线性相关的判断与向量组的秩

钟裕民

ymzhong@bupt.edu.cn

2019 年 9 月
向量组线性相关的判定

定理
若 α1 , α2 ,..., αr 线性相关, 则 α1 , α2 ,..., αr , αr+1 , ..., αm 也线
性相关.
向量组线性相关的判定

定理
若 α1 , α2 ,..., αr 线性相关, 则 α1 , α2 ,..., αr , αr+1 , ..., αm 也线
性相关.

注
定理对应于齐次线性方程组横向增加, 即未知量个数增加.
向量组线性相关的判定

定理
若 α1 , α2 ,..., αr 线性相关, 则 α1 , α2 ,..., αr , αr+1 , ..., αm 也线
性相关.

注
定理对应于齐次线性方程组横向增加, 即未知量个数增加.

推论
若向量组中含有零向量, 则此向量组线性相关.
定理
设有两个向量组

R : αj = (a1j , a2j , ..., anj )T (j = 1, 2, ..., m)

S : β j = (ap1 j , ap2 j , ..., apn j )T (j = 1, 2, ..., m)

其中 p1 p2 ...pn 是自然数 1, 2,..., n 的某个排列, 则向量组 R 与向

量组 R 的线性相关性相同.
定理
设有两个向量组

R : αj = (a1j , a2j , ..., anj )T (j = 1, 2, ..., m)

S : β j = (ap1 j , ap2 j , ..., apn j )T (j = 1, 2, ..., m)

其中 p1 p2 ...pn 是自然数 1, 2,..., n 的某个排列, 则向量组 R 与向

量组 R 的线性相关性相同.

注
定理对应于齐次线性方程组中方程交换顺序.
定理
设有两个向量组, 它们的前 r 个分量对应相同:

R : αj = (a1j , a2j , ..., arj )T (j = 1, 2, ..., m)

S : β j = (a1j , a2j , ..., arj , ar+1,j )T (j = 1, 2, ..., m)

若 β 1 , β 2 ,..., β m 线性相关, 则 α1 , α2 ,...,αm 线性相关.

定理
设有两个向量组, 它们的前 r 个分量对应相同:

R : αj = (a1j , a2j , ..., arj )T (j = 1, 2, ..., m)

S : β j = (a1j , a2j , ..., arj , ar+1,j )T (j = 1, 2, ..., m)

若 β 1 , β 2 ,..., β m 线性相关, 则 α1 , α2 ,...,αm 线性相关.

注
定理对应于齐次线性方程组减少方程个数.
定理
设有两个向量组, 它们的前 r 个分量对应相同:

R : αj = (a1j , a2j , ..., arj )T (j = 1, 2, ..., m)

S : β j = (a1j , a2j , ..., arj , ar+1,j )T (j = 1, 2, ..., m)

若 β 1 , β 2 ,..., β m 线性相关, 则 α1 , α2 ,...,αm 线性相关.

注
定理对应于齐次线性方程组减少方程个数.

推论
在 r 维向量组的每个向量添上 n − r 个分量, 成为 n 维向量组. 若
r 维向量组线性无关, 则 n 维向量组也线性无关.
定理
设有两个向量组, 它们的前 r 个分量对应相同:

R : αj = (a1j , a2j , ..., arj )T (j = 1, 2, ..., m)

S : β j = (a1j , a2j , ..., arj , ar+1,j )T (j = 1, 2, ..., m)

若 β 1 , β 2 ,..., β m 线性相关, 则 α1 , α2 ,...,αm 线性相关.

注
定理对应于齐次线性方程组减少方程个数.

推论
在 r 维向量组的每个向量添上 n − r 个分量, 成为 n 维向量组. 若
r 维向量组线性无关, 则 n 维向量组也线性无关.

