第四章 n维向量

合集下载

第四章(n维向量)

第四章(n维向量)
第四章 n



第一节 n维向量空间 第二节 向量组的线性相关性 第三节 子空间的基和维数 第四节 向量的内积 第五节 线性方程组的 解的结构 第六节 最小二乘解 Matlab解题 第七节 用Matlab解题
哈密顿[ 哈密顿[英] W.R. Hamilton (1805.8(1805.8-1865.9)
第四章 n维向量
§4.1 n维向量空间
a1 s a11 a12 a2 s a 21 a 22 A: , ,⋯, ⋯ ⋯ ⋯ a m 1 a m 2 a ms
c1n c11 c12 c2 n c21 c22 C : , ,⋯, ⋯ ⋯ ⋯ c m 1 c m 2 cmn
η1 c11 c12 ⋯ c1n a11 a12 ⋯ a1 s η2 c21 c22 ⋯ c2 n a21 a22 ⋯ a 2 s
b11 b21 ⋯ bs1
b12 b22 ⋯ bs 2
⋯ b1n β1 ⋯ b2 n β 2 ⋯⋯ ⋯ bsn
简记为A 简记为A : α1, α2, …, αs, C : γ1, γ2, …, γn. 若γj = b1jα1 + b2jα2 + …+ bsjαs , j =1,2,…,n, 即 ,…,n
c11 c21 ⋯ cm 1 c12 ⋯ c1n c22 ⋯ c2 n = ⋯ ⋯⋯ cm 2 ⋯ cmn a11 a 21 ⋯ a m 1 a12 ⋯ a1 s b11 a 22 ⋯ a 2 s b21 ⋯ ⋯ ⋯ ⋯ a m 2 ⋯ a ms bs1 b12 b22 ⋯ bs 2 ⋯ b1n ⋯ b2 n ⋯⋯ ⋯ bsn

哈尔滨工业大学数学系 第四章 N维向量

哈尔滨工业大学数学系 第四章 N维向量

(β1, β2 ,L, βt )=(α1,α2 ,L,αm )Km×t 则 β1, β2 ,L, βt线性无关 R(K)=t (K列满秩 列满秩) 列满秩
即 β1, β2 ,L, βt线性相关 特别地,当m=t时 线性无关 β1, β2 ,L, βm R(K)<t (K不列满秩 不列满秩) 不列满秩 |K|≠0 (K可逆 可逆) 可逆 |K|=0 (K不可逆 不可逆) 不可逆
哈尔滨工业大学数学系
第四章 n 维 向 量
n维向量
n维向量的概念及其线性运算 向量组线性相关与线性无关 向量组的秩 向量空间 欧式空间
维向量的概念及其线性运算 概念及其 4.1 n维向量的概念及其线性运算
1.定义:数域F内的n个数a 1.定义:数域F内的n个数a1,a2,…,an组成的 定义 , 有序数组—称为数域 上的( 称为数域F 有序数组 称为数域F上的(n维)向量 a1 列 , α 记作: 记作: =(a1,a2,…,an ) 或 α= a2 向 行向量 an 量 几个名词: 复向量、实向量、 几个名词: 复向量、实向量、Rn、 负向量( )、 负向量( −α)、零向量 相等 α = β
0
1
2
m
km
(充分 充分性)假设 α1,α2 ,L,αm 线性相关 充分 假设 则存在不全为零的数k 不全为零的数 则存在不全为零的数 1, k2 , …,km使 k1 α1,α2 ,L,αm k2 = 0 即 AK = 0 且 K ≠ 0 ( ) km R(A) ≤m-1 矛盾. R(A)+R(K) ≤m 注: 1.矩阵An×m的列向量组 α1,α2 ,L,αm线性相关 矩阵A 矩阵 R(A)<m (A不列满秩 列满秩) 列满秩 2.矩阵 n×m的行向量组线性无关 矩阵A 矩阵 R(A)=n (A行满秩 行满秩) 行满秩 3.n阶方阵 的列(行)向量组线性无关 的列( 阶方阵A的列 (A满秩 满秩) 满秩 |A|≠0

北京工业大学线性代数第四章第一节 n 维向量空间

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.

