n维向量
n个数
a
1
,
a
2
,
.
.
.
,
a
n
a_1,a_2,...,a_n
a1,a2,...,an构成的有序数组称为n维向量
[
α
1
α
2
.
.
.
α
m
]
\left[\begin{matrix} \alpha_1&\alpha_2&...&\alpha_m \end{matrix}\right]
[α1α2...αm] 行向量
[ x 1 x 2 ⋮ x m ] \left[\begin{matrix} x_1\\x_2\\ \vdots \\x_m \end{matrix}\right] ⎣⎢⎢⎢⎡x1x2⋮xm⎦⎥⎥⎥⎤ 列向量
a i a_i ai称为向量的第 i i i个分量
定理1 向量 β \beta β可由 α 1 α 2 . . . α m \alpha_1\alpha_2...\alpha_m α1α2...αm线性表示 ⟺ \iff ⟺ ∃ \exists ∃实数 k 1 , k 2 , . . . , k m k_1,k_2,...,k_m k1,k2,...,km使 k 1 α 1 + k 2 α 2 + . . . + k m α m = β k_1\alpha_1+k_2\alpha_2+...+k_m\alpha_m=\beta k1α1+k2α2+...+kmαm=β ⟺ \iff ⟺ 方程组 [ α 1 α 2 . . . α m ] \left[\begin{matrix} \alpha_1&\alpha_2&...&\alpha_m \end{matrix}\right] [α1α2...αm] [ x 1 x 2 ⋮ x m ] = β \left[\begin{matrix} x_1\\x_2\\ \vdots \\x_m \end{matrix}\right]=\beta ⎣⎢⎢⎢⎡x1x2⋮xm⎦⎥⎥⎥⎤=β有解 ⟺ \iff ⟺ r ( α 1 α 2 . . . α m ) = r ( α 1 α 2 . . . α m β ) r(\alpha_1\alpha_2...\alpha_m)=r(\alpha_1\alpha_2...\alpha_m\beta) r(α1α2...αm)=r(α1α2...αmβ)
定理2 n元齐次线性方程组 A x = 0 Ax=0 Ax=0有非零解 ⟺ \iff ⟺ r ( A ) < n r(A)<n r(A)<n
定理3 矩阵方程 A X = B AX=B AX=B有解 ⟺ \iff ⟺ r ( A ) = r ( A , B ) r(A) = r(A,B) r(A)=r(A,B)
定理4 若向量组 B = ( β 1 β 2 . . . β t ) B=(\beta_1 \beta_2...\beta_t) B=(β1β2...βt)可由向量组 A = ( α 1 α 2 . . . α s ) A=(\alpha_1\alpha_2...\alpha_s) A=(α1α2...αs)线性表示，则 r ( B ) ≤ r ( A ) r(B)\le r(A) r(B)≤r(A)
推论: 向量组 A = ( α 1 α 2 . . . α s ) A=(\alpha_1\alpha_2...\alpha_s) A=(α1α2...αs)和 B = ( β 1 β 2 . . . β t ) B=(\beta_1 \beta_2...\beta_t) B=(β1β2...βt)等价 ⟺ \iff ⟺ r ( A ) = r ( B ) = r ( A , B ) r(A)=r(B)=r(A,B) r(A)=r(B)=r(A,B)
向量线性相关
定义 设向量组
A
=
(
α
1
α
2
.
.
.
α
s
)
A=(\alpha_1\alpha_2...\alpha_s)
A=(α1α2...αs)和
B
=
(
β
1
β
2
.
.
.
