رفتن به متن
باغ ریاضی
لم ۱۹.۲ لم وابستگی خطی (Linear Dependence Lemma)
تنظیمات مطالعه
تنظیمات مطالعه

لم ۱۹.۲ لم وابستگی خطی (Linear Dependence Lemma)

یادداشت شما ذخیره شد

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

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!


۱. تصویر کلان: چرا این لم شاهکار آکسلر است؟

در جبر خطی سنتی، برای اثبات قضایای بعد و پایه از «ماتریس‌ها»، «حذف گوسی» یا «دترمینان‌ها» استفاده می‌شود. اما شلدون آکسلر رویکردی انقلابی برگزیده است: جبر خطی مجرد و بدون ماتریس و دترمینان. ابزار جادویی که تمام بار نظری کتاب آکسلر را به دوش می‌کشد، همین لم وابستگی خطی (Lemma 2.19) است:

  • با این لم قضیه ابعاد پایه‌ها اثبات می‌شود (m≤nm \le n).
  • با این لم الگوریتم استخراج پایه از لیست مولد پیاده‌سازی می‌شود.
  • با این لم الگوریتم بسط لیست مستقل خطی به یک پایه اثبات می‌شود.
  • با این لم قضیه بعد متناهی بودن زیرفضاها اثبات می‌شود.

ایده بسیار ناب است: در یک لیست وابسته خطی، از چپ به راست حرکت می‌کنیم؛ اولین برداری که هیچ جهت جدیدی به جهات قبلی اضافه نمی‌کند پیدا کرده و دور می‌ریزیم. فضا دست‌نخورده باقی می‌ماند!


۲. صورت دقیق ریاضی لم (کتاب آکسلر)

لم ۱۹.۲ کتاب آکسلر (Linear Dependence Lemma)

فرض کنید v1,…,vmv_1, \dots, v_m یک لیست وابسته خطی در VV باشد. آنگاه عددی مانند k∈{1,2,…,m}k \in \{1, 2, \dots, m\} وجود دارد به طوری که:

الف) بردار kk-ام در گستره بردارهای قبلی قرار دارد:

vk∈span⁡(v1,…,vk−1)v_k \in \operatorname{span}(v_1, \dots, v_{k-1})

ب) اگر بردار kk-ام از لیست حذف شود، گستره لیست باقی‌مانده برابر با گستره لیست اولیه خواهد بود:

span⁡(v1,…,vk^,…,vm)=span⁡(v1,…,vm)\operatorname{span}(v_1, \dots, \widehat{v_k}, \dots, v_m) = \operatorname{span}(v_1, \dots, v_m)

(که در آن vk^\widehat{v_k} به معنای حذف شدن vkv_k از لیست است).


۳. نقشه راه و استراتژی اثبات (Proof Strategy)

اثبات بسیار ظریف و زیباست:

  1. از تعریف وابستگی خطی شروع می‌کنیم: یک جمع صفر با ضرایبی که همگی صفر نیستند.
  2. بزرگ‌ترین اندیسی را پیدا می‌کنیم که ضریب آن ناصفر باشد؛ این اندیس را kk می‌نامیم. چون بعد از kk تمام ضرایب صفرند، بردار vkv_k را می‌توان بر حسب بردارهای قبلی (11 تا k−1k-1) منزوی و حل کرد (اثبات قسمت الف).
  3. برای قسمت (ب)، هر بردار دلخواه در گستره کل فضا را می‌نویسیم و هر جا چشممان به vkv_k افتاد، رابطه به دست آمده از قسمت (الف) را به جای آن جایگزین می‌کنیم؛ در نتیجه vkv_k کاملاً محو می‌شود بدون اینکه گستره تغییر کند.

۴. اثبات دقیق گام‌به‌گام (Step-by-Step Proof)

برهان به سبک آکسلر

فرض کنید v1,…,vmv_1, \dots, v_m یک لیست وابسته خطی در VV باشد.