线性代数--向量空间

线性代数--向量空间

dx4 0 d 2 x4
0
a 3 x1 b3 x2 c 3 x3 d 3 x4 0
该方程组的系数行列式
1111 abcd a2 b2 c2 d 2 (b a)(c a)(c b)(d a)(d b)(d c) a3 b3 c3 d 3
由于a,b,c,d各不相同.,所以行列式不等于零
a11 x1 a12 x2 a1n xn b1 a21 x1 a22 x2 a2n xn b2 am1 x1 am2 x2 amn xn bm
含n个未知量m个方程的线性非齐次方程组可写成矩阵形式
a11 a12 a1n
x1 b1
AX
b
其中
A
a21
a22
a2n
,
a a 3 = (1,c,c2 , c3 , )T , 4 = (1,d, d2 , d3 )T
(其中a,b,c,d各不相同)
解 考察 x1a1 x2a2 x3a3 x4a4 0
x1 x2 x3 x4 0
按分量写出来,即为
a
2
ax1 x1
b
bx2 2 x2
cx3 c2 x
3
线性相关的充要条件是其中至少有一个向量可由 其余向量线性表示。
k1a1 k2a2 ksas 0 (1) 则称向量组a1,a2, as 线性相关;
否则称之为线性无关。
即当且仅当 k1 k2 ks 0 时,(1)式才成立,
则称向量组 a1,a2 , as , 线性无关。
注意
(1) 任何含有零向量的向量组都线性相关. (2) 仅含两个向量的向量组,它线性相关的充分
X
x2
,
b
b2
am1
am2

线性代数N维向量空间第4节基与维数

线性代数N维向量空间第4节基与维数
三. 向量在基下的坐标
1, 2, …, r——V 的一组基,
§ 4.4 向量空间
由定义, 对V, 唯一的一组有序实数 k1, k2, …, kr使得 = k11+k22+…+krr .
{k1, k2, …, kr}T —— 在1, 2, …, r 这组
基下的坐标(coordinate).
第四章 n维列向量空间
§ 4.4 向量空间
四. 基变换与坐标变换
设1, 2, …, r和1, 2, …, r是V 的两组基,
则存在rr矩阵P使
(1, 2, …, r) = (1, 2, …, r)P.
称P为从基1, 2, …, r到1, 2, …, r的过
渡矩阵(transition matrix).
由r = r(1, 2, …, r) r(P) r可得r(P) = r.
ቤተ መጻሕፍቲ ባይዱ(1) V = {(x, y, 0) | x, y R};
(2) V = {(x, y, z) | x, y, z R, x+yz = 0};
(3) ARmn, bRm, b0,
KA = {Rn | A = 0}; SB = {Rn | A = b}.
第四章 n维列向量空间
§ 4.4 向量空间
故|P| 0, 即P可逆.
第四章 n维列向量空间
§ 4.4 向量空间
定理2.8. 设1, 2, …, r和1, 2, …, r是V 的 两组基, V 在这两组基下的坐标
分别为x, y, 则
x = Py, y = P1x.
证明: = (1, 2, …, r)x = (1, 2, …, r)y = (1, 2, …, r)Py
(4) 1, 2, …, sRn,

