短组线性无关,延伸组线性无关,延伸组线性相关,缩短组线性相关](#3.4 缩短组线性无关,延伸组线性无关,延伸组线性相关,缩短组线性相关)
    • [3.5 线性表示和线性相关的联系(充要条件)](#3.5 线性表示和线性相关的联系(充要条件))
    • [3.6 原本向量组线性无关,添加向量后线性相关](#3.6 原本向量组线性无关,添加向量后线性相关)
    • [3.7 多数向量能用少数向量线性表出,那么多数向量一定线性相关](#3.7 多数向量能用少数向量线性表出,那么多数向量一定线性相关)
  • [4. 重难点题型总结](#4. 重难点题型总结)
    • [4.1 证明向量组线性无关](#4.1 证明向量组线性无关)
    • [4.2 判断线性无关(选择题)](#4.2 判断线性无关(选择题))

1.向量运算

加减数乘与矩阵一样

向量内积 :

内积记作(a , b),即(a,b)=aTb,内积还是矩阵乘法。

向量正交 :

正交:两个向量内积=0时,两个向量正交,在二维平面上,可以理解为两个向量垂直

向量的模长:每一个元素的平方加和,再取根号。

标准正交向量组 (规范正交基):

定义:列向量组a1,a2,a3...as,他们之间的乘积满足,任意两个列向量组(可以自身✖️自身),一个转置的情况,不同列向量组内积=0,自身✖️自身内积=1

正交矩阵

设A是n阶方阵,满足ATA=E,就称A是正交矩阵,A的行(列)向量组是规范正交基。

作用:逆时针旋转,不改变性质,只改变位置

1.线性相关与线性无关

1.1 线性相关与线性无关基本概念

线性相关:

m个n维向量a1...,存在一组数k其中有不全为0的数 ,使得k1a1+k2a2+k3a3...=0成立,则称向量a1,a2...线性相关

简言之,就是有关系,没关系的情况下,只能k都等于0的情况下才能成立,有关系的话就可以做差了。

线性无关:

只有k全为0的情况下才成立

2.线性表示(线性组合)

m个n维向量(a1,a2,a3...)和m个数(k1,k2,k3...),k1a1+k2a2+k3a3...=β,称为β a1,a2,a3...的线性组合,或者说β由a1,a2,a3...的线性表示。

注意:这里的线性表示是向量由向量组表示,不是向量组与向量组的,向量组和向量组之间的线性表示,意味着,某个向量组的全部向量,都可以由另一个向量组线性表示。

3.线性相关无关与线性表示的定理大总结

3.1 向量β可由向量组线性表出的同义翻译

3.2 向量组线性相关的同义翻译

解释说明:

秩是线性无关向量的个数,要想让向量组线性相关,自然秩要小于向量组中向量的个数

推论:

  1. n个n维向量组成的向量组,线性相关的充分必要条件是行列式|a1,a2,a3...|=0(克莱默法则,主要是行列式好算)
  2. n+1个n维向量一定线性相关

3.3 向量组部分相关,整体相关,整体无关,部分无关

如果向量组a1,a2,a3,...中一部分向量线性相关,则整个向量组也线性相关。

逆否命题:如果a1,a2,a3,...线性无关,则其任一一部分向量组都线性无关。

3.4 缩短组线性无关,延伸组线性无关,延伸组线性相关,缩短组线性相关

3.5 线性表示和线性相关的联系(充要条件)

若一个向量组线性相关,则必有一个向量可有其余的向量线性表示。

反之也成立。

3.6 原本向量组线性无关,添加向量后线性相关

新添加的向量必由原本向量组的其余向量唯一表示

3.7 多数向量能用少数向量线性表出,那么多数向量一定线性相关

多数向量中,肯定有能被约掉的,所以线性相关。

r(少数向量组)≥r(多数向量组)

4. 重难点题型总结

4.1 证明向量组线性无关

方法一:定义法

核心思想:通过恒等变形解决问题:

恒等变形两条路径:

  • 重组

例1 :已知α1,α2,α3线性无关,证明3α1+2α2,α23,4α3-5α1线性无关

例2 :设A是n阶矩阵,α是n维列向量,若Am-1α≠0,Amα=0,证明向量组α,Aα,A2α,...Am-1α线性无关

方法二:秩

理论基础:

r(AB)≤min(r(A),r(B)),若A可逆,则r(AB)=r(B),r(BA)=r(B)

例1:已知α1,α2,α3线性无关,证明3α1+2α2,α23,4α3-5α1线性无关

证明向量组的秩(线性无关向量的个数就是秩)为3,即可说明向量组线性无关

例2:A是m*n维矩阵,r(A)=n,α123 n维无关,证明Aα1,Aα2,Aα3线性无关

证明如下:

(Aα1,Aα2,Aα3)=A(α123)

因为r(A)=n,A可逆

r(Aα1,Aα2,Aα3)=r(α123)=3

故Aα1,Aα2,Aα3线性无关

4.2 判断线性无关(选择题)

已知向量组α123线性无关,则下列向量组中,线性无关的是

(A)α12,α23,α31

(B)α12,α2+2α3,α1+2α2+α3,α12+5α3

(C)α1+2α2,2α2+3α2,3α31

(D)α123,2α1+3α2+12α3,3α1+5α2+25α3

该类问题,用观察法+秩判断

观察法举例:

如B选项,4个向量由α123三个向量表示,多数由少数表示,多数必是线性相关的

如C选项,通过加加减减能=0,说明他们是线性相关的

相关推荐
lqjun082715 分钟前
Focal Loss 原理详解及 PyTorch 代码实现
人工智能·pytorch·python
科技小E15 分钟前
WebRTC技术EasyRTC嵌入式音视频通信SDK打造远程实时视频通话监控巡检解决方案
人工智能·音视频
风虎云龙科研服务器21 分钟前
英伟达Blackwell架构重构未来:AI算力革命背后的技术逻辑与产业变革
人工智能·重构·架构
白熊1881 小时前
【计算机视觉】OpenCV实战项目:基于Tesseract与OpenCV的字符识别系统深度解析
人工智能·opencv·计算机视觉
kovlistudio1 小时前
机器学习第三讲:监督学习 → 带答案的学习册,如预测房价时需要历史价格数据
人工智能·机器学习
嵌入式仿真实验教学平台1 小时前
「国产嵌入式仿真平台:高精度虚实融合如何终结Proteus时代?」——从教学实验到低空经济,揭秘新一代AI赋能的产业级教学工具
人工智能·学习·proteus·无人机·低空经济·嵌入式仿真·实验教学
正在走向自律2 小时前
Python 数据分析与可视化:开启数据洞察之旅(5/10)
开发语言·人工智能·python·数据挖掘·数据分析
LuvMyLife2 小时前
基于Win在VSCode部署运行OpenVINO模型
人工智能·深度学习·计算机视觉·openvino
fancy1661662 小时前
力扣top100 矩阵置零
人工智能·算法·矩阵
gaosushexiangji2 小时前
基于千眼狼高速摄像机与三色掩模的体三维粒子图像测速PIV技术
人工智能·数码相机·计算机视觉