线性无关判别法

                     

贡献者: 零穹; Giacomo

  • 缺例题
预备知识 对偶空间

   在向量空间中,找出线性无关的向量往往是一个基本的任务,这可以从基底张成向量空间看出(定义 1 )。再有了对偶空间 $V^*$ 的知识后,可以便洁的给出向量空间 $V$ 中向量线性无关性的各种判别法。

引理 1 

   若 $ \boldsymbol{\mathbf{a}} _1,\cdots, \boldsymbol{\mathbf{a}} _m$ 是 $V$ 中线性相关的向量,而 $f_1,\cdots,f_m$ 是 $V$ 上任意的线性函数定义 1 ,那么

\begin{equation} \det(f_i( \boldsymbol{\mathbf{a}} _j))=0\qquad (1\leq i,j\leq m)~. \end{equation}
($i$ 是行指标,$j$ 是列指标)1

   证明:由于 $ \boldsymbol{\mathbf{a}} _1,\cdots, \boldsymbol{\mathbf{a}} _m$ 线性相关,必有一个向量是其余向量的线性组合,不失一般性,设这个向量就是 $ \boldsymbol{\mathbf{a}} _m$,则

\begin{equation} \boldsymbol{\mathbf{a}} _m=\sum_{i\neq m}\alpha_i \boldsymbol{\mathbf{a}} _i~ \end{equation}
在行列式 $\det(f_i( \boldsymbol{\mathbf{a}} _j))$ 中,从最后一列减去第一列乘 $\alpha_1$,$\cdots$,第 $m-1$ 列乘 $\alpha_{m-1}$,于是最后一列变为
\begin{equation} \begin{aligned} &f_i( \boldsymbol{\mathbf{a}} _m)-\sum_{j\neq m}\alpha_j f_i( \boldsymbol{\mathbf{a}} _j)=f_i( \boldsymbol{\mathbf{a}} _m-\sum_{j\neq m}\alpha_{j} \boldsymbol{\mathbf{a}} _j)\\ &=f_i( \boldsymbol{\mathbf{0}} )=0 \qquad (i=1,\cdots ,m)~, \end{aligned} \end{equation}
所以行列式为 0.

   证毕!

引理 2 

   如果 $(f_1,\cdots,f_n)$ 是向量空间 $V$ 的 对偶空间 $V^*$ 的一个基底,那么,向量 $ \boldsymbol{\mathbf{a}} _1,\cdots, \boldsymbol{\mathbf{a}} _n\in V$ 线性无关的充要条件为

\begin{equation} \det(f_i( \boldsymbol{\mathbf{a}} _j))\neq 0~. \end{equation}

   证明:

  1. 充分性:引理 1 直接得证!
  2. 必要性:向量 $ \boldsymbol{\mathbf{a}} _1,\cdots, \boldsymbol{\mathbf{a}} _n\in V$ 线性无关,意味着 $V=\langle \boldsymbol{\mathbf{a}} _1,\cdots, \boldsymbol{\mathbf{a}} _n\rangle$(定义 1 ).用 $( \boldsymbol{\mathbf{e}} _1,\cdots, \boldsymbol{\mathbf{e}} _n)$ 代表 $V$ 的对偶于 $(f_1,\cdots,f_n)$ 的基底(子节 3 ),而用 $\alpha_{1j},\cdots,\alpha_{nj}$ 代表向量 $ \boldsymbol{\mathbf{a}} _j$ 在这个基底下的坐标。那么
    \begin{equation} \begin{pmatrix} \alpha_{11}&\cdots&\alpha_{1n}\\ \vdots&\vdots&\vdots\\ \alpha_{n1}&\cdots&\alpha_{nn} \end{pmatrix}~ \end{equation}
    就是由基底 $( \boldsymbol{\mathbf{e}} _1,\cdots, \boldsymbol{\mathbf{e}} _n)$ 到基底 $( \boldsymbol{\mathbf{a}} _1, \boldsymbol{\mathbf{a}} _n)$ 的过渡矩阵。由例 1 ,它是可逆的,从而 $\det(\alpha_{ij}))\neq0$。但 $\alpha_{ij}=f_i( \boldsymbol{\mathbf{a}} _j)$,故而式 4 成立。 证毕!

