Chapter4-1向量组及其线性组合总结.ppt

上述对应的叙述都有必要条件：R(A) ≥R(B) . 这里，第一种可称为几何语言，后三种和必要条 件则都是矩阵语言. 几何问题，还要掌握用几何语言来解释矩阵表述 的结论. 我们要掌握用矩阵语言描述 上一章中把线性方程组写成矩阵形式，通过 矩阵的运算求得它的解，还用矩阵语言给出了线 性方程组有解、有唯一解的充要条件； 本章中将 向量组的问题表述成矩阵形式，通过矩阵的运算 得出结果，然后把矩阵形式的结果 “翻译”成几 何问题的结论. 这种用矩阵来表述问题，并通过 矩阵的运算解决问题的方法，通常叫做矩阵方法， 这正是线性代数的基本方法. 例 3 设 n 维向量组 A：a1 , a2 , ··· , am 构成 n ? m 矩阵 A = (a1 , a2 , ··· , am )， n 阶单位矩阵 E = (e1 , e2 , ··· , en ) 的列向量叫做 n 维单位坐 标向量. 证明： n 维单位坐标向量组 e1 , e2 , ··· , en 能由向量组 A 线性表示的充要条件是 R(A) = n . 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 向量组等价 定理的比较 线性组合的定义 一个向量能由一个向量组线性表示 向量组B能由向量组A线性表示 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 记法： 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 ?? 两(三)个有次序的实数, 就 因此, 当 n ≤ 3 时, n 维向量可以把有 是 2(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 2 维向量的全体所组成的集合 R2 = { r = (x , y )T | x , y ? R } 叫做二维向量空间. 在点空间取定坐标以后, 空 间中的点 P(x , y ) 与 2 维向量 r = (x , y )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. l = { r = (x , y )T | ax + by = c } 也叫做向量空间 R2 中的直线. 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 就是一个由四个 3 维列向量 ?1, ?2, ?3, ?4 构成的 定义 若干个同维数的列向量(或同维数的 向量组. 例如 行向量)组成的集合叫做向量组. 对于一个 m×n 矩阵 A = (aij) : 若令 注：含有限个向量的有序向量组可以与矩阵一一对应。 A的第j列 则矩阵 A 有 n 个 m 维列向量 . A = (?1, ?2, ··· , ?n ). ?2, ··· , ?n 构成一个 m×n 矩阵 例如，n 个 m 维列向量所组成的向量组 ?1, 成一个矩阵. 反之, 由有限个向量所组