• 【证明】若向量组线性相关,则向量组的线性映射也线性相关


    前置定义 1 给定向量组 A : a 1 , a 2 , ⋯   , a m A:\boldsymbol{a}_1,\boldsymbol{a}_2,\cdots,\boldsymbol{a}_m A:a1,a2,,am,如果存在不全为零的数 k 1 , k 2 , ⋯   , k m k_1,k_2,\cdots,k_m k1,k2,,km,使
    k 1 a 1 + k 2 a 2 + ⋯ k m a m = 0 k_1 \boldsymbol{a}_1 + k_2 \boldsymbol{a}_2 + \cdots k_m \boldsymbol{a}_m = \boldsymbol{0} k1a1+k2a2+kmam=0
    则称向量组 A A A线性相关 的,否则称它 线性无关

    证明见 “向量组的线性相关性”。

    前置性质 2 若 β = k 1 α 1 + k 2 α 2 + ⋯ + k m α m \boldsymbol{\beta} = k_1 \boldsymbol{\alpha}_1 + k_2 \boldsymbol{\alpha}_2 + \cdots + k_m \boldsymbol{\alpha}_m β=k1α1+k2α2++kmαm,则 T ( β ) = k 1 T ( α 1 ) + k 2 T ( α 2 ) + ⋯ + k m T ( α m ) T(\boldsymbol{\beta}) = k_1 T(\boldsymbol{\alpha}_1) + k_2 T(\boldsymbol{\alpha}_2) + \cdots + k_m T(\boldsymbol{\alpha}_m) T(β)=k1T(α1)+k2T(α2)++kmT(αm)

    证明见 “【证明】线性映射不影响向量组的线性组合”。


    性质 1 若 α 1 , α 2 , ⋯   , α m \boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_m α1,α2,,αm 线性相关,则 T ( α 1 ) , T ( α 2 ) , ⋯   , T ( α m ) T(\boldsymbol{\alpha}_1),T(\boldsymbol{\alpha}_2),\cdots,T(\boldsymbol{\alpha}_m) T(α1),T(α2),,T(αm) 亦线性相关。

    证明 根据前置定义 1,因为 α 1 , α 2 , ⋯   , α m \boldsymbol{\alpha}_1,\boldsymbol{\alpha}_2,\cdots,\boldsymbol{\alpha}_m α1,α2,,αm 线性相关,所以存在不全为零的数 k 1 , k 2 , ⋯   , k m k_1,k_2,\cdots,k_m k1,k2,,km,使
    k 1 α 1 + k 2 α 2 + ⋯ + k m α m = 0 k_1 \boldsymbol{\alpha}_1 + k_2 \boldsymbol{\alpha}_2 + \cdots + k_m \boldsymbol{\alpha}_m = \boldsymbol{0} k1α1+k2α2++kmαm=0
    不妨设 k 1 ≠ 0 k_1 \ne 0 k1=0,于是上式可以写成
    k 1 α 1 = − k 2 α 2 − k 3 α 3 − ⋯ − k m α m k_1 \boldsymbol{\alpha}_1 = - k_2 \boldsymbol{\alpha}_2 - k_3 \boldsymbol{\alpha}_3 - \cdots - k_m \boldsymbol{\alpha}_m k1α1=k2α2k3α3kmαm

    α 1 = − k 2 k 1 α 2 − k 3 k 1 α 3 − ⋯ − k m k 1 α m \boldsymbol{\alpha}_1 = - \frac{k_2}{k_1} \boldsymbol{\alpha}_2 - \frac{k_3}{k_1} \boldsymbol{\alpha}_3 - \cdots - \frac{k_m}{k_1} \boldsymbol{\alpha}_m α1=k1k2α2k1k3α3k1kmαm
    根据前置性质 2,有
    T ( α 1 ) = − k 2 k 1 T ( α 2 ) − k 3 k 1 T ( α 3 ) − ⋯ − k m k 1 T ( α m ) T(\boldsymbol{\alpha}_1) = - \frac{k_2}{k_1} T(\boldsymbol{\alpha}_2) - \frac{k_3}{k_1} T(\boldsymbol{\alpha}_3) - \cdots - \frac{k_m}{k_1} T(\boldsymbol{\alpha}_m) T(α1)=k1k2T(α2)k1k3T(α3)k1kmT(αm)

    T ( α 1 ) + k 2 k 1 T ( α 2 ) + k 3 k 1 T ( α 3 ) + ⋯ + k m k 1 T ( α m ) = 0 T(\boldsymbol{\alpha}_1) + \frac{k_2}{k_1} T(\boldsymbol{\alpha}_2) + \frac{k_3}{k_1} T(\boldsymbol{\alpha}_3) + \cdots + \frac{k_m}{k_1} T(\boldsymbol{\alpha}_m) = \boldsymbol{0} T(α1)+k1k2T(α2)+k1k3T(α3)++k1kmT(αm)=0
    于是,存在不全为零的数
    l 1 = 1 ,   l 2 = k 2 k 1 ,   l 3 = k 3 k 1 ,   ⋯   ,   l m = k m k 1 l_1 = 1, \ l_2 = \frac{k_2}{k_1}, \ l_3 = \frac{k_3}{k_1}, \ \cdots, \ l_m = \frac{k_m}{k_1} l1=1, l2=k1k2, l3=k1k3, , lm=k1km
    使
    l 1 T ( α 1 ) + l 2 T ( α 2 ) + l 3 T ( α 3 ) + ⋯ + l m T ( α m ) = 0 l_1 T(\boldsymbol{\alpha}_1) + l_2 T(\boldsymbol{\alpha}_2) + l_3 T(\boldsymbol{\alpha}_3) + \cdots + l_m T(\boldsymbol{\alpha}_m) = \boldsymbol{0} l1T(α1)+l2T(α2)+l3T(α3)++lmT(αm)=0
    根据前置定义 1,可知 T ( α 1 ) , T ( α 2 ) , ⋯   , T ( α m ) T(\boldsymbol{\alpha}_1),T(\boldsymbol{\alpha}_2),\cdots,T(\boldsymbol{\alpha}_m) T(α1),T(α2),,T(αm) 线性相关。得证。

  • 相关阅读:
    Linux 编译安装PostgreSQL
    手把手教你搭建使用NuGet私有源
    【数据结构】排序之插入排序和选择排序
    【gl-transitions配置】原项目dockerfile修改,为视频添加转场效果
    无人机实践:DJI A3 飞控---使用
    代码随想录day50:动态规划
    企业架构LNMP学习笔记18
    初识HTML超文本标记语言
    参考基因组下载 hg19 索引文件 grch38 reference genome infercnv 安装cellranger
    【docker系列】逐行解析Nginx镜像Dockerfile(学习经典)
  • 原文地址:https://blog.csdn.net/Changxing_J/article/details/127841025