1n维向量

合集下载

向量组的线性相关性

向量组的线性相关性

★ 一个向量a=0线性相关,而 0时线性无关
★ 两个向量线性相关
它们对应分量成比例
★ 如果向量组中有零向量,则向量组一定线性相关.
16
二、判别方法
1. 向量组1,2 ,...,s线性相(无)关 方程 x11 x22 ... xss 0(没)有非零解.
设i (ai1 , ai2 , ..., ain )T , 方程组
三、应用举例
例1 设 1 1,1,0T ,2 0,1,1T , 3 (3,4,0)T
3 1


,

,
其中(
,
)

(1
,
2
,
3
)

2 1
1 1

.






31

22



3
1

2

3

1 0 3 0


31 22 3
k k ka1, ka2, , kan
向量的加法与数乘合称为向量的线性运算.
3、运算律 (设α,β,γ均是n维向量,λ,μ为实数) (1) (交换律)
(2) ( ) ( ) (结合律) (3) O (4) ( ) O (5) 1 (6) () ( ) ( ) (7) ( )
二、向量的运算
1、加法 (a1,a2,...,an ), (b1,b2,...,bn ),
a1 b1, a2 b2 , , an bn
( ) a1 b1, a2 b2 , , an bn

3-1n维向量

3-1n维向量
T T a + b = ( a 1 + b1 , a 2 + b 2 , L , a n + b n )
向量减法定义为
T T a − b = ( a 1 − b1 , a 2 − b 2 , L , a n − b n )
数乘向量
数 k 与向量 a T 的乘积 , 称为向量的数量乘法 简称数乘向量 , 定义为 k a T = ( k a 1 , k a 2 ,L , k a n )
类似地, 类似地, n维向量的全体 R ,也是一个向量空 间.
n
判别下列集合是否为向量空间. 例2 判别下列集合是否为向量空间
V1
= {x = (0, x , L , x
2
)T n
x2 ,L , xn ∈ R
}
解 V1是向量空间 .
因为对于 V1的任意两个元素
α = (0, a 2 , L , a n ) , β = (0, b2 , L , bn ) ∈ V1 ,
a1 x1 + a 2 x 2 + L + a n x n = b
方程组的向量形式
方程组有解
存在一组数 k1 , k 2 ,L k n ,当
x1 = k 1 , x 2 = k 2 , L x n = k n 时,关系式
k 1α 1 + k 2α 2 + L + k nα n = b
成立
L 的线性关系式。 称b可以表示成 α 1,α 2, α n的线性关系式。
一、 n 维向量的概念
定义1 定义1 n 个有次序的数 a1 , a2 ,L , an 所组成的数 维向量, 个分量, 组称为 n维向量,这 n个数称为该向量的 n个分量,

(完整版)2.3n维向量的概念

(完整版)2.3n维向量的概念
第三章 第一讲
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)

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.

第二章 n维向量

第二章  n维向量

2
k m
2
m m
1 1 0
0
向量组 1 , 2 , , m 线性相关
.
性质2: 两个向量线性相关 的充要条件是它们的 各对应分量成比例.
证明 : 设两个向量 比例系数为 k,则
1 , 2的各对应分量成比例
,

2
k 1
第二章
n 维向量
§1. n维向量 的概念 §2.向量组的线性相关性 §3.向量组的秩 §4.向量空间
§ 1. n维向量的概念
定义1:n个有顺序的数 a 1 , a 2 , , a n 组成的有 序数组记为 ( a , a , , a ) ,称为n维向量. 数 a ( i 1, 2 , n ) 叫做它的第i个分量. 用小写希腊字母,,,…来表示n 维向量,即 ( a , a , , a ) .
注意:
1. 两个向量只有维数相等,才有相等或不 相等的概念. 例:维数不等的零向量是不相等的. 2. 两个向量只有维数相等,才可能进行加法 或减法运算. 思考:为什么向量不定义向量间的乘除法?
§2.向量组的线性相关性
1 , 2 , , m , 都是n维向量,如果 设 存在一组数 k 1 , k 2 , , k,使得 m

k , 1不全为零
k 1 ( 1) 2 0
, 1 , 2 线性相关
.
k1 , k 2 ,
反之 , 设 1 , 2 线性相关 使得
, 按定义 , 有不全为零的数
2
k 1 1 k 2
k2 k1
0,
不妨设 k 1 0 , 则 1
2 , 证毕

