3.4 n维向量及其运算
向量组及其线性组合
★定理1★向量组间的线性表示 ★内容小结 ★习题3-2★返回★ 向量组与矩阵★ 例1★ 例2第二节向量组及其线性组合内容分布图示内容要点: 一、n 维向量及其线性运算定义1 n 个有次序的数 印卫2,…,码所组成的数组称为n 维向量,这n 个数称为该向量 的n 个分量,第i 个数a j 称为第i 个分量.注:在解析几何中,我们把“既有大小又有方向的量”称为向量,并把可随意平行移动 的有向线段作为向量的几何形象 •引入坐标系后,又定义了向量的坐标表示式(三个有次序 实数),此即上面定义的 3维向量.因此,当n 岂3时,n 维向量可以把有向线段作为其几何 形象•当n 3时,n 维向量没有直观的几何形象•若干个同维数的列向量(或行向量)所组成的集合称为向量组 •例如,一个m n 矩阵 每一列 组成的向量组 冷,>2,…,〉n 称为矩阵A 的列向量组,而由矩阵 A 的的每一行 组成的向量组匚辽,…,十称为矩阵A 的行向量组•根据上述讨论,矩阵 A 记为pu A % A =(G I ,C (2,…,U n )或 A= 1 •"J这样,矩阵A 就与其列向量组或行向量组之间建立了一一对应关系矩阵的列向量组和行向量组都是只含有限个向量的向量组 •而线性方程组 的全体解当r (A ) ::: n 时是一个含有无限多个 n 维列向量的向量组•定义2 两个n 维向量〉=佝旧2,…,a .)与]=(b,,b 2,…,*)的各对应分量之和组成的向 量,称为向量爲与:的和,记为x 亠1:,,即由加法和负向量的定义,可定义向量的减法:(a1 _b 1, a2 "2, ,a n - bn ) •定义3 n 维向量〉珂①宀?,…,a .)的各个分量都乘以实数 k 所组成的向量,称为数 k 与向量二的乘积(又简称为数乘),记为k _:i ,即k : =(ka i ,ka 2, ,ka n ).向量的加法和数乘运算统称为 向量的线性运算•注:向量的线性运算与行(列)矩阵的运算规律相同,从而也满足下列运算规律:(1)?■■-■:■; (2) (、• I') (: ^ );(3) 小0-:;(4): (:) 0;★ n 维向量的概念★向量的线性运算 ★线性方程组的向量形式 ★向量组的线性组合(5)1:=■';(6)k(l:)=(kl):;(2)k i ,k 2/ ,k n 使得下列线性关系式:s ,对于任何一组实数 k i ,k 2,…,k s ,表达式A 的一个线性组合,k i ,k 2,…,k s 称为这个线性组合的系数. 给定向量组A::1,:2,…,:s 和向量-,若存在一组数k i ,k 2, ,k s ,使(7) k(、;、卜)=k :;亠 kl ,; (8) (k I): =k ::£ T :. 二、向量组的线性组合 考察线性方程组a ii X i - a i2X 2 ……ain X n 二b a 2l X i - a 22X 2 川…川‘a 2n X n 二 b 2ami x i ' a m2X 2 ::「八::「a mn xn = b ma 2jb 2G j =3(j =1,2,…,n), 3 = al bm 丿则线性方程组(i)可表为如下向量形式:込X 2亠.亠::皿--线性方程组(i)是否有解,就相当于是否存在一组数成立:定义4给定向量组A q ,。
n维向量的定义线性运算和线性相关性
x 1
AX
1 , 2
n
x2
xn
x 1 1
x 2 2
x n n
二、向量组的线性相关性
定义2 对于向量组A: 1, 2, …, m, 如果存在一组不全为零的数k1,k2,…,km使关系式
k 11 k 22 .. k .mm 0
成立,则称向量组1, 2, …, m 线性相关.
