向量

n个数(分量)a1,a2,...,an a_1,a_2,...,a_n 组成的有序(比如:长、宽、高)数组 (a1,a2,...,an) (a_1,a_2,...,a_n)

向量的维数:有几个数就是几维

向量的符号通常用:α、β、γ

行向量、列向量、0向量、负向量

两个向量相等的前提条件:同维向量

kα = 0 <=> k=0(k是个数)或 α=0(α是向量)

证明:若k=0,那么kα=0成立

若k != 0,等式两边同时乘以1k\frac{1}{k}1kkα=1k0\frac{1}{k}k\alpha=\frac{1}{k}0,kα=0成立,所以α=0

向量间的线性关系

β、α1、α2、...、αn都是m维向量,若存在k1、k2、...、kn,使得:β=k1α1+k2α2+...+knαn \beta=k_1 \alpha_1 + k_2 \alpha_2 + ... + k_n \alpha_n

就叫:β是α的线性组合,或者说:β可以由α向量组来线性表示,系数k可以全取0

性质1:0向量可由任意向量组来线性表示(系数全取0就可以了)

性质2:向量组中的任一向量可由向量组表示。如:α3=0α1+0α2+1α3+0α4 \alpha_3 = 0\alpha_1 + 0\alpha_2 + 1\alpha_3 + 0\alpha_4

性质3:任意向量可由n维单位向量来线性表示 ϵ1=(1,0,...,0)ϵ2=(0,1,...,0)ϵn=(0,0,...,1)\epsilon_1=(1,0,...,0) \epsilon_2=(0,1,...,0) \epsilon_n=(0,0,...,1)

比如:(1,2,3)=1×(1,0,0)+2×(0,1,0)+3×(0,0,1) (1,2,3) = 1 \times (1,0,0) + 2 \times (0,1,0) + 3 \times (0,0,1)

计算题(线性表示)

β=(3,2,4)α1=(1,0,1)α2=(2,1,0)α3=(1,1,2) \beta=(-3,2,4) \quad \alpha_1=(1,0,1) \quad \alpha_2=(2,1,0) \quad \alpha_3=(-1,1,-2)

证明β可以用α线性表示

解:设β=k1α1+k2α2+k3α3\beta=k_1\alpha_1+k_2\alpha_2+k_3\alpha_3

(3,2,4)=k1(1,0,1)+k2(2,1,0)+k3(1,1,2) (-3,2,4)=k_1(1,0,1)+k_2(2,1,0)+k_3(-1,1,-2)

{k1+2k2k3=3k2+k3=2k12k3=4\begin{cases} k_1 + 2k_2 - k_3 = -3\\ k_2 + k_3 = 2\\ k_1 - 2k_3 = -4 \end{cases}

把方程组解出来,如果有解,就能线性表示

解题技巧:不管给的向量是行向量还是列向量

α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n均按列做成方程组的系数,β按列做成右边的常数项

向量组等价

α1,α2,...,αmβ1,β2,...,βn\alpha_1,\alpha_2,...,\alpha_m \quad \beta_1,\beta_2,...,\beta_n同维且可以相互线性表示,那么这两个向量组等价

相互线性表示:α1,α2,...,αmβ1,β2,...,βn { \alpha_1,\alpha_2,...,\alpha_m } \cong { \beta_1,\beta_2,...,\beta_n}

反身性:α1,α2,...,αmα1,α2,...,αm{ \alpha_1,\alpha_2,...,\alpha_m } \cong { \alpha_1,\alpha_2,...,\alpha_m }

对称性:β1,β2,...,βnα1,α2,...,αm{ \beta_1,\beta_2,...,\beta_n } \cong { \alpha_1,\alpha_2,...,\alpha_m }

传递性:若 α1,α2,...,αmβ1,β2,...,βn{\alpha_1,\alpha_2,...,\alpha_m } \cong { \beta_1,\beta_2,...,\beta_n }β1,β2,...,βnγ1,γ2,...,γs{ \beta_1,\beta_2,...,\beta_n } \cong { \gamma_1,\gamma_2,...,\gamma_s } ,则:α1,α2,...,αmγ1,γ2,...,γs{ \alpha_1,\alpha_2,...,\alpha_m } \cong { \gamma_1,\gamma_2,...,\gamma_s }

