3-4-线性无关基与维数
一句话概括
线性无关(linear independence)回答「这组向量里有没有多余的」,张成(span)回答「这组向量能造出多大的空间」,基(basis)是「不多不少刚刚好」的那组向量,维数(dimension)是基中向量的个数——它由空间本身唯一决定,与基的选择无关。
本篇的核心公式是秩—零化度定理(rank–nullity theorem)
即「列数 = 秩 + 零空间维数」,也写成 。它是本书从第 3 章一直用到第 7 章的中枢公式。
本篇覆盖:线性无关的严格定义与用矩阵判定、线性相关的几何含义、张成与生成集、基的定义与两条等价刻画、维数为何与基的选择无关、标准基、秩—零化度定理的完整表述与证明思路、如何从向量组中选出基、基的扩张与缩减、 中 个向量构成基的等价条件,以及两道完整的「求子空间的基与维数」例题。
本篇新增
- 第十节:极大线性无关组(maximal linearly independent subset)与向量组的秩——定义、求法、其余向量由极大无关组表示的系数怎么读,配完整例题(例题 4—6)。
- 第十一节:基础解系—— 的来历、与秩—零化度定理的关系(例题 7)。
- 第十二节:秩的子式定义与等价刻画——四种定义为什么一致,含参数矩阵求秩(例题 8—9)。
- 第十三节:线性表示与线性方程组的等价——「能否表示」与「表示是否唯一」如何翻译成秩的比较,含参数完整讨论(例题 10—11)。
- 第十四节:证明题两道(秩的单调性、替换定理,例题 12—13)。
- 第十五节:本篇小结。
一、定义
1.1 线性无关与线性相关
定义 1(线性无关,linear independence) 设 是向量空间 中的向量。若方程
只有零解 ,则称这组向量线性无关。
定义 2(线性相关,linear dependence) 若存在不全为零的系数 使上式成立,则称这组向量线性相关。
两点提醒
- 「相关」与「无关」是一组向量的性质,不是单个向量的性质。单个向量 : 有非零解 。所以单个向量无关当且仅当它非零。
- 定义中的 是右边那个已经确定为零的向量,等式左边的组合才是要研究的对象。写作 时,它其实是一个关于 的齐次线性方程组——这一点是下面「用矩阵判定」的关键。
1.2 张成与生成集
定义 3(张成,span) 一组向量 的张成空间是所有线性组合的集合:
若 ,则说这组向量张成(span),或称这组向量是 的一个生成集(spanning set)。
张成空间一定是子空间(证明见 3-1-向量空间):两个线性组合相加仍是线性组合,乘以常数仍是线性组合,且 取所有系数为 即可得到。
与列空间的关系:若把 作为列拼成矩阵 ,则
于是「张成」的语言与「列空间」的语言完全互通——这是本库反复使用的翻译器。
1.3 基与维数
定义 4(基,basis) 向量空间 的一组向量 称为 的基,如果它同时满足:
- 线性无关(没有多余的向量);
- 张成 (足够造出整个 )。
定义 5(维数,dimension) 若 有一组由 个向量组成的基,则称 是 维的,记作 。零空间 的维数规定为 (它的基是空集 )。
定义 6(标准基,standard basis) 的标准基是
基的两条等价刻画(证明见第三节定理 3):
- 极小性:基是能张成 的最小的向量组;从基中去掉任何一个向量,剩下的就不再张成 。
- 极大性:基是 中最大的线性无关向量组;往基中任意添加一个 中的向量,所得向量组就线性相关。
第三条常用的刻画来自「唯一表示」: 是 的基 中每个向量都能唯一地写成 的线性组合。唯一性正是无关性带来的(见第四节定理 7)。
中英术语对照(读国内教材必备)
| 本库(Strang) | 国内教材(同济版) | 数学对象 |
|---|---|---|
| 线性无关 / 线性相关 | 线性无关 / 线性相关 | 只有零解 / 有非零解 |
| 张成(span) | 由 线性表示的全体 | |
| 生成集 | 该向量组能线性表示空间中的每个向量 | 张成空间的向量组 |
| 基(basis) | 极大线性无关组(当向量组张成整个空间时) | 无关 + 张成 |
| 维数 | 空间的维数 / 向量组的秩 | 基中向量个数 |
| 秩 | 矩阵的秩 / 向量组的秩 | 主元个数 = 最高阶非零子式的阶数 = 极大无关组所含向量个数 |
| 零空间 | 解空间 | |
| 的基 | 基础解系 | |
最大的术语差异:国内教材没有把「基」与「极大线性无关组」分开讲——「极大线性无关组」是一个向量组的概念(不要求张成整个空间,只要求「极大」),当这个向量组恰好张成空间 时,它就是 的基。第十节会把这两件事彻底对齐。
二、几何直观
2.1 线性相关 = 至少一个向量是「多余的」
定理(相关的几何含义) 向量组 ()线性相关,当且仅当其中至少有一个向量可以写成其余向量的线性组合。
证明 若相关,则存在不全为零的系数使 。取某个 ,则
即 是其余向量的组合。反之,若 ,则移项得 ,其中 的系数是 ,故存在不全为零的系数,向量组相关。
几何图像(在 、 中):
| 向量组 | 是否无关 | 几何图像 |
|---|---|---|
| , | 无关 | 一个方向 |
| ,不共线 | 无关 | 张成一个平面(两条不同的直线) |
| ,共线 | 相关 | 两个向量在同一根直线上,一个被另一个「覆盖」 |
| ,不共面 | 无关 | 张成整个 |
| ,共面 | 相关 | 三向量躺在一张过原点的平面里,有一个多余 |
| (在 中) | 必相关 | 三维空间放不下四个独立方向 |
一句话:相关就是「至少有一个向量落在其余向量张成的空间里」——它没有带来任何新方向。
「去掉条件会怎样」:几个边界情形
「无关」的定义看起来只是「齐次组合只有零解」,但其中有几个隐含条件一旦去掉,结论就会变。逐个检查一遍:
| 若去掉/改变某个条件 | 会发生什么 | 结论是否还成立 |
|---|---|---|
| 去掉「有限个向量」(允许无穷向量组) | 无穷多个向量可以「无关」但仍不张成(例如 在多项式空间里无关,却需要无穷多个) | 定义仍可用,但计数结论失效 |
| 允许 出现在向量组里 | 含零向量的向量组必然相关(取 的系数为 、其余为 ) | 无关组绝不能含零向量 |
| 允许重复的向量 | 有两个相同向量时必然相关(取系数 ) | 无关组中向量必须互异 |
| 把「系数 」换成 (整数) | 与 在 上「无关」,但它们明明共线 | 数域不能随便换;本库默认实数域 |
| 把「」换成「」 | 解集变成仿射集,可以「无解 / 唯一解 / 无穷多解」 | 这已经变成 的问题 |
最后一条尤其重要:「线性无关」研究的是齐次方程,「线性表示」研究的是非齐次方程——两者是 3-3-Ax=b的完整解 中「有没有解」与「解是否唯一」的向量组版本。
2.1.1 几何直觉的另一面:无关 = 每个方向都不浪费
把 想成一块「方向容量有限」的空间:它最多容纳 个互相独立的方向。于是
- 无关:每个向量都用掉一个新的方向额度, 个向量就用掉 个额度;
- 相关:至少有一个向量没有用新额度,它落在已有方向张成的空间里,是「重复占用」。
这解释了「为什么 里放不下 个独立方向」:方向额度只有 个。也解释了「为什么无关组的长度不能超过生成集的长度」(第三节定理 4,Steinitz 交换引理):生成集已经把空间的所有方向额度都用完了,再多的独立方向无处可放。
一句话对照三组概念
- 无关 问「有没有多余的」——质量问题(信息是否冗余);