گام اول: استفاده از وابستگی خطی و تعیین اندیس kk طبق تعریف وابستگی خطی، اسکالرهایی مانند a1,…,am∈Fa_1, \dots, a_m \in \mathbb{F} وجود دارند که نه همه صفر، به طوری که:

a1v1+⋯+amvm=0a_1 v_1 + \dots + a_m v_m = 0

فرض کنید kk بزرگ‌ترین عنصر مجموعه {1,…,m}\{1, \dots, m\} باشد به طوری که ak≠0a_k \neq 0. این انتخاب یعنی برای هر j>kj > k حتماً aj=0a_j = 0 است. پس معادله بالا ساده می‌شود به:

a1v1+⋯+akvk=0a_1 v_1 + \dots + a_k v_k = 0

گام دوم: منزوی کردن vkv_k و اثبات قسمت (الف) چون ak≠0a_k \neq 0 است، می‌توان طرفین را بر aka_k تقسیم کرده و vkv_k را به یک سمت برد:

vk=−a1akv1−a2akv2−⋯−ak−1akvk−1v_k = -\frac{a_1}{a_k} v_1 - \frac{a_2}{a_k} v_2 - \dots - \frac{a_{k-1}}{a_k} v_{k-1}

سمت راست این رابطه یک ترکیب خطی از بردارهای v1,…,vk−1v_1, \dots, v_{k-1} است. بنابراین:

vk∈span⁡(v1,…,vk−1)v_k \in \operatorname{span}(v_1, \dots, v_{k-1})

و قسمت (الف) به زیبایی اثبات شد.

گام سوم: اثبات قسمت (ب) - برابری گستره‌ها پس از حذف فرض کنید kk هر عنصری از {1,…,m}\{1, \dots, m\} باشد که شرط vk∈span⁡(v1,…,vk−1)v_k \in \operatorname{span}(v_1, \dots, v_{k-1}) را برآورده کند. پس اسکالرهایی مانند b1,…,bk−1∈Fb_1, \dots, b_{k-1} \in \mathbb{F} وجود دارند که:

(2.20)vk=b1v1+⋯+bk−1vk−1(2.20) \qquad v_k = b_1 v_1 + \dots + b_{k-1} v_{k-1}

اکنون فرض کنید u∈span⁡(v1,…,vm)u \in \operatorname{span}(v_1, \dots, v_m) یک بردار دلخواه در گستره اولیه باشد. پس ضرایب c1,…,cm∈Fc_1, \dots, c_m \in \mathbb{F} وجود دارند به طوری که:

u=c1v1+⋯+ck−1vk−1+ckvk+ck+1vk+1+⋯+cmvmu = c_1 v_1 + \dots + c_{k-1} v_{k-1} + c_k v_k + c_{k+1} v_{k+1} + \dots + c_m v_m

در معادله بالا، به جای vkv_k مقدار معادل آن را از رابطه (2.20)(2.20) قرار می‌دهیم:

u=c1v1+⋯+ck−1vk−1+ck(b1v1+⋯+bk−1vk−1)+ck+1vk+1+⋯+cmvmu = c_1 v_1 + \dots + c_{k-1} v_{k-1} + c_k (b_1 v_1 + \dots + b_{k-1} v_{k-1}) + c_{k+1} v_{k+1} + \dots + c_m v_m

با مرتب‌سازی و جمع کردن ضرایب بردارهای v1,…,vk−1v_1, \dots, v_{k-1}:

u=(c1+ckb1)v1+⋯+(ck−1+ckbk−1)vk−1+ck+1vk+1+⋯+cmvmu = (c_1 + c_k b_1) v_1 + \dots + (c_{k-1} + c_k b_{k-1}) v_{k-1} + c_{k+1} v_{k+1} + \dots + c_m v_m

در این عبارت نهایی، هیچ اثری از بردار vkv_k نیست! یعنی بردار uu به عنوان ترکیب خطی از بردارهای باقی‌مانده نوشته شده است. پس:

u∈span⁡(v1,…,vk^,…,vm)u \in \operatorname{span}(v_1, \dots, \widehat{v_k}, \dots, v_m)

از طرفی واضح است که گستره لیست حاصل از حذف همواره زیرمجموعه گستره اولیه است. پس دو گستره دقیقاً با هم برابرند:

span⁡(v1,…,vk^,…,vm)=span⁡(v1,…,vm)■\operatorname{span}(v_1, \dots, \widehat{v_k}, \dots, v_m) = \operatorname{span}(v_1, \dots, v_m) \quad \blacksquare

۵. حالت‌های مرزی بسیار مهم (k=1k = 1)

حالت خاص k=1k = 1

اگر در این لم k=1k = 1 باشد، عبارت vk∈span⁡(v1,…,vk−1)v_k \in \operatorname{span}(v_1, \dots, v_{k-1}) تبدیل می‌شود به:

v1∈span⁡()={0}v_1 \in \operatorname{span}() = \{0\}

این یعنی بردار اول برابر بردار صفر است (v1=0v_1 = 0). در این حالت حذف بردار اول (v1=0v_1 = 0) هیچ آسیبی به گستره نمی‌زند، زیرا بردار صفر هیچ نقشی در تولید نقاط ندارد.