线性代数[第三章n维向量]山东大学期末考试知识点复习

线性代数[第三章n维向量]山东大学期末考试知识点复习

线性代数[第三章n维向量]⼭东⼤学期末考试知识点复习第3章 n维向量⼀、n维向量的概念1.n维向量的定义由n个数a1,a2,…,a n所组成的⼀个有序数组α=(a1,a2,…,a n)称为⼀个n维向量,其中第i个数ai称为向量α的第i个分量(i=1,2,…,n).向量常⽤希腊字母α,β,γ,…来表⽰,其分量常⽤⼩写拉丁字母a,b,c,…来表⽰.2.零向量所有分量都是零的向量称为零向量.3.负向量向量α中的每个分量都变号后得到的向量,称为α的负向量,记为-α.4.向量相等两个向量相等的充要条件是它们的对应分量相等.⼆、向量的线性运算1.向量的加法设α=(a1,a2,…,a n),β=(b1,b2,…,b n),定义α+β为这两个向量的对应元素相加所得到的向量,即α+β=(a1+b1,a2+b2,…,a n+b n),并称其为向量的加法.2.数与向量的乘法设α=(a1,a2,…,a n),k∈R,则kα=(ka1,ka2,…,ka n)3.向量的减法设α=(a1,a2,…,a n),β=(b1,b2,…,b n),则α-β=(a1-b1,a2-b2,…,a n-b n).4.向量的线性运算向量的加法以及数与向量的乘法称为向量的线性运算.向量的线性运算满⾜以下⼋条运算规律:(1)α+β=β+α;(2)(α+β)+γ=α+(β+γ);(3)α+θ=α;(4)α+(-α)=θ;(5)1.α=α;(6)(kl)α=k(lα);(7)k(α+β)=kα+kβ;(8)(k+l)α=kα+lα三、向量的线性组合1.向量的线性组合的定义设β,α1,α2,…,αn是⼀组m维向量,如果存在数k1,k2,…,k n使得关系式β=k1α1+k2α2+…+k nαn成⽴,则称卢是向量组α1,α2,…,αn的线性组合,或称β可由向量组α1,α2,…,αn线性表⽰.2.⼏个常⽤结论(1)零向量可由任意同维向量组线性表⽰;(2)向量组中的任⼀向量可由该向量组线性表⽰;(3)任⼀n维向量α=(a1,a2,…,a n)都可由n维单位向量组ε1,ε2,…,ε线性表⽰,且α=a1ε1+a2ε2+…+a nεn.n四、向量组的等价1.定义设有两个向量组α1,α2,…,αm,(1)β1,β2,…,βn.(2)若向量组(1)中每个向量可以由向量组(2)线性表⽰,则称向量组(1)可由向量组(2)线性表⽰.若向量组(1)与向量组(2)可互相线性表⽰,则称两向量组等价,记作{α1,α2,…,αm}≌{β1,β2,…,βn}.2.向量组的等价性质向量组的等价满⾜反⾝性、对称性、传递性.五、向量组线性相关与线性⽆关1.定义设α1,α2,…,αn为n个m维向量,如果存在⼀组不全为零的数k1,k2,…,k n,使得k1α1+k2α2+…+k nαn=θ成⽴,则称向量组α1,α2,…,αn线性相关;否则,称向量组α1,α2,…,αn线性⽆关.线性⽆关的⼏种等价定义:(1)对任意⼀组不全为零的数k1,k2,…,k n,都有k1α1+k2α2+…+k nαn≠θ(2)k1α1+k2α2+…+k nαn=θ当且仅当k1,k2,…,k n全为零.2.⼏个常⽤结论(1)由⼀个向量α构成的向量组线性相关的充要条件是α=θ.(2)由两个向量构成的向量组线性相关的充要条件是其对应分量成⽐例.(3)含有零向量的任⼀向量组线性相关.(4)若⼀个向量组中有⼀个部分向量组线性相关,则该向量组线性相关;反之,若⼀个向量组线性⽆关,则它的任⼀部分组都线性⽆关.我们可把这个结论简单地记为“部分相关,整体相关;整体⽆关,部分⽆关”.(5)⼀个线性⽆关的向量组中的每个向量按相同的位置随意增加⼀些分量所得到的⾼维向量组仍线性⽆关.逆否命题:⼀个线性相关的向量组中的每个向量按相同的序号划去⼀些分量所得的低维向量组仍线性相关.(6)n维向量组α1,α2,…,αn线性⽆关的充要条件是D=det(α1,α2,…,αn)≠0;n维向量组α1,α2,…,αn线性相关的充要条件是D=det(α1,α2,…,αn)=0.(7)向量组α1,α2,…,αs(s≥2)线性相关的充要条件是其中⾄少有⼀个向量是其余s-1个向量的线性组合.(8)若向量组α1,α2,…,αs线性⽆关,⽽α1,α2,…,αs,β线性相关,则向量β可由向量组α1,α2,…,αs线性表⽰,且表⽰法惟⼀.(9)若向量组α1,α2,…,αs可由向量组β1,β2,…,βt线性表⽰,且s>t,则向量组α1,α2,…,αs线性相关.