在线学习
重点科目
初中数学
高中数学
高等数学
线性代数
概率统计
高中物理
数学公式
主要科目
复变函数
离散数学
数学分析
实变函数
群论
数论
未整理科目
近世代数
数值分析
常微分方程
偏微分方程
大学物理
射影几何
微分几何
泛函分析
拓扑学
数学物理
趣味数学
科数网
首页
教材
高考区
考研区
VIP
科数网
题库
在线学习
高中数学
高等数学
线性代数
概率统计
高中物理
复变函数
离散数学
你好
游客,
登录
注册
在线学习
线性代数
第三篇 向量空间
向量组的等价
最后
更新:
2025-03-06 21:48
查看:
726
次
反馈
刷题
向量组的等价
在矩阵等价里介绍了矩阵等价的定义,如果一个矩阵$B=P A Q$,则称呼为$B \sim P$, 详见此处[此处](https://kb.kmath.cn/kbase/detail.aspx?id=464),相比矩阵相似或者矩阵合同,矩阵等价则要“宽松”的多。 矩阵等价反映了矩阵之间的映射,即矩阵$A$经过一些列初等变换,能变成矩阵$B$。**但是根据定义,如何快速判断两个矩阵等价是一个比较棘手的问题,** 我们需要进一步寻找新的方法来解决这个问题,为此先引入向量组的等价。 ## 向量组的等价 **定义** 设 $A: \alpha_1, \alpha_2, \cdots, \alpha_m$ 是 $m$ 个 $n$ 维向量组成的向量组,而 $B: \beta_1, \beta_2, \cdots, \beta_1$ 是 $s$ 个 $n$ 维向量组成的向量组. 如果向量组 $B$ 中每一个 向量 $\beta_j(j=1,2, \cdots, s)$ 均可由向量组 $A: \boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_m$ 线性表示, 则称向量组 $B: \beta_1, \beta_2, \cdots, \beta_3$ 可由向量组 $A: \alpha_1, \alpha_2, \cdots, \boldsymbol{\alpha}_m$ 线性表示. 如果向量组 $A$ 与向量组 $B$ 可以**相互线性表示**,则称向量组 $A$ 与向量组 $B$ 等价. 证明:若向量组 $B: \boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \cdots, \boldsymbol{\beta}_s$ 可由向量组 $A: \boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_m$ 线性表示, 则对向量组 $B$ 中每一个向量 $\beta_j(j=1,2, \cdots, s)$ ,存在一组数 $k_{1 j}, k_{2 j}, \cdots, k_{m j}$ ,使得 $$ \boldsymbol{\beta}_j=k_{1 j} \boldsymbol{\alpha}_1+k_{2 j} \boldsymbol{\alpha}_2+\cdots+k_{m j} \boldsymbol{\alpha}_m=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_m\right)\left(\begin{array}{c} k_{1 j} \\ k_{2 j} \\ \vdots \\ k_{m j} \end{array}\right)(j=1,2, \cdots, s) . $$ 以向量 $\left(\begin{array}{c}k_{1 j} \\ k_{2 j} \\ \vdots \\ k_{m j}\end{array}\right)$ 为列,得到一个 $m \times s$ 矩阵 $$ \boldsymbol{K}_{m \times s}=\left(\begin{array}{cccc} k_{11} & k_{12} & \cdots & k_{1 s} \\ k_{21} & k_{22} & \cdots & k_{2 s} \\ \cdots & \cdots & \cdots & \cdots \\ k_{m 1} & k_{m 2} & \cdots & k_{m s} \end{array}\right) . $$ 矩阵 $\boldsymbol{K}_{m \times s}$ 称为这一线性表示的系数矩阵. 令矩阵 $A=\left(\alpha_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_m\right) , B=\left(\beta_1, \beta_2, \cdots, \beta_s\right)$ ,则有 $B=\boldsymbol{A} \boldsymbol{K}_{m \times s}$. 