注
推论对应于齐次线性方程组增加方程个数.
定理
向量组 α1 , α2 ,...,αm 线性相关的充分必要条件是它所构成的矩
阵 A = (α1 , α2 , ..., αm ) 的秩小于向量的个数 m; 该向量组线性
无关的充分必要条件是 r(A) = m.
定理
向量组 α1 , α2 ,...,αm 线性相关的充分必要条件是它所构成的矩
阵 A = (α1 , α2 , ..., αm ) 的秩小于向量的个数 m; 该向量组线性
无关的充分必要条件是 r(A) = m.

推论
n 个 n 维向量线性无关的充分必要条件是它们构成的方阵行列式
不等于零.
定理
向量组 α1 , α2 ,...,αm 线性相关的充分必要条件是它所构成的矩
阵 A = (α1 , α2 , ..., αm ) 的秩小于向量的个数 m; 该向量组线性
无关的充分必要条件是 r(A) = m.

推论
n 个 n 维向量线性无关的充分必要条件是它们构成的方阵行列式
不等于零.

推论
当 m > n 时, m 个 n 维向量 α1 , α2 ,...,αm 一定线性相关. 特别
地, n + 1 个 n 维向量必线性相关.
例题

例
讨论下列向量组的线性相关性:
▶ α1 = (1, 2, 1)T , α2 = (0, 5, −1)T , α3 = (1, 1, 2)T ,
α4 = (3, 0, 1)T ;
▶ α1 = (1, 2, 3)T , α2 = (2, 2, 1)T , α3 = (3, 4, 3)T ;
▶ α1 = (1, 1, 1, 2)T , α2 = (0, 2, 1, 3)T , α3 = (3, 1, 0, 1)T ;
向量组等价

定义
设有两个向量组

R = {α1 , α2 , ..., αr } S = {β 1 , β 2 , ..., β s }

若向量组 R 中每个向量 αi , 都可以由向量组 S 中的向量 β 1 ,

β 2 ,..., β s , 线性表出, 则称向量组 R 可以由向量组 S 线性表出.
又若向量组 S 也可以由向量组 R 线性表出, 则称这两个向量组等
价.
设向量组 R 可以由向量组 S 线性表示, 则


 α1 = k11 β 1 + k21 β 2 + ... + ks1 β s

α2 = k12 β 1 + k22 β 2 + ... + ks2 β s

 ...

αr = k1r β 1 + k2r β 2 + ... + ksr β s .
设向量组 R 可以由向量组 S 线性表示, 则


 α1 = k11 β 1 + k21 β 2 + ... + ks1 β s

α2 = k12 β 1 + k22 β 2 + ... + ks2 β s

 ...

αr = k1r β 1 + k2r β 2 + ... + ksr β s .

利用矩阵乘法的形式, 则
 
k11 k12 ... k1r
 k21 k22 ... k2r 
(α1 , α2 , ..., αr ) = (β 1 , β 2 , ..., β s ) 
 ... ...

... ... 
ks1 ks2 ... ksr
设向量组 R 可以由向量组 S 线性表示, 则


 α1 = k11 β 1 + k21 β 2 + ... + ks1 β s

α2 = k12 β 1 + k22 β 2 + ... + ks2 β s

 ...

αr = k1r β 1 + k2r β 2 + ... + ksr β s .

利用矩阵乘法的形式, 则
 
k11 k12 ... k1r
 k21 k22 ... k2r 
(α1 , α2 , ..., αr ) = (β 1 , β 2 , ..., β s ) 
 ... ...

... ... 
ks1 ks2 ... ksr

设 A = (α1 , α2 , ..., αr ), B = (β 1 , β 2 , ..., β s ), K = (ki j)s×r , 则

A = BK.
注
▶ 向量组 R 向量组 S 线性表出, 则有如上矩阵乘法表示的等
式, 反之若有上述的矩阵乘法形式, 则矩阵 A 的列向量可由
矩阵 B 的列向量的线性表示.
▶ 设 R, S, T 为三个同维向量组, 则
▶ 反身性: R 与 R 自身等价;
▶ 对称性: 若 R 与 S 等价, 则 S 与 R 等价;
▶ 传递性: 若 R 与 S 等价, S 与 T 等价, 则 R 与 T 等价.
极大线性无关组与向量组的秩

