这篇文章主要简单的记录所谓的“线性相关性”。

线性相关性的对象是向量R^n,对于向量方程,如果说x1v1 + x2v2 + …+xmvm = 0(其中xi是常数,vi是向量)有且仅有一个平凡解,那么我们称m个向量组成的集合{v1,v2,v3…vm}是一个线性无关集,反之,则称向量集合{v1,v2,v3,…vm}是线性相关的。

这个定义似乎显得有些唐突,我们反过来理解所谓的“线性相关”,即在一组非零解的情况下,我们将某个一个系数xi不为0的向量移到等式的另一侧,从这种形式来看,我们得到了向量vi关于其他向量的一个线性组合。

即我们可以这样理解所谓的线性相关,m个向量R^n中,某个向量可以由其余的向量以线性组合的形式表达出来,且系数不都为0,那么我们就可以称这m个向量是线性相关的。

即如下的这个定理。(它显然存在一个更加严密的证明过程,上文中只是给出了非常模糊、直觉性的介绍)

那么现在我们面临这样一个问题,对于给定的m个向量R^n,我们如何判断其线性相关性呢?

有着怎样的定义就有着怎样的算法,通过一开始我们对线性相关性的定义我们就能够发现,我们只需要讨论向量方程x1v1 + x2v2 + x3v3 +…+xmvm = 0的解即可,这就回到了我们上几节介绍的利用化简增广矩阵来求解矩阵方程、向量方程以及线性方程组的问题上来。

下面给出一道例题。

同样的,基于对向量之间线性相关性的讨论,我们还可以讨论矩阵各列的线性相关性。

通过上文关于线性相关性的介绍,我们更加工具化的来完成这个过程,结合相关性和平凡解的定义,我们可以给出这样的一条定理:

<=>矩阵方程仅有平凡解

<=> A的各列向量线性无关

<=>A经过初等行变化有n(矩阵A的列数)个主元位置

<=>A等价于单位矩阵I

这几条结论以及更全面的结论,在后面的可逆矩阵定理的介绍中会介绍,这里只是通过矩阵列的线性无关给出一系列性质。很显然根据这几句话的等价性,我们不难看到这条定理的正确性。

那么基于这条定理,我们能够进一步得到判断线性相关性的简单算法。如何保证Ax = 0有且仅有平凡解呢?这就回到了线性方程组的解的问题上来,可以从那条路上走然后推出一个结论,我们这里提供一个更加朴素的路子。

从平凡解(即非零解)的定义出发, R^n向量x有一个分量不为0即可,我们只需要将系数矩阵化成行阶梯式的时候,令主元的系数为0即可。即对角元素的乘积为0,即|A| = 0.

于是我们可以给出这样一条定理:

《Linear Algebra and Its Applications》-chaper1-线性方程组-线性相关性的更多相关文章

  1. 《Linear Algebra and Its Applications》-chaper1-向量方程、矩阵方程和线性方程组

    向量: 向量的基本运算:向量的运算最基本的一件事情,就是基于它n个分量上进行,即对于两个分量的向量a = <a1,a2>,b = <b1,b2>,有a + b = <a1 ...

  2. 《Linear Algebra and Its Applications》-chaper6-正交性和最小二乘法-最小二乘问题

    最小二乘问题: 结合之前给出向量空间中的正交.子空间W.正交投影.正交分解定理.最佳逼近原理,这里就可以比较圆满的解决最小二乘问题了. 首先我们得说明一下问题本身,就是在生产实践过程中,对于巨型线性方 ...

  3. 《Linear Algebra and Its Applications》-chaper6-正交性和最小二乘法-基本概念与定理

    这一章节我们主要讨论定义在R^n空间上的向量之间的关系,而这个关系概括来讲其实就是正交,然后引入正交投影.最佳逼近定理等,这些概念将为我们在求无解的线性方程组Ax=b的最优近似解打下基石. 正交性: ...