如果写成矩阵形式就是: $$ \left(\alpha_1, \alpha_2 \ldots \alpha_n\right)\left(\begin{array}{l} k_1 \\ k_2 \\ ... \\ k_n \end{array}\right)=\beta $$ ## 定理2 设 $A: \alpha_1, \alpha_2, \cdots, \alpha_n$ 是 $m$ 个 $n$ 维向量组成的向量组,而 $B: \beta, \beta, \cdots, \beta$, 是 $s$ 个 $n$ 维向量组成的向量 组. 令矩阵 $A=\left(\alpha_1, \alpha_2, \cdots, \alpha_n\right) , B=\left(\beta_1, \beta_2, \cdots, \beta_3\right)$ ,则向量组 $B$ 可由向量组 $A$ 线性表示的充分必要条件是矩阵方程 $A X=B$ 有解. 向量组 $A$ 与向量组 $B$ 等价的充分必要条件是矩阵方程 $A X=B$ 与 $B Y=A$ 同时有解. 证明:向量组 $B: \boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \cdots, \boldsymbol{\beta}_s$ 可由向量组 $A: \boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \cdots, \boldsymbol{\alpha}_m$ 线性表示 1 存在这一表示的系数矩阵 $\boldsymbol{K}_{n \times s}$ ,使得 $\boldsymbol{B}=\boldsymbol{A} \boldsymbol{K}_{n \times s}$. 2 若矩阵方程 $A X=B$ 有解 $X=K_{{m \times s}}$ , 向量组 $A$ 与向量组 $B$ 等价 (1) 存在系数矩阵 $K_{m \times s}$ 与 $M_{s x m}$ ,使得 $B=A K_{m \times s}$ 且 $B M_{s \times m}=A$. (2) 矩阵方程 $A X=B$ 与 $B Y=A$ 同时有解 $X=K_{m \times s} , Y=M_{s \times m}$. ## 向量组等价的几何解释 两个向量组 $A$ 和 $B$ 的等价就是这两个向量组能够互相被线性表示。详细地说, 向量组 $A$中的每一个向量都可以被向量组 $\boldsymbol{B}$ 线性表示; 同样, 向量组 $\boldsymbol{B}$ 中的每一个向量也可以被向量组 $A$ 线性表示。或者说, 如果把一个向量组中的任意一个向量拿出来放到另外一个向量组中, 那么另外这个扩大的向量组就会线性相关,而且不论原向量组是否线性相关。 根据前面分析的向量组线性表示的几何意义,我们很容易理解向量组等价的几何意义:两个向量组等价就是两个向量组所扩张成的直线、平面或空间相互重合。下面讨论的是三维空间中向量组的等价关系。 ### 直线上的等价向量组 如图 4-11 所示的三维空间中, 共有三条分离的不共面直线, 每条直线上分别有两个、三个和四个向量。两向量 $\alpha_1 、 \alpha_2$ 在一条直线上; 三向量 $\beta_1 、 \beta_2 、 \beta_3$ 在另外一条直线上; 四向量 $\gamma_1 、 \gamma_2 、 \gamma_3 、 \gamma_4$ 在第三条直线上。 {width=500px} 由此, 我们可以验证以下命题: $\left\{\alpha_1\right\},\left\{\alpha_2\right\},\left\{\alpha_1, \alpha_2\right\}$ 是等价向量组; $\left\{\boldsymbol{\beta}_1\right\},\left\{\boldsymbol{\beta}_2\right\},\left\{\boldsymbol{\beta}_3\right\},\left\{\boldsymbol{\beta}_1, \boldsymbol{\beta}_2\right\},\left\{\boldsymbol{\beta}_1, \boldsymbol{\beta}_3\right\},\left\{\boldsymbol{\beta}_2, \boldsymbol{\beta}_3\right\},\left\{\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3\right\}$ 是等价向量组; $\left\{\gamma_1\right\} ...\left\{\gamma_4\right\},\left\{\gamma_1, \gamma_2\right\},\left\{\gamma_1, \gamma_3\right\} ...\left\{\gamma_3, \gamma_4\right\}$, $\left\{\gamma_1, \gamma_2, \gamma_3\right\},\left\{\gamma_1, \gamma_2, \gamma_4\right\},...