线性代数课件第四章

合集下载

《线性代数》教学课件—第4章 向量线性相关 第二节 向量组的线性相关性

《线性代数》教学课件—第4章 向量线性相关 第二节 向量组的线性相关性

9 6
,
有 3 = 21 - 2 , 4 = 1 + 22 , 所以向量组 1,
2 , 3 , 4 线性相关, 其几何意义为: 该向量组所
对应的非齐次线性方程组中的四个方程所表示的
四个平面交于同一条直线. 如图 4.3 .
2x+3y+z=4 3x+8y-2z=13 x-2y+4z=-5 4x-y+9z=-6
x
O M1
图 4.2
M3 a3 RM3 (0,2,2) ,
3y
向量组 a1 , a2 , a3
线性相关,因为
2a1 - a2 - a3 = 0.
(3) 4 维向量组线性相关的几何意义 设有 4 维向量组
2
1
3
4
1T
3
1 4
, 2T
2
45
,
T 3
8
132
, 4T
1
在直线 y =2x 上取三点M1, M2 , M3 , 作三个向量:
6y
5
M3(3,6)
4 3
M2(2,4)
2 1
M1(1,2)
O 123456 x
图 4.1
a1 OM1 (1,2) ,
a2 OM2 (2,4) ,
a3 OM3 (3,6) ,
显然, 这三个向量中的 任意两个向量构成的向 量组都是线性相关的.
证明 向量证组明A 线向性量相组关A, 线等性价相于关齐,次等线价性于齐次线
方程组 方程组 x1a1 + x2a2 x+1a··1·+ x2maa2m+=··0·,+即xmAaxm = 0, 即 Ax = 0

高等数学线性代数线性方程组教学ppt(4)

高等数学线性代数线性方程组教学ppt(4)

1.2 高斯消元法
对线性方程组消元的三种变换(统称为线性方程组 的初等变换):
(1)交换方程组中某两个方程的位置; (2)以非零常数k乘以方程组中某个方程; (3)用数k乘以方程组中某个方程后加到另一个方程 上去.
定理1 线性方程组经过初等变换后得到的新方程组 与原方程组同解.
例1
解线性方程组
R( A) n;
(2)若R(A) n 1,则 A 0, AA* A E O,
由例5知:R( A) R( A*) n, R( A*) n R( A) n (n 1) 1, 即R( A*) 1.
另一方面,由于R(A) n 1, 因此A存在n 1阶非零子式,即A* O, 从而R( A*) 1.
R( A*) 1;
任一解都可以表示为
x 0 k11 knrnr ,
其中k1, , knr R. 即,当R(A) R(A | b)时,有
Ax b的通解
Ax b的一个特解 Ax 0的通解.
行阶梯形矩阵对应的方程组,叫行阶梯 形方程组;
行阶梯形方程组中,每个方程的第一个 未知量称为主未知量(主变量),其余变量叫 自由未知量(自由变量);
用消元法解线性方程组,就是用初等行 变换将方程组的增广矩阵化为行阶最简形, 得到的行阶梯方程组与原方程组同解.
例2 求解非齐次方程组的通解
x1 x1
3.设0是Ax b的某个解(称为特解),则Ax b 的任一个解向量都可表示成0与对应的 Ax 0的解之和,即有
0 .
证 :由于 0 ( 0 ),记 0,由性质1知 是导出组Ax 0的解,则 0 .
故只要 取遍Ax 0的全部解, 0 就取遍了 Ax b的所有解.
三、Ax b解的结构定理 定理4 若Ax b有解,1, ,nr是对应的Ax 0 的基础解系,0是Ax b的一个特解,则Ax b的