- 张成 问「够不够造出整个空间」——数量问题(覆盖面是否完整);
- 基 是两者同时满足——不多不少(信息的极小完备集)。
数据科学里这三句话就是:特征是否冗余(无关)、特征是否覆盖了全部变异(张成)、特征集是否最小完备(基)——见 7-3-主成分分析PCA。
2.2 无关的几何含义:每个向量都贡献新方向
反过来, 线性无关意味着:每加进一个向量,张成空间的维数就增加 。即
这些向量「一个都不多余」,各自指出了一个新的、此前无法到达的方向。
2.3 基 = 刚刚好的坐标系
基是「不多不少」的一组向量:不多(无关,没有任何冗余)不少(张成,没有缺失方向)。
基的用处在于当坐标系:若 是 的基,则 中每个向量 都能唯一写成
系数 就是 在基 下的坐标(coordinates)。同一间屋子可以用很多不同的坐标系来描述,但坐标轴的个数(维数)永远相同——因为屋子能容纳的独立方向数是屋子的属性,不是坐标系的属性。这就是「维数与基的选择无关」的直观内容(严格论证见第三节定理 5)。
2.4 中的维数直觉
- 中最多只能有 个线性无关的向量(超过 个必相关)。
- 因此任何子空间的维数满足 。
- 中的子空间只有四种:、过原点的直线、过原点的平面、整个 ,维数分别是 。维数就是子空间的「身份证」。
三、性质与定理
3.1 定理 1:用矩阵判定无关性
定理 1(矩阵判定) 设 是 矩阵, 是它的列。则下列命题互相等价:
- 线性无关;
- 只有零解;
- ;
- ( 列满秩,没有自由变量);
- 的列构成 的一组基。
证明 (矩阵乘法的列形式),所以「 只有零解」与「 只有零解」是同一句话,即 1 2。而 2 3 是零空间定义,3 4 由 (3-2-零空间与阶梯形),4 5 由「无关 + 张成 = 基」的定义( 按定义就是所有线性组合,所以列一定张成 )。
一个容易忽略的对称事实:行向量组与列向量组
定理 1 说的是列。同样的问题对行也成立,而且答案一样:
两者的判据用的是同一个数 ,但与之比较的分别是列数与行数。这一点非常容易混:
| 想判断 | 条件 | 等价说法 |
|---|---|---|
| 列向量组线性无关 | | , 只有零解, 至多一个解 |
| 行向量组线性无关 | | ,, 一定有解 |
口诀:列满秩管「唯一」,行满秩管「存在」。理由见 3-3-Ax=b的完整解 第 3.4 节的秩的四种情形表;四个子空间的完整账本见 3-5-四大子空间的维数。
用矩阵判定无关性的操作要点
1. 把向量作为列拼成矩阵 (这样 才等于向量的线性组合)。
2. 对 行化简,数主元个数 。
3. 无自由列() 无关;有自由列() 相关,且自由变量给出的零解向量就是相关系数。
若向量个数多于分量个数(,即 中给了 个向量),由 立刻得到必相关——这是最省事的判据。
3.2 定理 2:相关的等价表述
定理 2 下列命题等价:
- 线性相关;
- 至少有一个 是其余向量的线性组合;
- (去掉某个向量后张成空间不变, 表示删去);
- 存在不全为零的 使 ,其中 ,即 。
证明 1 2 已在第二节证明。2 3:若 是其余的线性组合,则任何用到 的线性组合都可以把 替换成其余向量的组合,故张成空间不因删去 而缩小;反向包含是显然的。3 2:(因为它在左边那个张成空间里),这正是「 是其余的线性组合」。1 4 与定理 1 同理。
定理 2 的实用价值(删去多余向量):由 3 可知,从一组向量出发,只要它还相关,就可以逐个删去「能被其余表示的向量」,张成空间不变,直到剩下的一组无关为止——这就是下一节「缩减为基」的理论依据。
零向量的特殊性:任何含零向量的向量组都相关(取 的系数为 、其余为 即得不全为零的零组合)。所以零向量永远不能出现在无关组里。
3.3 定理 3:基的两条等价刻画
定理 3 设 是向量空间, 张成 。则下列命题等价:
- 线性无关(即 是 的基);
- 是 的极小生成集:去掉任何一个向量后都不再张成 ;
- 中每个向量都能唯一表示为 的线性组合。
证明
1 2:删去 后若仍张成 ,则 是其余向量的线性组合,由定理 2 得 相关,与 1 矛盾。所以任何真子集都不张成 。
2 3(唯一性部分):存在性由「 张成 」保证。设 有两种表示
相减得 。若某个 ,则 是其余向量的线性组合(同定理 2 的推导),于是删去 后仍张成 ,与 2 矛盾。故所有 ,表示唯一。
3 1:设 。另一方面 。由表示唯一性(把 的两种表示对比)得 对所有 成立,故 无关。
(「极大性」的表述同理:若 无关且 中另有一向量 使 仍无关,则有 矛盾;这需要定理 5 的维数结论,故放在第六节作为推论。)
3.4 定理 4(Steinitz 交换引理 / 无关组的长度上限)
定理 4 设 。若 线性无关,则
更精确地说:任何张成 的向量组,其向量个数不少于 中任何无关向量组的向量个数。
证明思路(交换法) 把 用 组表示(因为它在 中),说明 仍张成 ——即用 换掉一个 ,张成性不变。再对 重复:因为 与 无关,它不能只用 表示,所以必然还需要某个 ,替换后张成性仍不变。每换一次就多用掉一个 、少用一个 。若 ,换到第 个 时已无 可换,说明 是前面 个 的线性组合,与无关性矛盾。故 。
矩阵版证明(更机械,也更好记) 把 作为列拼成 矩阵 (先把 取成 的情形),把 个无关向量作为列拼成 矩阵 。 的每列在 中,故 ,于是
(这里用了 ,因为 的列无关。)这就是 。
为什么这个引理如此重要
它是「维数良定义」的全部难点所在。定理 5 的唯一性证明只用它一次。
3.5 定理 5:维数与基的选择无关
定理 5 若 有两组基 (含 个向量)与 (含 个向量),则 。
证明 把 看作 的一个生成集(它张成 ),把 看作 中的一个无关组。由定理 4(取 )得
对称地,把 看作生成集、 看作无关组,得
两者合起来 。
这条定理保证了定义 5 是合法的:如果不同的基可以有不同个数的向量,那么「维数」就不是空间自身的属性,而依赖我们选了哪组基。定理 5 说明这种事不会发生。
为什么这条定理不显然:因为「 的基」可能有完全不同的形状。例如 中
三组向量长得完全不同(第二组的向量成 ,第三组的向量都是「斜」的),但都恰好有 个向量,都无关、都张成 。无论怎么换基,个数永远是 ——这就是 的含义。定理 4 与定理 5 把这个观察变成了严格的数学。
3.6 定理 6:秩—零化度定理
定理 6(秩—零化度定理,rank–nullity theorem) 设 是 矩阵,秩为 。则
(上面两式说的是同一件事。)等价的说法:
证明思路(两部分)
第一部分:。 已在 3-2-零空间与阶梯形 定理 2 中完整证明,核心论证是:RREF 中主元变量由自由变量唯一确定,每个自由变量轮流取 得到 个无关零解,且它们张成整个零空间。
第二部分:(主元列是列空间的一组基)。
- 张成:设 是 的 RREF,主元列号是 。 的每个非主元列都是主元列的线性组合(自由变量取相应值即得系数),而行变换保持列之间的线性关系(见 3-2-零空间与阶梯形 第五节):若 则 ,把 取成「自由变量取 、主元变量按 读出」的向量,就得到 的同一组列关系。因而 的每个非主元列都是 的主元列的线性组合,故 的主元列张成 。
- 无关:主元列在 中形如 (主元位置上是 、其它主元位置上是 ,顺序对应),这 个向量线性无关;又由「行变换保持列关系」知 的对应列也线性无关。
两部分合起来: 的主元列构成 的一组基,故 。
把两部分相加即得
这条公式的三种读法
1. 计数读法: 列被分成「主元列」与「自由列」两部分,个数分别是 与 ;主元列是列空间的基,自由列对应零空间的基。