\left\{\gamma_1, \gamma_2, \gamma_3, \gamma_4\right\}$ 是等价向量组。 其实上述命题不用验证也可以知道, 因为我们罗列的等价向量组里的向量都包含在一条直线上, 每个向量组都扩张成同一根直线。 从这里我们可以得出第一个结论 > 假设给你$n$个向量,如果这 $n$ 个向量的秩为1,就表示这$n$个向量共线。 例如有3个向量 $$ \boldsymbol{a_1}=\left(\begin{array}{r} 1 \\ 1 \\ 1 \end{array}\right), \quad \boldsymbol{a_2}=\left(\begin{array}{l} 3 \\ 3 \\ 3 \end{array}\right) ; \quad \boldsymbol{a_2}=\left(\begin{array}{l} 4 \\ 4 \\ 4 \end{array}\right) ; $$ 因为这些坐标成比例,所以这3个向量的秩为1,所以这3个向量在一条直线上。如果写出这三个向量的矩阵为 $$ \left(\begin{array}{ccc} 1 & 3 & 4 \\ 1 & 3 & 4 \\ 1 & 3 & 4 \\ \end{array}\right) $$ 可以发现他们的秩正好也为1 ### 平面等价向量组: 类似地, 三维空间中, 我们看看平面上的向量组之间的等价关系。如图 4-12 所示, 向量 $\boldsymbol{\alpha}_i 、 \boldsymbol{\beta}_i 、 \boldsymbol{\eta}_i$ 分别所在的三条直线共一平面 (阴影平行四边形), 因此向量 $\boldsymbol{\alpha}_i 、 \boldsymbol{\beta}_i 、 \boldsymbol{\eta}_i$ 中的任何一类可以被其他两类线性表示, 例如有关系 $\boldsymbol{\alpha}_i=x_1 \boldsymbol{\beta}_i+x_2 \boldsymbol{\eta}_i$ 。 {width=500px} 换句话说, 向量 $\boldsymbol{\alpha}_i 、 \boldsymbol{\beta}_i 、 \boldsymbol{\eta}_i$ 的任意 $\mathrm{C}_3^2$ 和 $\mathrm{C}_3^3$ 组合的向量组所张成的向量空间都是同一个平面。因此, 所有组合都是等价向量组。具体的等价关系如下: $\left\{\boldsymbol{\alpha}_i, \boldsymbol{\beta}_i\right\},\left\{\boldsymbol{\alpha}_i, \boldsymbol{\eta}_i\right\},\left\{\boldsymbol{\beta}_i, \boldsymbol{\eta}_i\right\},\left\{\boldsymbol{\alpha}_i, \boldsymbol{\beta}_i, \boldsymbol{\eta}_i\right\}$ 是等价向量组, 比如 $\left\{\boldsymbol{\alpha}_1, \boldsymbol{\beta}_2\right\},\left\{\boldsymbol{\alpha}_2, \boldsymbol{\eta}_1\right\},\left\{\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\eta}_2\right\}$, 从这里不难得出第二个结论: > 假设给你$n$个向量,如果这 $n$ 个向量的秩为2,就表示这$n$个向量在一个平面内。 比如有下面2个向量 $$ \boldsymbol{a_1}=\left(\begin{array}{r} 1 \\ 1 \\ 0 \end{array}\right), \quad \boldsymbol{a_2}=\left(\begin{array}{l} 1 \\ 2 \\ 0 \end{array}\right) ; $$ 因为他们的第三个分量都是0,所以,他们在$XOY$平面内,参考下图  如果写出这两个向量的矩阵为 $$ \left(\begin{array}{ccc} 1 & 1 \\ 1 & 2\\ 0 & 0 \end{array}\right) $$ 可以发现矩阵的秩为2 ### 三维空间上的向量组 如果一个平面再加一个平面外的一条直线 $\gamma$ 就是向量组所张成的三维空间, 则不难理解以下等价关系: $\left\{\boldsymbol{\alpha}_i, \boldsymbol{\beta}_i, \gamma_i\right\},\left\{\boldsymbol{\alpha}_i, \boldsymbol{\eta}_i, \gamma_i\right\},\left\{\boldsymbol{\beta}_i, \boldsymbol{\eta}_i, \boldsymbol{\gamma}_i\right\},\left\{\boldsymbol{\alpha}_i, \boldsymbol{\beta}_i, \boldsymbol{\eta}_i, \gamma_i\right\}$ 是等价向量组, 比如 $\left\{\boldsymbol{\alpha}_1, \boldsymbol{\beta}_2, \gamma_1\right\},\left\{\boldsymbol{\alpha}_2, \boldsymbol{\eta}_1, \gamma_2\right\}$, $\left\{\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\eta}_2, \gamma_1, \gamma_3\right\},\left\{\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\eta}_1, \boldsymbol{\eta}_2, \boldsymbol{\gamma}_1, \boldsymbol{\gamma}_2, \gamma_3, \gamma_4\right\}$ 是等价向量组。 因此,可以得到 > 假设给你$n$个向量,如果这 $n$ 个向量的秩为3,就表示这$n$个向量组成一个立方体。 通过上面的例子,大致理解了向量组等价的意义。 ## 秩相等不代表可以互相表示 情况1:假设有2个向量共面,如下图 所以 秩 $r(a_1,a_2)=2$  情况2:假设有4个向量共面,如下图,可以得出 $r(a_1,a_2,b_1,b_2)=2$ 。  如果记$A=(a_1,a_2)$ 向量组I, 记 $B=(b_1,b_2)$为向量组II ,那么我们可以看到 $r(A)=2$, $r(B)=2$, $r(A|B)=2$ 而且A,B可以互相表示,这样,我们就得到一个结论: **如果向量组I的秩 等于向量组II的秩,等于 向量组I和向量组II 合起来的秩,那么向量组I 等价向量组II** 但是,他们的逆命题不一定成立,请看下面示意图  $A=(a_1,a_2)$,和 $B=(b_1,b_2)$ ,他们分别在两个平面上,所以肯定不能相互表示,此时,可以看到$r(A)=2$,$r(2)=3$, 而$r(AB)=3$ 所以,两个向量组的秩相等,不代表他们可以互相表示。 > **通过上面的解释,我们可以得到两个向量组能否线性表示的解决方法:给你两个向量组,把这2个向量组组成一个矩阵,然后判断 $R(A)=R(B)=R(AB)$ 秩是否相等。** 上面结论通俗解释是:两个向量$a_i,a_j$组成了平面A, 两个向量$b_i,b_j$组成了平面B,如果这2个平面互相垂直,那么这$a_i,a_j$ 就无法表示$b_i,b_j$ 反之也是。 ## 例题 `例` 设 $$ a _1=\left(\begin{array}{r} 1 \\ -1 \\ 1 \\ -1 \end{array}\right), a _2=\left(\begin{array}{l} 3 \\ 1 \\ 1 \\ 3 \end{array}\right), b _1=\left(\begin{array}{l} 2 \\ 0 \\ 1 \\ 1 \end{array}\right), b _2=\left(\begin{array}{l} 1 \\ 1 \\ 0 \\ 2 \end{array}\right), b _3=\left(\begin{array}{r} 3 \\ -1 \\ 2 \\ 0 \end{array}\right), $$ 证明向量组 $a _1, a _2$ 与向量组 $b _1, b _2, b _3$ 等价. 证明:向量组 $a _1, a _2$ 与向量组 $b _1, b _2, b _3$ 等价.就是判断 $R(A)=R(B)=R(AB)$ ,为此把AB化为行最简形 $$ ( A , B )=\left(\begin{array}{rrrrr} 1 & 3 & 2 & 1 & 3 \\ -1 & 1 & 0 & 1 & -1 \\ 1 & 1 & 1 & 0 & 2 \\ -1 & 3 & 1 & 2 & 0 \end{array}\right) $$ $$ \to \left(\begin{array}{rrrrr} 1 & 3 & 2 & 1 & 3 \\ 0 & 4 & 2 & 2 & 2 \\ 0 & -2 & -1 & -1 & -1 \\ 0 & 6 & 3 & 3 & 3 \end{array}\right) $$ $$ \to \left(\begin{array}{lllll} 1 & 3 & 2 & 1 & 3 \\ 0 & 2 & 1 & 1 & 1 \\ 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 \end{array}\right) $$ $$ \text { 可见, } R( A )=2, R( A , B )=2 \text {. } $$ 容易看出矩阵 $B$ 中有不等于 0 的 2 阶子式,故 $R( B ) \geqslant 2$ .