第一节 n 维向量空间 (1)
3-1,2n维向量及其运算向量组的线性相关性资料

e1,e2,…,en线性表示.
a (a1,a2, ,an )T , e1 (1,0, ,0)T ,
e2 (0,1, ,0)T , ,en (0,0, ,1)T
a1 1 0
a2
a1
0
a2
1
an
注:(1)对任意的向量 , 存在唯一的零向量 o, 使得 o
(2)对任意的向量 , 存在唯一的负向量 , 使得 ( ) o
(3) 0 0; (1) ; 0 0. (4)如果 0, 则 0或 0
n 维向量的实际意义
k11 k22 kmm 0
11k1 21k 2
齐次线性方程组
12k
1
22
k
2
1nk1 2nk 2
有非零解
m1k m 0, m2k m 0,
mnk m 0,
定理1 设有n个n维向量i (ai1, ai2 , ain ), (i 1,
10 2
1 2 4 0
15 7
故向量组线性相关.
例4 已知向量组1,2,3 线性无关,b1 1 2,
b2 2 3,b3 3 1,试证b1,b2,b3线性无关.
证 设有k1, k2, k3使
k1b1 k2b2 k3b3 0
即 k(1 1 2) k2 (2 3) k3(3 1) 0,
整理得线性方程组
a11k1 a21k2 am1 km 0,
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。
3-1 n维向量空间

ka1 kA 0
且
kb1 0
0 kc1
ka1 kb1 kc1 0,
即 kA W2 , 故W2是R 23的子空间.
例3.1.1
例3.1.2 设a,b为两个已知的n维向量,集合
V x a b , R n R 试判断集合是否为 的子空间.
第一节
向量与向量空间
一、n 维向量的概念 二、n维向量的表示法 三、向量空间及其子空间
一、n维向量的概念
定义1: n 个有次序的数 a1 , a 2 , , a n 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 i 称为第i个分量 .
分量全为实数的向量称为实向量, 分量全为复数的向量称为复向量. (1,2,3,, n) 例如
T T T
解 V1是向量空间. 因为对于V1的任意两个元素
0, a2 , , an , 0, b2 , , bn V1 ,
有
0, a2 , , an V1 .
T
0, a 2 b2 ,, a n bn V1
a1 b1 c1 0, a2 b2 c2 0,
于是
a1 a2 A B 0
b1 b2 0
0 c1 c2
满足
即
a1 a2 b1 b2 c1 c2 0,
A B W2 , 对任意 R有
设 , , R n ; , R
(1) ;
( 2) ;
(3) 在R n中存在零元素 0, 对任何 R n , 都有
§1—n维向量及其线性运算

n维复向量
第2个分量 第1个分量
第n个分量
§3.1 n维向量及其线性运算
n 二、 维向量的表示方法
向量通常写成一行,称为行向量。记为 aT ,bT ,T , T ,如
aT (a1 ,a2 , ,an )
行向量
行矩
向量写成一列,称为列向量。记为 a,b, , ,阵如
列矩阵
列向量
a1
第三章 向量组及其线性关系
§3.1 n 维向量及其线性运算
一、 n 维向量概念 二、 n 维向量表示方法 三、线性运算定义及性质 四、小结,思考题
§3.1 n维向量及其线性运算
n 一、 维向量的概念及其表示方法
定义:n 个有次序的数 a1,a2 ,L ,an 所组成的有序数组
a1, a2 ,L , an 称为一个n 维向量。
a21
x1 L
a22 LL
x2 L
L
L a2n xn LLLLL
b2
am1 x1 am2 x2 L amn xn bm
1 x1 2 x2 L n xn b
x1
即 Ax b 或 1
2 L
n
x2
M
§3.1 n维向量及其线性运算 n 3时,n 维向量没有直观的几何形象.
Rn x( x1, x2, , xn)T x1, x2, , xnR
n维向量空间
x( x1, x2, , xn)T a1 x1a2 x2 an xnb
叫做n 维向量空间 Rn中的n 1维超平面.
(2) 3 2 3[1,0,4,7]T 2[3,2,1,6]T
n维向量空间