定理 1 

   设 $(f_1,\cdots,f_n)$ 是对偶于 $V$ 的空间 $V^*$ 的一个基底。那么,向量组 $ \boldsymbol{\mathbf{a}} _1,\cdots, \boldsymbol{\mathbf{a}} _k\in V$ 的秩等于所有形如

\begin{equation} \det(f_i( \boldsymbol{\mathbf{a}} _j))\qquad (1\leq i=i_1~,\cdots~ ,i_m\leq n;\;1\leq j=j_1~,\cdots~,j_m\leq k)~ \end{equation}
的非零行列式的最大阶数。

   证明:用 $r$ 代表向量组 $ \boldsymbol{\mathbf{a}} _1,\cdots, \boldsymbol{\mathbf{a}} _k$ 的秩。任意 $m>r$,$ \boldsymbol{\mathbf{a}} _{j1},\cdots, \boldsymbol{\mathbf{a}} _{jm}$ 必线性相关。据引理 1 ,阶数 $m>r$ 的形如式 6 的行列式必为 0。

   现在只需证明,存在一个形如式 6 的非零行列式,其秩为 $r$。用 $\overline{f_1},\cdots,\overline{f_n}$ 代表线性函数 $f_1,\cdots,f_n$ 在子空间 $U=\langle \boldsymbol{\mathbf{a}} _1,\cdots, \boldsymbol{\mathbf{a}} _k\rangle$ 上的限制。 现要证明

\begin{equation} \langle\overline{f_1},\cdots,\overline{f_n}\rangle=U^*~. \end{equation}

   事实上,显然 $\langle\overline{f_1},\cdots,\overline{f_n}\rangle \in U^*$。齐次,设 $\tilde f$ 是 $U^*$ 的任一向量,$( \boldsymbol{\mathbf{e}} _1,\cdots, \boldsymbol{\mathbf{e}} _r)$ 的基底,而 $( \boldsymbol{\mathbf{e}} _1,\cdots, \boldsymbol{\mathbf{e}} _r; \boldsymbol{\mathbf{e}} _{r+1},\cdots, \boldsymbol{\mathbf{e}} _n)$ 是它在 $V$ 中的扩展基底。

   对这样的线性函数 $f\in V^*$,其中

\begin{equation} f( \boldsymbol{\mathbf{e}} _i)=\tilde f( \boldsymbol{\mathbf{e}} _i) \quad(i=1~,\cdots ~,r)~,\quad f( \boldsymbol{\mathbf{e}} _i)=0 \quad (i=r+1,\cdots,n)~, \end{equation}
因为 $V^*=\langle f_1,\cdots,f_n\rangle$,故 $f$ 可写成
\begin{equation} f=\sum \beta_if_i~. \end{equation}
把 $f$ 限制在 $U$ 上,显然 $\overline f=f|_U=\tilde f$,于是
\begin{equation} \tilde f=\overline f=\sum \beta_i \overline f_i~, \end{equation}
即 $\tilde f\in\langle\overline{f_1},\cdots,\overline{f_n}\rangle$,故 $U^*\subset\langle\overline{f_1},\cdots,\overline{f_n}\rangle$,于是证得式 7

   最后,在 $ \boldsymbol{\mathbf{a}} _1,\cdots, \boldsymbol{\mathbf{a}} _k$ 中选择 $r$ 个线性无关的向量(设为 $ \boldsymbol{\mathbf{a}} _{j1},\cdots, \boldsymbol{\mathbf{a}} _{jr} $),在 $\overline f_1,\cdots ,\overline f_n$ 中选择 $r$ 个线性无关的向量(设为 $\overline f_{i1},\cdots,\overline f_{ir}$),它们分别构成 $U,U^*$ 的基底,由引理 2

\begin{equation} \det(\overline f_i( \boldsymbol{\mathbf{a}} _j))\neq0 \qquad (i=i_1,\cdots ,i_r;\; j=j_1,\cdots,j_r)~. \end{equation}
剩下只需注意 $\overline f_i( \boldsymbol{\mathbf{a}} _j)=f_i( \boldsymbol{\mathbf{a}} _j)$。

   证毕!


1. ^ 矩阵的指标往往遵从 “左行右列,上行下列” 的原则,因为人们习惯 “从上到下,从左到右”。在一维情形,“上” 和 “左”,“下” 和 “右” 并无区别,只是表明某种方向性。

                     

© 小时科技 保留一切权利