逆否命题:若向量组α1,α2,…,αs线性⽆关,且可由向量组β1,β2,…,βt线性表⽰,则s≤t.(10)m个n维向量组(m>n)必线性相关.(11)两个等价的线性⽆关的向量组必含有相同个数的向量.六、向量组的极⼤线性⽆关组1.极⼤线性⽆关组的概念向量组α1,α2,…,αr,αr+1,…,αs的部分组α1,α2,…,αr是极⼤⽆关组(1)α1,α2,…,αr线性⽆关;(2)α1,α2,…,αr,αr+1,…,αs中每个向量可由α1,α2,…,αr 线性表⽰.(1)α1,α2,…,αr线性⽆关;(2)α1,α2,…,αr,αr+1,…,αs中任意r+1个向量线性相关.2.关于极⼤线性⽆关组的常⽤结论(1)含⾮零向量的任⼀向量组⼀定存在极⼤⽆关组.(2)线性⽆关向量组的极⼤⽆关组是其⾃⾝、.(3)任何向量组均与其极⼤⽆关组等价.(4)⼀个向量组的任意两个极⼤⽆关组都含有相同个数的向量.七、向量组的秩1.向量组的秩的定义向量组α1,α2,…,αs的任⼀极⼤⽆关组所含向量的个数称为这个向量组的秩,记为r(α1,α2,…,αs).2.关于向量组的秩的常⽤结论(1)对任何向量组α1,α2,…,αs均有0≤r(α1,α2,…,αs)≤s;(2)向量组α1,α2,…,αs线性⽆关?r(α1,α2,…,αs)=s;(3)向量组α1,α2,…,αs线性相关?r(α1,α2,…,αs)(4)若向量组α1,α2,…,αs可由向量组β1,β2,…,βt线性表⽰,则r(α1,α2,…,αs)≤r(β1,β2,…,βt).特别地,若两向量组等价,则它们的秩相同;反之不真.(5)若向量组的秩为r,则其任何含r个向量的线性⽆关的部分组都是其极⼤线性⽆关组.⼋、矩阵的⾏秩与列秩1.定义矩阵A的⾏(列)向量组的秩称为A的⾏(列)秩.2.矩阵秩的性质(1)对任何矩阵A,都有A的⾏秩=A的列秩=r(A);(2)r(AB)≤min{r(A),r(B)};(4)r(A+B)≤r(A)+r(B).九、极⼤⽆关组的求法1.矩阵的初等⾏(列)变换不改变其列(⾏)向量间的线性关系2.求向量组α1,α2,…,αs的⼀个极⼤⽆关组的⽅法(1)以α1,α2,…,αs为列向量作矩阵A;(2)对A施以初等⾏变换化成阶梯形矩阵B,设r(B)=r,且B中第j1,j2,…,j r列有⼀个r阶⼦式不等于零,则αj1,αj2,…,αjr 即为所求向量组的⼀个极⼤⽆关组.3.求向量组α1,α2,…,αs的极⼤⽆关组并将其余向量⽤该极⼤⽆关组表出的⽅法(1)以α1,α2,…,αs为列向量作矩阵A;(2)对A施以初等⾏变换化成阶梯形矩阵B;(3)再通过初等⾏变换化为⾏简化阶梯形矩阵C,设矩阵C的第j1,j2,…,j r列为单位向量,则αj1,αj2,…,αjr即为所求向量组的⼀个极⼤⽆关组,且C 中列向量间的线性关系即为A中相应列向量间的线性关系.⼗*、向量空间1.向量空间的定义设V是⾮空的n维向量的集合,若集合V对于加法及数乘两种运算封闭,则称V是向量空间.2.向量空间的⽣成3.向量空间的相等若{α1,α2,…,αm}≌{β1,β2,…,βn},则span(α1,α2,…,αm)=span(β1,β2,…,βn).4.向量空间的⼦空间设有向量空间V1,V2,若V1?V2,则称V1是V2的⼦空间.5.向量空间的基及其维数设V是向量空间,如果存在r个向量α1,α2,…,αr∈V,满⾜(1)α1,α2,…,αr线性⽆关;(2)V中任⼀向量都可由α1,α2,…,αr线性表⽰;则称α1,α2,…,αr为V的⼀个基,r称为V的维数.⼗⼀、重点难点(⼀)重点(1)向量的线性运算可以看做是特殊矩阵的线性运算,它是后⾯讨论向量的线性组合、线性相关性等概念的基础,必须熟练掌握.(2)向量的线性组合、线性相关、线性⽆关的概念、性质及三者之间的关系定理是本章的重点,要熟练掌握三个概念及有关结论,详见内容提要;要深刻理解概念、定理的本质,熟练掌握线性相关和线性⽆关的有关性质及判别法,并能灵活应⽤.(3)向量组的极⼤⽆关组是特别重要的概念,它在向量组线性相关性的证明中往往能起到重要的作⽤;此外,还应当掌握求向量组的极⼤⽆关组的⽅法.(4)理解并掌握向量组的秩的概念,理解矩阵的秩与其⾏(列)向量组的秩的关系,熟练掌握求向量组的秩的⽅法,并能通过秩这⼀重要⼯具来判断向量组的线性相关性.(⼆)难点(1)向量组的线性相关性的证明.常见的⽅法有:定义法、利⽤有关结论及定理、利⽤齐次线性⽅程组有⽆⾮零解、利⽤向量组的秩与向量组所含向量的个数关系等.(2)向量组的秩与线性⽅程组有关理论的证明.。

