رفتن به متن
باغ ریاضی
تمرین ۲.۹ کاربرد لم وابستگی خطی در پیدا کردن بردار زائد
تنظیمات مطالعه
تنظیمات مطالعه

تمرین ۲.۹ کاربرد لم وابستگی خطی در پیدا کردن بردار زائد

یادداشت شما ذخیره شد

می‌خواهید این تغییرات برای مدیر وب‌سایت هم ارسال شوند؟ نسخهٔ رسمی تنها پس از تأیید تغییر می‌کند.

تمرین ۲.۹: کاربرد لم وابستگی خطی در پیدا کردن بردار زائد

صورت دقیق مسئله (کتاب آکسلر، لم ۱۹.۲ و کاربردهای آن در بخش ۱.۲)

بخش الف (بیان و اثبات قضیه بنیادی): لم وابستگی خطی (Linear Dependence Lemma) را با دقت ریاضی بیان کنید و نشان دهید که اگر یک لیست v1,…,vmv_1, \dots, v_m از بردارها در VV وابسته خطی باشد، آنگاه اندیسی مانند j∈{1,…,m}j \in \{1, \dots, m\} وجود دارد که:

  1. vj∈span⁡(v1,…,vj−1)v_j \in \operatorname{span}(v_1, \dots, v_{j-1}) (اگر j=1j=1 باشد، یعنی v1=0v_1 = 0).
  2. با حذف بردار vjv_j از این لیست، گستره بردارهای باقیمانده دقیقاً برابر با گستره لیست اولیه خواهد بود.

بخش ب (مسئله تشریحی آزمون): لیست ۵ برداری زیر را در R4\mathbb{R}^4 در نظر بگیرید:

v1=(1,2,0,1),  v2=(2,4,0,2),  v3=(0,1,1,0),  v4=(1,3,1,1),  v5=(0,0,1,0)v_1 = (1, 2, 0, 1), \; v_2 = (2, 4, 0, 2), \; v_3 = (0, 1, 1, 0), \; v_4 = (1, 3, 1, 1), \; v_5 = (0, 0, 1, 0)

با پیاده‌سازی الگوریتم لم وابستگی خطی:

  1. اولین بردار زائد را که در گستره بردارهای ماقبل خود قرار دارد، بیابید و آن را حذف کنید.
  2. آیا لیست حاصل هنوز وابسته خطی است؟ بردار زائد بعدی را بیابید.
  3. در نهایت یک زیرلیست مستقل خطی که همان گستره اولیه را دارد، استخراج نمایید.

۱. تحلیل اولیه و باز کردن خواسته مسئله

  • اهمیت حیاتی لم وابستگی خطی: این لم مهم‌ترین موتور محرک تمام اثبات‌های فصل دوم کتاب آکسلر است (اثبات قضیه بعد، استخراج پایه از مجموعه مولد، گسترش لیست مستقل خطی به پایه، و نامساوی طول لیست‌ها همگی مستقیماً بر این لم بنا شده‌اند).
  • تفاوت وابسته خطی بودن معمولی با لم وابستگی خطی:
    • تعریف معمولی وابستگی خطی می‌گوید: یک بردار وجود دارد که ترکیبی خطی از بقیه بردارهاست.
    • اما لم وابستگی خطی قیدی جهت‌دار و بسیار قوی‌تر دارد: برداری وجود دارد که ترکیبی خطی از بردارهای قبلی خود است (vj∈span⁡(v1,…,vj−1)v_j \in \operatorname{span}(v_1, \dots, v_{j-1})).

۲. ایده و استراتژی حل (Problem-Solving Strategy)

  • چگونه jj مناسب را در اثبات پیدا کنیم؟ چون بردارها وابسته خطی هستند، اسکالرهایی ناصفر وجود دارند که a1v1+⋯+amvm=0a_1 v_1 + \dots + a_m v_m = 0. کلید اثبات این است: بزرگ‌ترین اندیسی را که ضریب آن ناصفر است انتخاب کنید! فرض کنید j=max⁡{i:ai≠0}j = \max \{ i : a_i \neq 0 \}. در این صورت برای تمام k>jk > j داریم ak=0a_k = 0. بنابراین معادله به a1v1+⋯+ajvj=0a_1 v_1 + \dots + a_j v_j = 0 تقلیل می‌یابد. چون aj≠0a_j \neq 0، می‌توان vjv_j را به سادگی تنها کرد و نوشت: vj=−a1ajv1−⋯−−aj−1ajvj−1∈span⁡(v1,…,vj−1)v_j = -\frac{a_1}{a_j} v_1 - \dots - -\frac{a_{j-1}}{a_j} v_{j-1} \in \operatorname{span}(v_1, \dots, v_{j-1})
  • در حل عددی بخش ب: بردارها را یکی‌یکی از چپ به راست غربال می‌کنیم:
    • آیا v1=0v_1 = 0؟ خیر.
    • آیا v2∈span⁡(v1)v_2 \in \operatorname{span}(v_1)؟ اگر بله، v2v_2 اولین بردار زائد است.
    • پس از حذف v2v_2، بردارهای بعدی را با بردارهای مستقل قبلی تست می‌کنیم.