线性代数第四章线性方程组课件

线性代数第四章线性方程组课件
方程组 AX 0 的两个基础解系, 则由这两个基础解
系分别确定的解集合
S {k11 k22 ktt | k1, k2, 与 T {l11 l22 lt t | l1,l2,
是相等的,即 S T.
, kt是任意常数} , lt是任意常数}
定理5 设 A 是一个 m n矩阵,若齐次线性方程组
一个解.
定理8 设 1,2 是方程组 AX 的两个解,则 1 2 是 AX 导出组 AX 0 的一个解.
由这两个结果, 我们能够得到非齐次线性方程 组解的结构定理.
定理9 设矩阵 A 是一个 mn矩阵.若非齐次线性
方程组 AX 有解, 令 0是 AX 的某一个解
(通常称为特解).
k1, k2, , ks 是任意常数, 则
k11 k22 kss
也是方程组的解. 即齐次线性方程组解的线性组合
还是方程组的解.
记齐次线性方程组 AX 0的解集合为 S , 即
S { (c1,c2, ,cn)T | A 0}.
那么,上面的定理 3 就可以表述为:
对于任意的 1, 2 S , k1, k2是两个任意常数,有
1)当 R(A) R(A) n 时,0是 AX 唯一的解; 2)当 R(A) R(A) n 时,AX 的导出组 AX 0 存在无穷多解, 则 AX 的解集合为 S {0 k11 k22 kss | k1, k2, , ks是任意常数}, 其中 1,2, ,s是 AX 0 的一个基础解系.
是线性无关的.
1, 2, , n
定理2(齐次线性方程组有非零解的判别定理) 齐
次线性方程组 AX 0 有非零解的充分必要条件是
它的系数矩阵 A 的秩 R(A) n .
推论1 如果齐次线性方程组 AX 0 中的方程个数

线性代数课件(高教版)4-2

线性代数课件(高教版)4-2
T
a 1n a 2n a in a mn

T 1 T 2
T i
T m

向量组 , , …, m称为矩阵A的行向量组.
反之,由有限个向量所组成的向量组可以构 成一个矩阵.
m 个 n 维列向量所组成的向量 组 , , , , 1 2 m 构成一个 n m 矩阵
即线性方程组 x x x b 1 1 2 2 m m 有解 .
向量组的等价 定义2.2 设有两个向量组
A: ,m及 B: 1, 2, , s. 1, 2, 称 A 与向 向量组B 能由向量组A 线性表示 .若向量组 量组 B 能相互线性表示,则称 这两个 向量组等价.
向量组 a1 , a2 ,…… , am线性无关的充分必要条件是
R(A)=m.
例2 已知向量组a1 a2 a3线性无关 b1a1a2 b2a2a3 b3a3a1 试证向量组b1 b2 b3线性无关 证法二 把已知的三个向量等式写成一个矩阵等式
1 0 1 ( b , b , b ) ( a , a , a ) 1 1 0 1 2 3 1 2 3 0 1 1 记作BAK 因为|K|20 知K可逆 所以R(B)R(A)
a 1, a2 , a n 称为矩 向量组 , A 的列 .
( a ) 又有 类似地 , 矩阵 A m 个 n 维行 ij m n
a 11 a 12 a 21 a 22 A a i1 a i 2 am1 am2
T 1 T 2

a a a 0
1 1 2 2 m m
于是
a a a 1 a 0

线性代数第四章4-5节课件

线性代数第四章4-5节课件

后n-r列
x1 - b11 xr +1 - b12 xr + 2 x -b x - b x 2 21 r + 1 22 r + 2 xr - br 1 xr +1 - br 2 xr + 2 -
- b1,n- r xn , - b2,n- r xn , - br ,n - r xn .
方法1:先求出通解,再从通解求得基础解系.
1 -2 1 0 -3 4 1 2 r A 2 3 0 -1 ~ 0 1 2 -3 1 -1 -5 7 0 0 0 0
x1 - 3 x3 + 4 x4 0 x 2 + 2 x 3 - 3 x4 0
:线性方程组的解的判定
1. 包含 n 个未知数的齐次线性方程组 Ax = 0 有非零解的充 分必要条件是系数矩阵的秩 R(A) < n . 2. 包含 n 个未知数的非齐次线性方程组 Ax = b 有解的充分 必要条件是系数矩阵的秩 R(A) = R(A, b),并且 当R(A) = R(A, b) = n时,方程组有唯一解;
因为
方程组的任意一个解都可以表示为x1, x2 的线性组合.
x1, x2 的四个分量不成比例,所以 x1, x2 线性无关. 所以x1, x2 是原方程组的基础解系.
方法2:先求出基础解系,再写出通解.
1 -2 1 0 -3 4 1 2 r A 2 3 0 -1 ~ 0 1 2 -3 1 -1 -5 7 0 0 0 0