极大线性无关组
设 T 是由若干个 (有限或无限多个) n 维向量组成的向量组. 若
存在 T 的一个部分组 α1 , α2 ,..., αr 满足以下条件:
▶ α1 , α2 ,..., αr 线性无关;
▶ 对任意一个向量 β ∈ T, 向量组 β, α1 , α2 ,..., αr 线性相关,
则称 α1 , α2 ,..., αr 为向量组 T 的一个极大线性无关向量组, 简
称极大无关组.

秩
极大线性无关组所含向量的个数 r 称为向量组 T 的秩.
注
▶ 只含零向量的向量组没有极大线性无关组, 规定其秩为 0;
注
▶ 只含零向量的向量组没有极大线性无关组, 规定其秩为 0;
▶ 一个向量组的极大线性无关组不唯一, 例如

T = {(1, 0)T , (2, 0)T };

注
▶ 只含零向量的向量组没有极大线性无关组, 规定其秩为 0;
▶ 一个向量组的极大线性无关组不唯一, 例如

T = {(1, 0)T , (2, 0)T };

▶ 向量组的秩是定义完善的, 即若向量组中任意两个极大无关
组中所含向量个数相等.
注
▶ 只含零向量的向量组没有极大线性无关组, 规定其秩为 0;
▶ 一个向量组的极大线性无关组不唯一, 例如

T = {(1, 0)T , (2, 0)T };

▶ 向量组的秩是定义完善的, 即若向量组中任意两个极大无关
组中所含向量个数相等.
注
▶ 只含零向量的向量组没有极大线性无关组, 规定其秩为 0;
▶ 一个向量组的极大线性无关组不唯一, 例如

T = {(1, 0)T , (2, 0)T };

▶ 向量组的秩是定义完善的, 即若向量组中任意两个极大无关
组中所含向量个数相等.

定理
向量组 T 与它的任意极大无关组等价, 因而 T 的任意两个极大
线性无关组等价.
注
▶ 只含零向量的向量组没有极大线性无关组, 规定其秩为 0;
▶ 一个向量组的极大线性无关组不唯一, 例如

T = {(1, 0)T , (2, 0)T };

▶ 向量组的秩是定义完善的, 即若向量组中任意两个极大无关
组中所含向量个数相等.

定理
向量组 T 与它的任意极大无关组等价, 因而 T 的任意两个极大
线性无关组等价.

定理
设
R = {α1 , α2 , ..., αr } S = {β 1 , β 2 , ..., β s }
为两个线性无关组. 若向量组 R 可以由 S 线性表出, 则 r ≤ s.
注
▶ 只含零向量的向量组没有极大线性无关组, 规定其秩为 0;
▶ 一个向量组的极大线性无关组不唯一, 例如

T = {(1, 0)T , (2, 0)T };

▶ 向量组的秩是定义完善的, 即若向量组中任意两个极大无关
组中所含向量个数相等.

定理
向量组 T 与它的任意极大无关组等价, 因而 T 的任意两个极大
线性无关组等价.

定理
设
R = {α1 , α2 , ..., αr } S = {β 1 , β 2 , ..., β s }
为两个线性无关组. 若向量组 R 可以由 S 线性表出, 则 r ≤ s.
定理
设向量组 R 的秩为 r, 向量组 S 的秩为 s, 若向量组 R 可以由 S
线性表出, 则 r ≤ s.
定理
设向量组 R 的秩为 r, 向量组 S 的秩为 s, 若向量组 R 可以由 S
线性表出, 则 r ≤ s.

推论
等价的向量组必有相同的秩.
定理
设向量组 R 的秩为 r, 向量组 S 的秩为 s, 若向量组 R 可以由 S
线性表出, 则 r ≤ s.

推论
等价的向量组必有相同的秩.