线性代数 向量空间

线性代数 向量空间

r 基, 称为向量空间 V 的维数,并称 V 为 r维向量 维数, 空间. 空间. 的维数为r 记做dimV=r 若V的维数为r,记做dimV=r
称为0维向量 )只含有零向量的向量空间V称为 说明 (1)只含有零向量的向量空间 称为 维向量 空间, 它没有基. 空间,即dimV=0,它没有基. 它没有基 看作向量组, (2)若把向量空间 V看作向量组,那么 V 的基 ) 就是向量组的极大无关组 极大无关组, 维数就是向量组的 就是向量组的极大无关组 V 的维数就是向量组的 秩. 例6 任何 n 个线性无关的 n 维向量都是向量空间 R n 的一个基,
所以向量组 a1 ,a2 , ,am 的极大无关组就是 L 的一个基 , L 向量组 a1 ,a2 , ,am 的秩就是 L 的维数 . L
三定 3 若 量 a , 2 ,, r 是 量 间 的 个 , . 义: 向 组 1 a L a 向 空 V 一 基
那么 V 中任一向量 x 可唯一表示为 x = x1a1 + x2 a2 + L + xr ar,
3.5向 3.5向 量 空 间
又称线性空间) (Vector Space, 又称线性空间)
一、向量空间简介
定义1 维向量的集合,如果集合V非空, 定义1 设V为 n 维向量的集合,如果集合V非空, 且集合V对于加法 加法及 两种运算封闭 封闭, 且集合V对于加法及数乘两种运算封闭,那么就称 集合V 向量空间. 集合V为向量空间. 说明 所谓封闭 ,是指在集合 V 中进行加法
Q
a = (0 , a2 , L , a n ) T ∈ V , b = (0 , b2 , L , bn ) T ∈ V , a + b = (0, a2 + b2 ,L , an + bn )T ∈ V ,

n维向量空间

n维向量空间
矩阵,通常用 aT ,bT ,T , T 等表示,如:
第 三
aT (a1 ,a2 ,,an )

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

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.

