线性空间中向量之间线性关系
线性相关与线性无关

线性相关与线性无关线性相关和线性无关是线性代数中重要的概念,它们描述了向量之间的关系以及它们在空间中的位置和方向。
在本文中,我们将探讨线性相关和线性无关的定义、性质以及它们在实际问题中的应用。
1. 定义线性相关是指存在一组非全零系数,使得这组向量的线性组合等于零向量。
换句话说,如果存在不全为零的常数c1、c2、…、cn,使得c1v1 + c2v2 + … + cnvn = 0,则称向量组{v1, v2, …, vn}是线性相关的。
而线性无关则是指不存在一组非全零系数,使得这组向量的线性组合等于零向量。
简而言之,如果c1v1 + c2v2 + … + cnvn = 0只有当c1= c2 = … = cn = 0时成立,则称向量组{v1, v2, …, vn}是线性无关的。
2. 性质线性相关和线性无关有一些重要的性质。
2.1 线性相关性的传递性如果向量组{v1, v2, …, vn}中的某个向量可以由其余向量线性表示,那么这个向量组是线性相关的。
具体而言,如果存在c1、c2、…、cn-1,使得vn = c1v1 + c2v2 + … + cn-1vn-1,则这个向量组是线性相关的。
2.2 仅有一个向量的向量组是线性无关的只含一个向量的向量组肯定是线性无关的。
因为要使c1v1 = 0成立,必须令c1 = 0。
2.3 子集的线性相关性如果向量组{v1, v2, …, vn}是线性相关的,那么它的任意子集也是线性相关的。
这是因为如果向量组中的向量可以线性表示成零向量,那么删除其中的向量后,仍然可以通过相同的系数得到零向量。
3. 应用线性相关和线性无关在实际问题中具有广泛的应用。
3.1 线性方程组的解的个数对于一个包含n个未知数和m个线性方程的线性方程组,如果系数矩阵的秩等于扩展矩阵的秩,那么方程组的解存在且唯一。
换句话说,如果方程组的系数向量是线性无关的,那么方程组有唯一解。
3.2 判断向量空间的维数对于一个向量空间,其中向量组的线性无关的最大个数称为该向量空间的维数。
空间向量的线性相关性与线性组合

空间向量的线性相关性与线性组合空间向量是线性代数中的重要概念,它们在多个领域中有着广泛的应用。
在学习空间向量时,了解线性相关性与线性组合是非常重要的概念。
本文将详细介绍空间向量的线性相关性以及线性组合,并探讨它们在实际问题中的应用。
一、线性相关性线性相关性是指一组向量是否可以通过线性组合(即加法和数量乘法)等方式表示为零向量的形式。
对于向量组V = {v₁, v₂, ..., vₙ},如果存在不全为零的系数c₁, c₂, ..., cₙ,使得c₁v₁ + c₂v₂ + ... +cₙvₙ = 0,则向量组V是线性相关的。
例如,考虑以下向量组V = {(1, 2), (3, 4)}。
我们可以发现存在不全为零的系数c₁ = 2, c₂ = -1,使得2(1, 2) - (3, 4) = (0, 0)。
因此,向量组V是线性相关的。
线性相关性的判断可以通过求解向量组的线性方程组来实现。
将向量组的元素作为方程组的系数矩阵,并将其等于零向量作为方程组的常数向量。
如果该线性方程组存在非零解,则向量组线性相关;否则,向量组线性无关。
二、线性组合线性组合是指将一组向量按照一定的系数进行加权相加的操作。
对于向量组V = {v₁, v₂, ..., vₙ}和系数c₁, c₂, ..., cₙ,v = c₁v₁ +c₂v₂ + ... + cₙvₙ即为线性组合。
线性组合的应用非常广泛,在几何学、物理学、经济学等领域中都有重要的作用。
例如,在几何学中,我们可以通过线性组合来表示向量之间的线性相关性,判断它们是否共线。
三、应用举例1. 几何学中的线性相关性与线性组合在几何学中,线性相关性与线性组合的概念可以帮助我们判断向量之间的关系。
如果一组向量线性相关,则它们位于同一直线上或共面;如果一组向量线性无关,则它们可以构成一个向量空间。
举个例子,考虑三维空间中的向量组V = {(2, 1, 3), (4, 2, 6)}。
我们可以发现第二个向量是第一个向量的倍数,即第二个向量是第一个向量的线性组合。
第一章线性空间2011