推论
任意两个线性无关的等价向量组所含向量个数相等.
定理
设向量组 R 的秩为 r, 向量组 S 的秩为 s, 若向量组 R 可以由 S
线性表出, 则 r ≤ s.

推论
等价的向量组必有相同的秩.

推论
任意两个线性无关的等价向量组所含向量个数相等.

注
等价的向量组有相同的秩, 但反之不然.
定理
设向量组 R 的秩为 r, 向量组 S 的秩为 s, 若向量组 R 可以由 S
线性表出, 则 r ≤ s.

推论
等价的向量组必有相同的秩.

推论
任意两个线性无关的等价向量组所含向量个数相等.

注
等价的向量组有相同的秩, 但反之不然.

例
由全体 n 维向量所组成的集合记为 Rn . 求 Rn 的一个极大线性
无关组, 并证明 Rn 中任意 n + 1 个向量一定线性相关.
向量组的秩和极大线性无关组的求法

矩阵的行向量组与列向量组
设  
a11 a12 ... a1n
 a21 a22 ... a2n 
A=
 ...
.
... ... ... 
am1 am2 ... amn
则 A 可以视为
 
α1
 α2 
 
A= ..  = (β 1 , β 2 , ..., β n ),
 . 
αm

其中 αi = (ai1 , ai2 , ..., ain ), β j = (a1j , a2j , ..., amj )T (i = 1, 2, ..., m,

j = 1, 2, ..., n).
定义
矩阵 Am×n 对应两个向量组 (分别为 n 维行向量组和 m 维列向
量组):

M = {α1 , α2 , ..., αm }, N = {β 1 , β 2 , ..., β n }

称 M 为 A 的行向量组, 称 N 为 A 的列向量组.
定义
矩阵 Am×n 对应两个向量组 (分别为 n 维行向量组和 m 维列向
量组):

M = {α1 , α2 , ..., αm }, N = {β 1 , β 2 , ..., β n }

称 M 为 A 的行向量组, 称 N 为 A 的列向量组.

定义
矩阵的行向量组的秩称为矩阵的行秩, 列向量组的秩称为矩阵
的列秩.
定理
矩阵的秩等于它的行秩, 也等于它的列秩.
定理
矩阵的秩等于它的行秩, 也等于它的列秩.

注
一般地, 向量组 α1 , α2 ,..., αm 的秩记为秩 (α1 , α2 , ..., αm ).
定理
矩阵的秩等于它的行秩, 也等于它的列秩.

注
一般地, 向量组 α1 , α2 ,..., αm 的秩记为秩 (α1 , α2 , ..., αm ).

定理
矩阵 A 经过初等行变换化为矩阵 B, 则 A 的列向量组的任一部
分组与 B 的列向量的对应的部分组有相同的线性组合关系.
例题

例
求向量组

α1 = (1, 4, 1, 0, 2)T , α2 = (2, 5, −1, −3, 2)T

α3 = (−1, 2, 5, 6, 2)T , α4 = (0, 2, 2, −1, 0)T

的秩及一个极大无关组, 并把不属于这个极大无关组的向量用该
极大无关组线性表出.

例
求向量组
α1 = (2, 1, 4, 3), α2 = (−1, 1, −6, 6),
α3 = (−1, −2, 2, −9), α4 = (1, 1, −2, 7), α5 = (2, 4, 4, 9)
的一个极大无关组.
例
证明: r(AB) ≤ min{r(A), r(B)}.

例
设向量组 R 能由向量组 S 线性表出, 且它们的秩相等, 证明向量
组 R 与向量组 S 等价.
n 维向量空间

定义
设 V 是 n 维向量空间构成的非空集合. 且满足
▶ 若 α, β ∈ V, 则 α + β ∈ V;
▶ 若 α ∈ V 及 ∀ k ∈ R, 都有 kα ∈ V
则称集合 V 是向量空间.
n 维向量空间

定义
设 V 是 n 维向量空间构成的非空集合. 且满足
▶ 若 α, β ∈ V, 则 α + β ∈ V;
▶ 若 α ∈ V 及 ∀ k ∈ R, 都有 kα ∈ V
则称集合 V 是向量空间.