例1:设有向量
1
1 4
2 2 3
1
0
n阶单位矩阵 I n 的n个列向量分别记为:
1
0
0
e 0 ,e 1 e
1 2
n 0
0
0
1
称为n维基本向量
第二节 n维向量的线性运算
定义1 设 (a 1 ,a 2 , ,a n )T , (b 1 ,b 2 , ,b n )T 是 n 维实
K是实数域中的一个数,则向量的加法
和数乘k向 分量 别定义
8 1 即数 1是数乘向量运算的单位 元
例1
1 , 2 , 3 , 4 T 1 , 2 , 3 , 4 T
(1) 求,的负向量
(2) 计算 43
第三节 向量组的线性相关性
一、线性组合
定义1:
给 定 向 量 组 A:{1, 2, L, m}, iRn,i1,2,L,m 对 任 何 一 组 实 数 k1,k2,L,km,称 k11k22Lkmm
例如 矩阵 A(aij)mn有n个m维列向量
aa 11
aa 22
aj
an
a11 a12 a1j a1n
Aa 21
a22 a2j a2n
am1 am2 amj amn
向a量 1,a 2 , 组 ,a n称为 A 的 矩 列 .阵 向
3.4 n维向量及其运算
( 2)
方程组( 2)的向量形式 : x1 β 1 + x 2 β 2 + + xn β n = 0
a11 a12 ... a1n a a22 ... a2n 21 A= .......... .......... . .......... a am2 ... amn m1
A的每一行是一个n维行向量 的每一行是一个 α1 = (a11, a12, ..., a1n )
(1)
a11 a12 ... a1n a a ... a 21 2 AX = ..........22 ..........n .......... . m1 am2 ... amn a
a11 x1 + a12 x2 + ... + a1n xn = a21 x1 + a22 x2 + ... + a2 n xn ....................................... am 1 x1 + am 2 x2 + ... + amn xn
a11x1 + a12 x 2 + ... + a1n xn = 0
a 21x1 + a 22 x 2 + ... + a 2n xn = 0 ...........................................
am1x1 + am 2 x 2 + ... + amn xn = 0
例1
0, 5 α = (1, 2,), β = ( 2,4,3,2)
(1)求2( 3α 2 β ); ( 2)3α 2(γ β ) = 0, 求γ. 解 (1)2( 3α 2 β ) = 6α 4 β 0, 30 = (6, 12, ) (8,16,12,8) 16 22 = ( 2, , 24, ) 1 ( 2)2(γ β ) = 3α = [( 3 , 0 , 6 ,15 + ( 4 , 8 , 6 , 4 )]
n维向量的运算
谢谢聆听
3(α1-α)+2(α2+α)=5(α3+α) 求向量α. 解 将上式合并同类项,得
6α=3α1+2α2-5α3
n维向量的运算
n维向量的运算
【例3-2】
用向量表示线性方程组
n维向量的运算
n维向量的运算
反之,若是给出向量组(3-2),作向量方程(3-3), 可得线性方程组(3-1).通常将向量方程(3-3)称为线性方 程组(3-1)的向量形式.
(1)α+β=β+α(加法交换律). (2)α+(β+γ)=(α+β)+γ(加法结合律). (3)α+0=α. (4)α+(-α)=0. (5)k(α+β)=kα+kβ(数乘分配律). (6)(k+l)α=kα+lα(数乘分配律). (7)(kl)α=k(lα)(数乘结合律). (8)1·α=α. 其中,α,β,γ是n维向量,0是n维零向量,k和l是 任意实数.
n维向量的运算
定义3-5
设k为常数,数k与向量α=(a1,a2,…,an)的各分量的乘 积所构成的n维向量,称为数k与向量α的乘积(简称数乘),记 为kα,即
kα=(ka1,ka2,…,kan) 向量的加法与数乘运算统称为向量的线性运算.利用上述定 义,不难验证向量的线性运算满足下述八条运算律:
n维向量的运算
n维向量的运算
n维向量的运算
定义3-2
所有分量都是0的向量称为零向量,记为 0=(0,0,…,0) 由n维向量α=(a1,a2,…,an)各分量的相反数 构成的向量,称为α的负向量.记为 -α=(-a1,-a2,…,-an)
n维向量的运算
n维向量
