线性代数-第三章向量

原创已于 2025-01-24 22:56:40 修改 · 2.2k 阅读

40 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

线性代数

于 2025-01-24 16:47:14 首次发布

线性代数-第三章向量

向量的概念与线性运算

行向量和列向量就是一维的矩阵
其实行向量和列向量也是没有本质区别的，行、列向量转置就可以互相转化
零向量：所有分量全为零的向量
负向量：将每个分量都取相反数得到的向量，向量 $α=(α1,α2,…,αn)\alpha=(\alpha_1,\alpha_2,\dots,\alpha_n)$ 的负向量为 $−α=(−α1,−α2,…,−αn)-\alpha=(-\alpha_1,-\alpha_2,\dots,-\alpha_n)$ ，列向量类似
向量相等：两个同种类型的向量相等 $\iff$ 相同位置的分量对应相等
向量的加减法：两个向量对应分量相加减
向量的数乘：一个数乘以向量的每个分量
提供公因子盘点⭐⭐⭐⭐⭐：
- 行列式一行有公因子 $k$ ， $k$ 朝外提 1 次
- 行列式所有行都有公因子 $k$ ， $k$ 朝外提 $n$ 次
- 矩阵所有元素都有公因子 $k$ ， $k$ 朝外提 1 次
- 向量所有分量都有公因子 $k$ ， $k$ 朝外提 1 次
向量的运算：
- 交换律： $α+β=β+α\alpha+\beta=\beta+\alpha$
- 结合律： $(α+β)+γ=α+(β+γ)(\alpha+\beta)+\gamma=\alpha+(\beta+\gamma)$
- $α+0=0+α=α\alpha+0=0+\alpha=\alpha$ ，其中 0 为同型的 $n$ 维零向量
- $α+(−α)=(−α)+α=0\alpha+(-\alpha)=(-\alpha)+\alpha=0$ ，其中 0 为同型的 $n$ 维零向量
- $1⋅α=α1\cdot\alpha=\alpha$
- $(kl)α=k(lα)=l(kα)(kl)\alpha=k(l\alpha)=l(k\alpha)$
- $k(α+β)=kα+kβk(\alpha+\beta)=k\alpha+k\beta$
- $(k+l)α=kα+lα(k+l)\alpha=k\alpha+l\alpha$
- $k\alpha=0\iff$ $k = 0$ 或 $α=0\alpha=0$ ，（ $k$ 为实数， $α\alpha$ 为向量）

向量的线性组合与线性表示

向量的线性组合：设 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 是一组 $n$ 维向量， $,kmk_1,k_2,\cdots,k_m$ 是一组常数，则称 $k1α1+k2α2+⋯+kmαmk_1\alpha_1+k_2\alpha_2+\cdots+k_m\alpha_m$ 为向量 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 的一个线性组合， $,kmk_1,k_2,\cdots,k_m$ 称为组合系数
若 $β=k1α1+k2α2+⋯+kmαm\beta=k_1\alpha_1+k_2\alpha_2+\cdots+k_m\alpha_m$ 成立，则称 $β\beta$ 是向量 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 的线性组合，也称 $β\beta$ 可由向量组 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 线性表示，称 $,kmk_1,k_2,\cdots,k_m$ 为组合系数
有关向量的线性组合与线性表示的结论
- 零向量是任意向量组的线性表示
- 向量组 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 中任意向量 $αi(1⩽i⩽n)\alpha_i(1\leqslant i\leqslant n)$ 均可由本向量组线性表示
- 任意 $n$ 维向量 $,αn)\alpha=(\alpha_1,\alpha_2,\cdots,\alpha_n)$ 都可有 $n$ 维基本单位向量组 $,1)\epsilon_1=(1,0,0,\cdots,0),\epsilon_2=(0,1,0,\cdots,0),\cdots,\epsilon_n=(0,0,0,\cdots,1)$ 线性表示，且表示方法唯一，即有： $α=α1ϵ1+α2ϵ2+⋯+αnϵn\alpha=\alpha_1\epsilon_1+\alpha_2\epsilon_2+\cdots+\alpha_n\epsilon_n$

向量组的线性相关性

给定向量组 $,αn\alpha_1,\alpha_2,\cdots,\alpha_n$ ，如果存在不全为零的数 $,knk_1,k_2,\cdots,k_n$ ，使 $k1α1+k2α2+⋯+knαn=0k_1\alpha_1+k_2\alpha_2+\cdots+k_n\alpha_n=0$ ，则称向量组 $,αn\alpha_1,\alpha_2,\cdots,\alpha_n$ 线性相关，而称 $,knk_1,k_2,\cdots,k_n$ 维一组相关系数；否则，称向量组 $,αn\alpha_1,\alpha_2,\cdots,\alpha_n$ 线性无关
性质
- 一个向量 $α\alpha$ 线性相关 $α=0\iff~~\alpha=0$
  