注
上述第一个条件称为 V 对加法运算的封闭性, 第二个条件称 V
对数乘运算的封闭性.
例
所有 n 维列向量的全体 Rn 构成一个向量空间.
例
所有 n 维列向量的全体 Rn 构成一个向量空间.

例
向量集 {0} 是一个向量空间.
例
所有 n 维列向量的全体 Rn 构成一个向量空间.

例
向量集 {0} 是一个向量空间.

注
向量集 V = {0} 称为零空间.
例
所有 n 维列向量的全体 Rn 构成一个向量空间.

例
向量集 {0} 是一个向量空间.

注
向量集 V = {0} 称为零空间.

例
三维向量空间 R3 中过原点的直线.
例
所有 n 维列向量的全体 Rn 构成一个向量空间.

例
向量集 {0} 是一个向量空间.

注
向量集 V = {0} 称为零空间.

例
三维向量空间 R3 中过原点的直线.

思考
上例中的直线如果不过原点是否还是向量空间?
子空间
设 V1 , V2 都是向量空间, 且 V1 ⊂ V2 , 则称 V1 为 V2 的子空间.
子空间
设 V1 , V2 都是向量空间, 且 V1 ⊂ V2 , 则称 V1 为 V2 的子空间.

注
▶ 本书除第九章外, 所涉及的 n 维向量空间是 Rn 的子空间;
▶ 全空间和 {0} 均是子空间, 称为平凡子空间.
例
证明 Rn 的以下子集 V1 , V2 都是向量空间, 但 V3 不是向量空间:

V1 = {α = (0, a2 , ..., an ) | ∀ ai ∈ R}
V2 = {α = (a1 , 0, a3 , 0, a5 , ..., an ) | ∀ ai ∈ R}
V3 = {α = (1, a2 , ..., an ) | ∀ ai ∈ R}

例
齐次线性方程组 Ax = 0 的解集按通常的加法与数乘是向量空
间, 而非齐次线性方程组 Ax = b 的解集不是.
构造子空间的方法
例
设 V 是向量空间 α ∈ V, 定义

V1 = {λα | ∀ λ ∈ R}

则 V1 ⊂ V 是 V 的子空间. 设 β ∈ V, 定义

V2 = {λα + µβ | ∀ λ, µ ∈ R}

则 V2 ⊂ V 也是 V 的子空间.
构造子空间的方法
例
设 V 是向量空间 α ∈ V, 定义

V1 = {λα | ∀ λ ∈ R}

则 V1 ⊂ V 是 V 的子空间. 设 β ∈ V, 定义

V2 = {λα + µβ | ∀ λ, µ ∈ R}

则 V2 ⊂ V 也是 V 的子空间.

注
▶ 当 α = 0 时, V1 是 V 零子空间, 而 α ̸= 0 时, 如果 V1 ̸= V,
则 V1 是 V 的非平凡子空间.
▶ 当 β 可以由 α 线性表出时, V2 = V1 , 而当 α 与 β 线性无
关时, V1 ⫋ V2 , 是 V2 的子空间;
定义
在向量空间 V 中任取一组元素 α1 , α2 ,...,αm , 则集合

U = {k1 α1 + k2 α2 + ... + km αm |∀ ki ∈ R, i = 1, 2, ..., m}

是 V 的子空间, 记为

U = L(α1 , α2 , ..., αm )

并称它为由α1 , α2 ,...,αm 生成的线性空间.

