第三章 向量 线性关系 秩.ppt

定理3.9 若向量组?1, ?2,…,?s可由向量组?1, ?2,…,?t 线性表示，则 推论2 向量组?1, ?2,…, ?p线性无关, 且可由向量组?1, ?2,…,?q 线性表示，则p?q. 推论1 等价的向量组具有相等的秩． 　　　　　R{?1, ?2,…, ?s}?R{ ?1, ?2,…,?t } 证明 记极大线性无关组为: ?1, ?2,…,?p和?1, ?2,…,?q 则：向量组?1, ?2,…,?p可由?1, ?2,…,?q 线性表示，于是 　 ?1, ?2,…,?q是向量组?1, ?2,…, ?p, ?1, ?2,…, ?q 的极大线性无关组. 再由?1, ?2,…, ?p线性无关知p?q. 推论3 向量组?1, ?2,…, ?p可由向量组?1, ?2,…,?q 线性表示，且pq, 则向量组?1, ?2,…, ?p线性相关. 推论4 任意n+1个n维向量线性相关. §4 矩阵的秩 证明 对矩阵进行一次初等行变换，行向量组变成： 定义3.13 矩阵的行向量组的秩称为矩阵的行秩; 矩阵列向量组的秩称为矩阵的列秩. 　　引理 初等变换不改变矩阵的行秩和列秩. 所以，对矩阵进行一次初等行变换，矩阵的行秩不变. * 第三章 向量 线性关系 秩 向量是线性代数中研究的又一个重要概念, 本章主要讨论n维向量之间的线性关系, 并建立向量组与矩阵秩的概念. §1 向 量 定义3.1 所谓n维向量就是n?1阶矩阵 或1?n阶矩阵 n 维向量就是n 个有次序的数a1,a2, …,an组成的数组. ai称为向量的第i个分量. 分量全是实数的向量称为实向量. 如果两个向量维数相等且对应分量都相等称它们相等. 注意: 按定义行向量 和列向量 表示同一个向量,但在涉及到运算时,行向量 和列向量总看作两个不同的向量, 而且都按矩阵的运算规则进行运算. 分量都是零的向量称为零向量, 记为0. 将向量?的分量都改变符号得到的向量, 称为向量?的负向量, 记为-?. 实际常用列向量, 为了便于书写常用其转置?T表示. 定义中两种形式分别称为列向量和行向量. 常用的向量运算是向量的加法和乘数两种运算, 统称为向量的线性运算, 完全按矩阵运算处理, 所以满足: (ⅰ)交换律：?+?=?+? (ⅱ) 结合律: (?+?)+?=?+(?+?) (ⅲ) ?+0=? (ⅳ) ?+(??)=0 (ⅴ) 1?=? (ⅶ) 数的分配律： (k+l)?=k ?+l ? (ⅷ) 矩阵的分配律： k(?+?)=k ?+k ?. (ⅵ) 结合律：(kl)?=k(l?) 所有n维列(行)向量的全体, 对其上所定义的加法和乘数两种运算, 构成了一个n维线性空间, 或称向量空间. 在解析几何中, 曾引进向量的数量积 x? y=|x||y|cos? 且在直角坐标系中，有 定义3.2 设有n维向量?=(a1,a2,…,an)T, ?=(b1,b2,…,bn)T, 令 但n维向量没有3维向量那样直观的长度和夹角的概念,我们可以按数量积的直角坐标计算公式来推广, 先定义n维向量内积的概念, 反过来定义n维向量的长度和夹角. [?, ?]=a1b1+a2b2+…+anbn 称[?, ?]为向量?与?的内积. 内积是两个向量之间的一种运算, 其结果是一个实数. 内积也可以用矩阵运算表示, 当?与?都是列向量时, 有 , 而且, 仅当?=0时, [?, ?]=0. 内积具有下列性质(其中?, ?, ?为n维向量, k为实数): [?, ?]=?T?=?T? 。 利用这些性质还可以证明Schwarz不等式: 下面定义n维向量的长度和夹角。 当|?|=1时, 称?为单位向量. 为向量?的长度(或范数), 记为|?|或‖?‖. 由Schwarz不等式, 对任意非零向量?和?都有