  一个向量 $α\alpha$ 线性无关 $α≠0\iff~~\alpha\not=0$
- 两个非零向量 $α\alpha$ 与 $β\beta$ 线性相关 $\iff$ $α\alpha$ 与 $β\beta$ 的分量对应成比例
- 如果向量组中有一部分向量（称为部分组）详细相关，则该向量组线性相关
- 若向量组线性无关，则其任一部分组也线性无关
- 含有零向量的向量组必线性相关
- $n$ 维单位向量比线性无关
- 设 $r$ 维向量 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 线性无关， $,βm\beta_1,\beta_2,\cdots,\beta_m$ 为 $,αn\alpha_1,\alpha_2,\cdots,\alpha_n$ 的 $r + l$ 维接长向量（就是 $α\alpha$ 向量中加了 $l$ 个分量），则 $,βm\beta_1,\beta_2,\cdots,\beta_m$ 线性无关（可也简记为：线性无关的向量组的接长向量组线性无关）
- 设 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 是 $r$ 维向量， $,βm\beta_1,\beta_2,\cdots,\beta_m$ 是其的 $r + l$ 维接长向量，若 $,βm\beta_1,\beta_2,\cdots,\beta_m$ 线性相关，则 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 也线性相关（可以简记为：线性相关的向量组的截短向量组也线性相关）
- 若向量组中两个向量成比例，则向量组必线性相关
向量组线性相关、线性无关的判定
- 定义法：判断齐次线性方程组是否有非零解，若有则线性相关；若没有则线性无关
- 向量组 $,αm(m≥)\alpha_1,\alpha_2,\cdots,\alpha_m(m\geq)$ 线性相关的充要条件是其中至少有一个向量是其余 $m - 1$ 个向量的线性组合
- 若向量组 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 线性无关，而向量组 $,αm,β\alpha_1,\alpha_2,\cdots,\alpha_m,\beta$ 线性相关，则 $β\beta$ 可有向量组 $,αm\alpha_1,\alpha_2,\cdots,\alpha_m$ 线性表示，且表示法唯一
- 设有两个向量组： $,βs(I)\alpha_1,\alpha_2,\cdots,\alpha_r,~~(II)\beta_1,\beta_2,\cdots,\beta_s$ ，若向量组 $(I)$ 线性无关，且向量组 $(I)$ 可有向量组 $(II)$ 线性表示，则 $r≤sr\leq s$
- 设有两个向量组： $,βs(I)\alpha_1,\alpha_2,\cdots,\alpha_r,~~(II)\beta_1,\beta_2,\cdots,\beta_s$ ，若量组 $(I)$ 可有向量组 $(II)$ 线性表示，且 $r > s$ ，则向量组 $(I)$ 比线性相关（可以简记为：多数向量可由少数向量线性表示，则多数向量一定线性相关）
- 若 $(I), (II)$ 均线性无关，且 $(I), (II)$ 可互相线性表示，则 $r = s$
- 若向量组所含向量的个数大于向量的维数，则该向量组线性相关

向量组的等价

向量组的等价：两个向量组可以相互线性表示，即向量组 $(I)$ 中每一个向量可由向量组 $(II)$ 来线性表示，向量组 $(II)$ 中每一个向量可由向量组 $(I)$ 来线性表示

注：向量组等价，所含向量的个数不一定一样多
向量组等价的性质：
- 反身性：每个向量组和自己等价
- 对称性：向量组 $(I)$ $≅\cong$ 向量组 $(II)$ ，则向量组 $(II)$ $≅\cong$ 向量组 $(I)$
- 传递性：若向量组 $(I)$ $≅\cong$ 向量组 $(II)$ ，且向量组 $(II)$ $≅\cong$ 向量组 $(III)$ ，则向量组 $(I)$ $≅\cong$ 向量组 $(III)$

极大线性无关组

定义：如果向量组 $,αs\alpha_1,\alpha_2,\cdots,\alpha_s$ 的部分组 $,αir\alpha_{i_!},\alpha_{i_2},\cdots,\alpha_{i_r}$ 满足
- $,αir\alpha_{i_!},\alpha_{i_2},\cdots,\alpha_{i_r}$ 线性无关
- 向量组 $,αs\alpha_1,\alpha_2,\cdots,\alpha_s$ 中任一向量都可由 $,αir\alpha_{i_!},\alpha_{i_2},\cdots,\alpha_{i_r}$ 线性表示。
则称 $,αir\alpha_{i_!},\alpha_{i_2},\cdots,\alpha_{i_r}$ 是向量组 $,αs\alpha_1,\alpha_2,\cdots,\alpha_s$ 的一个极大线性无关组