β
t
)
B=(\beta_1 \beta_2...\beta_t)
B=(β1β2...βt)
若A中每个向量
α
i
\alpha_i
αi均可由B线性表示，则称向量组A可由向量组B线性表示
若向量组A和向量组B互相线性表示，则称向量组A和向量组B等价
定理1 m个n维向量 α 1 , α 2 , . . . , α m \alpha_1,\alpha_2,...,\alpha_m α1,α2,...,αm线性相关 ⟺ \iff ⟺ ∃ \exists ∃不全为0的 k 1 , k 2 , . . . , k m k_1,k_2,...,k_m k1,k2,...,km使 k 1 α 1 + k 2 α 2 + . . . + k m α m = 0 k_1\alpha_1+k_2\alpha_2+...+k_m\alpha_m=0 k1α1+k2α2+...+kmαm=0 ⟺ \iff ⟺ 齐次方程组 [ α 1 α 2 . . . α m ] \left[\begin{matrix} \alpha_1&\alpha_2&...&\alpha_m \end{matrix}\right] [α1α2...αm] [ x 1 x 2 ⋮ x m ] = 0 \left[\begin{matrix} x_1\\x_2\\ \vdots \\x_m \end{matrix}\right]=0 ⎣⎢⎢⎢⎡x1x2⋮xm⎦⎥⎥⎥⎤=0有非零解 ⟺ \iff ⟺ r ( α 1 α 2 . . . α m ) < m r(\alpha_1\alpha_2...\alpha_m)<m r(α1α2...αm)<m
推论1: n个n维向量 α 1 , α 2 , . . . , α n \alpha_1,\alpha_2,...,\alpha_n α1,α2,...,αn线性相关 ⟺ \iff ⟺ ∣ α 1 α 2 . . . α n ∣ = 0 |\alpha_1\alpha_2...\alpha_n| = 0 ∣α1α2...αn∣=0 (克拉默法则：n个方程n个未知数行列式为0 ⇒ \Rightarrow ⇒ 齐次方程组有非零解 ⇒ \Rightarrow ⇒ 线性相关)
推论2: n+1个n维向量必线性相关
推论3: α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs线性相关 ⇒ \Rightarrow ⇒ α 1 , α 2 , . . . , α s , . . . , α t \alpha_1,\alpha_2,...,\alpha_s,...,\alpha_t α1,α2,...,αs,...,αt必线性相关
推论4: α 1 = [ a 11 a 21 a 31 ] \alpha_1=\left[\begin{matrix} a_{11}\\ a_{21}\\ a_{31}\\ \end{matrix}\right] α1=⎣⎡a11a21a31⎦⎤, α 2 = [ a 12 a 22 a 32 ] \alpha_2=\left[\begin{matrix} a_{12}\\ a_{22}\\ a_{32}\\ \end{matrix}\right] α2=⎣⎡a12a22a32⎦⎤, α 3 = [ a 13 a 23 a 33 ] \alpha_3=\left[\begin{matrix} a_{13}\\ a_{23}\\ a_{33}\\ \end{matrix}\right] α3=⎣⎡a13a23a33⎦⎤线性无关 ⇒ \Rightarrow ⇒ a ~ 1 = [ a 11 a 21 a 31 ⋮ a n 1 ] \tilde{a}_1 = \left[\begin{matrix} a_{11}\\ a_{21}\\ a_{31}\\ \vdots\\ a_{n1} \end{matrix}\right] a~1=⎣⎢⎢⎢⎢⎢⎡a11a21a31⋮an1⎦⎥⎥⎥⎥⎥⎤, a ~ 2 = [ a 12 a 22 a 32 ⋮ a n 2 ] \tilde{a}_2 = \left[\begin{matrix} a_{12}\\ a_{22}\\ a_{32}\\ \vdots\\ a_{n2} \end{matrix}\right] a~2=⎣⎢⎢⎢⎢⎢⎡a12a22a32⋮an2⎦⎥⎥⎥⎥⎥⎤, a ~ 3 = [ a 13 a 23 a 33 ⋮ a n 3 ] \tilde{a}_3 = \left[\begin{matrix} a_{13}\\ a_{23}\\ a_{33}\\ \vdots\\ a_{n3} \end{matrix}\right] a~3=⎣⎢⎢⎢⎢⎢⎡a13a23a33⋮an3⎦⎥⎥⎥⎥⎥⎤必线性无关
一，二，三维向量几何意义
α
\alpha
α线性相关
⟺
\iff
⟺
α
=
0
\alpha = 0
α=0
α
1
,
α
2
\alpha_1,\alpha_2
α1,α2线性相关
⟺
\iff
⟺
α
1
,
α
2
\alpha_1,\alpha_2
α1,α2共线
α
1
,
α
2
,
α
3
\alpha_1,\alpha_2,\alpha_3
α1,α2,α3线性相关
⟺
\iff
⟺
α
1
,
α
2
,
α
3
\alpha_1,\alpha_2,\alpha_3
α1,α2,α3共面
定理2 向量组 α 1 , α 2 , . . . , α s ( s ≥ 2 ) \alpha_1,\alpha_2,...,\alpha_s(s≥2) α1,α2,...,αs(s≥2)线性相关 ⟺ \iff ⟺ 至少有一个向量 α i \alpha_i αi可由其余向量 α 1 . . . α i − 1 α i + 1 . . . α s \alpha_1...\alpha_{i-1}\alpha_{i+1}...\alpha_s α1...αi−1αi+1...αs线性表示
