线性代数（第三章—）向量

第三章向量(vector)

3.1 n维向量及其运算

● n维向量：n个数$a_1,a_2\cdots a_n$ 组成的有序数组$a_1,a_2,\cdots a_n$。 n个数被称为n个分量。
● 向量的符号就是用$\alpha \beta \gamma$ 表示的。
● 相反向量，即每个维度都取相反数的向量。
● 相等向量，即每个维度对应相等的同维向量。
● 向量的运算：加 、数乘、减、
● 向量的运算定律：交换，分配，向量加上其相反向量等于0向量 .
● $k\alpha =0\iff k=0(数字0)or\alpha =0(向量0)$ 但是两个向量之积等于0，不能推出任意一个向量的结果是0.

3.2 向量间的线性关系

● 线性组合：
$\beta ,{\alpha }_1,{\alpha }_2\cdots {\alpha }_n$ 是m维向量。若存在$k_1,k_2\cdots k_n$ 使得$\beta =k_1{\alpha }_1+k_2{\alpha }_2+\cdots +k_n{\alpha }_n$ 组合表示。
系数可以全取0 。
● 零向量可以由任意向量组来表示。
● 向量组中任一向量可以由向量组表示。
● 任意向量可以由 ε 1 = { 1 , 0 , 0 , ⋯   , 0 }    ε 2 = { 0 , 1 , 0 , ⋯   , 0 }    ⋯    ε n = { 0 , 0 , ⋯   , 1 } \varepsilon_1=\{1,0,0,\cdots,0\}\ \ \varepsilon_2=\{0,1,0,\cdots,0\}\ \ \cdots \ \ \varepsilon_n=\{0,0,\cdots,1\} ε1​={1,0,0,⋯,0}  ε2​={0,1,0,⋯,0}  ⋯  εn​={0,0,⋯,1}
● 不管给的向量是行还是列，${\alpha }_1\cdots {\alpha }_n按列均做成方程组的系数，\beta 按列做右端常数项$
● 组合$\iff$ 方程组有解
● 向量组的等价
两个向量组{${\alpha }_1\cdots {\alpha }_n$} 、{${\beta }_1\cdots {\beta }_n$} 同维

如果对于其中任意一个向量组中的一个向量，都可以用另一个向量组中的向量来表示。

即两个向量组都可以相互线性组合表示。 { α 1 ⋯ α n } ≅ { β 1 ⋯ β n } \{\alpha_1\cdots\alpha_n\}\cong \{\beta_1\cdots\beta_n\} {α1​⋯αn​}≅{β1​⋯βn​}

● 性质
1.反身性，向量组和它自己是等价的。
2.对称性，向量组ｘ和向量组ｙ等价，那么向量组ｙ和向量组ｘ等价。
3.传递性， { α 1 ⋯ α n } ≅ { β 1 ⋯ β n } \{\alpha_1\cdots\alpha_n\}\cong\{\beta_1\cdots\beta_n\} {α1​⋯αn​}≅{β1​⋯βn​} 、 { β 1 ⋯ β n } ≅ { γ 1 ⋯ γ n } \{\beta_1\cdots\beta_n\}\cong\{\gamma_1\cdots\gamma_n\} {β1​⋯βn​}≅{γ1​⋯γn​} 那么 { α 1 ⋯ α n } ≅ { γ 1 ⋯ γ n } \{\alpha_1\cdots\alpha_n\}\cong\{\gamma_1\cdots\gamma_n\} {α1​⋯αn​}≅{γ1​⋯γn​}

3.3.1 线性相关与无关

● 线性相关：
$$\begin{gathered} {\alpha }_1\cdots {\alpha }_n是n个m维向量，如果存在一组不为0的k_1,k_2,\cdots ,k_n, \\ 使得k_1{\alpha }_1+k_2{\alpha }_2+\cdots +k_n{\alpha }_n=0那么说明{\alpha }_1\cdots {\alpha }_n是线性相关 \end{gathered}$$
● 线性无关:
1.不相关
2.找不到一组不全为0 的$k_1,\cdots ,k_n$ 使得$k_1{\alpha }_1+k_2{\alpha }_2+\cdots +k_n{\alpha }_n=0$ 成立。
3.$k_1{\alpha }_1+k_2{\alpha }_2+\cdots +k_n{\alpha }_n=0$ 成立，$k_1,\cdots ,k_n$必全为0 。

1. 向量组中有两个向量成比例，该向量组一定相关。
2. 含零向量的任意向量组必定相关
3. 一个零向量必定相关
4. 一个非零向量必定无关。
5. 一个向量

● 部分组线性相关，整体组线性相关。逆否命题：整体组线性无关，部分组线性无关。
● 线性无关的向量组，接长向量组也线性无关。线性相关的向量组，截短向量组也线性相关。
● n个n维向量，组成的行列式的值不等于0，那么这个向量组线性无关。行列式的值等于0，向量组线性相关。
● n个单位向量是线性无关的。
● 两个例题：