又 $$ R( B ) \leqslant R( A , B )=2, $$ 于是知 $R( B )=2$ .因此, $$ R( A )=R( B )=R( A , B ) $$ 故向量组 $a_1, a_2$ 与向量组 $b _1, b _2, b _3$ 等价. `例`设向量 $$ \boldsymbol{a_1}=\left(\begin{array}{r} 1 \\ -1 \\ 2 \\ 4 \end{array}\right), \quad \boldsymbol{a_2}=\left(\begin{array}{l} 0 \\ 3 \\ 1 \\ 2 \end{array}\right) ; \quad \boldsymbol{b_1}=\left(\begin{array}{r} 3 \\ 0 \\ 7 \\ 14 \end{array}\right), \quad \boldsymbol{b_2}=\left(\begin{array}{r} 2 \\ 1 \\ 5 \\ 10 \end{array}\right), $$ 向量组 $A: \boldsymbol{a_1, a_2}$ ,向量组 $B: \boldsymbol{b _1, b _2}$ (1)证明向量组 $A$ 与 $B$ 等价;(2)求向量组 $A$ 与 $B$ 的相互线性表示的表示式. 解 先求解(2),若(2)已解出,(1)自然成立.为此,把向量组 $A$ 和 $B$ 合起来成矩阵,并求它的行最简形: $$ \left(a_1, a_2, b_1, b_2\right)=\left(\begin{array}{rrrr} 1 & 0 & 3 & 2 \\ -1 & 3 & 0 & 1 \\ 2 & 1 & 7 & 5 \\ 4 & 2 & 14 & 10 \end{array}\right) $$ $$ \sim \left(\begin{array}{llll} 1 & 0 & 3 & 2 \\ 0 & 3 & 3 & 3 \\ 0 & 1 & 1 & 1 \\ 0 & 2 & 2 & 2 \end{array}\right) $$ $$ \sim \left(\begin{array}{llll} 1 & 0 & 3 & 2 \\ 0 & 1 & 1 & 1 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{array}\right) . $$ 于是,向量 $b_1$ 和 $b_2$ 满足 $$ \left\{\begin{array}{l} b_1=3 a_1+a_2 \\ b_2=2 a_1+a_2 \end{array}\right. $$ 也即向量组 $B$ 可由向量组 $A$ 线性表示为 $$ \left(b_1, b_2\right)=\left(a_1, a_2\right)\left(\begin{array}{ll} 3 & 2 \\ 1 & 1 \end{array}\right)=\left(a_1, a_2\right) K $$ 其中,矩阵 $K =\left(\begin{array}{ll}3 & 2 \\ 1 & 1\end{array}\right)$ 是上述线性表示的系数矩阵.显然, $K$ 可逆,且 $K ^{-1}=\left(\begin{array}{rr}1 & -2 \\ -1 & 3\end{array}\right)$ ,于是 $$ \left(a_1, a_2\right)=\left(b_1, b_2\right)\left(\begin{array}{rr} 1 & -2 \\ -1 & 3 \end{array}\right), $$ 具体写出,有 $$ \left\{\begin{array}{l} a_1=b_1-b_2 \\ a_2=-2 b_1+3 b_2 \end{array}\right. $$ 从上知两向量组能相互线性表示,故它们等价. ## 理解一个方程的三种叫法 对于方程,比如下面最简单的二元一次方程。 ①方程的叫法是 $AX=B$ (方程有解,矩阵的秩和增广矩阵的秩相等) $$ \left\{\begin{array} 2x_1+3x_2=5 \\ 2x_1-3x_2=1 \end{array} \right. $$ ②矩阵的的叫法是矩阵$A$乘以矩阵$X$ 等于矩阵 $B$ $$ \left[\begin{array}{cc} 1 & 3 \\ 2 & -3 \end{array} \right] \left[\begin{array}{cc} x_1 \\ x_2 \end{array} \right]= \left[\begin{array}{cc} 5 \\ 1 \end{array} \right]= $$ ③写成向量是$\alpha,x$可以线性表示向量$\beta$ (线性相关)。 $$ x_1 \left[\begin{array}{c} 1 \\ 2 \end{array} \right] + x_2 \left[\begin{array}{c} 3 \\ -3 \end{array} \right] = \left[\begin{array}{c} 5 \\ -1 \end{array} \right] $$ `例`已知向量组 $A: \boldsymbol{\alpha}_1=\left(\begin{array}{l}1 \\ 1 \\ -1\end{array}\right), \boldsymbol{\alpha}_2=\left(\begin{array}{c}-2 \\ 0 \\ 1\end{array}\right)$ 和 $B: \beta_1=\left(\begin{array}{c}3 \\ 1 \\ -2\end{array}\right), \boldsymbol{\beta}_2=\left(\begin{array}{l}-3 \\ 1 \\ 1\end{array}\right) \cdot \boldsymbol{\beta}_3=\left(\begin{array}{l}-1 \\ 1 \\ 0\end{array}\right)$, 证明:向量组 $B: \boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3$ 可由向量组 $A: \boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2$ 线性表示. 证明 令矩阵 $A=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2\right) , B=\left(\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3\right)$ , 现在把$AB$组成一个新矩阵,然后做**初等行变换**(注意:此处只能做行变化),然后化为[行最简形矩阵](https://kb.kmath.cn/kbase/detail.aspx?id=1860),判断矩阵的秩和增广矩阵是否相等。 $$ \left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2 \mid \boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3\right)=\left(\begin{array}{cc|ccc} 1 & -2 & 3 & -3 & -1 \\ 1 & 0 & 1 & 1 & 1 \\ -1 & 1 & -2 & 1 & 0 \end{array}\right) \sim \left(\begin{array}{cc|ccc} 1 & 0 & 1 & 1 & 1 \\ 0 & 1 & -1 & 2 & 1 \\ 0 & 0 & 0 & 0 & 0 \end{array}\right), $$ 可见,三个方程组 $A \boldsymbol{x}=\boldsymbol{\beta}_j(j=1,2,3)$ 的解分别为 $$ x_1=\left(\begin{array}{c}1 \\ -1\end{array}\right), $$ $$ x_2=\left(\begin{array}{l}1 \\ 2\end{array}\right), $$ $$ x_3=\left( \begin{array}{l}1 \\ 1\end{array}\right) $$ 于是有 $\boldsymbol{X}=\left(\begin{array}{ccc}1 & 1 & 1 \\ -1 & 2 & 1\end{array}\right)$, 使得 $A \boldsymbol{X}=\boldsymbol{B}$. 因此向量组 $B$ 可由向量组 $A$ 线性表示. `例`已知向量组 $A: \boldsymbol{\alpha}_1=\left(\begin{array}{c}1 \\ 0 \\ -1\end{array}\right), \boldsymbol{\alpha}_2=\left(\begin{array}{l}-1 \\ 1 \\ 2\end{array}\right), \boldsymbol{\alpha}_3=\left(\begin{array}{l}1 \\ 2 \\ 5\end{array}\right)$ 和 $B: \boldsymbol{\beta}_1=\left(\begin{array}{l}1 \\ 1 \\ 0\end{array}\right), \boldsymbol{\beta}_2=\left(\begin{array}{l}0 \\ 1 \\ 1\end{array}\right), \boldsymbol{\beta}_3=\left(\begin{array}{l}1 \\ 0 \\ 1\end{array}\right)$, 证明: 向量组 $A: \alpha_1, \alpha_2, \alpha_3$ 和向量组 $B: \beta_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3$ 等价. 