Главная страница

Лекция16 Линейная оболочка системы векторов. Векторов в линейном пространстве


Скачать 325.18 Kb.
НазваниеВекторов в линейном пространстве
Дата16.12.2021
Размер325.18 Kb.
Формат файлаpdf
Имя файлаЛекция16 Линейная оболочка системы векторов.pdf
ТипЛекция
#306372


1
Лекция 16. Линейная оболочка системы векторов. Ранг системы векторов.
Теорема о базисном миноре
§ 1. Линейная оболочка системы векторов
Пусть
𝑆 = 𝑢
1
, 𝑢
2
, … , 𝑢
𝑚
– линейная система векторов в линейном пространстве
𝐿. Рассмотрим множество векторов, которые могут быть представлены линейной комбинацией этих векторов
ℒ 𝑆 = 𝑥 ∈ 𝐿 ∶ 𝑥 = 𝜆
1
𝑢
1
+ 𝜆
2
𝑢
2
+ ⋯ + 𝜆
𝑚
𝑢
𝑚
,
это множество называется линейной оболочкой системы векторов
𝑆.
Утверждается, что линейная оболочка
ℒ 𝑆 является линейным подпространством, так как
∀ 𝑥 , 𝑦 ∈ ℒ 𝑆 𝑥 + 𝑦 ∈ ℒ 𝑆 ,
∀ 𝑥 ∈ ℒ 𝑆 , ∀ 𝜆 ∈ 𝑅 𝜆𝑥 ∈ ℒ 𝑆 .
Определение. Рангом системы векторов
𝑆 называют размерность их линейной оболочки
ℒ 𝑆 rg 𝑆 = dimℒ 𝑆 .
Замечание. Любое линейное подпространство или пространство можно представить как линейную оболочку некоторой системы векторов.
Если
𝑆 = 𝑢
1
, 𝑢
2
, … , 𝑢
𝑚
система линейно независимых векторов, то векторы
𝑢
1
, 𝑢
2
, … , 𝑢
𝑚
образуют базис линейного пространства
(подпространства) и rg 𝑆 = dimℒ 𝑆 = 𝑚.
Если
𝑢
1
, 𝑢
2
, … , 𝑢
𝑚
линейно зависимые векторы, то выделим из них линейно независимую подсистему.
Теорема. Пусть все векторы системы
𝑆
1
= 𝑥
1
, 𝑥
2
, … , 𝑥
𝑚
линейно выражаются через векторы системы
𝑆
2
= 𝑦
1
, 𝑦
2
, … , 𝑦
𝑘
, тогда rg 𝑆
1
≤ rg 𝑆
2
Доказательство.
ℒ 𝑆
1
⊆ ℒ 𝑆
2
, так как ∀ 𝑥
𝑖
∈ ℒ 𝑆
1
𝑥
𝑖
= 𝜆
1
𝑦
1
+ 𝜆
2
𝑦
2
+ ⋯ + 𝜆
𝑘
𝑦
𝑘
∈ ℒ 𝑆
2
, следовательно, dimℒ 𝑆
1
≤ dimℒ 𝑆
2

2
Пример.
𝑆
1
= 1, 𝑡, 𝑡
2
, 𝑆
2
= 1, 𝑡, 𝑡
2
, 𝑡
3
, 𝑡
4
. 𝑆
1
⊆ 𝑆
2
, rg 𝑆
1
= 3, rg 𝑆
2
= 5.
§ 2. Сохранение ранга системы векторов при элементарных преобразованиях
Элементарные преобразования:
1) перестановка векторов системы;
2) умножение вектора системы на число, отличное от нуля;
3) прибавление к одному из векторов системы другого вектора, умноженного на число.
Теорема. При элементарных преобразованиях системы векторов еѐ ранг не меняется.
Доказательство. Пусть
𝑆 – исходная система векторов, а система 𝑆
1
получена из исходной системы элементарными преобразованиями, следовательно,
𝑆
1
⊆ 𝑆 ⇒ rg 𝑆
1
≤ rg 𝑆 .
Но из системы
𝑆
1
можно получить систему
𝑆 обратными преобразованиями, следовательно,
𝑆 ⊆ 𝑆
1
⇒ rg 𝑆 ≤ rg 𝑆
1
Окончательно получаем rg 𝑆 = rg 𝑆
1
§ 3. Ранг матрицы
Пусть
𝐴 – матрица размера 𝑚 × 𝑛. Минор матрицы 𝐴 𝑘-го порядка – это определитель, полученный выделением
𝑘 строк и 𝑘 столбцов.
Определение. Ранг матрицы
𝐴 – это максимальный порядок, отличного от нуля минора этой матрицы. Обозначение rg 𝐴 , r 𝐴 .
Иначе: rg 𝐴 = 𝑘 означает, что 1) у матрицы 𝐴 существует минор 𝑘-го порядка, отличный от нуля; 2) все миноры матрицы
𝐴 порядка ≥ 𝑘 + 1 равны нулю (если они есть).