n
维 向
事实上, 0 V1 ,0 V2, 0 V1 V2
量 空 间
任取 , V1 V2, 即 , V1,且 , V2,
则有 V1, V2, V1 V2
同时有 k V1,k V2, k V1 V2, k P
故 V1 V2 为V的子空间.
杨建新
第一节 n 维向量空间
第 三
也记作
章
n
维
L(a1,a2 ,,am ) 1a1 2a2 mam 1,2 ,,m R
向
量
空
间
杨建新
第一节 n 维向量空间
例5 R23的下列子集是否构成子空间?为什么?
(1) W1
1 0
b c
0 d
b,
c,
d
R;
第 三 章
(2) W2
a 0
b 0
0 c
a
b
c
0,
a,
b,
(1 2 ) (1 2 ) (1 1) (2 2 ) V1 V2
k k(1 2 ) k1 k2 V1 V2, k P
杨建新
第一节 n 维向量空间
n维向量的实际意义
确定飞机的状态,需
要以下6个参数:
n
第
三 机身的仰角
章
机翼的转角
(
)
(2 2)
维
向 量
机身的水平转角 (0 2 )
三 章
分量全为实数的向量称为实向量,
n
维
分量全为复数的向量称为复向量.
向 量
例如
(1,2,3,, n)
空
间
(1 2i,2 3i,,n (n 1)i)
n维实向量 n维复向量
北京工业大学线性代数第四章第一节 n 维向量空间

n
向量组 1 , 2 , , n 称为矩阵A 的列向量组.
10
类似地, 矩阵A (aij )mn 又有m个n维行向量
a11 a12 a 21 a 22 A ai1 ai 2 a m1 am 2 a1n 1 1 a 2 n 2 2 , a in i m a mn m
23
例4 已知
1 1, 4, 0, 2,2 2, 7, 1, 3, 3 0, 1, 1, a , 3, 10, b, 4 , 不能由1 ,2 ,3 线性表出? ⑴ a , b为何值时, 能由1 ,2 ,3 线性表出且表示法 ⑵ a , b 为何值时,
, n
n xn 是否有解。
n xn
,n 线 性表出.
19
*若方程组 1 x1 2 x2
有解,则 可以由1 ,2 ,
n xn
,n 线 性表出.
且方程组的一组解就是表出系数. ① 若方程组有唯一解,则 可以由1 ,2 , ,n 线性表出且表示法唯一. ② 若方程组有无穷多解,则
1
第一节 n 维向量空间
一. n 维向量空间的概念 二.向量与矩阵的关系 三.向量的线性组合与线性表出
2
一. n 维向量空间的概念 一个mn矩阵的每一行都是由n个数组成 的有序数组,其每一列都是由m个数组成的有序 数组。 n元线性方程组的一个解也是由n个数 组成的有序数组。所以研究线性方程组解的结 构离不开有序数组。 1.定义:由数域P 中n 个数组成的有序数组称为 数域P 上的一个n 维向量,用小写的希腊字母 , , …表示.
n维向量空间

+ = ( a1 + b1, a2 + b2, …, an + bn)
(2) 数与向量的乘法: = ( a1, a2, …, an )
向量的加法及数与向量的乘法两种运算统称为向量
的线性运算。
设 = ( a1, a2, …, an ), = (b 1, b 2, …, b n )
例如:全体复数的集合C,实数集R, 有理数集Q 都是数域.但整数集不是数域. 实际上,有理数域是最小数域,复数域是最大数域.
二、n 维向量 定义
由n个数组成的有序数组(a1, a2, … an)称为 一个n维向量。
= ( a1, a2, … an )
其中第 i 个数 ai (i = 1, 2, … , n ) 称为 n 维向量
练习:P36 1、2、4 作业:P36 3
减法:
- = +(-)
+ = ( a1 - b1, a2 - b2, …, an - bn)
向量的线性运算满足以下八条基本运算规律:
(1) ; (交换律 ) (2) ( ) ( ); (结合律 ) (3) 存在零向量0 R n , 使对任意 R n,有 0 ; (4) 对任意 R n , 都存在负向量 - R n , 使 ( ) 0; (5) 1 ; (6) k ( l ) ( kl );(结合律 ) (7) ( k l ) k l (分配律 ) (8) k ( ) k k (分配律 )
的第 i 个分量或坐标。
零向量: 负向量:
0=(0,0,…,0)
(a1 , a2 ,, an ) 称为 的负向量
(完整版)2.3n维向量的概念