2. 映射读法: 把 映到 。定义域被分成两部分——「被压成 的部分」(,维数 )与「保持独立的部分」(主元列方向,维数 ),合起来恰好覆盖 个方向。即 ,其中 是主元列方向的集合(直和)(这是直和,第四章将证明它是正交直和,见 4-1-四大子空间的正交性)。
3. 行版本的对称公式:同理 ,其中 是左零空间的维数。四个子空间的维数由此全部确定,见 3-5-四大子空间的维数。
一个需要澄清的细节
「」与「」(行秩 = 列秩)是两条不同的命题,都需要证明。上面的论证给出了列空间的一条(用 RREF 与主元列);行空间那条要用「行变换保持行空间、阶梯形的非零行无关」来证: 的非零行彼此无关(每行的首个非零元是主元,其位置在其它非零行中都是 ),且 (行变换是行的可逆组合,不改变行空间),故 非零行个数 。两条合起来才是「行秩 = 列秩」。完整论述见 3-5-四大子空间的维数。
3.7 定理 7:无关组的扩张与生成集的缩减
定理 7(基的缩减定理) 若 张成子空间 ,则其中必有一部分向量构成 的基;特别地
证明思路 若这组向量相关,由定理 2 可删去一个「多余的」向量而张成空间不变。反复删去,直到剩下的向量组无关为止;它仍张成 且无关,因而是基。每删一个向量个数减 ,所以最后剩下的基的大小不超过 。
定理 8(基的扩张定理) 若 是有限维空间 中的无关向量组,则存在 的一组基包含它们;特别地
证明思路 若 ,则存在 不在该张成空间中。此时 仍无关:若有不全为零的系数使 ,则 不能为 (否则 组相关),于是 是 组的组合,矛盾。反复添加,每加一个维数上界减 ,最多加 次就会得到一组无关向量,它既无关又(由「再也找不到外面的向量」可知)张成 ,即为基。
操作版(如何真的扩张出基) 把已有的 个无关向量作为列拼成矩阵 ( 行 列),对它行化简:主元列是 个(因为无关),设自由列的位置为 ,则
是 的一组基。原理:「不在 组的张成空间里」当且仅当 无解当且仅当 是自由列(这一点由「主元列是列空间的基、自由列不在其中」保证)。例题 2 会演示这个过程。
3.8 定理 9: 中 个向量构成基的等价条件
定理 9 设 是 中的 个向量, 是 方阵。则下列命题互相等价:
- 是 的一组基;
- 线性无关;
- 张成 ;
- 可逆();
- 对任意 有唯一解;
- ,即 。
证明 关键观察:对 个向量而言,「无关」与「张成」互相推出(这正是方阵情形的特殊性)。
2 3:设 无关。则 ,而它是 的子空间且 ;子空间维数等于所在空间维数时二者相等(若真子空间则维数严格更小,因为可以用定理 8 把子空间的基扩张成 的基,从而 严格更大),故张成 。
3 2:设 个向量张成 。若它们相关,由定理 7 可删去多余向量得到 的基,其向量个数 ,于是 ,矛盾( 由 张成,故 ;再由「 个标准基向量无关」得 )。
2/3 1:基的定义就是「无关 + 张成」。
1 4, 5, 6:对方阵, 可逆,且此时 的唯一解是 。完整清单见 3-3-Ax=b的完整解 第 3.5 节。
这条定理只对 个向量成立
对 中的 个向量():
- 时,无关不能推出张成(例: 中 无关但不张成 );
- 时,张成不能推出无关(例: 中 张成但相关)。
「无关 张成」是方阵/向量个数恰等于维数这一临界情形特有的等价关系。
四、计算方法与步骤
方法 A:判断一组向量是否无关、求向量组的秩
第 1 步 把向量作为列拼成矩阵 。
第 2 步 对 行化简(到阶梯形即可)。
第 3 步 数主元个数 (= 向量组的秩)。
第 4 步 若 向量个数 无关;若 向量个数 相关,且自由变量给出的零解就是一组相关系数。
方法 B:求子空间的基与维数(子空间由向量组张成)
第 1 步 把生成向量作为列拼成矩阵 。
第 2 步 行化简,找出主元列的位置。
第 3 步 取 中对应位置的原始列向量作为基(注意:是 的列,不是化简后矩阵的列!)。
第 4 步 维数 = 主元个数 = 。
第 5 步(若要更漂亮的基)可用 Gram–Schmidt 正交化,得到标准正交基(见 4-4-标准正交基与Gram-Schmidt)。
方法 C:求零空间的基(子空间由方程给出)
第 1 步 解齐次方程 :写增广矩阵(右端补零列)或直接对 行化简。
第 2 步 化到 RREF,找主元列(主元变量)与自由列(自由变量)。
第 3 步 令每个自由变量轮流取 其余取 ,回代求主元变量,得到 个基向量。
第 4 步 维数 = 自由变量个数 = 。
方法 D:把无关组扩张成整个空间的基
第 1 步 把已有无关向量作为列拼成矩阵 ( 行 列,必然 个主元)。
第 2 步 行化简,记录自由列的位置 。
第 3 步 把对应的标准基向量 加入,即得 的一组基。
第 4 步 验算:新拼成的 方阵行列式非零(或求秩为 )。
方法 E:求行空间的基
行化简到阶梯形,非零行就是行空间的一组基(不是列)。行空间的维数也是 。
若想得到「行空间的标准基」,就化到 RREF,取非零行。
口诀:求列空间基用「主元列」(回到原矩阵取),求行空间基用「非零行」(在化简后取)。
五、例题
例题 1(求列空间与零空间的基与维数,验证秩—零化度定理)
设
求 的一组基与维数、 的一组基与维数、 的一组基与维数,并验证 。
解
第 1 步:行化简。
已有 个主元(分别在第 、、 列),所以 。继续化到 RREF:
第 2 步:读信息。
主元列:第 列;自由列:第 列。主元变量 ,自由变量 。
第 3 步: 的基与维数。
由方法 B,取 的主元列(原矩阵的第 列):
为什么不用第 2 列? 因为第 2 列是第一列的 倍( 的第 2 列是 ,说明 ),它是多余的。为什么不能直接抄 的主元列? 因为 的列空间与 的列空间不同(行变换改变列空间)! 的主元列是 ,它们张成的只是 中的坐标平面,与 完全是两回事。必须回到 取原始列。
验算:三个主元列就是 的三个非零行所对应的原始列,线性无关( 中它们的列位置有主元),故是基。
第 4 步: 的基与维数。
由 读出方程(第 2 列是自由列):
即 ,,。令自由变量 :
验算: 乘该向量 ✓(这正是「」这条列关系)。
第 5 步: 的基与维数(行空间)。
由方法 E,取 (或 )的非零行:
(这里用 的非零行,它们更简洁;用 的非零行同样是一组基。)注意 ,即行秩 = 列秩。
第 6 步:验证秩—零化度定理。
同时 ✓。
几何总结: 把 映到 ,但像只有 维(一个过原点的超平面),被压扁的是 维(直线 )。
例题 2(由方程给出的子空间:求基,并扩张成整个 的基)
设 。
(a) 证明 是子空间;(b) 求 的一组基与维数;(c) 把 (b) 得到的基扩张成 的一组基。
解
(a) 是子空间。
就是 的解集,其中 ( 矩阵)。由 3-2-零空间与阶梯形 定理 1,任何矩阵的零空间都是子空间,故 是 的子空间。(也可以直接验证:若 且 ,则两式相加得 ,即对加法封闭;乘以常数同理。)
(b) 求基与维数。
已是 RREF:第 1 列是主元列,第 列是自由列。,。方程是
- 令 ,:,得 ;
- 令 ,:,得 。
验算: ✓; ✓。两个向量不成比例,故无关。所以 是 中一张过原点、法向量为 的平面,维数 。
(c) 扩张成 的基。
几何上很简单:平面 的法向量 不在 中(),把它加进去即可。但我们按方法 D 的机械流程做一遍,因为这是可推广的做法。
把 作为列拼成 矩阵:
(右端由交换两行并乘以适当的非零倍数得到。)
化简后有 个主元(对应第 行),而 一共只有 列,所以主元列是第 列,自由列只有第 列,即 。于是加入标准基向量 :
