线性代数第四章第一节.ppt

第 四 章 向量组的线性相关性 第一节 向量组及其线性组合 向量及向量组的定义 主要内容 向量组等价 向量组等价的条件 定理的比较 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 ai 称为第 i 个分量. 分量全为实数的向量称为实向量, 分量为复数 的向量称为复向量. 在这里我们只讨论实向量. 一、向量及向量组的定义 1. 向量的定义 n 维列 向 量 n 维行 向 量 n 维向量可写成一行, 也可写成一列, 为行向量和列向量, 也就是行矩阵和列矩阵, 并规 定行向量与列向量都按矩阵的运算规则进行运算. 因此, n 维列向量 ? 与 n 维行向量 ?T 是两个不同 的向量. 分别称 在解析几何中, 我们把“既有大小又有方向的 量”叫做向量, 并把可随意平行移动的有向线段作 为向量的几何形象. 在引进坐标系以后, 这种向量 就有了坐标表示式 ?? 三个有次序的实数, 就 因此, 当 n ≤ 3 时, n 维向量可以把有 是 3 维向量. 向线段作为几何形象, 但当 n 3 时, n 维向量就不 再有这种几何形象, 只是沿用一些术语罢了. 几何中, “空间”通常是作为点的集合, 即 “空间”的元素是点, 这样的空间叫做点空间. 我们把 3 维向量的全体所组成的集合 R3 = { r = (x , y , z)T | x , y , z ? R } 叫做三维向量空间. 在点空间取定坐标以后, 空 间中的点 P(x , y , z) 与 3 维向量 r = (x , y , z)T 之间 有一一对应的关系, 因此, 向量空间可以类比为取 向量的集合 定了坐标的点空间. ? = { r = (x , y , z)T | ax + by + cz = d } 也叫做向量空间 R3 中的平面. 类似地, n 维向量的全体所组成的集合 Rn ={ x = (x1, x2, ··· , xn)T | x1, x2, ··· , xn ?R } 叫做 n 维向量空间. n 维向量的集合 ? ={ x = (x1, x2, ··· , xn)T | a1x1+a2x2+ ··· +anxn= b } 叫做 n 维向量空间 Rn 中的 n - 1 维超平面. 2. 向量组的定义 向量组. 就是一个由四个 3 维列向量 ?1, ?2, ?3, ?4 构成的 定义 若干个同维向量组成的集合叫做 向量组. 例如 3. 矩阵与向量组的关系 对于一个 m×n 矩阵 A = (aij) : 若令 则矩阵 A 有 n 个 m 维列向量 . A = (?1, ?2, ··· , ?n ). ?n 构成一个 m×n 矩阵 n 个 m 维列向量所组成的向量组 ?1, ?2, ··· , 成一个矩阵. 例如 反之, 由有限个向量所组成的向量组可以构 ?1T, ?2T, ··· , ?mT 称为矩阵 A 的行向量组. 则矩阵 A 有 m 个 n 维行向量, 它们组成的向量组 ?iT = ( ai1 , ai2 , ··· , ain ) (i = 1, 2, ··· , m), ?n 称为矩阵 A 的列向量组. 若令 向量组 ?1, ?2, ··· , 同理, m 个 n 维行向量所组成的向量组 ?1T, 综上所述, 一个矩阵与一个行向量组(或列向 ?2T , ··· , ?mT 构成一个 m×n 矩阵 量组)一一对应. 前两章中常把 m 个方程 n 个未知量的线性方 x1a1 + x2a2 + ··· + xnan = b, 阵 B 的行向量组对应. 若把方程组写成向量形式 一个方程对应一个行向量, 则方程组即与增广矩 其增广矩阵 B = ( A , b ) 一一对应. 这种对应看成 程组写成矩阵形式 Ax = b, 从而方程组可以与 4. 线性方程组与向量组的关系 则可见方程组与 B 的列向量组 a1, a2, ··· , an , b 之 组与一个向量组一一对应. 间也有一一对应的关系. 综上所述, 一个线性方程 1. 线性组合的定义 为这个线性组合的系数. 称为向量组 A 的一个线性组合, k1 , k2 , ··· , km 称 k1a1 + k2a2 + ··· + kmam 何一组实数 k1 , k2 , ··· , km , 向量 定义2 给定向量组 A: a1 , a2 , ··· , am , 对于任 二、向量组等价 给定向量组 A: a1 , a2 , ··