n 维向量空间§3.1 n 维向量的定义 1. 定义定义:n 个数n a a a ,,,21 构成的有序数组, 记作),,,(21n a a a =α, 称为n 维行向量.i a –– 称为向量α的第i 个分量 R ∈i a –– 称α为实向量 C ∈i a –– 称α为复向量 零向量:)0,,0,0( =θ负向量:),,,()(21n a a a ---=- α列向量:n 个数n a a a ,,,21 构成的有序数组, 记作⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=n a a a 21α, 或者T21),,,(n a a a =α, 称为n 维列向量.零向量:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=000 θ 负向量:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡---=-n a a a 21)(α 若干个同维数的列向量(或同维数的行向量)所组成的集合叫做向量组.n 维向量 n 个数a 1,a 2,…,a n 组成的一个有序数组(a 1,a 2,…,a n ) 称为一个n 维向量,记为1212()(,,,)...T n n a aa a a a αα⎛⎫⎪ ⎪== ⎪ ⎪⎝⎭列向量形式或(行向量形式),其中第i 个数a i 称为向量的第i 个分量。
说明1. 列向量即为列矩阵,行向量即为行矩阵2. 行向量和列向量都按照矩阵的运算法则 进行运算;3. 行向量和列向量总被看作是两个不同的向量;当没有明确说明是行向量还是列向量时,都当作列向量。
行向量可看作是列向量的转置。
零向量 0=(0,0,…,0)T (维数不同, 零向量不同)负向量 12(,,,)T n a a a α-=---。
向量相等设1212(,,,)(,,,)T T n n a a a b b b αβ==,,若,1,2,,i i a b i n ==则αβ=。
向量运算规律:① αββα+=+② ()()αβγαβγ++=++③ 0αα+=(0是零向量,不是数零)④ ()0αα+-= ⑤ 1αα=⑥ ()()()λμαλμαμλα== ⑦ ()λαβλαλβ+=+ ⑧ ()λμαλαμα+=+满足以上8条性质的向量加法、数乘两种运算,称为线性运算。
n维向量及其运算向量组的线性相关性教学课件
空间向量具有三个分量,可以通过三个空间向量的线性组合来表示出任意一个空间向量,从而可以解决空间几何中的角度、距离、垂直和平行等问题。
空间向量的线性相关性
在几何中的应用
通过建立一元线性方程组,可以用向量表示未知数,利用向量的线性相关性求解方程组。
通过对向量空间的定义和性质的研究,可以建立向量空间的运算和结构,进而研究更为复杂的代数问题。
向量组线性相关性的判定定理
03
向量组的线性表示与矩阵
向量组的线性表示的定义:对于给定向量组A和向量b。存在一组系数$\lambda_1,\ldots,\lambda_n$
向量组的线性表示的概念与性质
线性表示的性质
唯一性:当且仅当$\mathbf{b}=0$时。存在一组非零系数$\lambda_1,\ldots,\lambda_n$
数乘运算示例:假设有一个实数k,则k×a=[k×1,k×2,k×3]=[k,2k,3k]。
减法运算示例:假设有一个3维向量c=[7,8,9],则c-a=[7-1,8-2,9-3]=[6,6,6],即c-a=[6,6,6]。
n维向量的运算实例
02
向量组的线性相关性
向量组的定义
有限个向量组成的集合称为一个向量组
非零向量组 $\mathbf{a_1,a_2,...,a_n}$ 与 $\mathbf{b_1,b_2,...,b_n}$ 线性相关
向量组 $\mathbf{a_1,a_2,...,a_n}$ 线性无关的充分必要条件是其中任意不等于零的向量的个数小于等于 $n$
向量组的线性相关性的定义与性质
01
02
在物理中的应用
05
总结与展望
向量组的秩
从定义、性质、计算方法等方面,系统地介绍了向量组的秩的基本概念和基本理论。
第二章n维向量
解:
A
1
2
3 4
1 2 2 1
1 1 3 3
1 3 2 1
1 2 2 1
2
1
3 5
0 0 0
1 1 1 2
1 1 0 2
1 0 0 0
2
1
1
2
1 1 1 1 2 1 1 1 1 2
A 0
0 0
1 1 2
1 0 2
0 0 0
1
1
2
0
0 0
1 0 0
解:设k11 k22 k33 O 即 (k1 k3)1 (k1 k2 )2 (k2 k3)3 O
1,2 ,3
k1
线性无关,
k2 k3 0
k1 k3 1, 2
0 ,
3k1线性k2无关0.