验算无关性(用行列式,见定理 9):
行列式非零 三向量线性无关 由定理 9 它们是 的基 ✓。
方法 D 为什么有效(直觉版)
把 作为列做行化简,得到的主元列位置告诉我们「哪几个标准方向已经被这组向量覆盖」。上例中 化简后前两行有主元、第三行全零,说明 的列只覆盖了前两个「坐标方向」,第 个方向(对应 )没有被覆盖,把它补上就得到完整的一组基。自由列的位置就是缺失方向的编号。
例题 3(判断无关性并写出相关关系)
判断下列三组向量的相关性,相关的要写出具体关系。
(i) ,;
(ii) ,,;
(iii) ,,。
解
(i) ,所以 ,相关。
用矩阵方法验证:,,故相关;自由列是第 列,令 得 ,相关系数向量 ,即 ,与观察一致。
(ii) 把三向量作为列:
,故相关。第 列是自由列,令 ,由前两行 、 得 ,。关系是
直接验证: ✓。几何上:三个向量都落在平面 里(检验:,,),所以它们共面、必相关。
(iii)
个主元,,故线性无关。
用行列式验证: ✓ 无关。
三小题的共同规律: 与向量个数 相等就无关, 就相关;相关的具体关系由自由变量给出。
六、应用
1. 判断「信息是否冗余」(数据科学)。 一组特征向量若线性相关,说明存在冗余特征:至少有一个特征可以由其余特征线性组合出来(例如「面积」= 「长」×「宽」的组合),可以剔除而不损失信息。冗余的个数就是 ,具体关系由零空间给出——这正是7-3-主成分分析PCA降维的代数基础。
2. 方程组的独立性(物理与工程建模)。 建模时列出 个方程,若其中只有 个独立(),说明有 个方程是冗余的(由其余方程推出)。这既可能是好消息(模型自洽),也可能是坏消息(约束不足,系统有无穷多解)。判据就是看方程组的系数行向量是否无关。
3. 化学配平与计量学。 一组化学物种的「组成向量」线性无关意味着它们彼此独立、不能互相转化;相关则给出可能的反应。独立反应数 = 组分数 − 元素数(Gibbs 相律的近亲),本质是秩—零化度定理。
4. 信号与采样(Nyquist 的线性代数版本)。 「 个基向量能否唯一确定 维信号」就是「这 个向量是否构成基」。压缩感知的核心问题正是:当采样向量个数 时,额外的稀疏先验能否弥补维数不足——这把「无关 vs 张成」的张力变成了工程问题。
5. 数值计算中的「数值秩」。 手算时秩是精确的整数,但在浮点计算中,判断「无关」需要阈值:一个向量哪怕只与其余向量差 的线性组合,理论上仍无关,工程上却应视为相关。numpy.linalg.matrix_rank 用奇异值阈值定义数值秩(numerical rank):
import numpy as np
from scipy.linalg import null_space
A = np.array([[1., 2., 2., 3.],
[2., 4., 5., 7.],
[1., 2., 3., 5.],
[0., 0., 1., 1.]])
print("rank =", np.linalg.matrix_rank(A)) # 3
print("shape =", A.shape) # n = 4
Z = null_space(A)
print("dim N(A) =", Z.shape[1]) # 1 = n - r
print("check n = r + nullity:", 3 + Z.shape[1] == A.shape[1]) # True
# 相关系数:A 的第二列 = 2 * 第一列
print("A[:,1] - 2*A[:,0] =", A[:, 1] - 2 * A[:, 0]) # 全零
# 数值秩的例子:几乎相关的两列
B = np.array([[1., 1.], [1., 1. + 1e-15]])
print("numerical rank =", np.linalg.matrix_rank(B)) # 仍为 2(阈值内)
七、易错点
线性无关、基与维数的十个常见错误
1. 向量该放成列还是行搞反:判无关时一律作为列(这样 才是「组合等于零」);判完之后,「主元列」对应列空间的基,「非零行」对应行空间的基,不能互换。
2. 用化简后的列当列空间的基:行变换改变列空间!必须回到原矩阵取主元位置的列。这是本章最高频的错误。
3. 把「张成」与「无关」混淆:张成是「够不够多」,无关是「有没有多余」。二者独立: 张成 但相关; 相关且张成; 无关但不张成 。
4. 误以为「 个向量无关 张成 」( 时):只有 且向量在 中时,无关 张成(定理 9)。
5. 误以为「张成 无关」:向量个数超过空间维数时必然相关。
6. 把零向量放进无关组:含零向量的向量组一定相关。写整组基时若出现零向量,立刻检查是否抄错。
7. 维数用「基的个数」以外的量去数:例如把 的维数数成 (行数)或数成「非零行个数加主元个数」。正确说法:,,,。
8. 零空间的维数用错字母:( 是列数);( 是行数)。写反了会得出「」这类错误结论。
9. 认为「基唯一」:基一般不唯一( 有无穷多组基)。唯一的是基中向量的个数——这正是定理 5 的内容。
10. 忽略「数域」与「实/复」的区别:本篇默认实向量空间 。复数情形下内积与正交的定义要改(见 9-1-复数与复向量),但线性无关、基、维数的定义完全不变——它们只依赖加法与数乘,不依赖内积。
八、练习题
基础题 1 判断下列向量组是否线性无关:
若相关,写出具体的线性关系。
基础题 2 设 是 矩阵,。求 、、、,并写出两个秩—零化度等式。
进阶题 3 设 。求 的一组基与 ,并写出这组向量的一个线性关系。
进阶题 4 设 是 中一组线性无关向量。把它扩张成 的一组基,并验证所得向量组确实是基。
思考题 5 证明:若 线性无关,而 线性相关,则 (即在无关组后面加一个向量,要么仍无关,要么新向量落在原张成空间中——没有第三种可能)。
思考题 6 设 是 矩阵, 是 矩阵。证明 。(提示:证明 与 ,再用秩—零化度定理。)
九、常见问题 FAQ
Q1:为什么「维数与基的选择无关」需要证明?
因为它不显然。「 的基」是一个可以有很多选择的集合,凭什么不同选择会给出同一个数?若不证明, 与 的大小关系可能不确定,「维数」就不是一个良定义的量。定理 4(Steinitz 交换引理)提供了关键工具:任何生成集都不比任何无关组短。对两组基分别用一次,得 与 ,故相等。这是线性代数中最「技术性」但最基础的一步。
Q2:秩—零化度定理 与国内教材的「 基础解系个数 」是一回事吗?
完全是一回事。基础解系就是 的基,基础解系中向量的个数就是 。同济版写成「基础解系含 个向量」,Strang 写成「零空间的维数是 」。
Q3:怎么快速判断「 中 个向量是否构成基」?
三种办法,任选其一:(1) 拼成方阵算行列式,非零即基;(2) 行化简看主元是否恰好 个;(3) 解 看是否只有零解(或解 看是否对任意 有解)。三种办法等价(定理 9),手算时通常算行列式最快,数值计算中看奇异值最小者是否远离 最稳健。
Q4:从向量组里选基时,为什么必须取「原矩阵的主元列」?
因为行变换保持列之间的线性关系,但不保持列空间本身。设 ( 可逆)。由 , 的列之间的每一个线性关系在 中都原样成立,反之亦然。于是「 中第 3 列是第 1、2 列的组合」就意味着「 中第 3 列是第 1、2 列的组合」——主元列的位置(哪几列是独立的)是行变换的不变量,而列向量的具体数值不是(被 改了)。所以:位置从化简结果读,向量回原矩阵取。
Q5:无限维空间(例如所有多项式构成的空间)也有基吗?