线性代数第四章

线性代数第四章

§3 向量组的秩
定义5 设有向量组 A, 如果在A中能选出 r个向量a1 , a 2 , , a r, 满足(1) 向量组A0 : a1 , a 2 , , a r 线性无关; ( 2) 向量组中 任意r 1个向量(如果A中有r 1个向量的话 )都线性相关 , 那么称向量组 A0 是向量组 A的一个最大线性无关向 量组(简 称最大无关组 ), 最大无关组所含向量个 数r称为向量组 A 的秩, 记为RA .
a T (a1 , a2 ,, an )
二、向量的运算
三、向量组
定义 由若干个同维数的列向 量(或同维数的行向量 )构成 的集合称为向量组 . a11 a12 a1n a21 a22 a 2 n A a a a m2 mn m1 A (1 , 2 , , n ) , 其中 j (a1 j , a 2 j , , a mj )T T T A ( , , , ) , 其中 1 2 m i ( a i 1 , a i 2 , , a in )
向量组B : b1 , b2 , , bl 能由向量组向量 A : a1 , a2 , , am 线性表示 R( A) R( A, B ) 有矩阵K, 使得B AK 矩阵方程 AX B有解
例( P 86例 3) 设n维 向 量 组 A : a1 , a 2 , , a m 构 成n m 矩 阵 A ( a1 , a 2 , , a m ),n阶 单 位 矩 阵 E (e1 , e 2 , , e n )的 列 向 量 称 为n维 单 位 坐 标 向 量 .证 明 : n 维 单 位 坐 标 向 量 e1 , e 2 , , e n能 由 向 量 组 A线 性 表 示 的 充 要 条 件 是 R( A) n.

n维向量及其线性运算

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

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

线性代数n维向量空间小结幻灯片

线性代数n维向量空间小结幻灯片

故向量组 1 , 2 , 3 , 4 , 5的秩为3.
又 1 , 2 , 4是U的列向量组的一个最大线性
无关组,
所以 1 , 2 , 4也是A的列向量组的一个最大
线性无关组.
1
30
三、向量空间的判定
判断向量的集合是否构成向量空间,需看集合 是否对于加法和数乘两种运算封闭.若封闭,则构 成向量空间;否则,不构成向量空间.
若R( A) m,则 1, 2 , , m 线性无关, 若R( A) m,则 1, 2 , , m 线性相关.
1
17
例1 研究下列向量组的线性相关性
1 0 1
1 2, 2 2 , 3 0 .
3
5
2
解一
令 k1 1 k2 2 k3 3 0,即
1 0 1 0 k1 2 k2 2 k3 0 0
的向量均为T的最大无关组。
关于向量空间和子空间: 基,维数。
组(I)无关,组(I)可由(II)表出,
则组(I)的个数<组(II)的个数。
1
7
四、 X AX 0解空间,维数:n - R(A)
任n R(A)个线性无关的AX 0的解向量均为 AX 0的基解系。
x k11 k22 L krt
即向量方程
k1 1 k 2 2 k r r (k1t1 k2 t2 kr tr) 0
1
22
是否有某组不全为零的数 k1 , k 2 , , k r ,而使得对
每个恒有非零解,因此可得如下证明.
证明 因为 1 , 2 , , r 线性相关,所以存在不全
为零的数k1, k2 , , kr ,使
对i 1,2,L
n都有解
L L L
an1x1 an2x2 L ann xn 0

第四章 向量组的线性相关性总结

第四章 向量组的线性相关性总结

第四章 向量组的线性相关性§1 n 维向量概念一、向量的概念定义1 n 个有次序的数12,,,n a a a 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i a 称为第i 个分量.注1分量全为实数的向量称为实向量.分量不全为实数的向量称为复向量. 注2 n 维向量可以写成一行的形式()12,,,n a a a a =,出可以写成一列的形式12n a a a a ⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭,前者称为行向量,而后者称为列向量.行向量可看作是一个1n ⨯矩阵,故又称行矩阵;而列向量可看作一个1n ⨯矩阵,故又称作列矩阵.因此它们之间的运算就是矩阵之间的运算,从而符合矩阵运算的一切性质.向量之间的运算只涉及到线性运算和转置运算.为叙述方便,特别约定:在不特别声明时说到的向量均为列向量,行向量视为列向量的转置.注3 用小写黑体字母,,,a b αβ 等表示列向量,用,,,T T T T a b αβ表示行向量. 例1 设123(1,1,0),(0,1,1),(3,4,0)T T T v v v ===,求12v v -及12332v v v +-.解 12v v -(1,1,0)(0,1,1)T T =-(10,11,01)T =---(1,0,1)T =-12332v v v +-3(1,1,0)2(0,1,1)(3,4,0)T T T =+-(31203,31214,30210)T =⨯+⨯-⨯+⨯-⨯+⨯-(0,1,2)T =定义 设v 为n 维向量的集合,如果集合v 非空,且集合v 对于加法与数乘两种运算封闭(即若α∈v,β∈v ,有α+β∈v ;若α∈v, k ∈R ,有k α∈v ),称v 为向量空间。