k2 k3 0
例3:设向量组 1,2 , ,m 线性无关,且
1 2 m
k2 km 0
01 1
k1
k3
km
0
系数行 1
列式为
0
1 (m 1)(1)m1 0
(m 1)
k1 km1 0
11 0
向量组 1, 2 , , m线性无关。
向量组的等价
1.定义1: 设有两个 n 维向量组 (I ) : 1,2 , ,r (II ) : 1, 2 , , s
也线性无关。 用语言叙述为:
线性无关的向量,添加分量后仍旧线性无关。
推论:r 维线性无关的向量,添加 n-r 个相应分量组成的n 维向量仍旧线性无关。
证明:
1 a11 a12
A
2 m
a21 am1
a22
am2
n维向量
n 维向量空间§3.1 n 维向量的定义 1. 定义定义:n 个数n a a a ,,,21 构成的有序数组, 记作),,,(21n a a a =α, 称为n 维行向量.i a –– 称为向量α的第i 个分量 R ∈i a –– 称α为实向量 C ∈i a –– 称α为复向量 零向量:)0,,0,0( =θ负向量:),,,()(21n a a a ---=- α列向量:n 个数n a a a ,,,21 构成的有序数组, 记作⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=n a a a 21α, 或者T21),,,(n a a a =α, 称为n 维列向量.零向量:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=000 θ 负向量:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡---=-n a a a 21)(α 若干个同维数的列向量(或同维数的行向量)所组成的集合叫做向量组.n 维向量 n 个数a 1,a 2,…,a n 组成的一个有序数组(a 1,a 2,…,a n ) 称为一个n 维向量,记为1212()(,,,)...T n n a aa a a a αα⎛⎫⎪ ⎪== ⎪ ⎪⎝⎭列向量形式或(行向量形式),其中第i 个数a i 称为向量的第i 个分量。
说明1. 列向量即为列矩阵,行向量即为行矩阵2. 行向量和列向量都按照矩阵的运算法则 进行运算;3. 行向量和列向量总被看作是两个不同的向量;当没有明确说明是行向量还是列向量时,都当作列向量。
行向量可看作是列向量的转置。
零向量 0=(0,0,…,0)T (维数不同, 零向量不同)负向量 12(,,,)T n a a a α-=---。
向量相等设1212(,,,)(,,,)T T n n a a a b b b αβ==,,若,1,2,,i i a b i n ==则αβ=。
向量运算规律:① αββα+=+② ()()αβγαβγ++=++③ 0αα+=(0是零向量,不是数零)④ ()0αα+-= ⑤ 1αα=⑥ ()()()λμαλμαμλα== ⑦ ()λαβλαλβ+=+ ⑧ ()λμαλαμα+=+满足以上8条性质的向量加法、数乘两种运算,称为线性运算。
(完整版),n维向量及其运算向量组的线性相关性
亦即(k1 k3)1 (k1 k2 )2 (k2 k3)3 0,
因
1,
2,
线性无关,故有
3
k1 k3 0, k1 k2 0,
k2 k3 0.
由于此方程组的系数行列式 1 01 1 1 0 20 011
故方程组只有零解 k1 k2 k3 0,所以向量组 b1, b2 , b3线性无关.
一、线性表示
若干个同维数的列向量(或同维数的行向量) 所组成的集合叫做向量组.
例如
矩阵A a1
a11
(a a2 a12
ij)mn
有n个m维列向量
aj a1 j
an a1n
A
a21
a22 a2 j a2n
am1 am2 amj amn
向量组a1, a2 , , an 称为矩阵A的列向量组.
因 k1, k2 ,L , ks , k中至少有一个不为0,
注意
1. 若 1,2 ,L
,
线性无关
m
,
则只有当
k1 L km 0时, 才有
k11 k22 L kmm 0成立 .
2. 对于任一向量组,不是线性无关就是
线性相关 .
3.向量组只包含一个向量 时,若 0则说 线性相关,若 0,则说 线性无关 .
4令.包k含零 0向,量的任何向量 组是线性相关的.
向量
组线性 a无rj 关,
则它的a任rj 何 部分组都线性无关.
ar
1,
j
即 j添上一个分量后得向量bj .若向量组 A:1,2 , ,m线性无关,则向量组B:b1, b2 , , bm也线性无
关 .反言之,若向量组B线性相关,则向量组A也线 性相关 .
