第二章 第三讲 向量空间.docVIP

第三讲 向量空间 2.3.1 向量组的秩 在第一章中我们介绍过矩阵的秩，它等于矩阵对应的行阶梯形矩阵的非零行的行数它在线性方程组解的理论研究中起着重要的作用。向量组的秩是有的一种属性,它揭示了向量组中各向量之间内在关系 作为一个向量组并不一定是线性无关的,但可能含有部分组是线性无关的,而且这个组中的任何一个向量都可能被这个部分组线性表出,如向量组线性相关,而线性无关,且有 我们把称为该向量组的一个最大线性无关组. 维m个向量构成的矩阵,称为向量组的秩，即；向量组中任意个线性无关的向量都称为该向量组的一个最大无关组。 由定义2.3.1可知： 1 一个向量组的最大无关组可以不唯一，但秩唯一; 2 当向量组中只包含一个零向量时,该向量组没有最大线性无关组 3 若一个向量组线性无关,则它的最大线性无关组就是它本身 4 任何一个含有非零向量的线性相关的向量组一定有最大线性无关组个向量满足 （1）线性无关；（2）都有线性相关，则有 ，而即为V的一个最大无关组。 证明 由题意可知，V中任意个向量都线性相关，即V中任意一个向量都可以表为的线性组合，所以V的行阶梯形只能保留行元素不为零，故；而即为V的一个最大无关组。 例如,上面的例子中也是该向量组的最大线性无关组. 定义2.3.2 矩阵的列向量组的秩称为矩阵的列秩 column rank of a matrix ,矩阵的行向量组的秩称为矩阵的行秩 row rank of a matrix .,所以有 矩阵的列秩 矩阵的行秩 矩阵的秩. 例3.1 设向量组 求它的秩及最大线性无关组,并把其余向量用最大线性无关组线性表出. 解:对实行初等行变换 所以向量组的秩为3，为一个最大无关组，且 p为何值时，向量组线性无关？并在此时将向量用 线性表出； p为何值时，向量组线性相关？并在此时求出它的秩和一个极大线 性无关组. 解 将向量组中的各向量作为矩阵的各列，然后作初等行变换，化为阶梯形矩阵 时，向量组线性无关，此时可进一步把化为 ，故有 ; 时，向量组线性相关，此时，向量组的秩等于3， 矩阵 可进一步化为 可见（）为其一个极大线性无关组. 2.3.2 向量空间 定义2.3.3 设V为n维向量的集合,若集合V非空,且对于加法及乘数两种运算封闭,则称V为向量空间 vector space . 定义2.3.3中的封闭是指:若则例3.n维向量的全体就是一个向量空间,因为对于任意都有.故此,向量空间一般也记为R n. 定义2.3.4 设有向量空间V1,V2,若,就称是的子空间 vector subspace . 例3.只有一个零向量构成的向量组,也是R n的一个子空间,称为零子空间（null subspace）。R n和零子空间称为R n的平凡子空间（trivial subspaces）。 例3.对于向量组,由于,所以向量组S不是R 2的向量子空间. 定义2.3.5 设V为向量空间,若r个向量,且满足: 1 线性无关; 2 V中任一个向量都可由线性表出, 则称向量为向量空间V的一个基 basis , r 称为向量空间V的维数 dimension ，V称为n维向量空间（n—dimensional vector space）. 如果向量空间V没有基,那么V的维数为0,0维向量空间只含一个零向量. 若把向量空间V看作向量组,则V的基就是向量组的大线性无关组, V的维数就是向量组的秩. 例3. 在R n中,向量组是线性无关的,且它是R n的大无关组,所以是R n的一个基,从而R n的维数是n. 定义2.3.6 设向量为向量空间V的一个基,对任意的向量可唯一的表成 则数组称为向量关于基的坐标（coordinates）. 例3.验证向量组 是R 3的一个基，并求向量在该基下的坐标。 解：首先讨论向量组的线性相关性，因为 ，所以是R 3的一个基。在基下坐标 所以有，故向量在基下的坐标为（0，1，-1）. 例3.设,为两个已知的n维向量 , 集合 是一个向量空间.因为若,则有 这个向量空间称为由向量,所生成的向量空间（generated vector space）. 一般地,由向量组所生成的向量空间为 . 自主学习内容： 、三元线性方程组的几何意义与向量组秩的联系及其形象化 设三元线性方程组为 设增广矩阵的列向量依次为 系数矩阵的行向量依次为 增广矩阵的行向量依次为 便于对照，我们把矩阵作如下向量表示 方程组中每一个方程代表一个平面，依次极记为，每个平面能否存在，等价于每个方程能否成立，也等价于能否由线性表出，只要有一个不能由线性表出，其中有个平面就不存在，即存在一个矛盾方程，方程组就无解，对应由空间解析几何知，分别是平面的法向向量，决定平面的取向，如线性无关，则说明三