有,但它的基含无穷多个向量,不能写成有限个向量的线性组合,而要用「有限线性组合」的推广(每个向量仍是有限个基向量的组合)。例如所有多项式的空间的一组基是 ,维数是可数无穷。本篇的所有结论(除了「 个向量」这类计数表述)都可以推广,但需要 Zorn 引理来证明「任何向量空间都有基」。本库只讨论有限维情形。
十、极大线性无关组与向量组的秩
为什么单独开一节
国内教材(同济版)用「极大线性无关组」与「向量组的秩」来组织整章内容,而 Strang 用「基」与「维数」。两套语言说的是同一件事,但出题方式差别很大:国内题常问「求该向量组的一个极大无关组,并把其余向量用它线性表示」——这要求你既会判断「哪几个独立」,又会读出表示系数。本节把这件事讲透,并给出完整例题。
10.1 定义:极大线性无关组
定义(极大线性无关组,maximal linearly independent subset) 设 是一个向量组, 是 的一个部分组。若
- 线性无关;
- 从 中任取一个不在 中的向量加入 ,所得向量组都线性相关(即 在 中是「极大」的无关组),
则称 是 的一个极大线性无关组(简称极大无关组)。
为什么条件 2 可以换个说法。 由第三节定理 2(「相关 至少有一个向量是其余的线性组合」):
所以条件 2 等价于一个更好用的说法:
极大无关组的等价刻画
是向量组 的极大无关组,当且仅当
1. 线性无关;
2. 中每个向量都能由 线性表示,即 。
换句话说: 是 的「最小生成子集」,且它与 张成同一个空间。
定义(向量组的秩) 向量组 的极大无关组所含向量的个数称为 的秩,记作 ;只含零向量的向量组的秩规定为 。
「极大无关组」与「基」的区别(最容易混的一处)
| | 基 | 极大线性无关组 |
|---|---|---|
| 对象 | 一个空间 | 一个向量组 (不一定是空间) |
| 两个条件 | 无关 + 张成 | 无关 + 「 中每个向量都能由它表示」 |
| 个数 | | |
| 关系 | 若 ,则 的极大无关组就是 的基 | 极大无关组是 的基 |
一句话:向量组的极大无关组 = 它张成空间的基。所以: 是 的极大无关组 是 的基 。
10.2 定理:极大无关组的三个基本性质
定理 10(存在性) 任何非零向量组都有极大无关组。
证明 设 非零(即至少含一个非零向量)。若 本身无关,则 就是它自己的极大无关组(任何向量加入都相关,因为它已经在里面了)。若 相关,由第三节定理 2,存在一个向量是其余的线性组合,删去它得到 ,满足
对 重复此操作:只要当前向量组还相关,就删去一个「多余」向量,张成空间不变。因为向量个数每次减少 ,过程必在有限步停止(最多 步)。停止时得到的向量组无关,且张成空间仍等于 ;又因为它是 的部分组, 中每个向量都在 中,所以能由它表示——它是 的极大无关组。
定理 11(同秩性:个数与选法无关) 同一个向量组的任意两个极大无关组所含向量的个数相同,都等于 。
证明 设 与 都是 的极大无关组。
第 1 步 的每个向量都在 中,而 的每个向量都能由 表示(极大无关组的第二条),所以
第 2 步 线性无关,且它含于 (而 由 个向量张成)。由 Steinitz 交换引理(第三节定理 4): 中的任何无关组至多含 个向量,所以
第 3 步 对称地把 与 的角色互换(用 是极大无关组这一事实),得 。
两者合起来 。
定理 12(等价性) 向量组的任何极大无关组都与该向量组等价(能互相线性表示),因而张成同一个空间:
证明 中每个向量都能由 表示(极大无关组的定义); 中每个向量本身就在 中(由 自己表示,系数取 与 )。故两者等价,张成空间相同。
10.3 定理:向量组的秩 = 矩阵的秩 = 张成空间的维数
定理 13 设 矩阵 的列向量为 (它们都是 中的向量),则
同理, 的行向量组的秩也等于 。
证明 由 10.1 的等价刻画, 的列的极大无关组就是 的基,故
而 (第三节定理 6 的第二部分:主元列构成 的基)。行向量组同理(行空间的维数也是 ,即行秩 = 列秩,完整证明见 3-5-四大子空间的维数)。最后一个不等号来自「子空间维数不超过所在空间维数」与「无关组不超过向量个数」。
向量的「秩」有四种等价定义(都指向同一个数)
| 定义方式 | 表述 | 什么时候最方便 |
|---|---|---|
| 无关组个数 | 极大线性无关组所含向量个数 | 判断「哪几个独立」时 |
| 维数 | | 求子空间的基与维数时 |
| 矩阵的秩 | 以这些向量为列拼成 ,取 | 实际计算(行化简)时 |
| 子式 | 中最高阶非零子式的阶数 | 含参数讨论、需要显式条件时 |
四种定义两两等价(定理 13 + 3-2-零空间与阶梯形 第十五节),所以「秩」是良定义的。做题时按场景选最省力的那一种。
10.4 求极大无关组与「读出」表示系数的标准步骤
四步法(向量组的秩 + 一个极大无关组 + 表示系数一次搞定)
第 1 步 把向量作为列拼成矩阵 (无论题目把向量写成行还是列,都先转成列)。
第 2 步 只用初等行变换把 化为行最简形 。数出主元个数 ,记下主元列的位置 ,自由列的位置 。
第 3 步 取 中对应位置的原始列 ,它就是 的一个极大无关组,且 。
第 4 步 其余向量(自由列)由极大无关组表示的系数直接从 读出:若第 列是自由列,则
即把 第 列(在主元行上的元素)原样抄下来当系数。
为什么第 4 步「抄 的列」是正确的
两个事实合起来给出答案。
1. 的主元列是 。 在 中,第 列(自由列)在主元行上的元素恰好等于它作为主元列组合的系数——因为 的第 列等于
2. 行变换保持列之间的线性关系(3-2-零空间与阶梯形 第五节): 且 可逆,故 ,即同样的系数向量在 与 中给出同样的列关系。
把 1 中的列关系用同一组系数搬到 上,就得到 。
几何图像:行化简把「 的列之间的所有线性关系」原封不动保留下来,而 的形状好到「关系可以直接用眼睛读」。
求极大无关组时最容易犯的四个错误
1. 用化简后的列当极大无关组:错!必须回原矩阵取对应位置的列。(这是本章第一高频错误,见第七节易错点 2。)
2. 用列变换代替行变换:错!列变换会改变列之间的线性关系。
3. 只给「哪几个向量无关」不给表示系数:国内考试两问都要答——「求一个极大无关组」和「把其余向量用它线性表示」。
4. 忘记验证:把表示关系代回原向量验算一遍,几十秒就能确认对错。极大无关组不唯一,但表示系数在给定极大无关组下唯一,所以验算是有意义的。
例题 4(求极大无关组并把其余向量线性表示: 中 4 个向量)
题目
求向量组
的秩与一个极大线性无关组,并把其余向量用该极大无关组线性表示。
第 1 步:把向量作为列拼成矩阵。
第 2 步:化为行最简形。 用 、:
交换 ,再把新的第 2 行()用于消去第 3、4 行:
最后用 把第 1 行第 2 列的元素消成 :
第 3 步:读秩与主元列。 非零行有 行,所以
主元列是第 1、2 列,自由列是第 3、4 列。
第 4 步:取极大无关组(回原矩阵取列)。
验证无关:两个向量不成比例( 的第 3 个分量是 , 的是 ,若成比例则比例系数必须是 ,矛盾)。
第 5 步:读出表示系数。 的第 3 列是 ,所以
的第 4 列是 ,所以
第 6 步:验算。
第 7 步:结论。
即 是一个极大无关组。
几何读法:四个向量都躺在 中一个二维平面上(过原点), 是这张平面上的一组坐标轴。 的维数是 ——这也说明向量的个数()与张成空间的维数()是两回事。
附带得到齐次方程组的解(这也是「同一个问题的另一种问法」): 对应的齐次方程组 有
令 得 ,令 得 ,于是
与秩—零化度定理一致。
例题 5( 中 4 个向量:秩为 3,仍有一个相关关系)
题目
求向量组
的秩与一个极大无关组,并写出该向量组的一个线性关系。