1 n维向量的概念 2 n维向量空间 3 线性相关性
回顾
解析几何 既有大小又有方向的量
几何形象: 可随意 平行移动的有向线段
向量
(n 3)
线性代数
坐 有次序的实数组成的数组
标 代数形象:向量的坐标表示式
(x, y) (x, y, z)
系
一、 n维向量的概念
定义1 n个有次序的数 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 个数称为第 i 个分量。
式 11 2,2 称为向m量m
的线性1 ,组合2 ,。 ,m
若 11 22 mm,则称 能由向量组 1,2, ,m 线性表示。
向量1,2 ,L
,m的所有线性组合11 22 L
m
所组成的
m
集合V是一个向量空间.我们称这个空间为由向量1,2 ,L
,
生成的
m
向量空间,记为 L(1,2 ,L ,m )
解 因为对于V1的任意两个元素 0, a2 ,L , an , 0,b2 ,L ,bn V1, 所以有 0, a2 b2 ,L , an bn V1 且 0, a2 ,L , an V1.
所以 V1是向量空间 . V2不是向量空间 .
因为若 1, a2 ,L , an V2 , 则2 2, 2a2 ,L , 2an V2 ,所以V2 不是向量空间.
三、 线性相关性
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.
定义6 给定向量组A : 1,2 ,L ,m ,如果存在不全为零的数k1, k2 ,L , km 使k11 k22 L kmm 0
则称向量组A是线性相关的,否则称它线性无关.
1n维向量

有
α + β = (0, a 2 + b2 ,⋯, a n + bn ) ∈ V1
T
λα = (0, λa 2 , ⋯ , λa n ) ∈ V1 .
T
判别下列集合是否为向量空间. 例3 判别下列集合是否为向量空间
V2 = x = (1, x 2 , ⋯ , x n ) x 2 , ⋯ , x n ∈ R
αα
T
= ( x 1 , x 2 , ⋯ , x n )
1 1 0, 0, 例1 设n维向量 α = , ⋯, ,矩阵 2 2 T T A = E − α α , B = E + 2α α , 其中E为n阶矩阵, 阶矩阵, 求证AB = E .
证
AB = ( E − α Tα )( E + 2α Tα ) = E − α Tα + 2α Tα − 2(α Tα ) ⋅ (α Tα ) = E − α α + 2α α − 2α (αα )α
二、向量的运算
向量的运算是按照矩阵 的运算规则进行运算 ,即
α + β = (a1 + b1 , a2 + b2 ,⋯, an + bn )
称为 α 与 β 的和向量。 的和向量。
α − β = α + ( − β ) = (a1 − b1 , a2 − b2 ,⋯, an − bn ) 的差。 称为 α与β的差。
kx1 = ( kλ1 )a + ( kµ 1 )b ∈ V .
这个向量空间称为由向 量 a , b所生成的向量空 间.
一般地, 量 a , 一般地, 向 组 1,a2,⋯ am所 成 向 空 由 生 的 量 为 间
n维向量空间

第 三
aT (a1 ,a2 ,,an )
章
n 维向量写成一列,称为列向量,也就是列
n
维 矩阵,通常用 a,b, , 等表示,如:
向 量
a1 Hale Waihona Puke 空 间aa2
或 a (a1, a2 ,, an )T
an
杨建新
第一节 n 维向量空间
第
n
三 章
定理
向量空间V的非空子集L构成子空间的充分 必要条件是: L对于V中的线性运算封闭.
维
向 量
若 L, L, 则 L;
空 间
若 L, R, 则 L.
1 任何一个子空间至少包含一个零向量 2 {0}, Rn 都是 Rn 的子空间。称为平凡子空间.
杨建新
第一节 n 维向量空间
空 间
飞机重心在空间的位置参数 P (x, y, z)
所以,确定飞机的状态,需用6维向量
a ( x, y, z, , , )
杨建新
第一节 n 维向量空间
第 三
有问题可通过Email询问:
章
n
维 向
mathgaoshu@
量
空
间
杨建新
n
维 向
事实上, 0 V1 ,0 V2, 0 V1 V2
量 空 间
任取 , V1 V2, 即 , V1,且 , V2,
则有 V1, V2, V1 V2
同时有 k V1,k V2, k V1 V2, k P
故 V1 V2 为V的子空间.
杨建新
第一节 n 维向量空间
第
n
三 章
kA ka1 kb1 0 0 0 kc1
第4章 n维向量空间