§2 向量组的线性相关性一、向量组的线性组合 定义3 给定向量组A :12,,,m a a a ,对于任何一组实数12,,,m k k k ,称向量1122m m a a a k k k +++ 为向量组A 的一个线性组合,12,,,m k k k 称为这个线性组合的系数.定义4 给定向量组A :12,,,m a a a 和向量b ,若存在一组实数12,,,m λλλ,使得1122m m a a a b λλλ=+++则称向量b 是向量组A 的一个线性组合,或称向量b 可由向量组A 线性表示.注1任一个n 维向量12n a a a a ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭都可由n 维单位向量组12,,,n e e e 线性表示:1122n n a a a a e e e =+++ .注2向量b 可由向量组A :12,,,n a a a 线性表示(充要条件)⇔方程组1122n n a a a x x x b +++=有解m n A x b ⨯⇔=有解()(,)R A R A b ⇔=注3 由于线性方程组的解分为:无解,有唯一解,有无穷多解三种情况,所以向量β由向量12,,,n a a a 线性表示的情形也分为三种:不能线性表示,唯一线性表示,无穷多种线性表示,且线性表示式中的系数就是对应线性方程组的解。

第四章 向量组的线性相关性

第四章 向量组的线性相关性

b = λ1α1 + λ2α2 + L+ λmαm
则向量 b是向量组 A的线性组合,这时称 向量 b 能 的线性组合, 线性表示. 由向量组 A 线性表示.
例如 : α1 = (1, 2, 3), α 2 = (1, 3,1), b = (0, −1, 2) 则b = α1 − α 2 , 即b可由α1, α 2线性表示.
设 α j = (a1 j , a2 j , L , amj )T ( j = 1,2,L , n)
α x +α x +
1 1 2 2
L +
α x =b
n n
三、向量组的线性组合
1、 给定向量组 A : α 1 , α 2 , L , α m , 对于任何一
组实数 k1 , k 2 , L , k m ,
定理 3 设向量组 B : b1 , b2 , L bl能由向量组 A : a1 , a 2 , L a m 线性表示,则 线性表示, R(b1 , b2 , L bl ) ≤ R(a1 , a 2 , L a m ).
例2 设n维向量组 A : a1 , a 2 ,L a m 构成n × m 矩阵 A = (a1 , a 2 ,L a m ),n阶单位矩阵 E = (e1 , e2 , L en ) 的列向量叫做 n维单位坐标向量 . 证明: 证明: n维单位坐标向量组 e1 , e2 ,L en能由向量组 A 线性表示的充分必要条 件是R( A) = n.
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
例如
(1,2,3,L, n)
n维实向量 维实向量 n维复向量 维复向量