定理3 若n维向量 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs线性无关，而 α 1 , α 2 , . . . , α s β \alpha_1,\alpha_2,...,\alpha_s\beta α1,α2,...,αsβ线性相关，则向量 β \beta β必能由 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs线性表示且表示方法唯一
定理4 若 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs可由 β 1 β 2 . . . β t \beta_1 \beta_2...\beta_t β1β2...βt线性表示且 s > t s>t s>t，则 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs必线性相关
推论： 若 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs线性无关且 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs可由 β 1 β 2 . . . β t \beta_1 \beta_2...\beta_t β1β2...βt线性表示则 s ≤ t s≤t s≤t (定理4的逆否命题)
向量的秩
定义 在向量组 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs中， ∃ r \exist r ∃r个向量 α i 1 α i 2 . . . α i r \alpha_{i1}\alpha_{i2}...\alpha_{ir} αi1αi2...αir线性无关，再添加一个向量 α j ( j = 1 , 2 , . . . , s ) \alpha_j(j=1,2,...,s) αj(j=1,2,...,s),向量组 α i 1 α i 2 . . . α i r α j \alpha_{i1}\alpha_{i2}...\alpha_{ir}\alpha_j αi1αi2...αirαj就线性相关，则称 α i 1 α i 2 . . . α i r \alpha_{i1}\alpha_{i2}...\alpha_{ir} αi1αi2...αir是向量组 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs的极大线性无关组
等价定义 设向量组
α
i
1
α
i
2
.
.
.
α
i
r
\alpha_{i1}\alpha_{i2}...\alpha_{ir}
αi1αi2...αir是向量组
α
1
,
α
2
,
.
.
.
,
α
s
\alpha_1,\alpha_2,...,\alpha_s
α1,α2,...,αs的一个部分组，且满足：
（1）
α
i
1
α
i
2
.
.
.
α
i
r
\alpha_{i1}\alpha_{i2}...\alpha_{ir}
αi1αi2...αir线性无关
（2）任何一个向量
α
j
(
j
=
1
,
2
,
.
.
.
,
s
)
\alpha_j(j=1,2,...,s)
αj(j=1,2,...,s)都能由
α
i
1
α
i
2
.
.
.
α
i
r
\alpha_{i1}\alpha_{i2}...\alpha_{ir}
αi1αi2...αir线性表示
定理1 若 α i 1 α i 2 . . . α i r \alpha_{i1}\alpha_{i2}...\alpha_{ir} αi1αi2...αir与 α j 1 α j 2 . . . α j t \alpha_{j1}\alpha_{j2}...\alpha_{jt} αj1αj2...αjt都是向量组 α 1 , α 2 , . . . , α s \alpha_1,\alpha_2,...,\alpha_s α1,α2,...,αs的极大线性无关组则 r = t r=t r=t
定义 向量组 α 1 α 2 . . . α s \alpha_1\alpha_2...\alpha_s α1α2...αs的极大线性无关组中所含向量的个数 r r r称为向量组的秩，记为 r ( α 1 α 2 . . . α s ) = r r(\alpha_1\alpha_2...\alpha_s)=r r(α1α2...αs)=r
定理2 若
P
P
P可逆且
P
A
=
B
PA=B
PA=B则A的列向量与B的列向量
（1）相同的线性相关性
（2）相同的线性表示方法
定理3 矩阵A的秩等于等于A的列向量组的秩，也等于行向量组的秩（三秩相等定理）
向量空间
定理
W
−
n
W-n
W−n维向量的非空集合，且
（1）加法封闭性：
∀
α
,
β
∈
W
⇒
α
+
β
=
W
\forall\alpha,\beta\in W\Rightarrow\alpha+\beta=W
∀α,β∈W⇒α+β=W
（2）数乘封闭性：
∀
α
∈
W
,
∀
k
⇒
k
α
∈
W
\forall\alpha\in W,\forall k\Rightarrow k\alpha\in W
∀α∈W,∀k⇒kα∈W
则称
W
W
W是
n
n
n维向量空间的子空间
定义 如果向量空间
V
V
V中的向量
α
1
α
2
.