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:

n
维 向
mathgaoshu@



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

n
三 章
kA ka1 kb1 0 0 0 kc1

4-1 n维向量空间

4-1 n维向量空间

例6 设向量组1 , 2 , 3 线性无关. 证明:
(3)向量组的一个部分组线性相关,则整体线性相关. 例7 设A是 n阶矩阵, 是n维列向量,若存在正 Am1 , Am , 则 整数m,使得 m1 , A ,, A 线性无关. (证明见黑板)

定义2 在向量组(I) 1 , 2 ,, m 中, 如果存在r个向量 i1 , i 2 ,, ir ,满足: (无关性) (1) i1 , i 2 ,, ir 线性无关;
性质: (1)每个向量组与其极大无关组等价。
(2) 一个向量组的极大无关组可以不唯一,但都是 等价的,且所含向量个数相等。

推论2 若线性无关的向量组 1 , 2 ,, t 与线 性无关的向量组 1 , 2 ,, s 等价,则 t s

(2) (I)中每个向量都可由i1 , i 2 ,, ir线性表示。 (极大性) 则称i1 , i 2 ,, ir是向量组(I) 的一个极大线性 无关向量组(简称极大无关组)。


由此可得,教材中的定理4.3-4.5(见page127).

推论1 n个n维向量的向量组线性无关
向量组的行列式 0.

R n中向量个数超过n的向量组必线性相关 推论2
R n中的n个向量1 , 2 ,, n 线性无 推论3 如果 R n中任何一个向量都可以由1 , 2 ,, n 线 关,则 性表示,且表示法唯一。

定义4 实数域R上的全体n维向量,当定义 了上述向量的加法和数乘运算后,就称其为 实数域R上的n维向量空间,记作 R n。

定义5 设 V 是 R 的一个非空子集,如果
n
(1) V 对向量的加法是封闭的,即

第1节 n维向量其线性相关性-文档资料

第1节 n维向量其线性相关性-文档资料

向量组线性相关性的判定(重点、难点) 向量组线性无关性的判定(重点、难点)
向量组A A : a a …,a a 线性相关 向量组 : a ,,a ,,…, m线性无关 11 22 m
存在不全为零的实数 ,a k …, km ,使得 如果 k1a1 + k2a2 + … + k k1 (零向量),则必有 2,=0 m m k1a1 + k2 a +k … +… kma . k = km (零向量) =0 . m =0 12= 2= m元齐次线性方程组 元齐次线性方程组Ax Ax= =0 0只有零解. 有非零解. m 矩阵 A= =(( a a …,a a 的秩小于向量的个数m m. . 矩阵 A a ,,a ,,…, m))的秩等于向量的个数 11 22 m 向量组A A中任何一个向量都不能由其余 中至少有一个向量能由其余 mm - 11 个向量线性 向量组 - 个向量线 表示. 性表示.
第四章 向量及向量空间
● ●
n维向量及其线性相关性 向量组的秩
● 线性方程组解的结构
● 向量空间
§1 向量组及其线性组合
定义4.1.1: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。

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。 n维向量写成一行的称为行向量(或行矩阵)。 n维向量写成一列的称为列向量(或列矩阵)。

n T 注: 中任一个向量 都可由 ( a , a , a ) 1 2 n
线性表示,即 1,2 , ,n
a a a
1 1 22
n n
例2如果向量组 中有一部分向量线性相 , , 1 2, m 关,则这个向量组也线性相关.

3.1n维向量概念及其线性运算

3.1n维向量概念及其线性运算

( 3)α + 0 = α ; (4)α + ( −α ) = 0 (5)1 × α = α ;
8( ( )kl )α = k ( lα ). 数乘向量结合律) (数乘向量结合律)
例1
设 α = ( 2,1,3), β = ( −1,3,6), γ = ( 2,−1,4).求向量
2α + 3β − γ .
是数, 向量运算的8条运算律:设 α , β , γ都是n维向量 , k , l是数,则 向量运算的8条运算律:
(1)α + β = β + α ; (加法交换律 ) ( 2)(α + β ) + γ = α + ( β + γ ); (加法结合律 )
(6)k (α + β ) = kα + kβ ; (数乘分配律 ) (7)( k + l )α = kα + lα (数乘分配律) ; 数乘分配律)
的线性组合, ( β 能否表示成 α 1, α 2, α 3的线性组合,取决于该 方 程组是否有解。 程组是否有解。对它的 增广矩阵施行初等行变 换,得
( A, β ) 1 → 0 0 1 0 2 − 1 3 1 = (α 1 , α 2 , α 3 , β ) = 2 1 3 4 6 5 1 0 0 2 2 − 1 − 1 → 0 1 − 1 1 −1 3 3 0 0 4 0 8 4 − 4