第4章 n维向量空间

第4章 n维向量空间
T
# 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

线性代数n维向量

线性代数n维向量

1 n 0时, 才有 1 1 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 .
第三章 n维向量 第四章 n维向量
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 .
n维向量的线性运算满足下面的八条运算规律: (1)
(2)
( ) ( )
(3) 0 0 (4) ( ) 0
(5)
1 ; 0 0; k 0 0
(6) ( ) ( ), , 是 实 数 (7) ( )
定义 负向量
( a1 , a 2 , , a n )
第三章 n维向量 第四章 n维向量
T T n 维 向 量 ( a , a , , a ) , ( b , b , , b ) , 设两个 1 2 n 1 2 n
(1) 加法(和向量) 减法 (2)
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
A ( 1 , 2 , , m )
m 个n维行向量所组成 的向量组 1 , 2 , m ,
T T T
ቤተ መጻሕፍቲ ባይዱ
构成一个m n矩阵
1T T 2 B T m
第三章 n维向量 第四章 n维向量
第三章
n维向量
Part 1 向量及其线性运算
Part 2 向量组的线性相关性
Part 3 向量组的最大无关组与秩
Part 4 向量空间
第三章 n维向量 第四章 n维向量
第一节

《几何与代数》科学出版社第四章n维向量

《几何与代数》科学出版社第四章n维向量

但表示方式不唯一
Ax=b无解 b不能由A1,…,An 线性表示
第四章 n维向量
§4.1 n维向量空间
Ax=b 唯一解 b能由A1,…,An唯一线性表示 有解 无穷多解b能由A1,…,An线性表示
解析几何与线性代数中向量的联系与区别
向量
解析几何(n3)
线性代数
既有大小又有方向的量 坐 有次序的实数组成的数组
几何形象:可随意平

代数形象:向量的
行移动的有向线段

坐标表示式
(a1, a2,L , an )T
第四章 n维向量
§4.1 n维向量空间
解析几何与线性代数中向量空间的联系与区别
解析几何
3k1k1204kk2 211 k2 1
此时方程组无解。
不能用 与
线性表示
第四章 n维向量
§4.1 n维向量空间
线性方程组的向量表示
a11 x1 a12 x2 a1n xn b1,
a21 x1 a22 x2 a2n xn b2 ,
am1 x1 am2 x2 amn xn bm .
§4.1 n维向量空间 一. n维向量的概念 二. n维向量的线性运算 三. 线性组合与线性表示 四. Rn的子空间
第四章 n维向量
一. n维向量的概念
§4.1 n维向量空间
定义 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 .
几何与代数
主讲: 关秀翠
东南大学数学系
第四章 n维向量
教学内容和学时分配 教学内容
§4.1 n维向量空间 §4.2 向量组的线性相关性 §4.3 子空间的基和维数 §4.4 向量的内积 §4.5 线性方程组的解的结构 §4.7 用Matlab解题

n维向量

 n维向量

4.1 n维向量
4.1.2 n维向量的运算
对于 n维行向量 T ( x1 , x2 , , xn ),有
x1
T
x2
xn
x1
,
x2
, , xn x1

n阶矩阵,
T
x1 , x2 , , xn
x2
xn
为一个数.
4.1 n维向量
4.1.2 n维向量的运算
例4.1.1 设n维向量 T 1 ,0,, 0, 1 , 矩
4.1 n维向量
4.1.2 n维向量的运算
向量的运算是按照矩阵 的运算法则进行运算 , 即 α + β = (a1 + b1 , a2 + b2 ,, an + bn )T 称为 α与β的和向量 .
α - β = α + (- β) = (a1 - b1 , a2 - b2 ,, an - bn )T 称为α与β的差.
4.1 n维向量
4.1.1 n维向量的概念
例如 (1,2,3,, n)
n维实向量
(1 2i,2 3i,, n (n 1)i)
n维复向量
第2个分量 第n个分量
第1个分量
4.1 n维向量
4.1.1 n维向量的概念
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
( )
0, a2 ,, an T V1 .
4.1 n维向量
4.1.3 向量空间及其子空间
例4.1.3 判别下列集合是否为向量空间.
V2 = {x = (1, ) x2 , , xn T | x2 , , xn ∈ R}
解 V2不是向量空间 . V2 对加法与数乘都不封闭.

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.