3
Для определения ранга матрицы еѐ следует привести элементарными преобразованиями к ступенчатому виду; число ненулевых строк в ступенчатом виде и есть ранг матрицы.
Пример:
𝐴 =
1 2 1 1 3 1 1 1 1 1 2 1 1 1 3 0 0 1 1 1


1 1 1 1 1 0 1 0 0 2 0 −1 −1 −1 1 0 0 1 1 1

1 1 1 1 1 0 1 0 0 2 0 0 −1 −1 3 0 0 1 1 1


1 1 1 1 1 0 1 0 0 2 0 0 −1 −1 3 0 0 0 0 4
⇒ rg 𝐴 = 4.
§ 4. Теорема о базисном миноре
Определение. Базисным минором матрицы
𝐴 называется отличный от нуля минор максимального возможного размера (равного рангу матрицы).
Для ступенчатой матрицы базисный минор стоит в верхнем левом углу.
Определение. Строки и столбцы, в пересечении которых стоит базисный минор, называются базисными.
Обозначим
𝑖 -ую строку матрицы 𝐴 так
𝐴
𝑖
= 𝑎
1
, 𝑎
2
, … , 𝑎
𝑛
Эти строки можно рассматривать как векторы из
𝑅
𝑛
, их можно складывать, умножать на числа, говорить о линейной зависимости и независимости. Например, запись
𝐴
𝑖
= 𝜆
1
𝐴
1
+ 𝜆
2
𝐴
2
+ ⋯ + 𝜆
𝑟
𝐴
𝑟
означает что
𝑖-ая строка линейно выражается через строки 1,2, … , 𝑟.
Теорема о базисном миноре.
Пусть
𝐴 – ненулевая матрица, тогда:
1) базисные строки (столбцы) линейно независимы;
2) все остальные строки (столбцы), если они есть, являются линейными комбинациями базисных строк (столбцов).

4
Доказательство. Считаем для определѐнности, что базисный минор стоит в левом верхнем углу матрицы (в противном случае этого можно добиться перестановкой базисных строк и столбцов матрицы
𝐴)
𝑀 =
𝑎
11
⋯ 𝑎
1𝑟

𝑎
𝑟1
⋯ 𝑎
𝑟𝑟
≠ 0, где 𝑟 = rg 𝐴 ≥ 1.
1) Докажем линейную независимость базисных строк
𝐴
1
, 𝐴
2
, … , 𝐴
𝑟
Допустим противоположное, что строки линейно зависимые. Тогда по критерию линейной зависимости одна из строк линейно выражается через другие, например
𝐴
𝑟
= 𝜆
1
𝐴
1
+ 𝜆
2
𝐴
2
+ ⋯ + 𝜆
𝑟−1
𝐴
𝑟−1
Вычтем в определителе
𝑀 из 𝑟-ой строки линейную комбинацию строк, стоящую в правой части этого выражения. При этом определитель не изменится, а его
𝑟-ая строка станет нулевой. Определитель, у которого есть нулевая строка, равен нулю
𝑀 = 0, что противоречит условию теоремы.
Следовательно, базисные строки
𝐴
1
, 𝐴
2
, … , 𝐴
𝑟
линейно независимы.
2) Докажем, что все остальные строки линейно выражаются через базисные, то есть
𝐴
𝑘
= 𝜆
1
𝐴
1
+ 𝜆
2
𝐴
2
+ ⋯ + 𝜆
𝑟
𝐴
𝑟
для 𝑘 = 𝑟 + 1, … , 𝑚.
Рассмотрим минор
Для любого
𝑗 = 1, 𝑛
этот минор равен нулю 𝐷
𝑗
= 0, так как: а) если
𝑗 = 1, 𝑟
, то в миноре 𝐷
𝑗
будет два одинаковых столбца и он равен нулю; б) если
𝑗 = 𝑟 + 1, 𝑛
, то 𝐷
𝑗
– минор порядка
𝑟 + 1 и он равен нулю.
Разложим минор
𝐷
𝑗
по последнему столбцу
0 = 𝐷
𝑗
= 𝑎
1𝑗
𝐴
1𝑗
+ ⋯ + 𝑎
𝑟𝑗
𝐴
𝑟𝑗
+ 𝑎
𝑘𝑗
𝑀.
Так как
𝑀 ≠ 0, то из последнего выражения получаем
𝐷
𝑗
=
𝑎
11
⋯ 𝑎
1𝑟
𝑎
1𝑗