# 实 向 量 a : 向 量 a的 分 量 都 是 实 数 ; # 复 向 量 b : 向 量 b的 分 量 都 是 复 数 。 定 义 4 . 1 所 有 n维 实 向 量 ( r e a l v e c t o r )的 集 合 称 为 , n维 实 向 量 空 间 , 记 为 , 即
例 4.1 判 断 向 量 β = -3, 2, 0, 5 是 否 可 由 向 量 ,
T
e 1 (1, 0, 0, 0 ) , e 2 ( 0, 1, 0, 0 ) ,
T T
e 3 ( 0, 0, 1, 0 ) , e 4 ( 0, 0, 0, 1 )
T
T
线性表示。 解 因 = - 3 e 1 2 e 2 0 e 3 5 e 4, 所 以 β 可 由 e 1 , e 2 , e 3 , e 4
T
a1 a2 a n
复习若干概念: # 向 量 α a1 , a 2 , , a n
T
和 β b1 , b 2 , , b n
T
相等
对应分量都相等 a i bi 1 i n # 向 量 α , β的 和 : α β a 1 b2 , a 2 b2 , , a n bn # 向 量 0 ,0 , , 0 称 为 零 向 量 , 用 O 表 示 。
即 : x1 α1 x 2 α 2 x m α m β
定 理 4.1 ( 1 ) 向 量 β 可 由 向 量 α 1 , α 2 , , α m 线 性 表 示 的 充 要 条 件 是 : ra n k ( α 1 , α 2 , , α m ) ra n k ( α 1 , α 2 , , α m , β ) ( 2 ) 向 量 β 可 由 向 量 α 1 , α 2 , , α m 惟 一 线 性 表 示 的 充 要 条 件 是 : ra n k ( α 1 , α 2 , , α m ) ra n k ( α 1 , α 2 , , α m , β ) m 。 证 (1 ) β 可 由 向 量 α 1 , α 2 , , α m 线 性 表 示 x1 α1 x 2 α 2 x m α m 方 程 组 A X β 有 解 其中A 存 在 m 个 数 x 1 , x 2 , , x m , 使 得
第一节n维欧氏空间

第一章 预备知识第一节 n 维欧氏空间1.向量空间所谓数域上的向量空间是指一个交换群V ,其元素称为向量,群的运算记为加法,并且定义了数F F λ∈与向量v V ∈的乘法v λ,满足以下条件:(1) ()v v v λµλµ+=+;(2) ()()v v λµλµ=;(3) 121()v v v v 2λλλ+=+;(4) ,其中1v v =,F λµ∈,12,,v v v V ∈。
如果在V 中存在个元素n 1,,n δδ",使得V 中任意一个元素v 都能够表示成1,,n δδ"的线性组合111nni n i i v λδλδλδ==++=∑"i F λ,∈, 并且这样的表达式是唯一的,则称{}i δ为空间V 的一个基底,基底{}i δ中元素的个数与基底的选择无关,称为域上的向量空间V 的维数。
n F 注:以后讨论中。
F =\例子:n 维欧氏空间。
n \2.维欧氏向量空间n 假定V 是维向量空间,若在V 上给定一个对称的、正定的双线性函数,即它满足下列条件:n ,:V V ×<>→\(1) ;1212,,,v v v v v v v <+>=<>+<>(2) 1212,,v v v v λλ<>=<>>;(3) ;1221,,v v v v <>=<(4) 且等号只在,0v v <>≥0v =时成立,其中12,,,v v v V λ∈\∈,则称(,,)V <>为维欧氏向量空间。
满足上述条件的双线性函数称为欧氏内积,通常记成n ,<> 1212,v v v v ⋅=<>设(,为n 维欧氏向量空间,则在V 上能够取基底{,)V <>}i δ,使得1,,,0,.i j ij i j i j δδδ=⎧<>==⎨≠⎩这样的基底称为V 中的单位正交基底。
线性代数 N维向量空间 第1节 向量空间

