线性代数复习第三章向量

最新推荐文章于 2023-06-27 19:44:54 发布

张小彬的代码人生

最新推荐文章于 2023-06-27 19:44:54 发布

阅读量4.9k

点赞数

分类专栏：线性代数文章标签：线性代数向量组基正交基向量

本文链接：https://blog.csdn.net/zhangxb35/article/details/52504989

版权

本文深入探讨线性代数中的向量概念，包括基本运算、线性组合和线性相关性。进一步讨论向量组的秩、极大线性无关组及其在向量空间中的应用。同时，介绍了向量空间、正交矩阵和正交基，阐述了正交基的构造及正交矩阵的性质。

摘要由CSDN通过智能技术生成

行向量通常用小括号表示，列向量通常用中括号表示，统称向量，用小写黑体字体代表。

对于向量 $\boldsymbol{\beta}$ 和向量组 $\boldsymbol{\alpha_1, \alpha_2,...,\alpha_n}$ ，若存在一组常数 $k_1,k_2,...,k_s$ 使得

β = k 1 α 1 + k 2 α 2 + \dots + k s α s

$\boldsymbol{\beta} = k_1\boldsymbol{\alpha_1} + k_2\boldsymbol{\alpha_2} + \cdots + k_s\boldsymbol{\alpha_s}$

那么就可以称向量 $\boldsymbol{\beta}$ 是 $\boldsymbol{\alpha_i}$ 的线性组合，或者由其线性表示出来。

零向量是任意组向量的线性组合，取 $k_i = 0$ 即可
向量组中的任意向量都是此向量组的线性组合
任意一个 $n$ 维向量 $\boldsymbol{\alpha} = [a_1, a_2,..., a_n]$ 都是 $n$ 维基本单位向量组 $ϵ 1 = (1, 0, \dots, 0), ϵ 2 = (0, 1, \dots, 0), \dots, ϵ n = (0, 0, \dots, 1)$ $\boldsymbol{\epsilon_1} = (1,0,\cdots,0),\boldsymbol{\epsilon_2} = (0,1,\cdots,0),\cdots,\boldsymbol{\epsilon_n} = (0,0,\cdots,1)$ 的线性组合，即
$α = a 1 ϵ 1 + a 2 ϵ 2 + \dots + a n ϵ n$ $\boldsymbol{\alpha} = a_1 \boldsymbol{\epsilon_1} + a_2 \boldsymbol{\epsilon_2} + \cdots + a_n \boldsymbol{\epsilon_n}$

对于一组向量 $\boldsymbol{\alpha_1, \alpha_2, \cdots, \alpha_s}$ ，设

关注