【线性代数】线性相关、线性无关方法归纳总结

最近再复习线性代数,每次看到这一块,总是会遇到问题,因此我打算写此博客帮助自己和那些和我一样有共同困惑的人。

我会尽可能把话说的通俗易懂。

首先,让我们看一看定义:

线性相关:对n维向量 【线性代数】线性相关、线性无关方法归纳总结如果存在不全为零的数使得【线性代数】线性相关、线性无关方法归纳总结

则称向量组【线性代数】线性相关、线性无关方法归纳总结是线性相关的,否则,称向量组【线性代数】线性相关、线性无关方法归纳总结线性无关。

(看着这个定义属实让人头大,教大家一个好一点的办法,如果要想使得结果为0,必须满足k1,k2....全为0,那么线性无关,存在至少一个不是0的数,也满足结果为0,那就是线性相关)

无论是在期末考卷上,还是考研数学上,考察线性相关,线性无关的题目无非就是以下几种,掌握了他们,我相信下次遇到这些题目,就是小菜一碟了

n个n维向量

让我们先回顾一下线性相关,线性无关的概念

【线性代数】线性相关、线性无关方法归纳总结

如上图所示就是4个4维的向量,

要判断其是否线性相关就是去找一组k1,k2,k3,k4(若k不全为0,则其线性相关,否则线性无关)

【线性代数】线性相关、线性无关方法归纳总结

【线性代数】线性相关、线性无关方法归纳总结

通过把把矩阵转化成行最简型矩阵,我们找到了那么一组k。如果此时我们再回过头去算这个行列式的值,我相信大家口算都能算出来,行列式的值为0。(行列式中有一行或者一列元素为0,那么行列式的值就为0)

【线性代数】线性相关、线性无关方法归纳总结

把上图的式子做变换,我们得到了如下的式子

【线性代数】线性相关、线性无关方法归纳总结

也就是说如果n个n维向量,如果线性相关,则其中必有一个向量可以有剩下的向量来表示。

然后,此时我们再回过头去考虑上面的那个矩阵,既然已知向量组线性相关了,那么经过向量组的组合,必定能够把某一行转换成0,由此行列式的值等于0。

所以现在我们大胆的得出一个结论:n个n维向量,线性相关,那么行列式的值为0

另外还有一个重要的推论,n+1个n维向量一定线性相关。

m个n维向量

【线性代数】线性相关、线性无关方法归纳总结

【线性代数】线性相关、线性无关方法归纳总结

这个理解完全可以和上述n个n维向量的一样,就是一组不全为0的数,使得他们的线性组合使得结果为0。

【线性代数】线性相关、线性无关方法归纳总结

也可以理解成方程解的形势,我们要找的一组k1,k2...就是这个方程组的解x1,x2...,要满足其线性相关k1,k2,...不完全为0 ,也即方程组x1,x2...不全为0,我想这个应该是比较好理解的吧!

然后,线性相关就等价为齐次方程组存在非0解。

通过对之前的方程解的理解,我在这里就不详细证明了,只要当方程组的系数矩阵的秩,小于m,那么方程组就存在非0解,从而也得出来了m个n维向量线性相关。

下次碰到m个n维向量的题目,我们先求出向量组的秩,然后根据题目要求,若线性相关则r(A)<m。

 

 

先写到这里吧,有空再补充这一章内容。

希望能对大家有点帮助,如果觉得我的讲述还不够清楚,可以在下面留言

 

 

 

上一篇:K2 BPM_【解决方案】从流程梳理到落地,K2为企业打造流程管理闭环_全业务流程管理专家...


下一篇:K2 BPM_K2受邀出席QAD 2019年亚太区用户大会_全业务流程管理专家