把 Ax = 0 的全体解组成的集合记作 S,若求得 S 的一个 最大无关组S0:x = x1, x = x2, ...,, x = xt ,那么Ax = 0 的

同济大学线性代数第四章PPT课件

同济大学线性代数第四章PPT课件
讨论它们的线性相关性.
解: Ee1,e2, ,en
结论: 线性无关
问题: n=3时, e1,e2,e3 分别是什么?
上述向量组又称基本向量组或单位坐标向量组.
一些结论:
(1) 一个零向量线性相关, 一个非零向量线性无关;
(2) 两个向量线性相关当且仅当 它们的对应分量成比例;
(3) 一个向量组线性无关,则增加其中每个向 量的分量所得新向量组仍线性无关。
例如: 2 1 1 0 a11 1,a212,a312,b33
则 b 能由 a1, a2, a3线性表示.
解方程组 x 1 a 1 x 2 a 2 x 3 a 3 b
既解方程组
2x1x12xx22
x3 x3
0 3
x1 x2 2x3 3

x1 1 1
x2 x3
c
1 1
线性表示
AXB有解,其中 A (1 ,2, ,m )
B (1,2, ,l)
R (A )R (A ,B )
定理3: 向量组 B :1,2, ,l能由 A :1,2, ,m
线性表示,则 R(B) ≤ R(A) 。
其中 A ( 1 ,2 ,,m ) , B ( 1 ,2 ,,l )
证:根据定理 2 有 R(A) = R(A, B) 而 R(B) ≤ R(A, B),因此 R(B) ≤ R(A)。
定义4:设向量组 A : 1 , 2 , , m , 若存在不全为零实数 1 , 2 , , m , 使得 11 2 2 m m 0
则称向量组 A线性相关. 否则称向量组A线性无关.
定理4: n 维向Ax 量 组0 1有 ,非 2, 零 ,解 m,线其 性相A 关 中 1 ,2 , ,m R(A)m

大学线性代数课件第四章第四节矩阵的秩

大学线性代数课件第四章第四节矩阵的秩

答案2
3
添加标题
答案3
4
添加标题
矩阵$A$的秩为3。
5
添加标题
矩阵$B$的秩为3。
6
添加标题
矩阵$C$的秩为3。
THANK YOU
感谢聆听
第矩 阵 秩
三的 应 用

在线性方程组中的应用
线性方程组的解
矩阵的秩可以用来判断线性方程组是否有 解,以及解的个数。如果系数矩阵的秩小 于增广矩阵的秩,则线性方程组无解;如 果系数矩阵的秩等于增广矩阵的秩,则线 性方程组有唯一解;如果系数矩阵的秩小 于增广矩阵的秩,则线性方程组有无穷多 解。
VS
向量空间的维数
矩阵的秩还可以用来确定向量空间的维 数。一个向量空间的维数等于该空间的 一组基所含向量的个数,而这个个数与 构成这组基的矩阵的秩相等。
在矩阵分解中的应用
矩阵的LU分解
矩阵的秩可以用于LU分解中。如果一个矩阵可以进行LU分解,那么这个矩阵一定是一个 满秩矩阵,即其秩等于其阶数。
矩阵的QR分解
第 量 点
言击

四 简 此
意处

节 赅 添
的加
线
矩 阐 正
述文

观, 点文 。字


的 提

炼 ,

请 尽





目录

引 言

矩 阵 秩 的 计 算 方 法

矩 阵 秩 的 应 用

矩 阵 秩 的 定 理 和 推 论
第引 言
一 章
矩阵秩的定 义
矩阵的秩也可以通过行或列的初等变换得到,即通过行或 列的线性组合来消除其他行或列中的元素,得到的行或列 中非零元素的个数即为矩阵的秩。

西北工业大学《线性代数》课件-第四章 向量组的线性相关性

西北工业大学《线性代数》课件-第四章 向量组的线性相关性

b
b2
bm
三、两向量相等
设向量
α (a1, a2 ,, ak )
β (b1, b2 ,, bl )