۳. حل تشریحی گام‌به‌گام (Step-by-Step Solution)

اثبات تئوری و اجرای الگوریتم غربالگری

بخش الف: اثبات لم وابستگی خطی (قضیه ۱۹.۲ آکسلر)

گام اول: استفاده از فرض وابستگی خطی فرض کنید لیست v1,…,vmv_1, \dots, v_m وابسته خطی باشد. طبق تعریف، اسکالرهای a1,…,am∈Fa_1, \dots, a_m \in \mathbb{F} وجود دارند که همگی صفر نیستند و:

a1v1+a2v2+⋯+amvm=0— (۱)a_1 v_1 + a_2 v_2 + \dots + a_m v_m = 0 \quad \text{--- (۱)}

گام دوم: انتخاب اندیس طلایی jj مجموعه اندیس‌هایی را که ضریب ناصفر دارند در نظر می‌گیریم: {i∈{1,…,m}:ai≠0}\{ i \in \{1, \dots, m\} : a_i \neq 0 \}. چون ضرایب همگی صفر نیستند، این مجموعه ناتهی است و دارای یک بزرگ‌ترین عضو است. فرض کنید:

j=max⁡{i∈{1,…,m}:ai≠0}j = \max \big\{ i \in \{1, \dots, m\} : a_i \neq 0 \big\}

این بدان معناست که:

  • aj≠0a_j \neq 0
  • برای هر k>jk > j، ak=0a_k = 0

گام سوم: اثبات شرط ۱ (vj∈span⁡(v1,…,vj−1)v_j \in \operatorname{span}(v_1, \dots, v_{j-1})) اگر j=1j = 1 باشد، معادله (۱) به صورت a1v1=0a_1 v_1 = 0 درمی‌آید. چون a1≠0a_1 \neq 0، پس v1=0v_1 = 0 است و شرط اول برقرار است. اگر j>1j > 1 باشد، معادله (۱) با توجه به صفر بودن جملات با اندیس بزرگتر از jj به شکل زیر نوشته می‌شود:

a1v1+⋯+aj−1vj−1+ajvj=0a_1 v_1 + \dots + a_{j-1} v_{j-1} + a_j v_j = 0

جمله ajvja_j v_j را در یک سمت نگه داشته و سایر جملات را به سمت راست منتقل می‌کنیم:

ajvj=−a1v1−⋯−aj−1vj−1a_j v_j = -a_1 v_1 - \dots - a_{j-1} v_{j-1}

چون aj≠0a_j \neq 0، طرفین را در aj−1a_j^{-1} ضرب می‌کنیم:

vj=−a1ajv1−⋯−aj−1ajvj−1v_j = -\frac{a_1}{a_j} v_1 - \dots - \frac{a_{j-1}}{a_j} v_{j-1}

این نمایش دقیقاً ثابت می‌کند که:

vj∈span⁡(v1,…,vj−1)✓v_j \in \operatorname{span}(v_1, \dots, v_{j-1}) \quad \checkmark

گام چهارم: اثبات شرط ۲ (تساوی گستره پس از حذف vjv_j) فرض کنید u∈span⁡(v1,…,vm)u \in \operatorname{span}(v_1, \dots, v_m) یک بردار دلخواه باشد. پس اسکالرهای c1,…,cmc_1, \dots, c_m وجود دارند به طوری که:

u=c1v1+⋯+cj−1vj−1+cjvj+cj+1vj+1+⋯+cmvmu = c_1 v_1 + \dots + c_{j-1} v_{j-1} + c_j v_j + c_{j+1} v_{j+1} + \dots + c_m v_m

