第四章 线性方程组与向量组的线性相关性（第二讲）.ppt

向量组的等价关系 设有同维数的向量组A: α1,α2,…,αs ; B: β1, β2,…, βt ; C: γ1,γ2 ,…, γp 1. 反身性 向量组A与向量组A等价； 2. 对称性 若向量组A与向量组B等价，则向量组B与向量组 A等价； 3. 传递性 若向量组A与向量组B等价，且向量组B与向量组 C等价，则向量组A与向量组C等价； * ααα 　 §2 向量组的线性相关性 　 2.1　n 维向量 1、n 维向量的概念 定义2.1 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。 列向量 行向量 α=(a1,a2,…,an); 零向量 0=(0,0,…,0); 负向量 -α=(-a1,-a2,…,-an). 2、n 维向量的运算 定义2.2 设 n 维向量 1) α= β,当且仅当 ai= bi (i=1,2, …,n); 2) α + β = (a1+ b1, a2+ b2, …, an+ bn); 3) kα= (ka1, ka2,…, kan), 其中 k 是数量。 α=(a1,a2,…,an); β=(b1,b2,…,bn); 注：如上定义的向量加法和数乘的运算统称为向量的 线性运算。 3、n 维向量的运算律 设α ，β ，γ 为n维向量，k、l为实数，0为零向量。 1) α + β = β + α; 2) α + β + γ = α + ( β + γ ); 3) α + 0 = α; 4) α + ( – α ) = 0; 5) 1·α = α; 6) k ( l α ) =( k l ) α; 7) k ( α + β ) = kα + kβ; 8) ( k + l ) α = kα + lα. 4、n 维向量的实际意义 我们称n维向量的全体所组成的集合 为 n 维向量空间。 n 维向量有着广泛的实际意义。例如为确定飞机的状 态，需要 6 个参数（够成6维向量）。表示飞机重心在空 间的位置需 3 个参数，还有 3 个参数是: 1) 机身的水平转角θ（0 ≤ θ < 2π ）； 2) 机身的仰角 φ （– ）； 3) 机翼（以机身为轴）的转角Ψ (－π < Ψ ≤ π )。 2.2 向量组的线性相关性 1、向量组 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。用 A, B,C, I, II, III 等表示。 例如一个 m×n 矩阵 A 有n个m维列向量 它们组成的向量组 α1,α2,…,αn称为矩阵A的列向量组。 m×n 矩阵A又有m个n维行向量 βi=( ai1, ai2, …, ai n ), ( i=1,2,…m ). 它们组成的行向量组β1, β2,…, βm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。例如： m个n维列向量所组成的向量组α1,α2,…,αm构成一 个n×m矩阵 A=( α1,α2,…,αm ) ; m个n维行向量所组成向量组β1, β2,…, βm 构成一个m×n矩阵 我们前面学过的线性方程组又可以写成矩阵的形式Ax = b,而且矩阵又可以写成向量组的形式，所以方程组也可以写成向量的形式 x1α1 + x2α2 + … + xnαn = b , 由此可见，线性方程组与其增广矩阵B＝（A,b）的列向量组α1，α2，…，αm , b之间也有一一对应的关系。 定义2.3 给定向量组A: α1,α2,…,αs ,对于任何一组 实数k1, k2,…, ks ,向量 k1α1 + k2α2 + … + ksαs 称为向量组A的一个线性组合, k1, k2, … , ks称为这个线性组 合的系数。 由此可得，向量组