α β k l 且 ai bi
(i 1,2,, k)
四、零向量
分量都是0的向量称为零向量,记做 0,即
0 (0,0,,0).
五、向量的线性运算
⒈ 加法 设
α (a1, a2 ,, an )
2 2 2 ( )2
几何解释:三角形两边 之和大于第三边
α
β
α β
⒊ 夹角 设 与 是n维非零向量,则其夹角定义为
arccos [ , ]
arccos
a1b1 a2b2 anbn
a12 a22 an2 b12 b22 bn2
(0 )
定义的合理性:由不等式 (5) α, β α β
2
➢ 非零向量单位化
设 0 ,单位化向量
0
则有 0 1且 0与 同向.
九、小结
1. n维向量的定义; 2. n维向量的运算规律;
§4.2 向量组的线性相关性
一、线性相关与线性无关
1. 线性组合 定义4.6 设 ,1,2,,m均为n维向量,若有一组 数 k1, k2 ,, km ,使得
⑶ 数量积:a b a b cos
bx
(a
x
,
a
y
,
az
)
by bz
axbx a yby azbz
向量内积及 与模,夹角关系
矩阵乘积表示
可用作内积定义
⑷ 模: a aa
模的定义
三维向量全体构成的集合,称为三维向量空间.记做 R3
解析几何
向量

线代第四章优质获奖课件

线代第四章优质获奖课件

= 2(A2)x–3Ax +4x
= 22x–3x +4x
= (22 –3 +4)x
= ()x,
所以()为(A)旳特征值.
例6. 设1, 2, …, m为方阵A旳m个不同旳特征值,
p1, p2, …, pm为依次相应于这些特征值旳特
征向量, 证明p1, p2, …, pm线性无关.
证明: 若k1p1 +k2p2 +…+kmpm = 0, 则
线性代数
第四章 矩阵旳特征值和特征向量
§4.1 相同矩阵
一. 问题
习题1(B). 23
设P1AP = , P = 1 4 , = 1 0 ,
11
02
求A11.
A = PP1
11 =
1 0 0 211
A11 = P11P1
第四章 矩阵旳特征值和特征向量
§4.1 相同矩阵
二. 相同矩阵旳定义
设A, B都是n阶方阵, 若有可逆矩阵P, 使得 P 1AP =B, 则称矩阵A与B相同. 记为A~B. P称为相同变换矩阵或过渡矩阵.
第四章 矩阵旳特征值和特征向量
§4.4 实对称矩阵旳相同对角化
§4.4 实对称矩阵旳相同对角化
一. 实对称矩阵旳特征值和特征向量
定理4.7. 实对称矩阵旳特征值均为实数.
定理4.8. 设1, 2是实对称矩阵A旳两个不同
旳特征值, p1, p2是相应与它们旳特 征向量, 则p1与p2正交.
实际上, 1 p1T = (Ap1)T = p1TAT = p1TA, 从而1p1Tp2 = p1TAp2 = p1T(2p2) = 2p1Tp2. 于是(1–2) p1Tp2 = 0, 但是1 2, 故p1Tp2 = 0.

《线性代数》第四章:线性方程组-PPT课件

《线性代数》第四章:线性方程组-PPT课件
三角形线性方程组要求方程组所含方程的个数等于未知量的个数且第个方程第个变量的系数三角形线性方程组是一类特殊的情形解法也简单由克莱姆法则可以判断其解惟一一般只需要从最后一个方程开始求解逐步回代就可求出方程组的全部解11定义416线性方程组中自上而下的各方程所含未知量个数依次减少这种形式的方程组称为n元阶梯形线性方程组
❖ 例如 axbyc 是一个二元方程,a , b 不同时
为零时,方程有无穷多解,如 b0时,x0,yc
b
为二元方程 的一个特解, axbyc
b0 时 , xk,ycakk R
bb
为二元方程的通解;当 a , b 同时为零,若时c ,0
方程无解;当
a同, b 时为零,若 时c , 0 方程
有无穷多解任意一对有序实数都是方程的解。
❖ 消元法的目的就是利用方程组的初等变换将 原方程组化为阶梯形方程组, 由于这个阶梯形 方程组与原线性方程组同解, 解这个阶梯形方 程组得到的解就是原方程组的解。
❖ 注意:将一个方程组化为行阶梯形方程组的 步骤并不是惟一的, 所以,同一个方程组的行 阶梯形方程组也不是唯一的。
❖ n元线性方程组的一般形式为
cnnxn 0
❖ 其中 crr 0 则线性方程组有唯一解,即仅有零解。
❖ (2) 当 r n 时,方程组可以化为
c11x1 c12x2 c1rxr c1nxn 0
c22x2 c2rxr c2nxn 0 ..........................
crrxr crnxn 0
❖ 其中 crr 0 将其改写成
a11x1a12x2 a1rxrb1a1r1xr1 a1nxn a22x2 a2rxrb2a2r1xr1 a2nxn arrxrbrarr1xr1 arnxn