第4章 n维向量空间

第4章  n维向量空间

第4章 n 维向量空间 §4.1 n 维向量定义1 n 个有次序的数n a a a ,,,21 所组成的数组),,,(21n a a a 称为n 维向量, 这n 个数称为该向量的n 个分量, 第i 个数i a 称为第i 个分量.n 维向量可写成一行,称为行向量,也可以写成一列,称为列向量.向量常用黑体小写字母βα、、、b a 等表示,即n 维列向量记为⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n a a a 21α,n 维行向量记为),,,(21n αααα =.行向量与列向量的计算按矩阵的运算规则进行运算.例 设.)1,0,1,0(,)2,4,7,1(,)3,1,0,2(T T T =-=-=γβα(1) 求 γβα32-+; (2) 若有x , 满足,0253=++-x γβα 求.x 解(1)γβα32-+T T T )1,0,1,0(3)2,4,7,1()3,1,0,2(2--+-=.)1,2,4,5(T =(2)由,0253=++-x γβα得x )53(21γβα-+-=])1,0,1,0(5)2,4,7,1()3,1,0,2(3[21T T T --+--=.)8,2/7,1,2/5(T --= 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),这就是上面定义的3维向量. 因此,当3≤n 时,n 维向量可以把有向线段作为其几何形象. 当3>n 时,n 维向量没有直观的几何形象.§4.2 向量组的线性相关性1、向量组的概念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n m ⨯矩阵⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=mn m m n n a a a a a a a a a A 212222111211每一列⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=mj j j j a a a 21α),2,1(n j =组成的向量组n ααα,,,21 称为矩阵A的列向量组,而由矩阵A 的的每一行),,2,1(),,,(21m i a a a T in i i i ==α组成的向量组m ααα,,,21 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。

第四章第1节 向量组及其线性组合

第四章第1节 向量组及其线性组合

(
)
称为列向量。 称为列向量。 列向量 它们的区别 只是写法上 的不同。 的不同。 称为行向量。 称为行向量。 行向量
分量全为零的向量 ( 0,0,⋯ ,0 ) 称为零向量。 称为零向量 零向量。 2. 向量的运算和性质 向量相等: 向量相等:如果 n 维向量 α = a1 , a2 ,⋯ , an 的对应分量都相等, 的对应分量都相等,即 ai = bi
B能由A线性表示,即对每一个向量β j ( j = 1, 2,⋯ , l ) 存在k1 j , k2 j ,⋯ , kmj 使 k1 j k2 j β j = k1 jα1 + k2 jα 2 + ⋯ + kmjα m = (α1 , α 2 ,⋯ , α m ) ⋮ kmj
则方程组的向量表示为 x1α 1 + x2α 2 + ⋯ + xnα n = b
6. 向量组等价
定义3: 定义 :如果向量组 A : α 1 ,α 2 ,⋯ ,α m 中的每一个向量 ) α i ( i = 1, 2,⋯ , m 都可以由向量组 B : β 1 , β 2 ,⋯ , β s 线性表示,那么就称向量组 可以由向量组 线性表示。 可以由向量组B线性表示 线性表示,那么就称向量组A可以由向量组 线性表示。 若同时向量组B 也可以由向量组A线性表示 线性表示, 若同时向量组 也可以由向量组 线性表示,就称 向量组A与向量组 等价。 与向量组B等价 向量组 与向量组 等价。 即
5. 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 线性组合, 称为这个线性组合的系数。 线性组合,k1 , k2 ,⋯ , km 称为这个线性组合的系数。 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
  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)。