(2,1) , )
2.n维零向量 . 维零向量 3.负向量 .
0 = (0, 0,L , 0)
α = (a1 , a2 ,L , an ), −α = (−a1 , −a2 ,L , −an )

n维向量及其运算

n维向量及其运算

k • =(ka1, ka2, …, kan ), k R.
线性方程组与n维向量的线性运算:
a11x1 a12x2 a1nxn b1
a21x1
a22x2 a2nxn
b2
am1x1 am2x2 amnxn bm
a11
a12
a1n b1
即x1a21x2a22xna2nb2,
am1 am2
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 语言来刻划。
一、n
几何空间中:
维向量空间的概念
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:
= ai = bi 零向量: = (0, 0, …, 0)
负向量: - = (-a1, -a2, …, -an )
Rn :
n 维向量的全体.
n维向量的线性运算: = (a1, a2, …, an), =(b1, b2, …, bn),
+ = (a1 +b1, a2 +b2, …, an+ bn),
n维向量及其运算
It is applicable to work report, lecture and teaching
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
{ (a 1 ,a 2,a 3)|a 1 ,a 2,a 3 R }
n维向量的实际意义
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

第二章n维向量

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

第二章 n维向量

第二章 n维向量

第二章 n维列向量
§2.2 向量组的秩和线性相关性
4. 矩阵等价与向量组等价
a11 a 21 A= ⋯ a m 1 a12 ⋯ a1n b11 初等行 b21 a 22 ⋯ a 2 n 初等行变换 B= ⋯ ⋯ ⋯ 初等行变换 初等行 ⋯ a m 2 ⋯ a mn bm 1
第二章 n维列向量
§2.2 向量组的秩和线性相关性
二. 向量组之间的关系 1. 给定两个向量组 A: α1, α2, …, αr B: β1, β2, …, βs 若B组中的每个向量都能由A组中的向 组中的每个向量都能由A 量线性表示, 则称向量组B 量线性表示, 则称向量组B能由向量组 A线性表示. 线性表示. 2 , 3 1 , 0 能由 例如: 例如: 线性表示, 线性表示, 0 0 0 1 1 , 0 2 , 3 不能由 但 线性表示. 线性表示. 0 1 0 0
ε1 =
1 0 … … 0
, ε2 =
0 1 … … 0
, …, εn =
0 0 … … 1
.
第二章 n维列向量
§2.1 n维向量及其运算
任何一个n 任何一个n维向量
α=
a1 a2 an … …
都能由ε1, ε2, …, εn线性表示. 事实上, 线性表示. 事实上,
α = a1
1 0 … … 0
第二章 n维列向量
§2.3 向量组线性相关性的等价刻画
推论2.4. 推论2.4. 若α1, α2, …, αs线性相关, 线性相关, 则α1, α2, …, αs, αs+1, …, αt也线性相 关. 反之, 反之, 若α1, α2, …, αs, αs+1, …, αt线性 无关, 无关, 则α1, α2, …, αs也线性无关. 线性无关.

n维向量

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 , 称为n 维行向量.i a –– 称为向量 的第i 个分量 R i a –– 称 为实向量 C i a –– 称 为复向量 零向量:)0,,0,0(负向量:),,,()(21n a a a列向量:n 个数n a a a ,,,21 构成的有序数组, 记作n a a a 21 , 或者T21),,,(n a a a , 称为n 维列向量.零向量:000 负向量: n a a a 21)( 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 aL 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 L 。

向量相等设1212(,,,)(,,,)T Tn n a a a b b b L L ,,若,1,2,,i i a b i n L 则 。

向量运算规律:①② ()()③ 0 (0是零向量,不是数零)④ ()0 ⑤ 1⑥ ()()() ⑦ () ⑧ ()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。

1. 内积的概念定义1:n 维实向量n n b b b a a a 2121, ,称n n b a b a b a 2211),(T n n b b b a a a2121,,,为 和 的内积。