第 1 步:拼矩阵。
第 2 步:化为行最简形。 ,再用新第 2 行消第 3 行,最后回消:
(第 3 行已经是 ,无需再回消。)
第 3 步:读信息。 三个非零行,所以
四列全是主元列(第 1、2、3、4 列都有主元),没有自由列。
第 4 步:极大无关组与秩。
即 是一个极大无关组。
(主元列是第 1、2、3 列,回到 取对应的原始列。)
第 5 步:写出一个线性关系。 的第 4 列给出
即一个线性关系为 。
第 6 步:验算。
第 7 步:关键观察(为什么「 个向量、秩为 」不矛盾)。 四个向量线性相关(因为向量个数 ,第三节「 中放不下四个独立方向」),但秩是 ——它们张成的是整个 (不是平面):
「相关」与「秩小于向量个数」的关系要分清
四个向量在 中,所以必相关();但秩可以是 (张成整个空间)也可以是 、(只张成平面或直线)。本题恰好是秩 的情形:
正是「向量个数超过空间维数」时的典型情形:又相关、又张成。
十一、基础解系与秩—零化度定理(对照与补充)
一句话
基础解系就是零空间 的极大无关组,也就是「解空间的一组基」。它含
个解向量——这个数就是本篇的核心公式 中的 。求法、证明与完整例题见 3-2-零空间与阶梯形 第十二节;这里只把「为什么是 」用本篇的定理再讲一遍,并给出一个把三件事(秩、基、维数)串起来的例题。
11.1 为什么恰好是 个
设 是 矩阵,。把 化为行最简形 ,则 有 个主元列与 个自由列。取 的一组基 ,则
而秩—零化度定理(第三节定理 6)给出
用「基的个数唯一性」的语言: 是一个 维空间,而它有一组含 个向量的基(由「自由变量依次取 」构造,见 3-2-零空间与阶梯形 12.2);由定理 5(维数与基的选择无关),任何基都含 个向量,故 。
三个数一次记牢
其中第二项(零空间的维数)就是基础解系所含解向量的个数。
未知量个数 = 主元个数 + 自由变量个数 = 秩 + 基础解系中向量的个数。 这个等式在国内教材里叫「基础解系含 个解向量」,在本库叫「秩—零化度定理」。
例题 6(齐次方程组:求基础解系并验证秩—零化度定理)
题目
设
(a) 求 、、,并求 与 的各一组基;
(b) 验证秩—零化度定理;
(c) 求 的行空间 的一组基与维数。
第 1 步:行化简。
第 2 步:读信息。
主元列是第 1、2 列,自由列是第 3、4 列。
第 3 步: 的基与维数。 取 的主元列(原始列):
(注意:不能抄 的主元列 ——行变换改变了列空间。)
第 4 步: 的基与维数(基础解系)。 由 读出同解方程组:
- ,:,,得 ;
- ,:,,得 。
验算 : ✓
验算 : ✓(这也说明 , 的第 1、4 列相同。)
第 5 步:验证秩—零化度定理。
第 6 步:行空间的基与维数。
(取 的非零行,口诀:求列空间基用「主元列」(回原矩阵取),求行空间基用「非零行」(在化简结果里取)。)
第 7 步:四维账本汇总。
| 空间 | 所在的 | 维数 | 一组基 |
|---|---|---|---|
| 列空间 | () | 的第 1、2 列 | |
| 零空间 | () | , | |
| 行空间 | () | 的两个非零行 | |
| 左零空间 | () | 见 [[3-5-四大子空间的维数]] |
注意 与 的维数之和是 ,而 与 住在同一个 里、维数之和 ——后者正是第四章「正交补」的内容(见 4-1-四大子空间的正交性)。
例题 7(齐次方程组:含一个参数的完整讨论)
题目
设
讨论参数 取何值时, 的三列线性无关;并求 时 的一组基与维数。
第 1 步:三列是否无关 方阵是否满秩 。
逐个算二阶行列式:
所以
第 2 步:结论(线性无关性)。
- :,,三列线性无关,,没有基础解系;
- :,,三列线性相关, 至少一维。
第 3 步:求 时的 。 此时
(顺便注意 ,所以此时三列仍线性无关,——下面用行化简确认。)
第 4 步:行化简。
第 5 步:结论。 ,没有自由变量,所以
(零空间的基是空集,不存在基础解系——国内教材的表述是「方程组只有零解,无基础解系」。)
第 6 步: 的情形(补全讨论)。 此时
检验二阶子式:取第 1、3 行与第 1、2 列,
于是 。化行最简形(代入 ):
同解方程:,,即 ,。令 :
验算: ✓
第 7 步:汇总。
| 参数 | 三列的线性相关性 | |||
|---|---|---|---|---|
| 线性无关 | ||||
| 线性相关() |
十二、秩的子式定义与四种定义的等价性
国内教材的秩定义(与「主元个数」等价)
国内教材(同济版)用子式定义秩: 中最高阶非零子式的阶数就是 。这与本库的「主元个数」定义等价,但含参数时更省力——因为行列式给出参数的显式零点。定义、证明思路与含参数例题见 3-2-零空间与阶梯形 第十五节。
12.1 定义
定义( 阶子式) 在 矩阵 中任取 行 列(),位于这些行列交叉处的 个元素按原相对位置组成的 阶行列式,称为 的一个 阶子式。
定义(秩) 若 有一个 阶子式不为零,而所有的 阶子式(若存在)全为零,则称 为 的秩,记作 。
12.2 四种定义的等价性(一张图看清)
定理 14 对 矩阵 ,下列四个数相等:
- 主元个数(行化简到阶梯形后主元的个数 非零行个数);
- 最高阶非零子式的阶数;
- 列向量组的秩 极大线性无关组所含向量个数 ;
- 行向量组的秩 。
证明思路(形成一条循环链)
- 1 3:主元列构成 的基(第三节定理 6 第二部分),故 列向量组的秩。
- 1 2:
- 取 的 个主元行与 个主元列交叉处的元素组成 阶方阵。它在行化简过程中始终保有 个主元(行变换不改变「是否为零」这个性质),所以行列式非零——这给出「存在 阶非零子式」,即最高阶非零子式的阶数 。
- 反过来,任何 阶子式对应的 个行向量都落在 维的行空间里,故线性相关;于是以它们为行的 方阵的秩小于 ,行列式为 ——这给出「所有 阶子式为零」,即最高阶非零子式的阶数 。
- 两者合起来 。
- 1 4:行变换保持行空间(行变换是行的可逆组合),阶梯形的 个非零行彼此无关(每行的首个非零元位置在其它非零行中都是 ),故 。完整证明见 3-5-四大子空间的维数。
因为四点构成一条闭合的等价链,四个定义给出同一个数,秩是良定义的。
三句话记牢四种定义的分工
- 要算数:用主元个数(行化简,最快)。
- 要判断「哪几个向量独立」:用列向量组的秩 + 主元列位置。
- 要处理参数:用子式(行列式的零点就是秩下降的位置)。
- 要联系第四章:用维数( 与 )。
例题 8(用子式法求含参数矩阵的秩)
题目
用子式法(不依赖行化简)讨论参数 取何值时,矩阵
的秩分别为 、、。
第 1 步:先找一个与参数无关的二阶子式(给出秩的下界)。 取第 1、2 行与第 2、3 列:
这个子式依赖参数,在 时为零,所以它不能用来给出一致的下界。换一个:
也不行。结论:这个矩阵的所有二阶子式都依赖参数——这正是本题的特点:参数的临界值恰好让矩阵「整体退化」。
第 2 步:先算最高阶(三阶)子式。
因式分解( 是根,用综合除法):
第 3 步:情形一—— 且 。 此时存在三阶非零子式,且矩阵最高只有三阶子式,故
第 4 步:情形二——。
三行完全相同,所以
- 一阶子式 (存在非零的一阶子式);
- 任何二阶子式都形如 (两行相同),故所有二阶子式为 。
于是最高阶非零子式的阶数是 ,即
第 5 步:情形三——。
- 三阶子式 (由第 2 步);
- 二阶子式:取第 1、2 行与第 2、3 列,
所以存在非零的二阶子式,故 ;结合三阶子式为零得
第 6 步:用行变换复核 (两种方法互相验证)。
两个非零行, ✓,与子式法一致。(还可以看出三列之和为零向量:,因为 ——这就是秩小于 的直接原因。)