اما دیدیم که vjv_j ترکیبی خطی از v1,…,vj−1v_1, \dots, v_{j-1} است:

vj=d1v1+⋯+dj−1vj−1(dk=−akaj)v_j = d_1 v_1 + \dots + d_{j-1} v_{j-1} \quad \Big(d_k = -\frac{a_k}{a_j}\Big)

این عبارت را به جای vjv_j در فرمول uu قرار می‌دهیم:

u=c1v1+⋯+cj(d1v1+⋯+dj−1vj−1)+⋯+cmvmu = c_1 v_1 + \dots + c_j (d_1 v_1 + \dots + d_{j-1} v_{j-1}) + \dots + c_m v_m

با فاکتورگیری از بردارهای باقیمانده، uu به عنوان ترکیبی خطی از لیست بدون vjv_j نوشته می‌شود:

u∈span⁡(v1,…,vj−1,vj+1,…,vm)u \in \operatorname{span}(v_1, \dots, v_{j-1}, v_{j+1}, \dots, v_m)

بنابراین گستره با حذف vjv_j دچار هیچ نقصی نخواهد شد. ■\blacksquare


بخش ب: حل عددی گام‌به‌گام برای بردارهای داده‌شده در R4\mathbb{R}^4

بردارها عبارتند از:

v1=(1,2,0,1),v2=(2,4,0,2),v3=(0,1,1,0),v4=(1,3,1,1),v5=(0,0,1,0)v_1 = (1, 2, 0, 1), \quad v_2 = (2, 4, 0, 2), \quad v_3 = (0, 1, 1, 0), \quad v_4 = (1, 3, 1, 1), \quad v_5 = (0, 0, 1, 0)

مرحله ۱ (بررسی v1v_1): v1≠(0,0,0,0)v_1 \neq (0, 0, 0, 0)، بنابراین به عنوان عضو اول نگه داشته می‌شود.

مرحله ۲ (بررسی v2v_2): آیا v2∈span⁡(v1)v_2 \in \operatorname{span}(v_1)؟ به وضوح دیده می‌شود:

v2=(2,4,0,2)=2(1,2,0,1)=2v1v_2 = (2, 4, 0, 2) = 2(1, 2, 0, 1) = 2v_1

بنابراین برای اندیس j=2j = 2 داریم: v2∈span⁡(v1)v_2 \in \operatorname{span}(v_1). طبق لم وابستگی خطی، v2v_2 بردار زائد اول است و حذف می‌شود. لیست جدید: (v1,v3,v4,v5)(v_1, v_3, v_4, v_5).

مرحله ۳ (بررسی v3v_3): آیا v3∈span⁡(v1)v_3 \in \operatorname{span}(v_1)؟ اگر v3=cv1v_3 = c v_1 باشد: (0,1,1,0)=c(1,2,0,1)  ⟹  c⋅1=0  ⟹  c=0(0, 1, 1, 0) = c(1, 2, 0, 1) \implies c \cdot 1 = 0 \implies c = 0. اما اگر c=0c=0 باشد، 0⋅v1=(0,0,0,0)≠v30 \cdot v_1 = (0,0,0,0) \neq v_3. پس v3∉span⁡(v1)v_3 \notin \operatorname{span}(v_1). بنابراین v3v_3 نگه داشته می‌شود. تا اینجا لیست مستقل ما (v1,v3)(v_1, v_3) است.

مرحله ۴ (بررسی v4v_4): آیا v4∈span⁡(v1,v3)v_4 \in \operatorname{span}(v_1, v_3)؟ دستگاه معادله v4=c1v1+c3v3v_4 = c_1 v_1 + c_3 v_3 را تشکیل می‌دهیم:

(1,3,1,1)=c1(1,2,0,1)+c3(0,1,1,0)=(c1, 2c1+c3, c3, c1)(1, 3, 1, 1) = c_1 (1, 2, 0, 1) + c_3 (0, 1, 1, 0) = (c_1, \, 2c_1 + c_3, \, c_3, \, c_1)

با مقایسه مؤلفه‌ها:

  • مؤلفه اول: c1=1c_1 = 1
  • مؤلفه سوم: c3=1c_3 = 1
  • مؤلفه چهارم: c1=1c_1 = 1 حال این مقادیر را در مؤلفه دوم چک می‌کنیم: 2c1+c3=2(1)+1=32c_1 + c_3 = 2(1) + 1 = 3 که دقیقاً برابر با مؤلفه دوم v4v_4 است! بنابراین: v4=v1+v3∈span⁡(v1,v3)v_4 = v_1 + v_3 \in \operatorname{span}(v_1, v_3) طبق لم وابستگی خطی، v4v_4 بردار زائد دوم است و حذف می‌شود. لیست باقیمانده: (v1,v3,v5)(v_1, v_3, v_5).