第一节
n维向量空间
向量空间的概念
一、n维向量和n维向量空间
定义1(n维向量) n个有顺序的数 a1 , a2 ,...,an 所在组成的
数组称为一个n维向量。
记作 (a1 , a2 ,...,an (称为行向量) ) a1 a 或 2(称为列向量) 其中ai 称为的第i个分量 an
定义2: (a1 , a2 , , an ), (b1 , b2 , , bn ) R n , 设 规定 (a1 b1 , a2 b2 , , an bn ) ; k (ka1 , ka2 , , kan )
定义3(n维向量空间): 以实数域中的数作为分量的n维向量的全体同时考虑到 如上定义的向量的加法和数乘运算。称R上的n维向量空间,
L(1, 2 ,, m ) {k11 k 22 k mm ki R, i 1,2,,
则 L(1,2 ,,m )是一个向量空间,称为由1,2 ,,m
张成(或生成)的向量空间。
记作:span{1,2 ,,m } 定义3
m n 矩阵A的列向量组成的向量空间称为A的列空间
n n
例1: V1 {( x, y,0) | x, y R}
V2 {( x, y,1) | x, y R}
例2:
V1 {( x1 , x2 , x3 ) | x1 x2 x3 0}
对于向量的加法和数乘是否是R上的个n维向量,记
称N(AT)为A的左零空间。
n
;
记为 R
二、向量空间
定义1 设V是R n 的非空子集合,如果 (1)V对加法运算具有封闭性,
即 , V,有 V
n 维向量空间.ppt

ax
(ax ,a y ,az )
az
axi a y j azk. x ax
o
ay
a y
ay y
一、n 维向量的概念
1.定义
由数域P上的n个数组成的有序数组 (a1,a2 ,L ,an ) 称为数域P上的一个n维向量; ai 称为该向量的第i个分量.
注:① 向量常用小写希腊字母, , ,L 来表示; ② 向量通常写成一行 (a1,a2 ,L ,an ) ,
• 与向量大小相等,方向相反的向量称为的 负向量,即 OA.
向量的线性运算
向量相等 当平面向量 OA, OB 的终点重合时,称这两个向量相等.
向量加法
设, 为平面向量 , 称+为这两个向量的和,
- = +(-)为两个向量的差.
数乘向量
设为平面向量 ,k为一实数,称k为数k与向量的数乘.
k是这样的向量,其大小(模)为的k倍,
当k0时,k方向与相同;
当k0时,k方向与相反; 向量加法和数乘运算统称
当k=0时,k=0.
线性运算.
平面向量及线性运算示意
和的运算
α α+β β
αβ
α
β
数乘向量运算(k>0)
α kα
α
kα
N a
M
平面向量(2维)
2维(平面)向量的坐标表示
平面解析几何中,引进了坐标(或分量)的概念, 即在平面直角坐标系中,一个平面向量惟一对应着一个 2维有序数组 (a1,a2),称a1,a2为该向量的坐标。
B
AA
空间向量(3维)示意
3维向量及线性运算的坐标表示
向量的坐标表示
(ax ,a y ,az ),ax ,a y ,az称作的坐标.
向量组

