线性代数中向量的线性组合
在线性代数中,使用标量乘法和向量加法组合向量会产生新的向量。以下指南介绍线性组合的定义以及详细的逐步示例。
目录
向量的线性组合的定义
如果向量 \( \textbf{v} \) 可以写成以下形式,则它是向量 \( \textbf{u}_1, \textbf{u}_2, \dots, \textbf{u}_n \) 的线性组合:
\[ \textbf{v} = r_1\textbf{u}_1 + r_2\textbf{u}_2 + \dots + r_n\textbf{u}_n \]其中 \( r_1, r_2, \dots, r_n \) 是标量(实数)。
\( \textbf{u}_1, \textbf{u}_2, \dots, \textbf{u}_n \) 的所有可能线性组合的集合称为这些向量的张成空间。
线性组合的性质
如果 \( \textbf{u}_1, \textbf{u}_2, \dots, \textbf{u}_n \) 是 \( \mathbb{R}^n \) 中的向量,\( r_1, r_2, \dots, r_n \) 是标量,则以下性质成立:
- 加法封闭性: 两个线性组合的和也是线性组合。
- 标量乘法封闭性: 线性组合的标量倍数也是线性组合。
- 包含零向量: 令所有标量为零得到零向量:\( 0\textbf{u}_1 + 0\textbf{u}_2 + \dots + 0\textbf{u}_n = \textbf{0} \)。
- 包含每个向量: 每个 \( \textbf{u}_i \) 本身也是线性组合(令 \( r_i = 1 \) 且其他标量为零)。
示例与解答
例 1:将向量表示为线性组合
查看解答
将向量 \( \textbf{v} = \begin{bmatrix} 1 \\ 7 \end{bmatrix} \) 表示为向量 \( \textbf{u}_1 = \begin{bmatrix} 1 \\ 1 \end{bmatrix} \) 和 \( \textbf{u}_2 = \begin{bmatrix} -1 \\ 2 \end{bmatrix} \) 的线性组合。
解答
要使向量 \( \textbf{v} \) 是向量 \( \textbf{u}_1 \) 和 \( \textbf{u}_2 \) 的线性组合,我们需要找到标量 \( r_1 \) 和 \( r_2 \),使得:
\[ \textbf{v} = r_1\textbf{u}_1 + r_2\textbf{u}_2 \]将 \( \textbf{v}, \textbf{u}_1, \) 和 \( \textbf{u}_2 \) 替换为其分量,并进行标量乘法,得到方程:
\[ \begin{bmatrix} 1 \\ 7 \end{bmatrix} = r_1 \begin{bmatrix} 1 \\ 1 \end{bmatrix} + r_2 \begin{bmatrix} -1 \\ 2 \end{bmatrix} \] \[ \begin{bmatrix} 1 \\ 7 \end{bmatrix} = \begin{bmatrix} r_1 - r_2 \\ r_1 + 2r_2 \end{bmatrix} \]分量相等得到线性方程组:
\[ \begin{cases} r_1 - r_2 = 1 \\ r_1 + 2r_2 = 7 \end{cases} \]由第一个方程,得到 \( r_1 = r_2 + 1 \)。将其代入第二个方程:
\[ (r_2 + 1) + 2r_2 = 7 \implies 3r_2 + 1 = 7 \implies 3r_2 = 6 \implies r_2 = 2 \]现在将 \( r_2 = 2 \) 代回第一个方程:
\[ r_1 - 2 = 1 \implies r_1 = 3 \]因此,线性组合为:
\[ \textbf{v} = 3\textbf{u}_1 + 2\textbf{u}_2 \]验证: \( 3\begin{bmatrix} 1 \\ 1 \end{bmatrix} + 2\begin{bmatrix} -1 \\ 2 \end{bmatrix} = \begin{bmatrix} 3 \\ 3 \end{bmatrix} + \begin{bmatrix} -2 \\ 4 \end{bmatrix} = \begin{bmatrix} 1 \\ 7 \end{bmatrix} \) ✓
例 2:不能形成线性组合的情况
查看解答
证明向量 \( \textbf{v} = \begin{bmatrix} 1 \\ 3 \end{bmatrix} \) 不能表示为向量 \( \textbf{u}_1 = \begin{bmatrix} 1 \\ 2 \end{bmatrix} \) 和 \( \textbf{u}_2 = \begin{bmatrix} 2 \\ 4 \end{bmatrix} \) 的线性组合。
解答
我们需要证明不存在满足以下方程的标量 \( r_1 \) 和 \( r_2 \):
\[ \begin{bmatrix} 1 \\ 3 \end{bmatrix} = r_1 \begin{bmatrix} 1 \\ 2 \end{bmatrix} + r_2 \begin{bmatrix} 2 \\ 4 \end{bmatrix} \]对等式右边的向量进行标量乘法和加法:
\[ \begin{bmatrix} 1 \\ 3 \end{bmatrix} = \begin{bmatrix} r_1 + 2r_2 \\ 2r_1 + 4r_2 \end{bmatrix} \]这提供了以下线性方程组:
\[ \begin{cases} r_1 + 2r_2 = 1 \\ 2r_1 + 4r_2 = 3 \end{cases} \]我们可以尝试使用消元法求解此方程组。将第一个方程乘以 \( -2 \):
\[ \begin{cases} -2r_1 - 4r_2 = -2 \\ 2r_1 + 4r_2 = 3 \end{cases} \]将两个方程相加:
\[ 0 = 1 \]这是一个矛盾。方程组无解;因此,向量 \( \textbf{v} \) 不能表示为给定向量 \( \textbf{u}_1 \) 和 \( \textbf{u}_2 \) 的线性组合。
几何解释: 由于 \( \textbf{u}_2 = 2\textbf{u}_1 \),两个向量都在过原点的同一条直线上。它们的张成空间只是那条直线,而 \( \textbf{v} \) 不在其上。
例 3:求有效线性组合的未知变量
查看解答
当 \( k \) 取何值时,向量 \( \textbf{v} = \begin{bmatrix} -1 \\ 5 \end{bmatrix} \) 可以表示为向量 \( \textbf{u}_1 = \begin{bmatrix} -3 \\ 2 \end{bmatrix} \) 和 \( \textbf{u}_2 = \begin{bmatrix} k \\ 8 \end{bmatrix} \) 的线性组合?
