1. 线性无关 (Linearly Independent)#
1.1 定义#
对于集合 S={u1,u2,…,uk}⊂Rn,若方程
c1u1+c2u2+⋯+ckuk=0
仅有零解c1=c2=⋯=ck=0,则称 S 为线性无关集。否则称为线性相关集。
关键性质#
-
包含零向量的集合必线性相关
若
0∈S⊂Rn,则 S 线性相关。
-
扩展无关集
若
u1,…,uk 线性无关,且 *uk+1*不是它们的线性组合,则扩展后的集合仍线性无关。
1.2 判定方法#
几何视角#
-
在 Rn 中:
-
2个向量线性相关 ⇨ 共线
-
3个向量线性相关 ⇨ 共面
-
维度限制:若 k > n,则Rn 中任意 k 个向量必线性相关。
代数判定#
- 线性相关性测试
将向量作为列向量构造矩阵 A,通过行简化判断秩是否小于列数。
判断集合 S={(1,2),(3,4)} 是否线性无关:
构造方程 c1(1,2)+c2(3,4)=(0,0),解得 c1=0,c2=0,故线性无关。
2. 基 (Basis)#
2.1 定义#
集合 S={u1,…,uk} 称为向量空间 V 的基,若满足:
-
线性无关性
-
生成空间: span(S)=V
2.2 坐标向量 (Coordinate Vector)#
若 S 是 V 的基,则任意 v∈V 可唯一表示为:
v=c1u1+⋯+ckuk
称 (v)S=(c1,…,ck) 为 v关于基 S 的坐标向量。
标准基 (Standard Basis)#
在 Rn 中,标准基为 {e1,…,en},其中 ei第 i 个分量为1,其余为0。
3. 维数 (Dimension)#
3.1 定义#
向量空间 V 的维数dim(V) 是其基中向量的个数。零空间的维数定义为0。
3.2 重要性质#
-
极大无关性:若 dim(V)=k,则:
-
超过 k 个向量的集合必线性相关
-
少于 k 个向量的集合无法生成 V
-
dim(R3)=3
-
平面 2x−y+z=0的维数为2
4. 应用例题#
例1:判断集合的生成与无关性#
题目:设 u,v,w线性无关,判断集合 S4={u,u+v,u+v+w} 是否线性无关。
解法:
-
设 au+b(u+v)+c(u+v+w)=0
-
整理得:(a+b+c)u+(b+c)v+cw=0
-
由线性无关性得方程组:
⎩⎨⎧a+b+c=0b+c=0c=0
- 解得 a=b=c=0,故 S4 线性无关。
5. 学习建议#
5.1 理解核心概念#
-
线性无关:强调“唯一表示”和“无冗余”
-
基与坐标:理解坐标是相对于基的表示方式
5.2 练习技巧#
-
几何直观:将代数问题与几何图形(如直线、平面)关联
-
反例法:通过构造反例验证命题真假(如练习3.24)
5.3 常见错误#
-
混淆集合与空间:如误认为R2是R3 的子空间
-
忽略维度限制:例如在R3 中尝试用4个向量作为基