e1 , e2 , , en 线性无关 线性无关;
16
(4) 有两个向量相等的向量组线性相关; 有两个向量相等的向量组线性相关;
(5) m>n时, m 个n维向量必线性相关 特别:m=n+1 维向量必线性相关. 时 维向量必线性相关 特别: (6) n个n维向量线性无关 个 维向量线性无关 它们所构成方阵的行列式不为零. 它们所构成方阵的行列式不为零
2
例如: 例如:
(1,2,3,, n) (1 + 2i ,2 + 3i ,, n + ( n + 1)i )
第2个分量 第1个分量
n维实向量
n维复向量
第n个分量
3
向量通常写成一行: 向量通常写成一行: T = (a1 , a 2 , , a n ) 称为行向量. α 称为行向量. 行向量
a1 a 有时也写成一列: 有时也写成一列: α = 2 称为列向量. 它们的区别 称为列向量 列向量. 只是写法上 的不同. 的不同. an 称为零向量 零向量. 分量全为零的向量 ( 0,0, ,0 ) 称为零向量.
定理1: 定理 向量 β 可由向量组 α 1 ,α 2 , ,α m 线性表示的 充分必要条件是: 充分必要条件是: 以 α 1 ,α 2 , ,α m 为系数列向量,以 β 为常数项列向量 为系数列向量, 的线性方程组有解,且一个解就是线性表示的系数. 的线性方程组有解,且一个解就是线性表示的系数. 线性方程组的矩阵表示和向量表示: 线性方程组的矩阵表示和向量表示:
6
二. 线性相关性 1. 线性组合与线性表示
定义1: 定义 :给定向量组 A : α 1 ,α 2 , ,α m , 对于任何一组实数 k1 , k2 , , km , 向量 k1α 1 + k2α 2 + + kmα m 称为向量组 的一个 称为向量组A的一个 定义2: 定义 :给定向量组 A : α 1 ,α 2 , ,α m , 和向量 β 如果存在一组实数 λ1 , λ2 , λm , 使得 β = λ1α 1 + λ2α 2 + + λmα m 则称向量
[理学]第四章 n 维向量空间_OK
![[理学]第四章 n 维向量空间_OK](https://img.taocdn.com/s3/m/3285d8ff4a7302768f993961.png)
,
,
,
线性相关
ar1 ar2
arn
21
即向量组1
,
2
,
,
线性相关
m
推论(2)
若干n维向量组1,2, ,m线性无关,则 把每个向量任意添加 s 个分量后,
所得向量组 '1, '2, , 'm 线性无关
证:反证法。设 '1, '2, , 'm 线性相关,
则去掉每个向量的s个分量后得到的
即:rank(α1,α2 , ,αm ) rank(α1,α2 , ,αm , )
(2) β可由向量α1 ,α2 , ,αm惟一地线性表示
存在m个惟一的数x1, x2 , , xm,使得
xα1 1 x2α2 xmαm
方程组 AX 有惟一解
其中A (α1 ,α2 , ,αm ), X (x1 ,x2 , ,xm )T
向量组线性相关,
则整个向量组也必定线性相关,引起矛盾.
所以,它的任意一个部分向量组也必线性无关. 15
定理4.3 向量组1,2 , ,m线性相关 方程x11 x22 xmm O有非零解 rank(1,2 , ,m ) r m
向量组1,2 , ,m线性无关 方程x11 x22 xmm O只有零解 rank(1,2 , ,m ) m
3 (1, 3, 6,3)T ,4 (2, 1,3, 4)T
问:
4是否可由1,
2,
线性表示?
3
1 5 1 2 1 5
解:1,
2,
3,
4
2 3
5 12
3 6
1
0
3 0
3 0
1
11
3
n维向量空间

称向量 与 相等.记作 . 6 上一页 下一页 返 回
定义3.3 两个n维向量 a1,a2 ,,an 与 b1,b2 ,,bn 的各对应分量之和所
组成的向量,称为向量 与 的和.
即 a1 b1 , a2 b2 , , an bn .
的负向量,记为 .
利用负向量,我们可以定义向量的减法:
a1 b1,a2 b2 ,...,an bn .
8 上一页 下一页 返 回
容易验证,向量的加法与数乘运算满足:
设 , , Rn;, R (1) ;
(2) ;
(3) 0 ;
| x | 称为 n维向量 x x1, x2 ,, xn 的长度(或2-范数).
1
n维向量x的p-范数: | x |p x1 p x2 p xn p p
14 上一页 下一页 返 回
长度具有下列性质: (1)非负性:| x | 0, 等号成立当且仅当 x 0;
(2)齐次性:| x || || x |;
向量的长度、向量的夹角及向量的正交.
11 上一页 下一页 返 回
1. 向量的内积的定义及性质
定义3.6 设有 n 维向量
x1
x
x2
,
xn
y1
y
y2
,
yn
x 与 y 的内积 ( x, y) 定义为:
( x, y) x1 y1 x2 y2 xn yn
xT y
12 上一页 下一页 返 回
或
( x, y) | x || y | .
定义3.8 非零向量 x, y 的夹角定义为
arccos ( x, y) .
4.1 n 维向量空间