● 定理：${\alpha }_1\cdots {\alpha }_s相关\iff 至少一个向量可由其余向量表示$
●
${\alpha }_1\cdots {\alpha }_s线性无关{\alpha }_1\cdots {\alpha }_s\beta 线性相关$ $\beta 可由{\alpha }_1\cdots {\alpha }_s唯一表示$
线性表示：因为${\alpha }_1\cdots {\alpha }_s\beta 线性相关$所以有一组不全为0的$k_1\cdots k_n+1$ 使得$k_1{\alpha }_1+\cdots +k_{n+1}{\alpha }_{n+1}=0$
假设$k_{n+1}=0,那么k_1{\alpha }_1+\cdots +k_n{\alpha }_n应该不等于0，$
但是由于${\alpha }_1\cdots {\alpha }_s线性无关,即k_1{\alpha }_1+\cdots +k_n{\alpha }_n=0$ 出现矛盾，所以$k_{n+1}=0不成立$，
$\beta =-\frac{k_1{\alpha }_1+\cdots +k_n{\alpha }_n}{k_{n+1}}$ 。
唯一性：假设$\beta =m_1{\alpha }_1+\cdots +m_s{\alpha }_s另一个\beta =n_1{\alpha }_1+\cdots +n_s{\alpha }_s$
那么由于线性无关，$(m_1-n_1){\alpha }_1+\cdots +(m_s-n_s){\alpha }_s=0$
所以$(m_1-n_1)=\cdots =(m_s-n_s)=0$ ，所以$m_i=n_i$

● 替换，${\alpha }_1\cdots {\alpha }_s线性无关，可以由{\beta }_1\cdots {\beta }_s表示，那么s\le t$
逆否命题:${\alpha }_1\cdots {\alpha }_s可由{\beta }_1\cdots {\beta }_s表示，s>t,那么{\alpha }_1\cdots {\alpha }_s相关$
m>n,m个n维向量线性相关，向量个数>向量维数。
n+1个n维向量线性相关。
推论:两个等价的线性无关向量组含向量的个数相同。

3.3.2 向量组的秩

● 极大线性无关组：

● 全是0的向量组没有最大线性无关组。
● 一个线性无关的向量组的最大线性无关组就是它本身。
● 任何一个线性向量组和它的最大线性无关组是等价的。同一个线性向量组的两个最大线性无关组是等价的 。
● 极大线性无关组不唯一，但是含的向量的个数是相等的。
● 向量的秩：极大无关组含向量的个数。$r({\alpha }_1,{\alpha }_2,\cdots ,{\alpha }_s)$
1 ≤ r ( α 1 , α 2 , ⋯   , α s ) ≤ m i n { 向量的个数，向量的维数 } 1\leq r(\alpha_1,\alpha_2,\cdots,\alpha_s)\leq min\{向量的个数，向量的维数\} 1≤r(α1​,α2​,⋯,αs​)≤min{向量的个数，向量的维数}
如果线性向量组线性无关$\iff r=s$
如果线性向量组线性相关$\iff r<s$
●
定理：${\alpha }_1\cdots {\alpha }_s可由{\beta }_1\cdots {\beta }_t来表示$ 那么$r({\alpha }_1\cdots {\alpha }_s)\le r({\beta }_1\cdots {\beta }_t)$

3.3.3 矩阵的行秩与列秩

● 定义：矩阵的几行组成的向量组的秩就是矩阵的行秩；矩阵的几列组成的向量组的秩就是矩阵的列秩。
● 矩阵的行秩=矩阵的列秩=矩阵的秩
●
定理： r ( A B ) ≤ m i n { r ( A ) , r ( B ) } r(AB)\leq min\{r(A),r(B)\} r(AB)≤min{r(A),r(B)}

● 矩阵的初等行变换不改变矩阵列向量的线性关系
● 例题：

求4个向量组成的极大线性无关组，并给出其余向量用该极大线性无关组来表示的线性表达式

● 不管是向量是行是列，均按列构成矩阵。$A=\left[\begin{array}{cccc}1& 2& -2& 3\\ -2& -4& 4& -6\\ 2& 8& -2& 0\\ -1& 0& 3& -6\end{array}\right]$
● 只做初等行变换，化简成行简化阶梯型。$A=\left[\begin{array}{cccc}1& 0& -3& 6\\ 0& 1& \frac{1}{2}& -\frac{3}{2}\\ 0& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right]$
● 首非零元所在的列，做成极大线性无关组。
● 其余向量表示系数直接写出来。${\beta }_3(第3列)=-3{\beta }_1+\frac{1}{2}{\beta }_2{\beta }_4(第4列)=6{\beta }_1-\frac{3}{2}{\beta }_2$