n维向量及其线性运算
(称为行向量)
an
其中第i(i 1,2,n)个数ai称为n维向量的第i
个坐标或第i个分量,向量中分量或坐标的个
数称为向量的维数。
说明:
1.分量全为实(复)数的向量称为实(复)向量 2. 分量全为零的向量称为零向量 3.行向量和列向量总被看作是两个不同的向量
若无明确说明,所论向量均指列向量。
4. 两个向量当且仅当它们的各对应分量都相等时才 是相等的,即如果
解 因为对任意的
a b
x
2a
,
y
2b
V
3a 3b
及任意的数 R , 都有
a b x y 2(a b) V
3(a b)
所以V是向量空间。
a
x 2a V 3a
由上述例题可知,并不是任何一个由同维数的向量 所组成的集合都构成向量空间。
我们称由若干个维数相同的向量所组成的集合为向量组
(1)集合 V对向量的加法运算封闭,即对任意
, V , 都有 V
(2)集合 V对数与向量的乘法运算封闭,即对任意
V和任意的实数 都有 V, 则称V是 R的n 一个子空间, 也称V为实数域上的向量空间
例3.3 由单个三维零向量 V {(0,0,0)T } 组成的集合
是 3 维向量空间 R3 的一个子空间,称其为零子空间。
0.15a 0.15b
1.3 n维向量空间及其子空间
定义3.4 实数域上的全体n维向量组成的集合,连同定义在
其上的加法和数与向量的乘法运算,称为实数域上的
n维向量空间,记为 R n 当 n 3 时,三维向量空间 R3就是几何空间中全体
向量所组成的空间。
定义3.5
设V为 n维向量空间 Rn的非空子集合,且满足
n维向量及其运算
1 2
( a ,a 1 2
a ) n
n
注:本书未另加说明的情况下,均指实向量, 且运算与性质与矩阵一般相同。
第二章 n维列向量
§2.1 n维向量及其运算
三. n维向量的线性运算 四. n维向量的线性运算性质
与矩阵的线性运算相同(P4矩阵的线性运算) 与矩阵的线性运算性质相同(P4) 五. 线性组合(linear combination) n维向量: 1, 2, …, s
则称能由向量组1, 2, …, s线性表示 ( can be linearly represented by 1, …)
第二章 n维列向量
§2.1 n维向量及其运算
例如 n维基本单位向量组
1 =
1 0
… 0
, 2 =
0 1
… 0
, …, n =
0 0
… 1
.
standard/natural basis of Rn
第二章 n维列向量
§2.1 n维向量及其运算
二. n维向量(vector)的概念 定义2.1 称由 n个数a1, a2, …, an 构成的有
序数组为向量 本 质 n个数a1, a2, …, an 构成的有序数组
n 维 向 量
几何背景
表现形式
向量/点的坐标
行矩阵 列矩阵 行向量 列向量
其中, ai称为这个向量的第i个分量, 又因为 这个向量有n 个分量, 所以也称为n 维向量 一般地, n 维向量可以写成行的形式 ( 称 行向量), 也可以写成列的形式(称列向量).
数(scalars): k1, k2, …, ks 线性组合: k11+k22+…+kss
n维向量及其运算
语言来刻划。
一、n 维向量空间的概念 数
几何空间中:
a : O ( a 1 , a P 2 , a 3 )
=
点P的坐标
=
n 维向量空间 ( Rn ):
n 维向量:
( a 1 ,a 2 , ,a n ) (有序数组)
线
的分量
n 维行向量
b
1
性
n 维列向量:
b2
代
bn
数
实(复)向量: 分量为实(复)数
线
向量 满足 31 2( 2 ) 0, 求向量 .
解: 由题设条件,有 31 2 22 0
性
所以
3 2
1
2
3 (2, 4,1, 1) (3, 1, 2, 2
5) 2
代
=(6,-5,- 1 ,1)
数
2
=
=
引进了向量的概念,并进一步引进了向量的加法和数 =
乘向量的运算;另外,在空间中引进笛卡尔坐标系
后,空间中的点和向量都和三维数组建立了一一对
应关系。所以,由所有三维数组构成的集合
线
{ (a 1 ,a 2,a 3)|a 1 ,a 2,a 3 R }
性
即代表了点空间,也代表了三维向量空间。因而,
点空间的许多几何性质,例如点的共线、共面,直 线和平面的平行、相交等等,都可以用向量空间的 代
第三章 向量组的线性相关性
线
本章将介绍n维向量的基本概念及其运 算,讨论n 维向量的线性相关性,并利用 性
矩阵的秩与有关知识来研究向量组的线性
相关性。这些都是线性代数和近代数学中 代
的最基本概念和基本性质,并为学习后面
的内容提供了必要的预备知识。
n维向量及其线性运算
向量的应用(2)
1994年全国大学生数学建模竞赛B题(锁具装箱):某厂生 产一批弹子锁具,每个锁具的钥匙有五个槽,每个槽的高 度从{1,2,3,4,5,6}这6个数(单位略)中任取一数。 试验表明在当前工艺条件下,当两个锁具的钥匙的五个槽 的高度中有4个相同,另一个槽的高度差为1,则两个锁能 够互开。如何装箱才能最大范围的实现“一把钥匙开一把 锁”的目的。有参赛同学将每一把锁的钥匙用一个5维向量 表示,并成功地解决了这个问题。
《线性代数》精品课程
零向量
向量的表示
注: 以 R 表示实数集;全体 n 维实向量的 集合称为 n 维向量空间,记作 R 。
n
R 在讨论行向量时, 表示 n 维行向量 R 空间;在讨论列向量时, 表示 n 维 列讨论向量时,除特别声明外, 均为行向量或均为列向量。
《线性代数》精品课程
n维行向量
或
a1 a 2 an
第i个分量:ai
n维列向量
维数:n
《线性代数》精品课程
向量的分类
所有的分量均为实数的向量称为实向量; 所有的分量均为复数的向量称为复向量。
实向量
复向量
《线性代数》精品课程
向量的表示
α (1,1,1) β (1,1, 0 ) γ (1, 0 , 0 ) 0 ( 0 ,0 ,0 ,0 )
(2)向量的加法和减法,都要求在两个相同维数的行或列向量之 间进行,对于维数不相同的向量,不能定义向量的加减法运算。
《线性代数》精品课程
α ( a 1 , a 2 , a 3 , a 4 , a 5 ), a i {1, 2 , 3 , 4 , 5 , 6 }
《线性代数》精品课程
n维向量的概念
上页
返回
上页 下页 返回
列向量用小写字母 a , b , , 等表示,行向量用 T T T T a , b , , 等表示。
所讨论的向量在没有特别指明时,都当作列向量。
上页 下页
返回
T 例1 三维空间 R {r x,y,z x,y,z R}.