线性代数-第四章

线性代数-第四章

0 L
A
~

0
满足条件:
(1)1 ,2 ,L ,r 线性无关;
(2)T 中的任一向量 都可由1 ,2 ,L ,r 线性表示。
则称1 ,2 ,L ,r 为向量组 T 的极大线性无关组,或
极大无关组。
注释:
极大线性无关组,也可以定义成是一个线性无关的 向量组, 而且是极大的。 (就是不能再大,大一点就不是线性无关,而是线性相 关,也就是新添的向量都可被原来的向量组线性表示)
否则,如果只有当 k1 k2 L km 0 时, k11 k22 L kmm 0 才成立,称向量组线性无关。
2.2 基本问题
如何判断向量组 1 ,2 ,L ,m 是线性相关还是无关?
(1)线性相关
• 存在不全为零数 k1, k2 ,L , km,使 k11 k22 L kmm 0
L
a2n xn LLL
0 L
am1x1 am2 x2 L amn xn 0
a11 a12 L
A


a21
a22
L
L L L
am1 am2 L
则方程组可写成
a1n
a2n
,
L
amn
x1
X


x2

M
xn
矩阵的秩,行秩,列秩的关系:
特例:
1 0 a1 0 b1 0

0
1
a2
0
b2
0

B 0 0
0
1 b3
0
0 0 0 0 0 1
0 0 0 0 0 0
B-型矩阵很容易看出矩阵的秩,行秩,列秩.

线性代数第二章 n维向量

线性代数第二章 n维向量

第二章 n维列向量
§2.2 向量组的秩和线性相关性
例4. 设有两个向量组 I: α1=[1, 1], α2=[1, −1], α3=[2, 1], II: β1= [1, 0], β2= [1, 2]. 1 β + 1β , α = 3 β − 1β , 则 α 1= 2 1 2 2 2 2 1 2 2 3 β + 1β , α3= 2 1 2 2 即I可以由II线性表示. 可以由II线性表示 线性表示. 1 α + 1 α +0α , β = 3 α − 1 α +0α , β1= 2 1 2 2 2 2 1 2 2 3 3 II可以由 线性表示. 可以由I 即II可以由I线性表示. 故向量组I II等价 等价. 故向量组I与II等价.
β2 = α2 + 2α3, β3 = α3 + 2α1.
证明: 证明: β1, β2, β3线性无关. 线性无关.
第二章 n维列向量
§2.2 向量组的秩和线性相关性
二. 向量组之间的关系 1. 给定两个向量组 A: α1, α2, …, αr B: β1, β2, …, βs 若B组中的每个向量都能由A组中的向 组中的每个向量都能由A 量线性表示, 则称向量组B 量线性表示, 则称向量组B能由向量组 A线性表示. 线性表示. 2 , 3 1 , 0 能由 例如: 例如: 线性表示, 线性表示, 0 0 0 1 1 , 0 2 , 3 不能由 但 线性表示. 线性表示. 0 1 0 0
第二章 n维列向量
§2.1 n维向量及其运算
例1. n维基本单位向量组
ε1 =
1 0 … … 0
, ε2 =
0 1 … … 0
, …, εn =
  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)。
T T

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 .