  4. 《Linear Algebra and Its Applications》-chaper3-行列式-克拉默法则

    计算线性方程组唯一解的克拉默法则:

  5. 《Linear Algebra and Its Applications》-chaper2-矩阵的逆

    矩阵的逆: 逆矩阵的定义: 类比于我们在研究实数的时候回去讨论一个数的倒数,对应的,在矩阵运算中,当AB = I的时候,A,B互称为逆矩阵,这里的I类似实数中的1,表示单位矩阵,即对角线是1其余位置是 ...

  6. 《Linear Algebra and Its Applications》-chaper2-矩阵代数中的基本性质

    之前我们曾经提及,完成了线性方程组-向量方程-矩阵方程的等价转化之后,我们对于现实问题中的线性方程组,只需将其转移到矩阵(向量)方程,然后利用矩阵代数中的各种方法和性质进行计算或者化简即可,而下面我们 ...

  7. 《Linear Algebra and Its Applications》-chaper1-线性方程组- 线性变换

    两个定理非常的简单显然,似乎是在证明矩阵代数中的基本运算律.但是它为后面用“线性变换”理解矩阵-向量积Ax奠定了理论基础. 结合之前我们讨论过的矩阵和向量的积Ax的性质,下面我们就可以引入线性变换了. ...

  8. 《Linear Algebra and Its Applications》-chaper4-向量空间-子空间、零空间、列空间

    在线性代数中一个非常重要的概念就是向量空间R^n,这一章节将主要讨论向量空间的一系列性质. 一个向量空间是一些向量元素构成的非空集合V,需要满足如下公理: 向量空间V的子空间H需要满足如下三个条件: ...

  9. 《Linear Algebra and Its Applications》-chaper6-正交性和最小二乘法- 格拉姆-施密特方法

    构造R^n子空间W一组正交基的算法:格拉姆-施密特方法.

随机推荐

  1. msp

    10月8号加入了微软的msp项目,其实那时候对msp没有什么概念,不知道要干嘛,真的觉得大不了就退出呗,反正也没啥大事,   现在再也不那么看了,这二十多天虽然没怎么水群,但是还是一直在关注着我们这个 ...

  2. HDU5303

    题意:给定一个环形道路长度为L,以及环形道路下标为0处为起始点,在环形道路上距离起始点Xi位置种植一颗苹果树,该树有a个苹果,篮子的最大容量为K,那么求摘完全部苹果所需的最短距离. 思路:之前没想出来 ...

  3. Node.js中url的详解

    var url = require('url');var str = 'http://zhufengnodejs:123@github.com:80/2016jsnode?name=zfpx& ...

  4. (转)PHP文件没有结尾的?>有什么好处?

    1.PHP文件没有结尾的?>有什么好处?-- 防止输出一些不必要的空行或者空格2. 如果你是php和html混编的话结尾?> 还是有必要的,否则会报错. 如果没有?>文件末尾的空白行 ...

  5. jQuery ajax - serialize() 方法

    http://www.jb51.net/article/60849.htm http://www.w3school.com.cn/jquery/ajax_serialize.asp

  6. drop table xx purge

    drop table xx purge; 说明: 所有删除的表都会在回收站里面,只有后面加上purge才是彻底的清空表. (一般用于测试.练习数据表,所以最好不要带purge,要不误删就找不到了.)

  7. dbms_job dbms_scheduler简单比较

    ---------------------------陈旧的-------------------------------------/*--------------------- 创建job --- ...

  8. HTTP,TCP,Socket

    TCP/IP三次握手和HTTP过程   1.TCP连接 手机能够使用联网功能是因为手机底层实现了TCP/IP协议,可以使手机终端通过无线网络建立TCP连接.TCP协议可以对上层网络提供接口,使上层网络 ...

  9. 花非花-记一次linux上运行时报找不到库函数错误

    简介: --->:表示依赖 exe ---> a.so ---> utility.so 问题描述: exe运行起来报a.so中的函数f未定义. 解决过程: 一·nm a.so nm ...

  10. 『重构--改善既有代码的设计』读书笔记----Inline Method

    加入间接层确实是可以带来便利,但过多的间接层有时候会让我自己都觉得有点恐怖,有些时候,语句本身已经够清晰的同时就没必要再嵌一个函数来调用了,这样只会适得其反.比如 void test() { if ( ...