§1 n 维向量
★ n 维向量的概念 ★ n 维向量的运算
本节将介绍线性代数中的另一重要工具:“n维 向量”,同学们注意比较这里“向量”的概念与高数 中的相关概念的联系。 下页 关闭
n 维向量的概念
定义1 n 个有序的数a1 , a2 , … , an 所组 成的数组称为 n 维向量, 这 n 个数称为该向量的 n 个分量,第 i 个数 ai 称为第 i 个分量(或坐标)。 分量全是实数的向量叫做实向量, 分量是复数的向量叫做复向量。
上页 下页
返回
n 维向量的运算
n 维向量可写成一行,也可以写成一列。分别称 为行向量和列向量。分别对应第二章中的行矩阵和列 矩阵。 规定:行向量与列向量都按矩阵的运算规则进行运 算。
a1 a 2 与 n 维行向量 为与矩阵对应,n 维列向量 a a n T a a1 , a2 ,, an 总看作两个不同的向量。
3
例2 n 维向量空间
T R { x x1 ,x2 ,, xn x1 ,x2 ,, xn R}.的 n-1 维超平面
T { x x1 ,x2 ,, xn a1 x1 a2 x2 an xn b}.
n维向量空间
n维向量空间在数学中,向量是用来表示方向和大小的量,而n维向量空间是指由n个方向上的向量组成的空间。
这种空间在许多科学和工程领域中都有广泛的应用,比如计算机图形学、机器学习、统计学等。
向量的定义和性质一个n维向量可以表示为一个包含n个实数的有序集合,通常写成列向量的形式:$$ \\begin{pmatrix} x_1 \\\\ x_2 \\\\ \\vdots \\\\ x_n \\end{pmatrix} $$在 n 维空间中,两个向量的加法和数量乘法满足以下性质:1.加法交换律:$$ \\mathbf{u} + \\mathbf{v} = \\mathbf{v} + \\mathbf{u} $$2.加法结合律:$$ \\mathbf{u} + (\\mathbf{v} + \\mathbf{w}) = (\\mathbf{u} + \\mathbf{v}) + \\mathbf{w} $$3.数量乘法结合律:$$ c(\\mathbf{u} + \\mathbf{v}) = c\\mathbf{u} + c\\mathbf{v} $$4.数量分配律:$$ (c+d)\\mathbf{u} = c\\mathbf{u} + d\\mathbf{u} $$5.数量乘法分配律:$$ c(d\\mathbf{u}) = (cd)\\mathbf{u} $$6.标量乘法的单位元:$$ 1\\mathbf{u} = \\mathbf{u} $$n维向量空间的例子n维向量空间并不局限于几何空间的概念,它可以应用于更广泛的领域。
比如在机器学习中,特征向量常常被表示为n维空间中的一个点,这个点对应于特征空间中的一个特定特征组合。
另外,在数字信号处理中,信号通常被表示为一个n 维向量,这样可以更好地处理信号的复杂性。
向量的内积和外积在 n 维空间中,向量的内积和外积是两个重要的运算。
内积定义如下:$$ \\mathbf{u} \\cdot \\mathbf{v} = \\sum_{i=1}^{n} u_i v_i $$内积有许多重要的性质,比如内积为零表示两个向量正交,内积的值与向量夹角的余弦有关等。
n维向量的概念和运算
向量的基本概念
维向量。
称为实数域上的组成的有序数组
个实数n a a a n n ,,21(称列向量)或⎪⎪⎪⎪⎪⎭
⎫ ⎝⎛=n a a a 21T α(称行向量)
记作:),,(21n a a a =α个分量
的第称为向量其中),2,1(n i i a i =α一、向量定义和运算
定义
)
n
,
,2
,1(
n维行向量
第1个分量第n个分量
第2个分量例.
