线性方程组与n维向量空间

线性方程组

一.消元法

​ 中学中经常使用的方法,相当于通过初等行变换将增广矩阵化为阶梯型矩阵,再来判断是否有解及解的结构是什么。略。


二.n维线性空间

  • n维向量:

    在所谓的数域P上一个n维向量就是由P中n个数组成的有序数组\left(a_{1}, a_{2}, \cdots, a_{x}\right)a_i称为向量的分量。其中

    \left(a_{1}, a_{2}, \cdots, a_{x}\right)称为行向量,\left( \begin{array}{c}{a_{1}} \\ {\vdots} \\ {a_{n}}\end{array}\right)称为列向量。

  • 向量的基本运算:

    • 向量相等
    • 向量的加,减,数量乘积,內积,转置。
      • (\boldsymbol{\alpha}, \boldsymbol{\beta})=(\boldsymbol{\beta}, \boldsymbol{\alpha})=\boldsymbol{\alpha}^{\mathrm{T}} \boldsymbol{\beta}
      • (\alpha, \beta)=0,正交
      • (\alpha, \alpha) \geqslant 0,內积
    • 向量的交换律、结合律
    • 单位向量、零向量、负向量。
  • n维向量空间:

    以数域P中数作为分量的n维向量的全体,同时考虑到定义在他们上面的加法和数量乘法,称为数域P上的n维向量空间。


三.线性相关性

  • 线性组合(线性表示出):

    向量a称为向量组\boldsymbol{\beta}_{\mathbf{l}}, \boldsymbol{\beta}_{2}, \cdots, \boldsymbol{\beta}_{s}的一个线性组合,如果有数域P中的数k_{1}, k_{2}, \cdots, k_{s}使得a=k_{1} \beta_{1}+k_{2} \beta_{2}+\cdots+k_{s} \beta_{s}成立。

    • 任意n维向量都是单位向量的线性组合
    • 0向量是任意向量组的线性组合
  • 等价:

    两个向量组可以互相线性表出,这两个向量组等价。

    如向量组\alpha_{1}, \alpha_{2}, \cdots, \alpha_{t}\beta_{1}, \beta_{2}, \cdots, \beta,每一个\alpha_{i}可由\beta_{1}, \beta_{2}, \cdots, \beta线性表出,每一个\beta_{j}都可由\alpha_{1}, \alpha_{2}, \cdots, \alpha_{t}线性表出,则称这两个向量组等价。

    • 等价的相关性质:自返性、对称性、传递性(如何证明)

  • 线性相关:

    定义1:如果向量组\alpha_{1}, \alpha_{2}, \cdots, \alpha_{t},(t>=2)中存在一个向量可以由其他向量线性表示,则这组向量线性相关。

    定义2:向量组\alpha_{1}, \alpha_{2}, \cdots, \alpha_{t}(t>=1)若存在数域P中不全为零的数k_{1}, k_{2}, \quad, \quad k_{t},使得k_{1} \boldsymbol{a}_{1}+k_{2} \boldsymbol{\alpha}_{2}+\cdot+k_{t}, \boldsymbol{\alpha}_{\mathbf{t}}=\mathbf{0}则称这组向量线性相关。

    • 含有0向量的向量组线性相关。
    • 线性无关的定义
    • 一组向量的部分向量线性相关,则这组向量一定线性相关。一组向量线性无关,则这组向量的任意非空的部分组也线性无关。
    • n维单位向量组线性无关。
    • 线性相关,表示方程组存在非零解,线性无关表示方程组只要零解。
    • n维向量组线性无关,那么在每一个向量上添加一维变成n+1维也线性无关(等价于方程组添加约束条件)。n维向量组线性相关,那么再添加一个n维向量,此向量组依然线性相关(等价于方程组添加未知数)
  • 线性相关有关的定理:
    • \alpha_{1}, \alpha_{2}, \cdots, \alpha_{r},与\beta_{1}, \beta_{2}, \cdots, \beta_{s}两个向量组,如果向量组\alpha_{1}, \alpha_{2}, \cdots, \alpha_{r}可由向量组\beta_{1}, \beta_{2}, \cdots, \beta_{s}线性表示出,且r>s,那么向量组\alpha_{1}, \alpha_{2}, \cdots, \alpha_{r}一定线性相关。(如何证明)
      • 推论1:如果\alpha_{1}, \alpha_{2}, \cdots, \alpha_{r}可由\beta_{1}, \beta_{2}, \cdots, \beta_{s}线性表示出,且\alpha_{1}, \alpha_{2}, \cdots, \alpha_{r}线性无关,那么s>=t.
      • 推论2:n+1个n维向量组一定线性相关。
      • 推论3:两个线性无关的等价向量组,必包含相同数量的向量。

  • 极大线性无关组:
    • 定义:一个向量组的部分组被称为极大线性无关组,如果这个部分组本身是线性无关的,如果从向量组任意选择一个向量添加进部分组,这个部分组变成线性相关的。
    • 任意一个极大线性无关组与向量组本身等价。线性无关向量组的极大线性无关组是其本身。
    • 一个向量组的任意两个极大线性无关组等价,且向量个数相同。
  • 向量组的秩:
    • 定义:向量组极大线性无关组所含有向量的个数称为向量组的秩。
    • 一个线性无关向量组的充分必要条件是它含有的向量组的个数与其秩相等。
    • 等价的向量组必要相同的秩。
    • 含有非零向量的向量组一定有极大线性无关组,秩为极大线性无关组的向量个数。全部为零的向量组没有极大线性无关组,秩为零。

四.线性方程组的有解判别定理

快照16.png
快照17.png
快照18.png
快照19.png
快照20.png
快照21.png
快照22.png

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,864评论 6 494
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,175评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,401评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,170评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,276评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,364评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,401评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,179评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,604评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,902评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,070评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,751评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,380评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,077评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,312评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,924评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,957评论 2 351

推荐阅读更多精彩内容