ai bi , i 1,2,, n
零向量 负向量
0 (0,0,,0)
(a1 ,a2 ,,an )
三维向量的线性运算满足八条运算规律
1. 2.( ) ( ) 3. 0 4. 0
是否是 R2 的子空间?
x1 , x2 , x1 x2 0,
y1 , y2 V1
y1 y2 0,
x1 y1 , x2 y2 ( x1 y1 ) ( x2 y2 ) 0
V1
x1 , x2 , R, x1 x2 0, V1
5.1 6.k ( l ) ( kl)
7.k l k l 8.k k k
n 维向量的线性运算也满足八条运算规律
1. 2.( ) ( ) 3. 0 4. 0
则 0 或a1 a2 an 0
0或 0
线性方程组的矩阵表示:
a11 x1 a12 x 2 a1n x n b1 , a 21 x1 a 22 x 2 a 2 n x n b2 , a m 1 x1 a m 2 x 2 a mn x n bm .
a1n b1 a11 a12 a a 21 x 22 x a 2 n b2 x1 2 n a a a b m1 m2 mn m
5.1 6.k ( l ) ( kl)
7.k l k l 8.k k k
- 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)。
(2) (k l )a ka la ; (3) k (la ) l (ka ) (kl )a , (4) (1)a a , k 0 0, 0a 0.
5. 共线向量、共面向量
方向相同或相反的向量。 共线向量:
记作 // . 共面向量:平行于同一平面的向量. 定理1:
a1 1 a2 2 an n .
25
☆零向量可由任意一组向量线性表出
0 01 02 0m (其中0, 1 , 2 ,, m 都是n维 向量)
☆ 向量 组1 ,2 ,,m 中的任意一 个向量 j
( j 1, 2,, m)都可由向量 组本身线性表出
向量及其线性运算 1. 向量的概念 数量:只有大小没有方向的量. 如: 面积、体积、长度等。 向量: 既有大小,又有方向的量称为向量(矢量). 如: 速度、加速度、力等。 向量的表示: 有向线段------ 其长度表示向量的大小, B 其方向表示向量的方向。 终点 记作 AB , 向量也可用小写希腊字母 A 起点 , , 或小写字母 a , b , c 表示。
自由向量在保持大小和方向不变的条件下可以 平行移动。 向量的相等: 模相等且方向相同的两个向量, a b
负向量: 大小相等但方向相反的向量. a
a a
3
2. 向量的加法 (1)平行四边形法则 (三角形法则)
b
c
b
c ab
a
特殊地:若 a‖ b 分为同向和反向 |c || a | | b | b c a b c a | c | | a | | b |
质是一致的. (5) k l k l , (6) k ( ) k k , (7) (kl ) k(l ) l (k ), (8) 1 0 0 (1) k 0 0.
19
3. n 维向量空间 Pn ={数域P上的n维向量},连同定 定义: 义在它上面的向量加法和数量乘法,称为 数域P上的n维向量空间。
b
ab
a
b
ab
b c a (b ) ab
c
6
c a
3. 数与向量的乘积(数乘)
的乘积 a 规定为 a 与 设 是一个数,向量 (1) 0, a 与a 同向,| a | | a | ( 2) 0, a 0 ( 3) 0, a 与a 反向,| a || | | a |
24
2.几个特例 ☆ 任意一个n 维向量 (a1 , a2 ,, an ) 都可由n 维基本向量组 1 (1,0,,0) 2 (0,1,,0) n (0,0,,1) 线性表出,且 的分量就是表出系数。
(a1 , a2 ,, an )
a1 (1,0,,0) a2 (0,1,,0) an (0,0,,1)
我们称 31 22 是1 , 2 的一个线性组合; 可以由 1 ,2 线性表出。
23
1.定义 在Pn中, 给定向量组 1 , 2 ,, m , , km, 称向量 任给P中一组数 k1,k2, k11 k22 kmm 为向量组 1 ,2 ,,m的 一个线性组合, k1,k2, , km 称为组合系数. n 对于 P , 若存在P中一组数 使得 k1,k2, , km, k11 k22 kmm 成立,则称 是 1 ,2 ,,m的 一个线性组 合或称 可由1 ,2 ,,m 线性表出(示), k1,k2, , km 为表出系数.
2
j
n
向量组 1 , 2 ,, n 称为矩阵A 的列向量组.
21
类似地, 矩阵A (aij )mn 又有m个n维行向量
