第二章 第讲 向量空间.docVIP

第三讲 向量空间 2.3.1 向量组的秩 向量组在形式上与矩阵很接近，所以我们很容易把矩阵中的一些运算和特征联想到向量组上来。例如，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。而向量组的秩是其特有的一种属性,它揭示了向量组中各向量之间内在关系，同样有着很重要的作用。所以在本讲中我们首先介绍一下向量组的秩。 作为一个向量组，它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. 定义2.3.1 对维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. 定理2.3 .1 对向量组V，如果V中有个向量满足 （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). 由于,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 请注意本例题的解题思路：先将A 表为列向量组，然后求A的行最简形，构成单位矩阵的列对应的向量即为最大无关组，其余列中的元素即为由最大无关组表示的系数。 例3.2 已知向量组 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,且对于向量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3.3 n维向量的全体就是一个向量空间,因为对于任意 及都有.故此,n维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3.4 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3.5 对于2维向量组,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的基就是向量组的最大线性无关组, V的维数就是向量组的秩. 例3.6 在R n中,向量组是线性无关的,且它是R n的最大无关组,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3.7 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 求得，所以是R 3的一个基。 下面再求在基下坐标 所以