同济大学线性代数课件__第四章y

同济大学线性代数课件__第四章y
第四章 向量组的 线性相关性
1
§4.1 向量组
一.n维向量
定义1:n 个数
a 1 , a 2 , , a n
所组成的有序数组
称为一个 n 维向量. 第 i 个数 a i 称为第 i 个分量. 这里定义的 n 维向量就是指行(或列)矩阵.
a1 a 2 (a1 , a2 an )T an 列向量
25
例4: 已知向量 1 , 2 , 3 线性无关,证明:向量
1 1 2 , 2 2 3 , 3 1 3 线性无关.
x1 x 1 , 2 , , n 2 0 x1 1 x2 2 xn n 0 x n
【注】零向量可写成任意同维数向量的线性组合,即 齐次线性方程组 x11 x22 xmm 0总有解。
其中 A 1 , 2 , , m
21
特别 (1) n个n维向量 (1 , 2 , , n ) A 线性相关
R( A) n A 0
(2) n个n维向量 ( 1 , 2 , , n ) A 线性无关
R( A) n A 0
22
例2: 已知 1 (1, 1, 1) , 2 (0, 2, 5) , 3 (2,4,7) , 试讨论向量组 1 , 2 , 3及向量组 1 , 2 的 线性相关性.



23
解: 设 x1 1 x2 2 x3 3 0
1 0 2 0 1 x 2 x 4 0 x 即 1 2 3 1 5 7 0 1 0 2
16

《线性代数》课件第4章

《线性代数》课件第4章

此时A的第j列元素恰为αj表示成β1, β2,…, βt的线性组合时的
系数.
证明:若向量组a1,a2,…,as可由β1, β2,…, βt线性表示,即每个ai
均可由β1, β2,…, βt线性表示,则有
α1 = a11β1 + a21β2 + + at1βt = (β1, β2,
, βt )⎛⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎝aaa12t111 ⎞⎠⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟,
我们有下面的定理: 定理 1.1 矩阵的秩数=行秩数=列秩数.
例1.3 设
α1 = (1, 2, 0,1)T , α2 = (0,1,1,1)T , α3 = (1, 3,1, 2)T , α4 = (1,1,−1, 0)T
求此向量组的秩数及一个极大无关组.
解 考虑向量组构成的矩阵
A=(α1,
α2,
我们有下面的命题:
命题1.
1. α1, α2,…, αs线性无关; 2.方程x1α1 + x2α2 + … + xxαs只有零解 3. 对于任意一组不全为零的数c1,c2,…,cs均有
c1α1 + c2α2 + + csαs ≠ 0, 4. 对于任意一组数c1,c2,…,cs, 若c1α1 + c2α2 +
定义1.4 两个可以互相表示的向量组称为等价向量组.
容易看出: 1. 向量组的等价是一个等价关系; 2. 等价向量组的秩数相同; 3. 任何向量组等价于其极大无关组; 4. 两个向量组等价当且仅当它们的极大无关组等价.
最后我们给出化简向量组的一种技巧 为此先给出一个定义
定义1.5 设α1, α2,…, αs和β1, β2,…, βs是两个向量组, 若对于任意一组数c1,c2,…,cs均有

