线性代数2.2 n维向量精品.ppt

§2.2 n维向量空间 当线性方程组有无穷多解时, 这些解之间有什么关系? 能否用若干个解来表达其它解? 定义2.1 由n个实数组成的有序数组 称为一个n维向量. 如: 也称为n 维行向量 称为n 维列向量. 如 (一) n 维向量 是一个4 维向量 是一个 3 维向量 是一个 5维向量 其中第i个数称为该向量的第i个 分量. 若 则 向量一般用希腊字母?，?，?，? 等表示， 若 则 本书中，向量的分量均为实数。* 若向量的分量均为有理数， 若向量的分量均为实数, 若向量的分量均为复数， 有时也用小写拉丁字母 等表示. 则称为有理数域上的向量; 则称为实数域上的向量; 则称为复数域上的向量. n 维向量是“矢量”概念的推广: 既有大小又有方向的量叫矢量,或向量. 矢量用有向 有向线段的长度表示矢量的大小, 对平面上任一向量 平移 使 (大小相等,方向相同) 2维实向量就是平面上的矢量. 线段表示. 有向线段的 方向表示矢量的方向. 对空间中任一向量 平移 使 (大小相等,方向相同) 3维实向量就是空间中的矢量. 线性方程组 的每个解均为5 维向量，如： 矩阵A的每一行 是一个 n维向量， 称为A的行向量; 矩阵A的每一列 是一个 m 维向量， 称为A的列向量. 当两个n 维向量?和? 注意:只有维数相同, ( 1,1,1,1) ≠(1,1,1) (1,0,3) = (1,0,3) 每个n维行向量 可看成一个1×n矩阵; 每个n 维列向量 可看成一个 n×1 矩阵 称 ? 与 ? 相等， 记为 即若 且对应分量相等 的两个向量才相等. 的对应分量都相等时， n 维向量 的各分量的相反数组成的 n 维向量 所有分量均为0的向量, ( 0 ) ( 0,0 ) ( 0,0,0 ) ( 0,0,0,0 ) 如? =( 3,－4, 0, 1 ),则 1维零向量 2 维零向量 3 维零向量 4 维零向量 (－3, 4, 0, －1 ) 称为零向量,记为 称为? 的负向量,记为 即 (二) 向量的线性运算 向量的线性运算有加法,减法,数乘. 定义2.2 两个n维向量 与 的各对应分量之和所组成的n 维向量, 如 注意1.可加条件: ( 2, 6, －1 )与( 0, 0, 0, 0 ) 2. n维向量+ n维向量 称为向量 记为 ? 与 ? 的和, 即 只有当两个向量的维数相同时 才能相加. 不能相加 = n 维向量 由向量的加法及负向量的定义, 注意:只有当两个向量的维数相同时 ( 2, － 6, －1 )与( 0, 0, 0, 0 ) 可定义向量的减法: 才能相减. 不能相减 定义2.3 n 维向量 的各分量都乘以 实数k所组成的向量, 如 ? =( 2,－7, 3, 0 ),则 向量的加法，减法，数乘 向量的线性运算实际上就是 数· 向量 = 向量 称为数k与向量?的乘积, 记为k?,即 统称为向量的线性运算. 1×n矩阵或 n×1矩阵 之间的线性运算。 向量的线性运算 交换律 由于矩阵的线性运算满足这 8 条算律， 而向量的线性运算实际上 故向量的线性运算 结合律 满足以下8条算律： 就是1×n 矩阵或 n×1 矩阵 的线性运算， 也满足这 8 条算律。 定义2.4 连同 中定义的线性运算, n 维实向量空间的线性运算满足以下8 条算律： 称为n维实向量空间. 所有n 维实向量的集合记为 为2 维实向量空间 为3 维实向量空间 为4 维实向量空间 为5 维实向量空间 当维数 n 3 时 但没有直观表示, “时空”是4维向量空间 每一位同学的高考成绩 因此, 这是这一概念的抽象性。 许多实际事物 Rn中的向量不再具有直观表示, n维向量以及n维向量空间 纯粹是一个数学概念. 并不等于n 维向量不具有实在性. 都需要用维数大于3的向量表示, 如: 可以用一个5维向量表示： 或可以用一4维向量表示: 线性方程组 的每一个解 线性方程组 的每一个解 （0，0，0，0，0） （0，1，－1，0，0） （0，1，1， －2 ，0）… 是一个5 维向量： 是一个n 维向量。 中的每一个方程是一个n+1 维向量。 线性方程组 第 1 个方程 第 2 个方程 第 m 个方程 例 已知向量 解 4 ? = =( ) = ( ) = ( 3, 1,－2, 2, 1 ) = ( ) 求 2?+3?