宋浩线性代数笔记（三）n维向量与线性方程组

        总的来说，这几乎是线代中最难的章节，原因在于不符合人类主观的思维方式——人的视角里只能呈现三维以内的世界，而n维向量往往会涉及多个维度，很多问题的角度我们无法有直观的印象。

        此外，本章在考研中出题 较难——主要体现在并不出纯数字的计算题，而往往是以抽象符号的形式表出；而且定理与套路非常繁琐，需要通过大量练习达到熟能生巧的境界~

---

考研的大纲如下：

向量的概念 向量的线性组合和线性表示 向量组的线性相关与线性无关 向量组的极大线性无关组等价向量组 向量组的秩 向量组的秩与矩阵的秩之间的关系 向量空间以及相关概念 n维向量空间的基变换和坐标变换 过渡矩阵 向量的内积 线性无关向量组的正交规范化方法 规范正交基 正交矩阵及其性质

考试要求：

1．理解n维向量、向量的线性组合与线性表示的概念．

2．理解向量组线性相关、线性无关的概念，掌握向量组线性相关、线性无关的有关性质及判别法．

3．理解向量组的极大线性无关组和向量组的秩的概念，会求向量组的极大线性无关组及秩．

4．理解向量组等价的概念，理解矩阵的秩与其行(列)向量组的秩之间的关系

5．了解n维向量空间、子空间、基底、维数、坐标等概念．

6．了解基变换和坐标变换公式，会求过渡矩阵．

7．了解内积的概念，掌握线性无关向量组正交规范化的施密特（Schmidt）方法．

8．了解规范正交基、正交矩阵的概念以及它们的性质．

---

下面，简单来说一下这章讲了什么：

3.1n维向量及其运算

        所谓n维向量，即n个数组成的有序数组，这n个数叫做n个分量，n叫做向量的维数~向量可以分为行向量和列向量~

        向量相加是指对应分量的相加，而数乘则是每个分量分别相乘。

3.2向量间的线性关系

        所谓线性组合，假设a1~an都是m维向量，若存在k1~kn，使得b=k1a1+……knan，则称b是a向量组的线性组合，亦或称b可以由a线性表示（注意，此时k被称为组合系数，且可以全取0）~

        不难看出，向量组中的任何一个向量都可以由整个向量组来表示~

        n维基本向量组：向量序号对应位置的维度为1，其他位置均为0（组合成单位矩阵），任何向量都可以由它线性表出~

        我们常见的方程组中，未知数是向量所数乘的数，而方程组中的系数则是向量中的元素，无论是行向量还是列向量可以作为这个系数常数项~

        所谓矩阵的等价，是指两个矩阵可以经过初等变化互相得到；而两个同维度的向量组，可以相互线性表示，则称他们等价~

• 任何一个向量组与自己等价
• 传递性，且不受顺序影响
• 对称性

        现有n个m维的向量，若存在一组不全为0的系数，使得向量对应相乘后等于0，则称该向量组线性相关——本质就是相互消去；若找不到一组不全为0的系数，则称为非线性相关~

        含有0向量的向量组必定线性相关！

        一个线性相关的向量组，添加无数个同维度向量后，仍然是线性相关的~（不分组相关，则整体相关~）

        若低维度的向量线性无关，则其扩展n维后必定也线性无关；反之，线性相关的向量组，其截短向量亦线性相关~

        n个n维向量，其系数行列式不为0，则线性无关——相当于不能通过线性变化彼此消去，所以必然不相关（可以理解为不成比例）——因此，对于齐次方程组，系数行列式D如果不为0，则必然有0解（线性无关无法找到不全为0的一组常数k，此时未知数x也就是所谓的未知常数k~）

 （也就是说，本身相关则不需要靠k值（x未知数）来充当0的角色~）

• 向量组内向量线性相关的充要条件是，至少有一个向量可以由其余向量线性表示~
• 已知原向量组线性无关，则加入一个后线性相关的话，新加入的向量可以由原向量组唯一表示~
• 替换定理：A向量组线性无关，却可以由B线性表示，则A中的向量一定小于等于B之中的~
• n+1个n维向量一定线性相关——相当于方程数大于未知数数量

3.3向量组的秩

矩阵的秩：非0子式的最高阶数~

极大线性无关组：向量组内的向量彼此无关，且全体向量均可由该组表示~

（不唯一）

任何一个向量组和他的极大线性无关组都是等价的——即可以相互线性表示~

所谓向量组的秩，即极大无关组内向量的个数~

线性无关的充要条件是，秩等于向量的个数（无关组内）~（相关则必然小于）

A可以由B表示，则A的秩一定小于B的秩

初等行变化不改变列向量组之间的线性关系~