证明 令矩阵 $A=\left(\boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3\right) , B=\left(\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3\right)$ ,设 $B \boldsymbol{X}=\boldsymbol{A}$ 。由 $$ \left(\boldsymbol{\beta}_1, \boldsymbol{\beta}_2, \boldsymbol{\beta}_3 \mid \boldsymbol{\alpha}_1, \boldsymbol{\alpha}_2, \boldsymbol{\alpha}_3\right)=\left(\begin{array}{ccc|ccc} 1 & 0 & 1 & 1 & -1 & 1 \\ 1 & 1 & 0 & 0 & 1 & 2 \\ 0 & 1 & 1 & -1 & 2 & 5 \end{array}\right)\left(\begin{array}{ccc|ccc} 1 & 0 & 0 & 1 & -1 & -1 \\ 0 & 1 & 0 & -1 & 2 & 3 \\ 0 & 0 & 1 & 0 & 0 & 2 \end{array}\right), $$ 矩阵方程 $B X=A$ 有解 $\boldsymbol{X}=\left(\begin{array}{ccc}1 & -1 & -1 \\ -1 & 2 & 3 \\ 0 & 0 & 2\end{array}\right)$ ,因此,向量组 $A$ 能由向量组 $B$ 线性表示. 另一方面,由于 $$ \left|\begin{array}{ccc} 1 & -1 & -1 \\ -1 & 2 & 3 \\ 0 & 0 & 2 \end{array}\right|=\left|\begin{array}{ccc} 1 & -1 & -1 \\ 0 & 1 & 2 \\ 0 & 0 & 2 \end{array}\right|=2 \neq 0 $$ 所以矩阵 $\left(\begin{array}{ccc}1 & -1 & -1 \\ -1 & 2 & 3 \\ 0 & 0 & 2\end{array}\right)$ 可逆,于是有 $\boldsymbol{A}\left(\begin{array}{ccc}1 & -1 & -1 \\ -1 & 2 & 3 \\ 0 & 0 & 2\end{array}\right)^{-1}=\boldsymbol{B}$ , 即向量组 $B$ 能由向量组 $A$ 线性表示,所以这两个向量组等价. ## 常见问答 Q:两个矩阵的等价与两个向量组的等价有什么区别和联系? A:答 矩阵 $A$ 与 $B$ 等价指的是 $A$ 可以通过有限次初等变换变成 $B$ ,因此,两个不同型的矩阵是不可能等价的;两向量组的等价指的是它们能够相互线性表示, 于是, 它们各自所含向量的个数可能是不一样的. 例如二维向量组 $A: \alpha =$ $\binom{1}{1}$ 与二维向量组 $B:\left\{\left. \beta =k\binom{1}{1} \right\rvert\, k \in R \right\}$ 是等价的。但前者只含一个向量;而后者含有无限多个向量。 两矩阵的等价与两向量组的等价两者的联系在于: (1) 若矩阵 $A$ 经初等行变换变成 $B$, 即 $A$ 与 $B$ 行等价, 则 $A$ 与 $B$ 的行向量组等价; 若 $A$ 经初等列变换变成 $C$, 即 $A$ 与 $C$ 列等价, 则 $A$ 与 $C$ 的列向量组等价;若 $A$ 既经初等行变换又经初等列变换变成 $D$ ,那么矩阵 $A$ 与 $D$ 等价,但 $A$与 $D$ 的行向量组与列向量组末必等价。 (2) 反过来, 设两列向量组等价. 若它们所含向量个数不相同, 则它们对应的两个矩阵是不同型的,因而不等价;若它们所 $\oplus$ 含向量个数相同(例如都含有 $m$ 个), 那么它们对应的两个 $n \times m$ 矩阵(这里 $n$ 为向量的维数)列等价,从而一定等价,但不一定行等价。