《线性代数》教学课件—第4章 向量线性相关 第一节 向量组及其线性组合.pptVIP

上述对应的三种叙述都可对应到充要条件： R(A) = R(A , B)，并都有必要条件：R(A) ≥R(B) . 这里，第一种可称为几何语言，后两种以及充 要条件和必要条件则都是矩阵语言. 握用矩阵语言表述几何问题，还要掌握用几何 语言来解释矩阵表述的结论. 我们要掌 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 . 本节内容已结束 ! 若想结束本堂课, 请单击返回按钮. 本节内容已结束 ! 若想结束本堂课, 请单击返回按钮. 本节内容已结束 ! 若想结束本堂课, 请单击返回按钮. 本节内容已结束 ! 若想