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:

  1. 加法封闭性: 两个线性组合的和也是线性组合。
  2. 标量乘法封闭性: 线性组合的标量倍数也是线性组合。
  3. 包含零向量: 令所有标量为零得到零向量:\( 0\textbf{u}_1 + 0\textbf{u}_2 + \dots + 0\textbf{u}_n = \textbf{0} \)。
  4. 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