,),,(21n a a a n =α维向量设称为零向量,分量全为零的向量)0,0,0( 相等,与称向量)时(则当且仅当βα,,2,1n i b a i i ==βα=记作),,(21n b b b =β),,,(记作0000 =)
(,),,(2121n n b b b a a a ,,设==βα为:
的和与规定βαβα+),,(2211n n b a b a b a +++=+ βα
定义
定义
定义
)
,,(R ,),,(2121n n ka ka ka k k k a a a =∈=ααα的数乘为:
与向量规定数,
设.
)(),,,(,121的差与称之为写作的负向量。
此外称其为有:取βαβαβααα--+---=--=n a a a k 定义
足下列八条性质:
向量加法与数乘运算满,及实数维向量由上述定义,对任意的l k n ,,,γβα向量的运算规律
αα)()()6(kl l k =α
ββα+=+)1()
()()2(γβαγβα++=++α
α=+0)3(0)()4(=-+αααα=1)5(βαβαk k k +=+)()7(αααl k l k +=+)()8(。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
A1 A2
A3 A5
A=
A4
324 244 412 213 225
541 307 343
α 1 = ( 324 , α 2 = ( 244, , α 3 = ( 412, ,
α 4 = ( 213, , α 5 = ( 225, ,
324 244 β 1 = 412 , 213 225
记
三 ,向量内积
a1 b1 n 定义1: 内积, 定义 : α = , β = ,称实数 ∑ a i bi为向量 α与 β的内积 设 i =1 a b n n
记作: (α 记作: , β ) = ∑ ai bi
n i =1
T T 向量内积, 向量内积,可用矩阵乘法表示为 (α , β ) = β α = α β
§3.4
n维向量及其运算 维向量及其运算
一,n维向量的概念
二,向量的线性运算 三,向量的内积
一,n维向量的概念
定义 数域F上的n个数a1 , a 2 , , an 组成的一个有序数组
(a1 , a 2 , , an )
维向量. 个分量. 称为F上的一个 n维向量.a i 称为该向量的第 i个分量.
α β = α + ( β ) = (a1 b1 , a 2 b 2 , , an b n ).
α + β = (a1 + b1 , a2 + b2 , a3 + b3 )
z
α = (a1 , a2 ,a3 )
o
y
β = (b1 , b2 ,b3 )
x
α β = (a1 b1 , a2 b2 , a3 b3 )
向量一般用 α, β, γ ...表示
n维行向量
α = (a1 , a 2 , , an )
a1 a 2 α= a n
n维列向量
或α = (a1 , a2 , ,an )T 或α T = (a1 , a2 , ,an )
数域F上全体 n维行(列)向量所成的集合记为 F n .
n维行向量可看作一个 1 × n矩阵; 矩阵; n维列向量可看作一个 n × 1矩阵. 矩阵. n = 2时,向量的几何意义为 平面上的有向线段. 平面上的有向线段. y α = (a1 , a 2 ) kα = (ka1 , ka2 ) a2 α = (a1 , a 2 )
..., α = (a1 , a 2, an) F n , 则称向量 ∈ 定义 设k ∈ F ,
(ka1 , ka2, kan ) ...,
的数乘积, 为k与β的数乘积, 记作
kα = (ka1 , ka2, kan ) ...,
向量的线性运算. 加法和数乘运算统称为 向量的线性运算.
(1)α + β = β + α ( 2)α + (β + γ ) = (α + β ) + γ = α + β + γ ( 3)α + 0 = α (4)α + ( α ) = 0 (5)k (α + β ) = kα + kβ ( 6)( k + l )α = kα + lα ( 7)k ( lα ) = (kl )α = l ( kα ) 1 (8) α = α ) α, β , γ ∈ F n , 0是n维零向量. 维零向量. 其中 k , l ∈ F ,
x1 β 1 + x2 β 2 + + xn β n
a11 a12 a1n a a a = x1 21 + x 2 22 + + xn 2n a a a m1 m2 mn a11 x1 + a12 x 2 + ... + a1n xn
向量长度 定义: 定义: 对向量 α,称 (α ,α )为 向量长度 向量长度(或向量范数 向量范数), 向量范数
记作: α 记作: = (α ,α ).