《线性代数》第四章线性方程组 第1节.ppt

《线性代数》第四章线性方程组 第1节.ppt

2
1 1
11 2 1 0 2
2 7
~
2 2 5 1 1 18
0
0
0
3 3 6
4 23 5
5
2
4
7
1 3 1 4
1 2 3 1 1 7
~ 0 3 4 2 3 5
0 0
0 0
1 7
0 1
1 5
1 42
~
1 2 3 1 1 7
0 3 4 2 3 5
0 0
0 0
1 0
二、用消元法解线性方程组
中学代数已介绍过二元、三元线性方程组的消元法——高斯消元 法。下面再作一例,以求其规律。
例 解线性方程组
2x1 x2 2x3 4
x1 x2 2x3 1
4x1 x2 4x3 2
解:交换第一、二两个方程, 得同解组
x1 x2 2x3 1 1 2x1 x2 2x3 4 2 4x1 x2 4x3 2 3
(1) 的 方 程 组
称为线性方程组
它可写作矩阵形式: AX b (2)
其中 A (aij )mn 是系数矩阵
X (x1, x2 ,xn )T
b (b1,b2 ,bm )T
称 B (A b) 为增广矩阵,通常写成 ( A | b)或( A, b)
b=0时所对应的方程组为齐次线性方程组
b≠0时所对应的方程组为非齐次线性方程组
当 x , x ,, x 分别用数k , k ,, k 代入方程组中的
1
2
n
1
2
n
每一个方程后, 若能使得每一个等式都 变成恒等式,
则我们称
x k , x k ,, x k ,
1
1

线代第四章课件

线代第四章课件

n , 则有
( 2) 12 n A .
矩阵A的迹
(1) 1 2 n a11 a22 ann ;
5. 设 i 为 方 阵 A 的一 个 特 征值 , 则 由 方 程
(i I A) x 0 可求得非零解 x pi ,那么 pi 就是
以a 左乘上式两端 得 1 1 1 0 ,
T 1
T
由 1 0 1 1 1
T
2
0, 从而有1 0 .
同理可得2 r 0. 故1 , 2 ,, r 线性无关.
施密特正交化方法
若a1, a2 ,, ar 为R 的线性无关向量组 , b1 a1
二、向量的长度及性质
定义2

x
x, x
x x x ,
2 1 2 2 2 n
称 x 为n 维向量 x的长度 或范数 .
向量的长度具有下述性质:
1. 非负性 当 x 0时, x 0;当 x 0时, x 0; 2. 齐次性 x x ; 3. 三角不等式 x y x y .
称(x,y)为向量的内积(点乘x . y)
说明
1 nn 4 维向量的内积是3维向量数量积 的推广,但是没有3维向量直观的几何意义. 2 内积是向量的一种运算,如果x,y都是列 向量,内积可以用矩阵记号表示为
x, y xT y.
内积的运算性质 (其中x,y,z为n维向量,λ为实数) (1) (x, y)=(y, x) (2) (λx , y)= λ(x, y) (3) (x+y, z)=(x, z)+ (y, z) (4) (x,x)≥ 0, 且当x≠0时有 (x, x)>0

《线性代数》课件第4章

《线性代数》课件第4章
Abi=0 (i=1,2,…,l)
例4.2.7 求出一个齐次线性方程组,使它的基础解系由
下列向量组成:
1 4
ξ1
2 3
,
ξ
2
3 2
4
1
解 设所求的齐次线性方程组为Ax=0,矩阵A的行向量
形如αT=(a1,a2,a3,a4),根据题意, 有 αTξ1=0,αTξ2=0
4a1a123aa2 232a3a34aa44
(3) 齐次线性方程组(4.2.1)任一解都可由ξ1,ξ2,…,ξn-r