例
考虑向量空间 Rn . 令

ϵi = (0, .., 0, 1, 0, ..., 0)T (I = 1, 2, ..., n)

则
Vi = L(ϵ1 , ϵ2 , ..., ϵi ), i = 1, 2, ..., n
是 Rn 的子空间, 且 Vn = Rn , 即

Rn = L(ϵ1 , ϵ2 , ..., ϵn ).
向量空间的基与维数

定义
设 V 是向量空间. 若 V 中的向量组 α1 , α2 ,..., αr 满足
▶ α1 , α2 ,..., αr 线性无关;
▶ V 中任意一个向量 α 都可以由向量组 α1 , α2 ,..., αr 线性表
出, 即存在实数 k1 , k2 ,..., kr 使得

α = k1 α1 + k2 α2 + ... + kr αr ,

则称向量组 α1 , α2 ,..., αr 为向量空间 V 的一组基, 其中每个 αi

(i = 1, 2, ..., r) 称为基向量, 基中所含向量的个数 r 称为 V 的维
数, 记为 dim(V) = r, 并称 V 为r 维向量空间.
注
▶ 零空间的维数规定为 0;
注
▶ 零空间的维数规定为 0;
▶ 向量空间 V 的一组基是向量集合 V 中的一个极大无关组, V
的维数就是极大无关组中所含向量的个数, 即 V 的秩, 所以
维数的定义是完善 (任意两组基中所含向量个数相等);
注
▶ 零空间的维数规定为 0;
▶ 向量空间 V 的一组基是向量集合 V 中的一个极大无关组, V
的维数就是极大无关组中所含向量的个数, 即 V 的秩, 所以
维数的定义是完善 (任意两组基中所含向量个数相等);
▶ 非零向量空间的基是不唯一的, 如 {(1, 0)T , (0, 1)T } 和
{(−1, 0)T , (0, −1)T } 均是 R2 的基.
定义
设 α1 , α2 ,..., αr 为向量空间 V 的一组基, 则 V 中任意一个向量
α 都可以由向量组 α1 , α2 ,..., αr 唯一的线性表出, 即存在唯一的
一组实数 x1 , x2 ,..., xr 使得

α = x1 α1 + x2 α2 + ... + xr αr ,

称这组有序的数组 x1 , x2 ,..., xr 为向量 α 关于基 α1 , α2 ,..., αr

的坐标.
定义
设 α1 , α2 ,..., αr 为向量空间 V 的一组基, 则 V 中任意一个向量
α 都可以由向量组 α1 , α2 ,..., αr 唯一的线性表出, 即存在唯一的
一组实数 x1 , x2 ,..., xr 使得

α = x1 α1 + x2 α2 + ... + xr αr ,

称这组有序的数组 x1 , x2 ,..., xr 为向量 α 关于基 α1 , α2 ,..., αr

的坐标.

注
▶ 向量的坐标依赖于基的选取及其排列顺序;
定义
设 α1 , α2 ,..., αr 为向量空间 V 的一组基, 则 V 中任意一个向量
α 都可以由向量组 α1 , α2 ,..., αr 唯一的线性表出, 即存在唯一的
一组实数 x1 , x2 ,..., xr 使得

α = x1 α1 + x2 α2 + ... + xr αr ,

称这组有序的数组 x1 , x2 ,..., xr 为向量 α 关于基 α1 , α2 ,..., αr

的坐标.

注
▶ 向量的坐标依赖于基的选取及其排列顺序;
▶ 几何上看, 非零向量空间的基底的选取相当于坐标系的选取.
因此根据问题的不同可以选取不同的基底.
例题

例
证明 Rn 中任意 n 线性无关的向量都构成 Rn 的一组基.

例
证明 α1 = (1, 1, 1, 1)T , α2 = (1, 3, 1, 0)T , α3 = (1, 0, 1, 0)T ,
α4 = (1, 0, 0, 1)T 是 R4 的一组基.

例
在 R4 中, 求由向量组 α1 = (2, 1, −1, 2)T , α2 = (1, 0, −3, 2)T ,
α3 = (2, 2, 1, −1)T , α4 = (3, 3, 3, −5)T 生成的线性子空间的维数
和一组基.