线性相关与线性无关

如果 α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n 是n个m维向量,若存在一组不全为0的 k1,k2,...,knk_1,k_2,...,k_n 使得:k1α1+k2α2+...+knαn=0k_1\alpha_1+k_2\alpha_2+...+k_n\alpha_n = 0,那么α1,α2,...,αn\alpha_1,\alpha_2,...,\alpha_n 是线性相关

线性无关(三种定义方式):

  • 不是线性相关
  • 找不到一组不全为0的 k1,k2,...,kn k_1,k_2,...,k_n
  • k1α1+k2α2+...+knαn=0k_1\alpha_1+k_2\alpha_2+...+k_n\alpha_n = 0k1,k2,...,kn k_1,k_2,...,k_n 必全为0

推论1:向量组中两向量成比例,那么这个向量组一定线性相关(这2个向量可以抵消,其他的向量系数全为0即可)

推论2:含0向量的任意一个向量组必线性相关(0向量系数随便取(非0),其余的系数全为0)

推论3:一个0向量必线性相关

推论4:一个非0向量必线性无关

推论5:一个向量α线性相关的充要条件是α=0

推论6:如果α1 \alpha_1 αr \alpha_r 线性相关,那么α1 \alpha_1 αr \alpha_r 拼上αr+1 \alpha_r + 1 αs \alpha_s 也线性相关

推论7:部分组线性相关 -> 整体组线性相关,整体组线性无关 -> 部分组线性无关

推论8:线性无关的向量组,接长(维数变大)后的向量组也线性无关。线性相关的向量组,截短后的向量组也线性相关

假设是3个3维的向量组成的向量组,该向量组线性无关。那么,k1=k2=k3=0。此时把每个向量接长(改成5维),k1、k2、k3依旧为0,即:还是线性无关

推论9:n个n维向量(向量的个数等于向量的维数),若D != 0,则线性无关(线性无关 <=> D != 0,线性相关 <=> D = 0)

PS:如果齐次方程组,满足克莱姆法则,即:方程个数=未知数个数且D!=0,则只有0解

  • 可以线性表示(方程有解),不能线性表示(方程无解)
  • 线性相关(有非0解),线性无关(只有0解)

推论10:n维单位向量组是线性无关的(直接拿过来拼成行列式,计算出不等于0即可)

定理1:α1 \alpha_1 αs \alpha_s 线性相关 <=> 至少一个向量可由其余向量来线性表示

证明:因为线性相关,所以至少有一个k != 0,假设k1 != 0,其余的k=0,那么至少α1可由其余向量线性表示

α1=k2k1α2k3k1α3...ksk1αs \alpha_1 = -\frac{k_2}{k_1}\alpha_2 - \frac{k_3}{k_1}\alpha_3 - ... - \frac{k_s}{k_1}\alpha_s

α1 = 0

定理2:α1 \alpha_1 αs \alpha_s 线性无关,拼上β后变成线性相关,那么β可由α1 \alpha_1 αs \alpha_s 唯一表示

证明:k1α1+k2α2+...+ksαs+ks+1β=0 k_1\alpha_1 + k_2\alpha_2 + ... + k_s\alpha_s + k_{s+1}\beta = 0

因为α1 \alpha_1 αs \alpha_s 线性无关,所以前面的k必定全等于0,所以,ks+1k_{s+1}必不等于0,所以β可以由α1 \alpha_1 αs \alpha_s 线性表示

β=k1ks+1α1k2ks+1α2...ksks+1αs \beta = -\frac{k_1}{k_{s+1}}\alpha_1-\frac{k_2}{k_{s+1}}\alpha_2-...-\frac{k_s}{k_{s+1}}\alpha_s

再证唯一性:假设不唯一

β=m1α1+m2α2+...+msαs \beta = m_1\alpha_1 + m_2\alpha_2 + ... + m_s\alpha_s

β=n1α1+n2α2+...+nsαs \beta = n_1\alpha_1 + n_2\alpha_2 + ... + n_s\alpha_s

0=(m1n1)α1+(m2n2)α2+...+(msns)αs 0 = (m_1-n_1)\alpha_1 + (m_2-n_2)\alpha_2 + ... + (m_s-n_s)\alpha_s