1
x
ξ
r
r1
n
x1 x2 x3 x4 0 例4.2.4 求齐次线性方程组 2x1 5x2 3x3 2x4 0 的
基础解系与通解.
7x1 7x2 3x3 x4 0
解 对系数矩阵A做初等行变换,化为行最简矩阵:
(x3,x4可任意取值)
令x3=c1,x4=c2,把它写成向量形式为
x1
2
5 3
x2 x3 x4
c1
10
2
c2
0
1
4 3
4.2 齐 次 方 程 组
4.2.1
对于齐次线性方程组
a11x1 a12x2 a1n xn 0
a21x1
a22 x2
a2n xn
0 0
设这个方程组系数矩阵为B,对B进行初等行变换,得
B 1 2 3 4 1 2 3 4 1 0 1 2 4 3 2 1 0 5 10 15 0 1 2 3
这个方程组的同解方程组为 a1 a3 2a4 0 a2 2a3 3a4 0
1 2
其基础解系为
2 1

3x1 x2 5x3 6x4 7x5 0
  1. 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. 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. 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)。

a21 x1 a22 x2 a2n xn b2 ,
am1 x1 am2 x2 amn xn bm .
a1 x1 a2 x2 an xn b
方程组与增广矩阵的列向量组之间一一对应.
14
2020/10/21
定义1 给定向量组A :1,2 ,,m,对于任何一
组实数k1,k2,, km,向量
30
2020/10/21
故 11 22 m1 m1 1am 0 因 1 , 2 ,, m1 , 1 这 m 个数不全为0,
故 1 ,2 ,,m线性相关. 必要性 设 1 ,2 ,,m 线性相关,
则有不全为0的数 k1 , k2 ,, km , 使
k11 k22 kmm 0.
17
2020/10/21
若记A (1 , 2 ,, m )和B ( b1 ,b2 ,,bs ).B
能由A线性表示,即对每个向量bj ( j 1,2,, s)存 在数k1 j , k2 j ,kmj ,使
bj k1 j1 k2 j 2 kmj m
k1 j

1
,
2
,,
m
)
k2
j
,
kmj
k11 k2 2 km m
称为向量组的一个线性组合,k1,k2,, km称为这 个线性组合的系数.
15
2020/10/21
给定向量组A : 1 , 2 ,, m和向量b,如果存在

组数1,2,,
,使
m
b 11 2 2 m m
则向量b是向量组A的线性组合,这时称向量 b 能 由向量组 A 线性表示.
1 n 0时,才有
11 2 2 n n 0成立 .
2. 对于任一向量组,不是线性无关就是
线性相关 .
28
2020/10/21
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.包含零向量的任何向量 组是线性相关的.
5.对 于 含 有 两 个 向 量 的 向量 组, 它 线 性 相 关 的 充要条件是两向量的分量对应成比例,几何意义 是两向量共线;三个向量相关的几何意义是三向 量共面.
26
2020/10/21
§2 向量组的线性相关性
27
2020/10/21
一、线性相关性的概念
定义3 给定向量组A :1,2 ,,m ,如果存在不
全为零的数k1, k2 ,, km使
k11 k2 2 km m 0
则称向量组A是线性相关的,否则称它线性无关.
注意
1. 若 1 , 2 ,, n线性无关,则只有当
3.当没有明确说明是行向量还是列向量时, 都当作列向量.
6
2020/10/21
三、向量空间
解析几何
向量 (n 3)
线性代数
既有大小又有方向的量

有次序的实数组成的数组
几何形象: 可随意 平行移动的有向线段

代数形象: 向量的 坐标表示式
系 aT (a1 ,a2 ,,an )
7
2020/10/21
31
2020/10/21
因k1 , k2 ,, km 中至少有一个不为0,
不妨设 k1 0,则有
1
k2 k1
2
k3 k1
3
km k1
m .
即 1 能由其余向量线性表示.
证毕.
32
2020/10/21
线性相关性在线性方程组中的应用
若方程组中有某个方程是其余方程的线性组 合时,这个方程就是多余的,这时称方程组(各 个方程)是线性相关的;当方程组中没有多余方 程,就称该方程组(各个方程)线性无关(或线 性独立).
确定飞机的状态,需
要以下6个参数:
机身的仰角 机翼的转角
( ) (2 2 )
机身的水平转角 (0 2 )
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, , , )
10
2020/10/21
四、向量、向量组与矩阵
若干个同维数的列向量(或同维数的行向量)
36
2020/10/21
1 0 2
(1 , 2 , 3 ) 1 2 4
1 5 7
r2 ~ r1
r3 r1
11 00 10
00 22 55
22 22 75
r3
5 2
r2
~
1 0 0
0 2 0
2 2