§4.2
向量组的线性相关性
可写成
( a1 a 2
x1 x2 an ) =b xn

x1a1 + x2a 2 + + xna n = b ,
T
其中a j = (a1 j , a2 j ,, amj ) ( j = 1,2,, n)
b = (b1, b2 ,, bm )T
§4.2
向量组的线性相关性
给定向量组T:a1,a2, …,am和向量b, 如果存在一组 实数 k1 , k2 , … , km , 使 b = k1a1+k2a2+…+kmam 则称向量 b 是向量组T的线性组合或称向量 b 可由向 量组 T 线性表示 例4.5 若记 e1=(1,0, …,0),e2=(0,1, …,0),…,en=(0,0, …,1)
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。
§4.1 n 维向量及其线性运算
注: 1.a = ( x1 ,x2 , … ,xn) ——n维行向量;
x1
a=
x2
——n维列向量;
xn
2.若向量的所有分量都等于0,则称该向量为零向 量,在不引起混淆的情况下,简记为0.
§4.1 n 维向量及其线性运算
的n+s维 向量组b1,b2, …,bm仍线性无关。
§4.3 向量组的秩
§4.3
向量组的秩
一、向量组的极大线性无关组
定义4.5 设向量组T的一个部分组 {a1 , a 2 , , a r } T, 若满足 (1) a1 , a 2 , , a r 线性无关;
(2)向量组T 中每一个向量均可由 {a1 , a 2 , , a r } 线性表示 则称 {a1 , a 2 , , a r } 是向量组T的一个极大
线性表出.
§4.2
向量组的线性相关性
向量组的线性相关性
定义4.4 给定向量组 a1, a2, …, am(m≥2), 如果向量组 中至少存在一个向量可以表示为其余向量的线性组合, 则称该向量组线性相关。否则称该向量组线性无关。
规定:由一个向量组成的向量组线性相关当且仅当它 是零向量.
§4.2
向量组的线性相关性
例4.1
三维空间 R3 ={a= (x, y, z) | x, y, z∈R} 是由3维向量构成的集合 n维空间 Rn ={a = (x1, x2, …, xn) | xi∈R,i=1,2, …,n} 是由n维向量构成的集合
例4.2
§4.1 n 维向量及其线性运算
向量与矩阵关系: a11 a12 … a1n A= a21 a22 … a2n
§4.1 n 维向量及其线性运算
向量的线性运算满足下列性质: 设 a、b 、g为 n 维向量, k, l 为实数, (1) 交换律:a +b = b +a (2) 结合律: (a +b ) +g = a + (b +g ) (3) 存在零向量: a +0 = 0 +a =a (4) 存在负向量: a +(-a )= 0 (5) 1a = a (6) k( la ) = ( kl )a (7) ( k+l )a = ka + la (8) k(a +b ) = ka + kb
r3 - 2r2
可见 R (a1 , a 2 , a3 ) = 3, 故向量组a1 , a 2 , a3 线性无关。
§4.2
向量组的线性相关性