因为α1 \alpha_1 αs \alpha_s 线性无关,所以系数必定全为0,所以m1=n1,m2=n2,...,ms=nsm_1=n_1,m_2=n_2,...,m_s=n_s

替换定理:假设α1 \alpha_1 αs \alpha_s 线性无关,但是可由 β1 \beta_1 βt \beta_t 线性表示,则s <= t

逆否命题:α1 \alpha_1 αs \alpha_s 可由 β1 \beta_1 βt \beta_t 线性表示,s > t,那么α1 \alpha_1 αs \alpha_s 线性相关

推论:如果m>n,那么m个n维向量线性相关(向量的个数>向量的维数,那么这个向量组线性相关),n+1个n维向量一定线性相关

推论:两个等价的线性无关组含向量的个数是相同的

证明:用替换定理分别线性表示,s<=t、t<=s,所以s=t

向量组的秩

极大线性无关组:找线性无关的向量组的向量的个数是最大的

举例:α1、α2、α3、α4、α5的部分组α1、α2

  • α1、α2线性无关
  • 每个向量均可由α1、α2线性表示
极大线性无关组可能不止一个,任意两个极大线性无关组所含向量的个数相同

全是0的向量组没有极大线性无关组

一个线性无关的向量组,它的极大线性无关组就是它本身

任何一个向量组和它的极大线性无关组是等价的

等价的传递性:极大无关组 \cong 向量组 \cong 另一个极大无关组

向量组的秩:极大线性无关组的含向量个数。0 <= r(α1,α2,...,αs)r(\alpha_1,\alpha_2,...,\alpha_s) <= s,实际应该小于等于min(向量的个数,向量的维数)

α1,α2,...,αs \alpha_1,\alpha_2,...,\alpha_s 线性无关 <=> r=s

α1,α2,...,αs \alpha_1,\alpha_2,...,\alpha_s 线性相关 <=> r<s

定理: α1,α2,...,αs \alpha_1,\alpha_2,...,\alpha_s 可由 β1,β2,...,βt \beta_1,\beta_2,...,\beta_t 表示,r(α1,α2,...,αs) r(\alpha_1,\alpha_2,...,\alpha_s) <= r(β1,β2,...,βt) r(\beta_1,\beta_2,...,\beta_t)

如果两个向量组等价,那么它们的秩相等

矩阵的行秩和列秩

行秩:行向量组的秩

列秩:列向量组的秩

矩阵的行秩一定等于列秩,并且等于矩阵的秩

r(AB) <= min(r(A),r(B))

定理:初等行变换不改变矩阵列向量组的线性关系

计算题(线性相关与线性无关)

求:α1、α2、α3、α4的一个极大线性无关组,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

α=(1223244628201036)>β=(103601123200000000) \alpha = \begin{pmatrix} 1&2&{-2}&3\\ {-2}&{-4}&4&{-6}\\ 2&8&{-2}&0\\ {-1}&0&3&{-6} \end{pmatrix} \quad -> \quad \beta = \begin{pmatrix} 1&0&{-3}&6\\ 0&1&{\frac{1}{2}}&{-\frac{3}{2}}\\ 0&0&0&0\\ 0&0&0&0 \end{pmatrix}

  1. 不管原向量是行还是列,均按列构成矩阵
  2. 只做初等行变换,化为行简化阶梯形
  3. 首非0元所在的列做极大线性无关组(β1、β2)
  4. 其余的向量的表示系数直接写出来即可

β3=3β1+12β2\beta_3 = -3\beta_1+\frac{1}{2}\beta_2

β4=6β132β2\beta_4 = 6\beta_1-\frac{3}{2}\beta_2

所以,α1、α2是极大线性无关组

α3=3α1+12α2\alpha_3 = -3\alpha_1+\frac{1}{2}\alpha_2

α4=6α132α2\alpha_4 = 6\alpha_1-\frac{3}{2}\alpha_2

results matching ""

    No results matching ""