۶. تعبیر هندسی فرآیند لم

لم وابستگی خطی: v3 در گستره v1 و v2 است و حذف آن بعد فضا را تغییر نمی‌دهد
  • v1 روی محور x و v2 روی محور y است.
  • v3 ترکیب خطی v1+v2 است و در همان صفحه xy قرار دارد (k=3).
  • با دور انداختن v3، بردارهای v1، v2 و v4 کل فضای سه بعدی را همچنان اسپن می‌کنند.
کد اصلی رسم
appName: 3d
width: 700
height: 450
showToolBar: false
showAlgebraInput: true
showMenuBar: false
commands:
  - "Pt1 = (0,0,0)"
  - "Pt2 = (2, 0, 0)"
  - "v1 = Vector(Pt1, Pt2)"
  - "Pt3 = (0,0,0)"
  - "Pt4 = (0, 2, 0)"
  - "v2 = Vector(Pt3, Pt4)"
  - "Pt5 = (0,0,0)"
  - "Pt6 = (2, 2, 0)"
  - "v3 = Vector(Pt5, Pt6)"
  - "Pt7 = (0,0,0)"
  - "Pt8 = (0, 0, 2)"
  - "v4 = Vector(Pt7, Pt8)"
caption: "لم وابستگی خطی: v3 در گستره v1 و v2 است و حذف آن بعد فضا را تغییر نمی‌دهد"
explain:
  - "v1 روی محور x و v2 روی محور y است."
  - "v3 ترکیب خطی v1+v2 است و در همان صفحه xy قرار دارد (k=3)."
  - "با دور انداختن v3، بردارهای v1، v2 و v4 کل فضای سه بعدی را همچنان اسپن می‌کنند."

۷. ارتباطات و پیوندهای اتمیک

پیوندهای این یادداشت ۴

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

  • تعریف ۱۷.۲ وابستگی خطی
    پیش‌نمایش

    تعریف ۱۷.۲: وابستگی خطی (Linear Dependence)

    چکیده مفهومی

    یک لیست از بردارها وابسته خطی است اگر مستقل خطی نباشد؛ یعنی بتوان بردار صفر را با ضرایبی ساخت که حداقل یکی از آن‌ها غیرصفر باشد (وجود بردار زاید یا هم‌پوشان).


  • مثال ۲۱.۲ یافتن کوچکترین k در لم وابستگی خطی
    پیش‌نمایش

    مثال ۲۱.۲: یافتن کوچکترین kk در لم وابستگی خطی

    چکیده مفهومی

    الگوریتم گام‌به‌گام برای یافتن اولین بردار زائد (vkv_k) در یک لیست وابسته خطی: بررسی از چپ به راست برای پیدا کردن اولین برداری که در صفحه یا گستره بردارهای ماقبل خود می‌افتد.


  • قضیه ۲۲.۲ طول لیست مستقل خطی کمتر مساوی طول لیست مولد است
    پیش‌نمایش

    قضیه ۲۲.۲: طول لیست مستقل خطی کمتر مساوی طول لیست مولد است

    اساسی‌ترین نامساوی جبر خطی

    در هر فضای برداری با بعد متناهی، هیچ لیست مستقل خطی نمی‌تواند طولانی‌تر از یک لیست مولد باشد:

    طول هر لیست مستقل خطی≤طول هر لیست گسترش‌دهنده\text{طول هر لیست مستقل خطی} \le \text{طول هر لیست گسترش‌دهنده}

    این قضیه ضامن خوش‌تعریف بودن مفهوم «بُعد» در سراسر ریاضیات است.


  • 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 ۱۴

یادداشت‌هایی که به این صفحه پیوند داده‌اند.

نمایش ۹ مورد دیگرنمایش کمتر

حالت ارائه