مرحله ۵ (بررسی v5v_5): آیا v5∈span⁡(v1,v3)v_5 \in \operatorname{span}(v_1, v_3)؟ قرار می‌دهیم v5=av1+bv3v_5 = a v_1 + b v_3:

(0,0,1,0)=(a, 2a+b, b, a)(0, 0, 1, 0) = (a, \, 2a + b, \, b, \, a)

از مؤلفه اول و چهارم: a=0a = 0. از مؤلفه دوم با فرض a=0a=0: 2(0)+b=0  ⟹  b=02(0) + b = 0 \implies b = 0. اگر a=b=0a=b=0 باشد، مؤلفه سوم صفر می‌شود که با 11 تناقض دارد. بنابراین v5∉span⁡(v1,v3)v_5 \notin \operatorname{span}(v_1, v_3) و v5v_5 باید نگه داشته شود.

نتیجه نهایی الگوریتم: زیرلیست مستقل خطی نهایی که دقیقاً همان گستره اولیه را دارد عبارت است از:

(v1,v3,v5)=((1,2,0,1),  (0,1,1,0),  (0,0,1,0))\big( v_1, v_3, v_5 \big) = \big( (1, 2, 0, 1), \; (0, 1, 1, 0), \; (0, 0, 1, 0) \big)

و بعد گستره اولیه برابر با ۳ است. ■\blacksquare


۴. دام‌های رایج در حل این تیپ مسئله

هشدارهای مهم در پیاده‌سازی لم وابستگی خطی

  1. اشتباه در جهت زمان/اندیس: هرگز یک بردار را به وسیله بردارهای بعد از خودش حذف نکنید! لم وابستگی خطی تأکید می‌کند که vjv_j باید در گستره v1,…,vj−1v_1, \dots, v_{j-1} باشد. رعایت این ترتیب برای الگوریتم استخراج پایه ضروری است.
  2. حذف همزمان چند بردار وابسته: اگر متوجه شدید که v2v_2 وابسته به v1v_1 است و v4v_4 نیز وابسته به مجموع دیگر بردارهاست، نباید هر دو را کورکورانه در یک مرحله پاک کنید! هر بردار باید پس از حذف بردار زائد قبلی مورد ارزیابی قرار گیرد، زیرا ممکن است با حذف یکی، روابط وابستگی تغییر کند.
  3. انتخاب بزرگ‌ترین اندیس: در اثبات تئوری، اگر فراموش کنید قید «بزرگ‌ترین اندیس با ضریب ناصفر» را ذکر کنید، نمی‌توانید تضمین کنید که ضرایب بعد از jj همگی صفر هستند و اثبات ناقص می‌ماند.

۵. پیوندها

پیوندهای این یادداشت ۲

یادداشت‌هایی که از این صفحه به آن‌ها پیوند داده شده است.

  • لم ۱۹.۲ لم وابستگی خطی (Linear Dependence Lemma)
    پیش‌نمایش

    لم ۱۹.۲: لم وابستگی خطی (Linear Dependence Lemma)

    قلب تپنده کتاب شلدون آکسلر

    اگر یک لیست از بردارها وابسته خطی باشد، آنگاه حداقل یکی از بردارها وجود دارد که در «گستره بردارهای پیش از خود» قرار گرفته است؛ و مهم‌تر اینکه، می‌توان این بردار زاید را از لیست حذف کرد بدون اینکه ذره‌ای از گستره (Span) کل لیست کاسته شود!


  • قضیه ۲۹.۲ هر لیست مولد شامل یک پایه است (کاهش به پایه)
    پیش‌نمایش

    قضیه ۲۹.۲: هر لیست مولد شامل یک پایه است (کاهش به پایه)

    پیام کلیدی قضیه در یک جمله

    از هر فهرست مولد در یک فضای برداری می‌توان بردارهای اضافه و هرز را با یک الگوریتم گام‌به‌گام (غربال) دور ریخت تا به یک پایه خالص و بهینه رسید.


ارجاعات به این یادداشت ۰

یادداشت‌هایی که به این صفحه پیوند داده‌اند.

هنوز یادداشت دیگری به این صفحه پیوند نداده است.

حالت ارائه