第 7 步:结论汇总表。
| 参数 | 最高阶非零子式 | 列向量组 | ||
|---|---|---|---|---|
| 阶 | 线性无关 | |||
| 阶(如 ) | 线性相关, | |||
| 阶() | 三列相同,线性相关 |
子式法的策略(含参数矩阵求秩的通用顺序)
1. 先给下界:若能找到一个与参数无关的非零子式,立刻得到 该阶数(有时找不到,如本题,那就先跳到第 2 步)。
2. 再算最高阶子式(方阵就是 ),它的零点就是「秩可能下降」的候选参数值。
3. 对每个临界参数值代回原矩阵,找一个低一阶的非零子式定出实际秩。
4. 用行变换复核,并汇总成分情况表。
为什么不能省第 3 步: 只说明 ; 时秩是 , 时秩是 ,同为零行列式,结论却完全不同。
例题 9(三种定义各算一遍,验证它们相等)
题目
设
分别用 (i) 主元个数、(ii) 最高阶非零子式、(iii) 列向量组的秩 三种方式求 ,并验证三种结果相同。
(i) 主元个数(行化简)。 由例题 6 第 1 步,
非零行 行,。
(ii) 最高阶非零子式。 是 矩阵,最高可能的子式阶数是 。逐个检查三阶子式(取三行与三列,共 个):
- 取第 1、2、3 列:
- 取第 1、2、4 列:
- 取第 1、3、4 列:
- 取第 2、3、4 列:
四个三阶子式全为 。再看二阶子式:取第 1、2 行与第 1、2 列,
所以最高阶非零子式的阶数是 ,即 。
(iii) 列向量组的秩。 由例题 6, 的列向量组的极大无关组是 (主元列),且
(这两条关系直接从 的自由列读出:第 3 列是 ,第 4 列是 。)所以列向量组的秩是 。
结论:三种算法都给出
验证要点:子式法要检查所有最高阶子式(本题 个)都为零,才能断定秩小于 ;只算一个就下结论是错的。
十三、线性表示与线性方程组:同一件事的两种语言
一张翻译表(本节的核心)
设 是 矩阵,。把「 能否由 线性表示」翻译成方程组:
| 向量组的语言 | 方程组的语言 | 秩的条件 | 结论 |
|---|---|---|---|
| 不能由向量组表示 | 无解 | | |
| 能表示,且表示唯一 | 有唯一解 | | 向量组无关 + 能表示 |
| 能表示,但表示不唯一 | 有无穷多解 | | 向量组相关 + 能表示 |
三个条件分别对应 3-3-Ax=b的完整解 的「无解 / 唯一解 / 无穷多解」,一字不差。
13.1 定理:线性表示与秩
定理 15 设 是 中的向量,,。则
- 能由 线性表示 ;
- 表示唯一 。
证明
(1) 由「张成 = 列空间」(第一节 1.2):
(2) 「」: 意味着 列满秩,即 ,故 至多一个解;结合 (1) 有解,所以唯一。「」:若表示唯一,则 至多一个解,由 3-3-Ax=b的完整解 例题 9 得列向量组线性无关,即 ( 有 列)。
一句口诀
「 与 相等」管「能不能表示」,「 与列数 相等」管「表示是否唯一」。
这与 3-3-Ax=b的完整解 的「可解性看 与 (这里是 ),唯一性看 与 (这里是 )」完全同构。
例题 10(含参数的线性表示:能表示 / 唯一表示)
题目
设
讨论参数 取何值时, 能由 唯一线性表示,并求出表示式。
第 1 步:写出方程组。 设 ,即
系数矩阵正是例题 7、8 中的 ,其行列式我们已经算过:
第 2 步:唯一表示的充要条件。 由定理 15,唯一表示 。因为 是 方阵,,此时 也必定等于 ( 的列空间已经是整个 , 必然在列空间中)。所以
第 3 步:求表示式()。 用增广矩阵化行最简形。以 为例(任取一个满足 的值):
所以 ,,,即
第 4 步:验算。
第 5 步: 的情形。 这时 ,(例题 7 第 6 步已算过),需比较 :
最后一行左半部分全为 、右端为 ,即 ,矛盾。所以
所以 不能由 线性表示。
第 6 步:结论汇总。
| 参数 | 能否表示 | 表示是否唯一 | ||
|---|---|---|---|---|
| 能 | 唯一 | |||
| 不能 | —— |
常见误区:以为「 向量个数」就一定「表示不唯一」
由定理 15,表示不唯一要求 同时成立——即「能表示」且「」。若 ,则根本不能表示,谈不上唯一不唯一。本例 就是这种情形。
三种情形的完整图像():
- :表示存在且唯一;
- :表示存在但不唯一(有一个自由参数);
- :不能表示。
例题 11(判断线性表示并求表示式:抽象向量组)
题目
已知 中的向量
(a) 判断 能否由 线性表示;
(b) 若 (a) 中不能表示,改用 试试;
(c) 判断 是否线性无关。
第 1 步:(a) 把三向量作为列拼成增广矩阵并化简。
、:
没有出现 ()的行,所以有解: 能由 线性表示。继续化到行最简形求出系数:
所以
验算:
第 2 步:(c) 三向量的线性无关性。 把三向量作为列拼成 (就是上面的系数矩阵)并化行最简形:
三个主元, 向量个数,所以 线性无关(也就是 的一组基)。
第 3 步:由 (c) 反推 (a)。 既然三向量线性无关且都在 中,由第三节定理 9,它们张成 ,所以 中任何向量(包括 )都能由它们唯一表示——不必再算一次方程组就能预判 (a) 的答案。这是「 个向量在 中:无关 张成」的一次实际应用。
第 4 步:(b) 换个角度——用两个向量表示。 若只用 :
最后一行是 ,即 ,无解。所以
几何解释: 张成 中一张过原点的平面,而 不在这张平面上;把它换成三个无关向量后,张成空间变成整个 , 自然就能表示了。「增加向量」扩大了张成空间,这正是「基的扩张定理」的现实版。
第 5 步:第三种做法(用秩判断,不求解)。
- (a):(第 2 步),而 也是 ( 矩阵的秩不超过 ),两者相等,故能表示;
- (b):(两列不成比例),而 (上面行化简出现三个主元),两者不等,故不能表示。
结论:判断「能否线性表示」不必真的解出系数,比较两个秩就够了——这是考试中最快的做法。
十四、两道证明题
例题 12(证明:向量组的秩的单调性)
题目
设 是向量组, 是 的一个部分组。证明:
(1) ;
(2) 若 与 等价(能互相线性表示),则 ;
(3) 若在 中添入可以由 线性表示的向量 ,则秩不变:。
证明 (1) 设 是 的一个极大无关组(由定理 10 存在,若 只含零向量则 ,结论显然)。则 线性无关,且 ,即 是 中的无关组。
设 是 的一个极大无关组,则 中每个向量都能由 线性表示,特别地 中每个向量都能由 表示。于是 是 中的无关组,而 由 个向量张成。由 Steinitz 交换引理(第三节定理 4):
证明 (2) 与 等价意味着 。由定理 12(极大无关组张成同一个空间、维数等于秩):
证明 (3) 设 。因为 能由 线性表示,而 中每个向量当然由 表示,所以 与 互相等价( 表示 是显然的),由 (2) 得
直观解释:往向量组里加一个「旧方向的组合」,不会带来任何新方向——极大无关组不变,秩自然不变。这正是「删去多余向量张成空间不变」的逆操作。
例题 13(证明:替换定理的一个具体情形)
题目
设 , 线性无关,且 。证明:可以用 替换掉 中的 个向量,使剩下的 个向量仍然张成 。
并以具体例子验证:,,,。
证明(逐步替换法)
第 1 步:替换 。 因为 且 (无关组不含零向量),存在不全为零的系数使
取某个 。则 可由 与其余的 表示:
于是新组 ( 表示删去)与旧组等价,因而仍张成 。
第 2 步:归纳替换。 假设已替换了 个(),当前组
仍张成 。考虑 ,写
关键一步:上式中的 不能全为零。若全为零,则 ,与 线性无关矛盾(无关组中任何向量都不能由其余表示)。所以存在某个 (仍在 中)使 。对它解出:
于是用 换掉 后,新组仍与旧组等价,仍张成 。
第 3 步:完成。 归纳进行 次(每次都能成功,因为第 2 步保证了总有一个 ),得到