注：极大的意思是向量个数达到最大的线性无关的部分组
极大线性无关组的性质和结论：
- 零向量组没有极大线性无关组
- 线性无关的向量组，其极大线性无关组维向量组本身
- 向量组的极大线性无关组可能不唯一
- 向量组和它的任意极大线性无关组等价
- 同一向量组的两个极大线性无关组等价，所含向量个数相等（可用向量组等价的传递性证明）
- 若向量组 $(I)$ 可有向量组 $(II)$ 线性表示，则向量组 $(I)$ 的极大线性无关组可有向量组 $(II)$ 的极大线性无关组线性表示
- 等价的向量组，其极大线性无关组也等价
极大线性无关组的求法
- 矩阵初等变换法：
  - 初等行变换不改变矩阵列向量组的线性关系
  - 初等列变换不改变矩阵行向量组的线性关系
  具体的求法是（按照上面的例题去看）：
  - 向量不管行、列，均按列构成矩阵
  - 将该矩阵化为行简化阶梯形，注意只能做初等行变换 ⭐⭐⭐⭐⭐
  - 首非零元所在的列数对应向量组中的向量就是极大线性无关组（如例题中的 $α1,α2\alpha_1,\alpha_2$ 就是极大线性无关组）
  - 零行不看，其余的向量可有极大线性无关组表示，表示的系数就是该向量所对应的列中的系数（⭐⭐⭐⭐⭐注意理解这句话，如例题中 $α3\alpha_3$ 所对应的第三列的系数为 $−3,12-3,\frac{1}{2}$ ，则用 $α1,α2\alpha_1,\alpha_2$ 可以表示为 $α3=−3α1+12α2\alpha_3=-3\alpha_1+\frac{1}{2}\alpha_2$ ）
  黄框中的就表示了初等行变换不改变矩阵列向量组的线性关系，所以我们得到了关于 $β\beta$ 的向量组的线性关系，因为 $β\beta$ 是由 $α\alpha$ 向量组经过行变换得到的，所以他们两个的线性关系相同，即对于 $α\alpha$ 向量组用极大线性无关组表示的系数可以直接用 $β\beta$ 的。（注⭐⭐⭐：考试中不用写黄框中的部分）

向量组的秩

向量组的秩的定义：向量组 $,αs\alpha_1,\alpha_2,\cdots,\alpha_s$ 的任一极大线性无关组中所含的向量的个数，称为向量组 $,αs\alpha_1,\alpha_2,\cdots,\alpha_s$ 的秩，记为 $,αs)r(\alpha_1,\alpha_2,\cdots,\alpha_s)$
规律零向量组的秩为零
有定义可知， $,αs)≤s0\leq r(\alpha_1,\alpha_2,\cdots,\alpha_s)\leq s$
向量组的秩有如下结论：
- 向量组的秩是唯一的，等于极大线性无关组中向量的个数
- 向量组 $,αs\alpha_1,\alpha_2,\cdots,\alpha_s$ 线性无关 $\iff$ $,αs)=sr(\alpha_1,\alpha_2,\cdots,\alpha_s)=s$
  
  向量组 $,αs\alpha_1,\alpha_2,\cdots,\alpha_s$ 线性相关 $\iff$ $,αs)<sr(\alpha_1,\alpha_2,\cdots,\alpha_s)<s$
- 若向量组 $(I)$ 可由向量组 $(II)$ 线性表示，则 $r(I)≤r(II)r(I)\leq r(II)$ （可利用该结论证明：设有两个向量组： $,βs(I)\alpha_1,\alpha_2,\cdots,\alpha_r,~~(II)\beta_1,\beta_2,\cdots,\beta_s$ ，若向量组 $(I)$ 线性无关，且向量组 $(I)$ 可有向量组 $(II)$ 线性表示，则 $r≤sr\leq s$ ）
- 等价的向量组的秩相等（两个向量组等价，则两个向量组的极大线性无关组也等价，则两者的秩相等）
- 向量组的秩 $≤\leq$ 向量的个数
  
  向量组的秩 $≤\leq$ 向量的维数
- 若向量组的秩为 $r$ ，则向量组中必有 $r$ 个向量线性无关，而任意多于 $r$ 个向量都线性相关
- 若向量组的秩为 $r (r > 0)$ ，则任意含有 $r$ 个向量的线性无关的部分组都是向量组的极大线性无关组
一个矩阵，我们可以分为多个行向量和多个列向量，也就是行向量组和列向量组，但结论是： $r (行向量组) = r (列向量组) = r (矩阵)$ ，利用该结论⭐⭐⭐⭐⭐：因为求向量组的秩，也就是求向量组的极大线性无关组非常难，但是矩阵的秩，也就是转化为行简化阶梯形矩阵中首非零行数，比较简单，所以我们求向量组的秩，可以转化为求矩阵的秩