.
.
α
m
\alpha_1\alpha_2...\alpha_m
α1α2...αm满足：
(1)
α
1
α
2
.
.
.
α
m
\alpha_1\alpha_2...\alpha_m
α1α2...αm线性无关
(2)
V
V
V中任意向量
β
\beta
β均可由
α
1
,
α
2
,
.
.
.
,
α
m
\alpha_1,\alpha_2,...,\alpha_m
α1,α2,...,αm线性表出，即
x
1
α
1
+
x
2
α
2
+
.
.
.
+
x
m
α
m
=
β
x_1\alpha_1+x_2\alpha_2+...+x_m\alpha_m=\beta
x1α1+x2α2+...+xmαm=β
则称
α
1
α
2
.
.
.
α
m
\alpha_1\alpha_2...\alpha_m
α1α2...αm是空间向量
V
V
V的基
m
m
m称为空间向量的维数，称
V
V
V是
m
m
m维向量空间
数组
x
1
x
2
.
.
.
x
m
x_1x_2...x_m
x1x2...xm称为向量
β
\beta
β在基
α
1
α
2
.
.
.
α
m
\alpha_1\alpha_2...\alpha_m
α1α2...αm下的坐标
PS：此处将基类比向量极大线性无关组，维数类比向量组的秩更易于理解
定理 若
α
1
,
α
2
,
α
3
\alpha_1,\alpha_2,\alpha_3
α1,α2,α3与
β
1
,
β
2
,
β
3
\beta_1,\beta_2,\beta_3
β1,β2,β3是
R
3
R^3
R3的两个基
设
β
1
=
c
11
α
1
+
c
12
α
2
+
c
13
α
3
\beta_1=c_{11}\alpha_1+c_{12}\alpha_2+c_{13}\alpha_3
β1=c11α1+c12α2+c13α3
β
2
=
c
21
α
1
+
c
22
α
2
+
c
23
α
3
\beta_2=c_{21}\alpha_1+c_{22}\alpha_2+c_{23}\alpha_3
β2=c21α1+c22α2+c23α3
β
3
=
c
31
α
1
+
c
32
α
2
+
c
33
α
3
\beta_3=c_{31}\alpha_1+c_{32}\alpha_2+c_{33}\alpha_3
β3=c31α1+c32α2+c33α3
即
[
β
1
β
2
β
3
]
=
[
α
1
α
2
α
3
]
[
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
]
=
[
α
1
α
2
α
3
]
C
\left[\begin{matrix} \beta_1&\beta_2&\beta_3\\ \end{matrix}\right]=\left[\begin{matrix} \alpha_1&\alpha_2&\alpha_3\\ \end{matrix}\right]\left[\begin{matrix} c_{11}&c_{12}&c_{13}\\ c_{21}&c_{22}&c_{23}\\ c_{31}&c_{32}&c_{33}\\ \end{matrix}\right]=\left[\begin{matrix} \alpha_1&\alpha_2&\alpha_3\\ \end{matrix}\right]C
[β1β2β3]=[α1α2α3]⎣⎡c11c21c31c12c22c32c13c23c33⎦⎤=[α1α2α3]C
称矩阵
C
C
C为由基
α
1
α
2
α
3
\alpha_1\alpha_2\alpha_3
α1α2α3到基
β
1
β
2
β
3
\beta_1\beta_2\beta_3
β1β2β3的过渡矩阵
坐标变换公式
设
α
1
,
α
2
,
α
3
\alpha_1,\alpha_2,\alpha_3
α1,α2,α3与
β
1
,
β
2
,
β
3
\beta_1,\beta_2,\beta_3
β1,β2,β3是
R
3
R^3
R3的两个基且
(
β
1
,
β
2
,
β
3
)
=
(
α
1
,
α
2
,
α
3
)
C
(\beta_1,\beta_2,\beta_3)=(\alpha_1,\alpha_2,\alpha_3)C
(β1,β2,β3)=(α1,α2,α3)C
若向量
γ
\gamma
γ在这两个基下的坐标分别是
(
x
1
,
x
2
,
x
3
)
T
与
(
y
1
,
y
2
,
y
3
)
T
(x_1,x_2,x_3)^T与(y_1,y_2,y_3)^T