它仍张成 。这就是所需的替换。
说明为什么这个证明就是定理 4 的证明:把上面的过程反过来看——每替换一次就用掉一个 、消耗一个 。若 ,替换到第 个 时已无 可换,说明 是前 个 的线性组合,与无关性矛盾。所以 ——这正是 Steinitz 交换引理。
具体例子验证:,,,,,。
第 1 步 表示 :,系数 ,所以可换掉 。新组
验算 张成 :拼成方阵算行列式,
行列式非零 两列无关 由第三节定理 9,它们是 的基,当然张成 ✓。
也可以换掉 :因为 也可以选,得 ,同样张成 (行列式 )。
这说明:替换不一定唯一——只要被换掉的向量的系数非零即可。这与「极大无关组不唯一」「基不唯一」是同一个现象的三种说法。
这个定理有什么用
1. 它是维数良定义的关键(第三节定理 5 的证明只用到它一次);
2. 它给出了「无关组可以『挤进』生成集」的算法直觉:无关组越长,能挤掉的原向量越多;
3. 在实际计算中,它就是行化简中「选主元」的理论依据:每个新主元列都会替换掉一个「冗余方向」。
本篇小结
一句话总览
无关问「有没有多余」,张成问「够不够用」,基是「不多不少刚刚好」,维数是基中向量的个数(与基的选择无关)。把这套语言用在矩阵上,就得到本章的中枢公式
即「列数 = 秩 + 零空间维数」;把它用在向量组上,就得到「极大线性无关组的个数 = 向量组的秩 = 矩阵的秩」。
核心概念对照表
| 概念 | 本库术语 | 国内术语 | 定义要点 |
|---|---|---|---|
| 无关 | linearly independent | 线性无关 | 只有零解 |
| 相关 | linearly dependent | 线性相关 | 存在不全为零的系数;至少一个向量是其余的线性组合 |
| 张成 | span | 线性表示全体 | 所有线性组合的集合;一定是子空间 |
| 生成集 | spanning set | 能线性表示空间的向量组 | 张成整个空间 |
| 基 | basis | 极大线性无关组(当它张成空间时) | 无关 + 张成 |
| 维数 | dimension | 空间的维数 / 向量组的秩 | 基中向量个数,与基的选择无关 |
| 秩 | rank | 秩 | 主元个数 = 最高阶非零子式阶数 = 极大无关组个数 |
| 零空间 | nullspace | 解空间 | |
| 零空间的基 | basis of | 基础解系 | 含 个解向量 |
核心公式
| 公式 | 含义 |
|---|---|
| 列数 = 秩 + 零空间维数(秩—零化度定理) | |
| 行数 = 秩 + 左零空间维数 | |
| 行秩 = 列秩 | |
| 向量组的秩 = 矩阵的秩 = 张成空间维数 | |
| (无关组长度 生成集长度) | Steinitz 交换引理 |
| 可由列向量组表示 | 线性表示与方程组的桥梁 |
方法清单
- 判断无关:向量作列 → 行化简 → 数主元; 向量个数则无关。
- 求极大无关组 + 表示系数:行化简到行最简形 → 主元位置回原矩阵取列 → 自由列的系数直接抄 的对应列。
- 求子空间的基与维数:张成给出的子空间用方法 2;方程给出的子空间(零空间)用「自由变量依次取 」。
- 含参数求秩:先给下界(低阶非零子式)→ 算最高阶子式找临界参数 → 逐个代回定秩 → 汇总成分情况表。
- 判断线性表示:比较 与 (能表示);比较 与列数 (唯一表示)。
四条最值得记住的「为什么」
- 为什么维数与基的选择无关:Steinitz 交换引理说「生成集不比无关组短」,对两组基各用一次即得。
- 为什么求列空间的基要回原矩阵取列:行变换改变列空间,但保持列之间的线性关系——所以「哪几列独立」(位置)不变,具体数值变了。
- 为什么极大无关组的个数唯一:两个极大无关组互相能表示,用交换引理两边各夹一次,得 与 。
- 为什么「 个向量无关 张成」只在方阵成立:因为此时「无关」与「张成」都等价于「秩 」,而秩只有一个数;向量个数不等于维数时,两个条件各管一头(数量 vs 质量),不再等价。
下一步
- 零空间、基础解系的求法、极大无关组、秩的子式定义(例题更多) → 3-2-零空间与阶梯形
- 完整解的结构、可解性判据、秩的四种情形、线性方程组的应用 → 3-3-Ax=b的完整解
- 四个子空间的维数账本与「行秩 = 列秩」的完整证明 → 3-5-四大子空间的维数
- 把任意基变成标准正交基 → 4-4-标准正交基与Gram-Schmidt
- 换基与坐标变换 → 8-2-线性变换的矩阵表示
- 用「无关 + 张成」的语言做降维 → 7-3-主成分分析PCA
相关笔记
- 3-2-零空间与阶梯形 —— 主元、自由变量与 的完整证明;基础解系与极大无关组的求法
- 3-3-Ax=b的完整解 —— 满秩方阵的等价条件汇总与秩的四种情形;线性表示与方程组的对应
- 3-5-四大子空间的维数 —— 行秩 = 列秩与四个子空间的维数公式
- 3-1-向量空间 —— 向量空间与子空间的公理、列空间的引入
- 1-2-长度与点积 —— 点积与垂直:“无关”与“正交”是两件不同的事(基不一定正交)
- 4-1-四大子空间的正交性 —— 与 住在同一个 里且互为正交补
- 4-4-标准正交基与Gram-Schmidt —— 从任意基构造标准正交基
- 8-2-线性变换的矩阵表示 —— 基就是坐标系的严格版本:换基与相似矩阵
- 7-3-主成分分析PCA —— “无关 + 张成”的语言在数据降维中的应用
- 10-1-图与网络 —— 关联矩阵的秩与“独立回路数”的图论含义
参考来源
- MIT OpenCourseWare, 18.06 Linear Algebra, Spring 2010,Lecture 9「Independence, basis, and dimension」与 Lecture 10「The four fundamental subspaces」:<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/>
- MIT OCW, 18.06 阅读安排与章节对应(5th ed. Chapter 3.4「Independence, Basis, and Dimension」):<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/pages/readings/>
- Gilbert Strang, Introduction to Linear Algebra, 5th ed., Wellesley–Cambridge Press, 2016,第 3.4 节「Independence, Basis, and Dimension」与第 3.5 节「The Four Fundamental Subspaces」:<https://math.mit.edu/~gs/linearalgebra/>
- 同济大学数学系《线性代数》第六版,高等教育出版社,第四章「向量组的线性相关性」(线性相关、极大线性无关组、向量组的秩、基与维数)。
- SciPy 文档
scipy.linalg.null_space(用 SVD 给出零空间的标准正交基,是「数值意义上最接近无关」的一组基):<https://docs.scipy.org/doc/scipy/reference/generated/scipy.linalg.null_space.html> - NumPy 文档
numpy.linalg.matrix_rank(数值秩与奇异值阈值):<https://numpy.org/doc/stable/reference/generated/numpy.linalg.matrix_rank.html>