𝑎
𝑟1
𝑎
𝑘1


𝑎
𝑟𝑟
𝑎
𝑘𝑟
𝑎
𝑟𝑗
𝑎
𝑘𝑗
где 𝑗 = 1, 𝑛

5
𝑎
𝑘𝑗
= −
𝐴
1𝑗
𝑀
𝑎
1𝑗

𝐴
2𝑗
𝑀
𝑎
2𝑗
− ⋯ −
𝐴
𝑟𝑗
𝑀
𝑎
𝑟𝑗
Заметим, что отношение

𝐴
𝑖𝑗
𝑀
не зависит от
𝑗, обозначим его 𝜆
𝑖
= −
𝐴
𝑖𝑗
𝑀
, тогда
𝑎
𝑘𝑗
= 𝜆
1
𝑎
1𝑗
+ 𝜆
2
𝑎
2𝑗
+ ⋯ + 𝜆
𝑟
𝑎
𝑟𝑗
для всех 𝑗 = 1, 𝑛
А это означает, что
𝑘-ая строка 𝐴
𝑘
есть линейная комбинация строк
𝐴
1
, … , 𝐴
𝑟
𝐴
𝑘
= 𝜆
1
𝐴
1
+ 𝜆
2
𝐴
2
+ ⋯ + 𝜆
𝑟
𝐴
𝑟
Замечание. Теорема была доказана для строк, она справедлива и для столбцов.
При транспонировании ранг матрицы не меняется, так как определитель матрицы не меняется при транспонировании, а все миноры транспонируются.
Следствие. Пусть
𝐴 – матрица размера 𝑛 × 𝑛, тогда справедливо утверждение: определитель матрицы
𝐴 равен нулю тогда и только тогда, когда хотя бы одна из его строк (столбцов) линейно выражается через другие строки
(столбцы).
Доказательство. Для квадратных матриц
𝐴 размера 𝑛 × 𝑛 с определителем, отличным от нуля det𝐴 = 𝐴 ≠ 0 определитель 𝐴 и является базисным минором. Поэтому det𝐴 = 0 ⇔ rg𝐴 < 𝑛 ⇔ ∃ не базисные строки столбцы ⇔
⇔ ∃ строки столбцы , линейно выражающиеся через базисные.
§ 5. Дополнение базиса подпространства до базиса всего пространства.
Теорема Штейница
Пусть
𝑆
1
= 𝑢
1
, 𝑢
2
, … , 𝑢
𝑚
– полная система векторов в линейном пространстве
𝐿, то есть ℒ 𝑢
1
, 𝑢
2
, … , 𝑢
𝑚
= 𝐿 (говорят, что это система образующих). И пусть
𝑆
2
= 𝑣
1
, 𝑣
2
, … , 𝑣
𝑘
– линейно независимая система векторов в
𝐿. Тогда:
1)
𝑘 ≤ 𝑚;

6 2) некоторые векторы системы
𝑆
1
можно заменить на векторы системы
𝑆
2
так, что полученная система останется полной в
𝐿.
Рассмотрим некоторое линейное подпространство
𝑀 в линейном пространстве
𝐿: 𝑀 ⊆ 𝐿. Пусть 𝑓
1
, 𝑓
2
, … , 𝑓
𝑘
– базис в 𝑀 и 𝑒
1
, 𝑒
2
, … , 𝑒
𝑛
– базис в
𝐿. Тогда по теореме Штейница какие-то 𝑘 векторов в базисе 𝑒
1
, 𝑒
2
, … , 𝑒
𝑛
можно заменить на векторы
𝑓
1
, 𝑓
2
, … , 𝑓
𝑘
и полученная система
𝑓
1
, 𝑓
2
, … , 𝑓
𝑘
, 𝑒
𝑘+1
, … , 𝑒
𝑛
будет базисом в 𝐿.
Пример:
𝑒
1
, 𝑒
2
, 𝑒
3
, 𝑒
4
= 𝑡
3
, 𝑡
2
, 𝑡, 1 , 𝑓
1
, 𝑓
2
= 𝑡
3
+ 𝑡
2
, 𝑡
2
+ 3 0𝑡
3
𝐴 =
1 0 0 0 1 1 0 0 0
0 0
3 1
0 0
1
𝑡
3
𝑡
2
𝑡 1


написать администратору сайта