例如 向量组 $A:\binom{1}{2},\binom{2}{4}$ 与向量组 $B:\binom{1}{2},\binom{0}{0}$ 等价, 它们对应的矩阵 $A=$ $\left(\begin{array}{ll}1 & 2 \\ 2 & 4\end{array}\right)$ 与 $B =\left(\begin{array}{ll}1 & 0 \\ 2 & 0\end{array}\right)$ 列等价, 从而 $A$ 与 $B$ 等价, 但非行等价. 类似地, 若两个含向量个数相同的行向量组等价, 则它们对应的两矩阵行等价, 从而一定等价, 但不一定列等价. Q何谓两个向量组各个向量之间有相同的线性关系? A 称 $n$ 维向量组 $A: a _1, a _2, \cdots, a _m$ 与 $l$ 维向量组 $B: b _1, b _2, \cdots, b _m$ (这里 $n$与 $l$ 可以相等, 也可以不相等)各向量之间有相同的线性关系是指:(i) $a_i$ 与 $b_i$一一对应; (ii) $A$ 的任一部分组 $a_{i_1}, a_{i_2}, \cdots, a_{i_3}$ 具有某种线性关系的充要条件是 $B$ 的对应的部分组 $b _{ i _1}, b _{ i _2}, \cdots, b _{i_s}$ 有相同的线性关系。 特别地, $a _{p_1}, \cdots, a _{p_r}$ 是 $A$ 的最大无关组 $\Leftrightarrow b _{p_1}, \cdots, b _{p_r}$ 是 $B$ 的最大无关组; $a _k=\lambda_{1 k} a _{p_1}+\cdots+\lambda_{r k} a _{p_r} \Leftrightarrow b _k=\lambda_{1 k} b _{p_1}+\cdots+\lambda_{r k} b _{p_r}(k=1,2, \cdots, m)$. 教材中指出,当齐次方程 $\left(a_1, \cdots, a_m\right) x=0$ 与 $\left(b_1, \cdots, b_m\right) x=0$ 同解时,向量组 $A$ 与向量组 $B$ 中各向量之间有相同的线性关系, 这是因为: $$ \begin{aligned} & \left(a_1, a_2, \cdots, a_m\right) x=0 \text { 与 }\left(b_1, b_2, \cdots, b_m\right) x=0 \text { 同解 } \\ & \Rightarrow\left(a_{i_1}, \cdots, a_{i_i}\right) y=0 \text { 与 }\left(b_{i_1}, \cdots, b_{i_s}\right) y=0 \text { 同解 } \\ & \Rightarrow a_{i_1}, \cdots, a_{i_3} \text { 与 } b_{i_1}, \cdots, b_{i_s} \text { 有相同的线性关系. } \end{aligned} $$ Q 矩阵的初等行变换对矩阵的列向量组和行向量组各有什么作用? A 设矩阵 $A$ 经初等行变换成为 $B$, 那么 (1)矩阵 $A$ 与 $B$ 的行向量组等价,也即它们能相互线性表示。于是齐次方程 $A x = 0$ 与 $B x = 0$ 同解,这是用初等行变换求解线性方程组的理论基础。 (2) 矩阵 $A$ 和 $B$ 的列向量组有相同的线性关系(见问 4.3)。这是用初等行变换求出 $A$ 的列向量组的最大无关组,并将其余向量用该最大无关组(惟一地)线性表示问题的理论基础。进一步,从解方程角度看,它可用来求非齐次方程 $A x = b$ 的特解(见例10之析)。 以上这几个问题贯穿于本章的计算问题中. Q 向量组的最大无关组有什么重要意义? A 设 $A_0$ 是 $n$ 维向量组 $A$ 的一个最大无关组, 那么 $A_0$ 的良好性质是: (1) $A_0 \subseteq A$, 且所含向量个数 $r=R_{A_0} \leqslant n$ ;(2) $A_0$ 组与 $A$ 组等价,从而有 $R_A=$ $R_{A_0}=r$; (3) 在所有与 $A$ 组等价的向量组中, $A_0$ 组含的向量个数最少。事实上,设 $B$ 是任一与 $A$ 组等价的向量组, 由等价的传递性, $B$ 组与 $A_0$ 组等价, 从而有 $$ R_B=R_{A_0}=r, $$ 于是 $B$ 组向量个数 $\geqslant r$. 这样,用 $A_0$ 组来"代表" $A$ 组是最佳不过的了. 特别,当 $A$ 组为无限向量组时就能用有限向量组来"代表",而后者可进一步转化为矩阵;凡是对有限向量组成立的结论,用最大无关组作过渡,立即可推广到无限向量组的情形中去。这正是最大无关组的意义所在。
开VIP会员
非会员每天6篇,会员每天16篇,VIP会员无限制访问
题库训练
自我测评
投稿
上一篇:
方程的向量表示及线性组合
下一篇:
线性相关与线性无关
本文对您是否有用?
有用
(
0
)
无用
(
0
)
纠错
高考
考研
关于
赞助
公式
科数网是专业专业的数学网站。