a11 a12 a 21 a 22 A ai1 ai 2 a m1 am 2 a1n 1 1 a 2 n 2 2 , a in i m a mn m
如
R 为实数域,则Rn 为n 维实向量空间.
R3 为3维实向量空间或3维几何空间。
20
二.向量与矩阵的关系 定义: 若干个同维数的列向量(或行向量)所 组成的集合叫做向量组.
例2 设矩阵 A (aij )mn,将A按列分块
1
a11 a12 a1 j a1n a 21 a 22 a 2 j a 2 n ( , ,, ) A 1 2 n a a mj a mn m1 a m 2
17
2. n 维向量运算 向量的加法
显然,
(a1 , a2 ,, an ) (b1 , b2 ,, bn ) (a1 b1 , a2 b2 ,, an bn ) (a1 , a2 ,, an ) (b1 , b2 ,, bn ) (a1 b1 , a2 b2 ,, an bn )
j 01 02 0 j 1 j 0 j 1 0m
26
观察 3维向量
1 2 3
能否由3维向量组
0 0 1 1 2 0 1 2 线性表出? 不能!
问题:对于给定的向量组和向量如何判别线 性表出?
27
3.线性表出的判别 分析: 设数域P上的n元线性方程组
, a x a x a x b 11 1 12 2 1 n n 1 a11 a12 a1n b1 , a a a x b 21 x1 22 x 2 2 n n 2 a a a b2 21 22 2 n x1 x2 xn am amn m 11 m2 m. x1 a a x 2 a xn bb a m 2 mn m
k 为数 数量乘法 为向量,
k k(a1 , a2 ,, an ) (ka1 , ka2 ,, kan )
向量的加法和数量乘法统称为向量的线性运算.
18
向量的线性运算的运算律
(1) , (2) , (3) 0 , 向量的运算性质 (4) ( ) 0 , 和矩阵的运算性
都有 k l 0.
10
“” ∵ k , l 不全为 0, 使k + l = 0 l 则 , // . 不妨设 k 0, k
推论1:若 0 则向量 和 共线的充
要条件是存在唯一确定的实数 k 使
k
11
推论2:在一条直线上取定一个非零向量 e ,则该 直线上的任一向量 ,可唯一 地表示为 ke ,其中 k 为一个实数。
// 不全为零的数 k和l , 使得 k l 0.
9
证明: “” 若 = 0, 则 1 0 0. 若 ≠ 0, 则
| | 0.
| | | | k , l 1; , 令 若 与 同方向,则 | | | |
| | | | k , l 1. , 令 若 与 反方向,则 | | | |
13
第一节 n 维向量空间
一. n 维向量空间的概念 二.向量与矩阵的关系 三.向量的线性组合与线性表出
14
一. n 维向量空间的概念 一个mn矩阵的每一行都是由n个数组成 的有序数组,其每一列都是由m个数组成的有序 数组。 n元线性方程组的一个解也是由n个数 组成的有序数组。所以研究线性方程组解的结 构离不开有序数组。 1.定义:由数域P 中n 个数组成的有序数组称为 数域P 上的一个n 维向量,用小写的希腊字母 , , …表示.
4
推广, 多个向量的和
1
A
2
3
4பைடு நூலகம்
B
AB 1 2 3 4
5
(3). 向量加法的运算性质
交换律 ab ba (a b ) c a (b c ) 结合律 a 0 0 a a a ( a ) ( a ) a 0 (4). 向量的减法 a b a (b ) b
a
2a
1 a 2
7
运算法则 (1) k(a b ) ka kb ;
其中 k, l 为任意两个实数,a , b 为任意两个向量。
向量的单位化: o 设 表示与非零向量 同方向的单位向量, 1 o o 则 , 从而 .
三个向量 , , 共面的充分必要条件为 定理2: 存在不全为零的数 k1 , k2 , k3 , 使得
k1 k2 k3 0
12
第四章 n 维向量空间
我们在第二章给出了直接从线性方程 组的系数矩阵和增广矩阵的秩判断方程组 有没有解及有多少解的判别定理。为了研 究方程组有无穷多解时解的结构,我们需 要探讨和建立线性方程组的进一步理论, 为此,引入了向量空间的概念。
ai bi
零向量
(i 1, 2,, n)
所有分量都是零的向量称为零向量,记作 0=(0,0, · · · ,0). 负向量: n 维向量 (a1 , a2 ,, an )
的各分量的相反数所构成的向量称为 的负向量,记作 (a1 , a2 ,, an ) .
1
向量的模: 向量的大小称为向量的模。 记为 AB , 或 a . 零向量: 模等于0的向量为零向量, 方向任意,记作 0或0. 注:任何向量的模非负 非零向量的模一定是正数。