向量长度的性质: 向量长度的性质:
( 1 ) 非负性: α ≥ 0,当且仅当 非负性:
kα = k α
当 α = 1时,称 α 为单位向量. 为单位向量.
内积运算规律: 内积运算规律:
1)对称性: , β ) = (β ,α ) (α 对称性:
2 ) 线性性: 线性性:
(α
+ β, γ
) = (α , γ ) + ( β , γ ),
( k α , β ) = (α , k β ) = k (α , β )
3) 正定性: ,α ) ≥ 0 . 正定性: (α 当且仅当 α = 0时(α,α ) = 0
a11 x1 + a12 x2 + ... + a1 n xn = b1 a x + a x + ... + a x = b 21 1 22 2 2n n 2 ........................................... am 1 x1 + am 2 x2 + ... + amn xn = bm
定义
..., , ..., , 设α, β ∈ F n , α = (a1 , a 2, an) β = (b1 , b 2, b n) ..., , ..., , 设α, β ∈ F n , α = (a1 , a 2, an) β = (b1 , b 2, b n)
ቤተ መጻሕፍቲ ባይዱ
若a i = b i , i = 1,2,..., n, 则称α与β 相等, 相等, 记作α = β . 定义 则α + β = (a1 + b1 , a 2 + b 2 , , an + b n ).
o kα = (ka1 , ka2 ) α = ( a1 ,a 2 )
a1
x
n = 3时,向量的几何意义为 空间中的有向线段. 空间中的有向线段. z a3 α = (a1 , a 2 , a 3 )
o
a2 a1
x
y
零向量 负向量
0 = 0, ..., ( 0, 0)
..., α = (a1 , a 2, an) ... α = ( a1, a 2,, an )
α2 = (a21, a22, ..., a2n )
αm = (am1, am2 , ..., amn)
称为A的行向量组. α 1 ,α 2 , , α m 称为 的行向量组.
......................
A的每一列是一个m维列向量 的每一列是一个
a11 a12 a1n a a a β 1 = 21 , β 2 = 22 , ...... , β n = 2n a a a m1 m2 mn 称为A的列向量组. β 1 , β 2 , , β n 称为 的列向量组.
a1 b1 n a2 b2 即设α = , β = , 有 ∑ a i bi ≤ i =1 a b n n
α = 0 时,α = 0
( 2 ) 线性性:对任意向量 α 和任意实数 k,都有 线性性:
当 α ≠ 1时,作数乘
1
α
标准化. α,称将 α标准化.
1
α
α =
1
α
1
α =1 α ), 任一向量均可表示成某单位向量的倍数
又α = α (
α
( 3) 柯西不等式: T β ≤ α β . 柯西不等式: α
例3
n元线性方程组 a11x1 + a12 x 2 + ... + a1n xn = b1 a 21x1 + a 22 x 2 + ... + a 2n xn = b 2 (1) ........................................... am1x1 + am 2 x 2 + ... + amn xn = bm 系数矩阵的列向量组为 a11 a12 a1n a a a 21 , β 2 = 22 , ...... , β n = 2n β1 = a a a m1 m2 mn
a11x1 + a12 x 2 + ... + a1n xn = 0
a 21x1 + a 22 x 2 + ... + a 2n xn = 0 ...........................................
am1x1 + am 2 x 2 + ... + amn xn = 0
例1
0, 5 α = (1, 2,), β = ( 2,4,3,2)
(1)求2( 3α 2 β ); ( 2)3α 2(γ β ) = 0, 求γ. 解 (1)2( 3α 2 β ) = 6α 4 β 0, 30 = (6, 12, ) (8,16,12,8) 16 22 = ( 2, , 24, ) 1 ( 2)2(γ β ) = 3α = [( 3 , 0 , 6 ,15 + ( 4 , 8 , 6 , 4 )]
( 2)
方程组( 2)的向量形式 : x1 β 1 + x 2 β 2 + + xn β n = 0
a11 a12 ... a1n a a22 ... a2n 21 A= .......... .......... . .......... a am2 ... amn m1
A的每一行是一个n维行向量 的每一行是一个 α1 = (a11, a12, ..., a1n )
(1)
a11 a12 ... a1n a a ... a 21 2 AX = ..........22 ..........n .......... . m1 am2 ... amn a
a11 x1 + a12 x2 + ... + a1n xn = a21 x1 + a22 x2 + ... + a2 n xn ....................................... am 1 x1 + am 2 x2 + ... + amn xn