第三章 第六节 矩阵的向量空间与秩数.doc

第三章 第六節 矩陣的向量空間與秩數 ◎ 一的矩陣可寫成 上述的矩陣可視為由個列向量 或由個行向量 所組成，即可寫成 或 其中稱為矩陣的列向量(Row Vectors) 稱為矩陣的行向量(Column Vectors) 定義1. (n度空間(n-Space)) 若n為一正整數，則所有有序n元序對所成的集合稱為n度空間，記作 定義2. (向量空間(Vector Space)) 若均為集合中的元素，而為純量，若及滿足下 列性質，則稱為一向量空間，而稱為向量(vector) 1. 閉合性質(Closure Properties) (a)若 (b)若 2. 加法運算性質 (a) (b) (c)其中 3. 純量乘法運算性質 (a) (b) (c) (d) 定義3. (子空間(Subspace)) 若向量集合為向量空間的子集合，而為集合中的任意向量， 為純量，若滿足下列性質，則稱為向量空間的一個子空間： 1. 2. 若 3. (為零向量) 4. 定義4. (線性組合(Linear Combination)) 若為一向量集合，則此向量集合之線性組合為 其中為純量 定義5. (生成空間(Space Spanned)) 若為向量空間上的向量，且的子空間中的任一向量 均可表為之線性組合，即 則稱生成，此子空間被稱為生成空間 例題1. 已知 ，，試問是否為的線性組合？ Sol： 令 即 故為的線性組合 例題2. 已知 ，，試問是否可生成？ Sol： 對於中的任一向量可寫成 即為的線性組合，故可生成 定義6. (線性獨立(Linearly Independent)) 若為一向量集合，若滿足 的解，只有(唯一)一組解，則稱向量集合為線性獨立，否則稱為線性相依(Linearly Dependent) 例題3. 已知，，試問為線性相依或線性獨立？ Sol： 令 即 上面的聯立方程式有無限多解 故為線性相依 註：例題3.有下列兩種簡易的判斷方法 (1)(若則為線性相依) (2)對於個向量，可將其排成一個階行列式 若這個向量為線性獨立 若這個向量為線性相依 例題4. 重作例題3. Sol： 故為線性相依 例題5. ，，，試問為線性相依或線性獨立？ Sol： 為線性獨立 定義7. (基底(Basis)與維度(Dimension)) 若為向量空間上的向量，且 (1)為線性獨立 (2)生成 則稱為的一組基底，而此基底的向量數目稱為向量空間 的維度 註： 若為中個線性獨立向量，則為的一組基底 定義8. (矩陣的秩(Rank)) 矩陣的列(或行)空間的維度稱為矩陣的秩，記作 Rank() 註： 矩陣的秩之算法 利用列運算，將化成列梯形矩陣(何謂列梯形矩陣？) 而該矩陣不全為零的列數，即等於Rank() 例題6. 已知 ， ， (1)求Rank() (2)求Rank() (3)求Rank() Sol： (1) 矩陣經過列運算化成列梯形矩陣後，有兩列不全為零的列向量 Rank()=2 (2) 矩陣經過列運算化成列梯形矩陣後，有一列不全為零的列向量 Rank()=1 (3) 矩陣經過列運算化成列梯形矩陣後，有一列不全為零的列向量 Rank()=2 例題7. 已知 ， (1)求Rank() (2) Rank() Sol：