解答
我们需要找到 \( r_1 \) 和 \( r_2 \) 的值,使得:
\[ \begin{bmatrix} -1 \\ 5 \end{bmatrix} = r_1 \begin{bmatrix} -3 \\ 2 \end{bmatrix} + r_2 \begin{bmatrix} k \\ 8 \end{bmatrix} \]对等式右边的向量进行标量乘法和加法:
\[ \begin{bmatrix} -1 \\ 5 \end{bmatrix} = \begin{bmatrix} -3r_1 + kr_2 \\ 2r_1 + 8r_2 \end{bmatrix} \]将其改写为方程组:
\[ \begin{cases} -3r_1 + kr_2 = -1 \\ 2r_1 + 8r_2 = 5 \end{cases} \]要使该方程组对 \( r_1 \) 和 \( r_2 \) 有唯一解,系数矩阵的行列式必须非零:
\[ \text{Det} \begin{bmatrix} -3 & k \\ 2 & 8 \end{bmatrix} \ne 0 \]计算行列式:
\[ (-3)(8) - (k)(2) = -24 - 2k \]令行列式不等于零并解出 \( k \):
\[ -24 - 2k \ne 0 \implies 2k \ne -24 \implies k \ne -12 \]结论: 对于任意 \( k \ne -12 \),向量 \( \textbf{v} \) 可以表示为给定向量 \( \textbf{u}_1 \) 和 \( \textbf{u}_2 \) 的线性组合。
当 \( k = -12 \) 时会发生什么? 在这种情况下,\( \textbf{u}_2 = \begin{bmatrix} -12 \\ 8 \end{bmatrix} = 4\begin{bmatrix} -3 \\ 2 \end{bmatrix} = 4\textbf{u}_1 \),所以两个向量线性相关,只张成一条直线。\( \textbf{v} \) 是否在该直线上决定了解是否存在。
常见问题
什么是向量的线性组合?
如果向量 \( \textbf{v} \) 可以写成 \( \textbf{v} = r_1\textbf{u}_1 + r_2\textbf{u}_2 + \dots + r_n\textbf{u}_n \),其中 \( r_1, r_2, \dots, r_n \) 是标量,则它是向量 \( \textbf{u}_1, \textbf{u}_2, \dots, \textbf{u}_n \) 的线性组合。
向量何时不能表示为线性组合?
当所得的线性方程组不相容(无解)时,向量不能表示为给定向量的线性组合,例如消元导致 \( 0 = 1 \) 这样的矛盾。
如何判断一个向量是否是其他向量的线性组合?
建立向量方程 \( \textbf{v} = r_1\textbf{u}_1 + r_2\textbf{u}_2 + \dots + r_n\textbf{u}_n \),通过令分量相等将其转换为线性方程组,然后求解标量。如果存在解,则 \( \textbf{v} \) 是线性组合。
一组向量的张成空间是什么?
向量 \( \textbf{u}_1, \textbf{u}_2, \dots, \textbf{u}_n \) 的张成空间是这些向量的所有可能线性组合的集合。它构成 \( \mathbb{R}^n \) 的一个子空间。
如果两个向量线性相关意味着什么?
如果两个向量中一个是另一个的标量倍数,则它们线性相关。在这种情况下,它们只张成一条直线,其线性组合无法到达平面中的每个向量。
更多参考与链接
- 线性代数 - 问题与解答
- 向量空间 - 问题与解答
- Linear Algebra and its Applications - 5th Edition - David C. Lay, Steven R. Lay, Judi J. McDonald
- Elementary Linear Algebra - 7th Edition - Howard Anton and Chris Rorres