(x1,x2,x3)T与(y1,y2,y3)T
即
γ
=
x
1
α
1
+
x
2
α
2
+
x
3
α
3
=
(
α
1
,
α
2
,
α
3
)
[
x
1
x
2
x
3
]
\gamma=x_1\alpha_1+x_2\alpha_2+x_3\alpha_3=(\alpha_1,\alpha_2,\alpha_3)\left[\begin{matrix} x_1\\ x_2\\ x_3\\ \end{matrix}\right]
γ=x1α1+x2α2+x3α3=(α1,α2,α3)⎣⎡x1x2x3⎦⎤
γ = y 1 β 1 + y 2 β 2 + y 3 β 3 = ( β 1 , β 2 , β 3 ) [ y 1 y 2 y 3 ] \gamma=y_1\beta_1+y_2\beta_2+y_3\beta_3=(\beta_1,\beta_2,\beta_3)\left[\begin{matrix} y_1\\ y_2\\ y_3\\ \end{matrix}\right] γ=y1β1+y2β2+y3β3=(β1,β2,β3)⎣⎡y1y2y3⎦⎤
那么
(
α
1
,
α
2
,
α
3
)
[
x
1
x
2
x
3
]
=
(
β
1
,
β
2
,
β
3
)
[
y
1
y
2
y
3
]
=
(
α
1
,
α
2
,
α
3
)
C
[
y
1
y
2
y
3
]
(\alpha_1,\alpha_2,\alpha_3)\left[\begin{matrix} x_1\\ x_2\\ x_3\\ \end{matrix}\right]=(\beta_1,\beta_2,\beta_3)\left[\begin{matrix} y_1\\ y_2\\ y_3\\ \end{matrix}\right]=(\alpha_1,\alpha_2,\alpha_3)C\left[\begin{matrix} y_1\\ y_2\\ y_3\\ \end{matrix}\right]
(α1,α2,α3)⎣⎡x1x2x3⎦⎤=(β1,β2,β3)⎣⎡y1y2y3⎦⎤=(α1,α2,α3)C⎣⎡y1y2y3⎦⎤
故坐标变换公式为
[
x
1
x
2
x
3
]
=
C
[
y
1
y
2
y
3
]
\left[\begin{matrix} x_1\\ x_2\\ x_3\\ \end{matrix}\right]=C\left[\begin{matrix} y_1\\ y_2\\ y_3\\ \end{matrix}\right]
⎣⎡x1x2x3⎦⎤=C⎣⎡y1y2y3⎦⎤,简记为
x
=
C
y
x=Cy
x=Cy
向量内积
定理 若 n n n维向量是 α 1 α 2 . . . α r \alpha_1\alpha_2...\alpha_r α1α2...αr是一组两两正交的非零向量，则 α 1 α 2 . . . α r \alpha_1\alpha_2...\alpha_r α1α2...αr线性无关
施密特正交化
设
α
1
,
α
2
,
α
3
\alpha_1,\alpha_2,\alpha_3
α1,α2,α3线性无关
令
β
1
=
α
1
\beta_1=\alpha_1
β1=α1
β 2 = α 2 − ( α 2 , β 1 ) ( β 1 , β 1 ) β 1 \beta_2=\alpha_2-\frac{(\alpha_2,\beta_1)} {(\beta_1,\beta_1)}\beta_1 β2=α2−(β1,β1)(α2,β1)β1
β
3
=
α
3
−
(
α
3
,
β
1
)
(
β
1
,
β
1
)
β
1
−
(
α
3
,
β
2
)
(
β
2
,
β
2
)
β
2
\beta_3=\alpha_3-\frac{(\alpha_3,\beta_1)} {(\beta_1,\beta_1)}\beta_1-\frac{(\alpha_3,\beta_2)} {(\beta_2,\beta_2)}\beta_2
β3=α3−(β1,β1)(α3,β1)β1−(β2,β2)(α3,β2)β2
则
β
1
,
β
2
,
β
3
\beta_1,\beta_2,\beta_3
β1,β2,β3两两正交
再单位化
γ
i
=
β
i
∣
∣
β
i
∣
∣
(
i
=
1
,
2
,
3
)
\gamma_i=\frac{\beta_i}{||\beta_i||}(i=1,2,3)
γi=∣∣βi∣∣βi(i=1,2,3)
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