0
可 见R( 1
, 2
, 3
)
2,向量组1 , 2
,
线
3
性相
关;
R(1 , 2 ) 2,向量组1 , 2线性无关.
T 1
T 2
ams
sT
21
2020/10/21
设矩阵A经初等行变换变成B,则B的每个行 向量都是A的行向量组的线性组合,即B的行向量 组能由A的行向量组线性表示. 由初等变换可逆性 可知,A的行向量组能由B的行向量组线性表示, 于是A的行向量组与B的行向量组等价.
类似,若矩阵A经初等列变换变成B,则A的 列向量组与B的列向量组等价.
22
2020/10/21
对方程组A的各个方程做线性运算所得到的 一个方程就称为方程组A的一个线性组合;若方 程组B的每个方程都是方程组A的线性组合,就 称方程组B能由方程组A线性表示,这时方程组 A的解一定是方程组B的解;若方程组A与方程组 B能相互线性表示,就称这两个方程组等价,等 价的方程组一定同解.
证明 (略)
下面举例说明定理的应用.
34
2020/10/21
例1 n 维向量组
e1 1,0,,0T ,e2 0,1,,0T ,,en 0,0,,1T
称为n维单位坐标向量组,讨论其线性相关性 .
解 n维单位坐标向量组构成的矩阵 E (e1, e2 ,, en )
是n阶单位矩阵. 由 E 1 0,知R(E ) n.
A
:
1,

2
, m等价的充分必要条件
R(A) R(B) R(A B)
24
2020/10/21
定理3 向量组 B : b1,b2, , bl 能由向量组
A
:
1,

2
, m线性表示,则
R(b1,b2,
, bl )
R(1,

2
,m )
向量组与矩阵的对应关

向量组B : b1,b2,
, bl
能由向量组A
矩阵A
(aij
) mn
又有m个n维行向量
a11 a21
a12 a22
a1n a2n
T 1
T 2
A ai1
ai2
ain
T i
am1 am2 amn
T m
向量组
T 1
,
T 2
,
…,
T m
称为矩阵A的行向量组.
12
2020/10/21
反之,由有限个向量所组成的向量组可以构 成一个矩阵.
b11

c1
,
c2
,, cn
)

1
,
2
,,
s
)
b21
b12
b22
b1n b2n
bs1 ks2 ksn
20
2020/10/21
同时,C的行向量组能由B的行向量组线性表示, A 为这一表示的系数矩阵:
T 1
T 2
m
T
a11 a21
am1
a12 a22
am2
a1s a2s
23
2020/10/21
定理2 向量组 B : b1,b2, , bl 能由向量组
A
:
1,

2
, m线性表示的充分必要条件
是矩阵
A
(1,

2
,m ) 的秩等于矩阵
A B (1,2, ,m,b1,b2, ,bl ) 的秩,即
R(A) R(A B)
推论 向量组 B : b1,b2, , bl 与向量组
解析几何
空间
(n 3)
线性代数
点空间:点的集合
几何形象: 空间 直线、曲线、空间 平面或曲面

向量空间:向量的集合

代数形象:向量空

间中的平面
( x, y,z) axbyczd r ( x, y,z)T axbyczd
P(x, y,z)
一一对应
r ( x, y, z)T
8
2020/10/21
即R(E)等于向量组中向量个数,故由定理知此 向量组是线性无关的.
35
2020/10/21
例2 已知
1
0
2
1
1

2
2

3
4

1
5
7
试讨论向量组1, 2, 3及1, 2的线性相关性.

分析
对矩阵(1,
2,
),施行初等行变换变
3
成行阶梯形矩阵,
可同时看出矩阵(1,
2,

3
及(1,2)的秩,利用定理4即可得出结论.
第四章 向量组的线性相关性
§ 1 向量组及其线性组合 § 2 向量组的线性相关性 § 3 向量组的秩 § 4 线性方程组的解的结构 § 5 向量空间
1
2020/10/21
§1 向量组及其线性组合
2
2020/10/21
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ai 称为第i个分量 .
相关文档
最新文档