解法二: 设有一组数 x1, x2, x3 使 x1a1 + x2a 2 + x3a3
=0
x1 + 3 x2 + x3 = 0, 即 2 x + 2 x + 3 x = 0, 1 2 3 3 x + x + x = 0. 2 3 1
……
am1 am2 … amn
=(a1,a2, …,an)
a1
a2
an
称a1,a2, …,an为矩阵 A 的列向量组。
§4.1 n 维向量及其线性运算
同样,若对矩阵A 按行分块得:
a11 a12 … a1n
A= a21 a22 … a2n
b1
=
b2 bm
……
am1 am2 … amn
称b1, b2, …, bn为矩阵 A 的行向量组。
注:
1.含有零向量的向量组一定线性相关. 2.两个n维向量a = (a1, a2, … , an) 与b=(b1, b2, …, bn) 线性相关的充要条件是:对应分量成比例.
3.对向量组T : a1, a2, …, an , 若存在T的部分组线性相 关,则向量组T一定线性相关; 若向量组 T 线性无关,则 T 的任一部分组必线性无关。
请看下 面
§4.2
向量组的线性相关性
1 3 1 r2 - 2r1 (a1 , a 2 , a 3 ) = 2 2 3 r - 3r 1 3 1 1 3
1 3 1 0 4 1 0 -8 -2
1 3 1 0 4 1 0 0 -4
§4.1 n 维向量及其线性运算
例4.3设 a = (1, 2,3), b = (3,-1,2),求 3a - 2b
解:3a - 2b = 3(1, 2,3) - 2(3, -1, 2)
= (3,6,9) - (6, -2, 4) = (-3,8,5)
例4.4 求x,y,z使得 (2, -3,4)=x(1,1,1)+y(1,1,0)+z(1,0,0) 解:即 (2, -3,.4)=(x, x, x)+(y, y, 0)+(z, 0, 0) 解得:x=4, y= -7, z=5
§4.2
向量组的线性相关性
定理4.9
m维向量b 能由n个m维向量 a1,a2, …,an, 线性表示的充要条件是非齐次线性方程组
x1a1 + x2a 2 + + xna n = b
有解。且表示系数就是该方程组的解 。
§4.2
向量组的线性相关性
例4.8
给定向量组
0 1 1 1 a1 = 1 , a 2 = 0 , a 3 = 1 , b = 1 1 1 0 1
第四章
n 维向量
本章要点流程:
首先介绍n维向量概念及其线性运算
其次引进了向量组的线性相关性 进一步学习向量组秩的概念
弄清线性方程组解的结构
最后认识n维向量空间
§4.1 n 维向量及其线性运算
§4.1
n维向量的概念
n维向量及其线性运算
定义4.1 n个有序的数x1 ,x2 , … ,xn 所组成的数组 ( x1 ,x2 , … ,xn)称为n维向量. 其中第 i 个数 xi 称为第 i 个分量(或坐标)
§4.2
向量组的线性相关性
例4.9
证明:n维单位坐标向量e1 , e2 , … , en
线性无关。
解法一:
设有一组数
1 , 2 ,, n使 1e1 + 2e2 + + nen = 0 即 1 = 2 = = n = 0, 所以 e1 , e2 ,, en线性无关.
§4.2
向量组的线性相关性
解法二: n 维单位坐标向量组构成如下的矩阵:
I = ( e1 , e2 ,, en )
它是 n 阶单位矩阵。由 | I| ≠ 0,知R( I ) = n ,即 R(I)等于向量组中向量的个数,故由定理2知此向
量组线性无关。
§4.2
向量组的线性相关性
1 a = 例4.10 已知 1 2 , a 2 3
问 b 能否由 a1, a2, a3 线性表出?若能,求出 表示系数。
§4.2
向量组的线性相关性
注: 1.讨论 b 能否由 a1, a2, … an 线性表示 讨论非齐次线性方程组AX=b是否有解?及求解.
2.对任意n维向量a = (a1, a2, …, an), 均可由n维单位 坐标向量 e1,e2,…,en 线性表示. 3.零向量可表为任意同维向量组的线性组合。 4.向量组a1, a2, …, am中的任一向量都可由这个向量组
k1=k2=…=km=0
§4.2
向量组的线性相关性
推论:设向量组
a1 , a 2 ,, a m线性无关,而 向量组 a1 , a 2 ,, a m , b 线性相关,则向量 b 必能由向量组 a1 , a 2 ,, a m 线性表示,
且表示式是唯一的。
利用这个结论我 们便可以来判断 一些向量组的线 性关系喽
线性方程组与向量关系 线性方程组
a11 a12 a1n x1 b1 a a a x b 21 22 2 n 2 = 2 am1 am 2 amn xn bm
1 3 1
由于此方程的系数行列式 2 2 3 =16≠0
3 1 1
故方程组只有零解 x1 = x2 = x3 = 0, 所以向量组 a1 , a 2 , a 3 线性无关。
§4.2
向量组的线性相关性
例4.12 已知向量组 a1, a2, a3 线性无关,证明:
a1+a2, a2+a3, a3+a1 也线性无关.
思考:向量组线性无 关的等价命题
§4.2
向量组的线性相关性
推论1
若一向量组中,向量的个数比该向量组 的维数大,则该向量组一定线性相关.
推论2 设A是n阶方阵,则A的列向量组线性相关 的充要条件是|A|=0.
相关文档
最新文档