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
} V = {x = λ1a1 + λ2a2 +⋯+ λmam λ1,λ2,⋯λm ∈R ,
类似地, 类似地, n维向量的全体 R ,也是一个向量空 间.
n
判别下列集合是否为向量空间. 例2 判别下列集合是否为向量空间
V1
= {x = (0, x , ⋯ , x
2
)T n
x2 ,⋯ , xn ∈ R
}
解 V1是向量空间 .
因为对于 V1的任意两个元素
α = (0, a 2 , ⋯ , a n ) , β = (0, b2 , ⋯ , bn ) ∈ V1 ,
T{Leabharlann }解 V2不是向量空间 .
因为若 α = (1, a 2 ,⋯, a n ) ∈ V2 ,
T
则2α = (2,2a 2 ,⋯,2a n ) ∉ V2 .
T
维向量, 例4 设a, b为两个已知的 n维向量,集合
V = {x = λa + µb λ , µ ∈ R} 试判断集合是否为向量空间. 试判断集合是否为向量空间 解 V是一个向量空间 .因为若 x1 = λ1a + µ 1b x 2 = λ 2 a + µ 2 b, 则有 x1 + x 2 = (λ1 + λ 2 )a + ( µ 1 + µ 2 )b ∈ V ,
§4.1 n维向量
定义1 n个数a1 , a2 ,⋯, an组成的有序数组 ),称为 维向量, (a1 , a2 ,⋯, an),称为 n维向量,这 n个数称为 个分量, 该向量的 n个分量,第 i个数ai 称为第 i个分量 。
分量全为实数的向量称为实向量, 分量全为实数的向量称为实向量, 实向量 分量全为复数的向量称为复向量. 分量全为复数的向量称为复向量. 复向量
例5 记 V2 = {x = µ 1b1 + µ 2 b2 + ⋯ + µ s bs µ 1 , µ 2 ,⋯ µ s ∈ R} 试证: V1 = V2 . 试证: V1 = {x = λ1 a1 + λ 2 a 2 + ⋯ + λ m a m λ1 , λ 2 ,⋯, λ m ∈ R} 等价, 设向量组 a1 ,⋯, a m 与向量组 b1 ,⋯, bs 等价,
T T T T
= E − α T α + 2α T α − 2(αα T )α T α = E − α T α + 2α T α − α T α =E
三、向量空间
定义1 维向量的集合, 非空, 定义1 设 V 为 n 维向量的集合,如果集合V非空, 对于加法及乘数两种运算封闭, 且集合V对于加法及乘数两种运算封闭,那么就称 为向量空间. 集合 V 为向量空间. 说明 1.集合V 对于加法及乘数两种运算封闭指 . 若α ∈ V , β ∈ V , 则 α + β ∈ V ;
n 维向量写成一列,称为列向量,也就是列 维向量写成一列,称为列向量 列向量, 矩阵, 等表示, 矩阵,通常用 a,b,α, β 等表示,如:
a1 a2 a= ⋮ a n
注意 1.行向量和列向量总被看作是两个不同的 行向量和列向量总被看作是两个不同的 向量; 向量; 2.行向量和列向量都按照矩阵的运算法则 行向量和列向量都按照矩阵的运算法则 进行运算; 进行运算; 3.当没有明确说明是行向量还是列向量时, 当没有明确说明是行向量还是列向量时, 都当作列向量 列向量. 都当作列向量
证 设x ∈ V1,则 x可由 a1 ,⋯ , am 线性表示 .
线性表示, 因a1 ,⋯, a m 可由b1 ,⋯, bs 线性表示,故 x可由b1 ,⋯, bs 线性表示, 所以x ∈ V2 . 线性表示,
这就是说, 这就是说,若 x ∈ V1,则x ∈ V2, 因此V1 ⊂ V2 .
类似地可证 : 若x ∈ V2 , 则x ∈ V1 ,
例如
(1,2,3,⋯, n)
n维实向量 维实向量 n维复向量 维复向量
(1 + 2i ,2 + 3i ,⋯, n + ( n + 1)i )
第2个分量 个分量 第1个分量 个分量
第n个分量 个分量
n 维向量写成一行,称为行向量,也就是行 维向量写成一行,称为行向量 行向量, T T T T 矩阵, 等表示, 矩阵,通常用 a ,b ,α , β 等表示,如: a T = ( a 1 , a 2 ,⋯ , a n )
因此 V2 ⊂ V1 . 因为 V1 ⊂ V2,V2 ⊂ V1,所以 V1 = V2 .
T T T T
为行向量, 为数, 因α为行向量, αα T 为数,
1 2 0 1 1 1 1 1 T 0, 0, 且αα = , ⋯, ⋮ = + = 2 4 4 2 2 0 1 2
故 AB = E − α α + 2α α − 2α (αα )α
kα = αk = ( ka1 , ka2 ,⋯, kan ) ( k为实数) 为实数)
的数量乘积, 称为数 k 与向量 α 的数量乘积,简称数乘 。
面的八条运算律: 向量的线性运算满足下 面的八条运算律:
加法交换律: (1)加法交换律: α + β = β + α; (2)加法结合律:( α + β) γ = α + β + γ); 加法结合律:( ( + (3)对任一向量 α,有α + 0 = α; (4)对任一向量 α,有α + − α) 0; ( = (5)对数1, 有1α = α; (6)( kl )α = k ( lα ) = l ( kα ); (7 ) ( k + l )α = kα + lα ; (8) k (α + β ) = kα + kβ .
若α ∈ V , λ ∈ R, 则 λα ∈ V .
2.n 维向量的集合是一个向量空间,记作 R n. . 维向量的集合是一个向量空间 记作
例1 3 维向量的全体 R 3 , 是一个向量空间 .
因为任意两个 3维向量之和仍然是 3维向量 , 数
λ乘 3维向量仍然是 3维向量,它们都属于 R 3 . 维向量,
对于 n 维行向量 α = ( x 1 , x 2 , ⋯ , x n ), 有 α Tα = x1 x2 ( x 1 , x 2 , ⋯ , x n )为 n 阶矩阵, 阶矩阵, ⋮ xn x1 x2 为一个数。 为一个数。 ⋮ xn
相关文档
最新文档