四、小结
线性空间是二维、三维几何空间及 n维向量 空间的推广,它在理论上具有高度的概括性. 线性空间的元素统称为“向量”,但它可以是 通常的向量,也可以是矩阵、多项式、函数等. 线 性 空 间 是一个集合 对所定义的加法及数乘运算封闭 所定义的加法及数乘符合线性运算
(5) 1 ;
(6) ; (7) ; (8) .
说明
1. 凡满足以上八条规律的加法及乘数运 算,称为线性运算. 2 .向量空间中的向量不一定是有序数组. 3 .判别线性空间的方法:一个集合,对 于定义的加法和数乘运算不封闭,或者运算不 满足八条性质的任一条,则此集合就不能构成 线性空间.
一、线性空间的定义
线性空间是线性代数最基本的概念之一, 也是一个抽象的概念,它是向量空间概念的推 广. 线性空间是为了解决实际问题而引入的, 它是某一类事物从量的方面的一个抽象,即把 实际问题看作向量空间,进而通过研究向量空 间来解决实际问题.
一.线性空间的定义
设V 是一个非空集合, P 是一个数域, 在集合V 中 定义了一种代数运算,叫做加法: 即对 , V , 在V 中都存在唯一的一个元素 与它们对应,称 为
mn
是一个线性空间 .
例2 次数不超过n的多项式的全体, 记作 P[ x ]n ,即 P[ x ]n { p a n x n a 1 x a 0 a n , , a 1 , a 0 R}, 对于通常的多项式加法 , 数乘多项式的乘法构成 向 量空间. 通常的多项式加法、数乘多项式的乘法两种运 算满足线性运算规律. (a n x n a1 x a 0) (bn x n b1 x b0) (a n bn) x n (a1 b1) x (a 0 b0) P[ x]n (a n x n a 1 x a 0 ) ( a n) x n ( a1) x ( a 0) P[ x]n . P[ x]n 对运算封闭
空间向量的线性相关与线性无关性质

空间向量的线性相关与线性无关性质空间向量的线性相关与线性无关性质是线性代数中的重要概念。
在本文中,我们将探讨空间向量的线性相关与线性无关性质,并说明它们的定义、性质和应用。
一. 线性相关和线性无关的定义在空间向量的研究中,我们将一个向量集合称为线性相关,如果存在不全为零的标量使得这些向量的线性组合等于零向量。
换句话说,如果存在一组不全为零的标量α1、α2、...、αn,使得向量v1、v2、...、vn的线性组合满足α1*v1 + α2*v2 + ... + αn*vn = 0那么这个向量集合就是线性相关的。
相反地,如果向量集合中的任何线性组合只能等于零向量,当且仅当所有标量都为零时,这个向量集合就被称为线性无关的。
二. 线性相关与线性无关的性质1. 若向量集合中存在一个零向量,则这个向量集合一定是线性相关的。
证明:由于零向量可以被表示为任意向量的线性组合,所以上述线性组合中的所有标量都可以为零,从而向量集合为线性相关。
2. 若向量集合中的向量个数大于向量的维数,则该向量集合一定是线性相关的。
证明:若向量集合中的向量个数大于向量的维数,根据线性代数的理论,该向量集合无法构成一个线性无关的生成集,从而必然存在非零标量的线性组合等于零向量,因此向量集合为线性相关。
三. 线性无关的应用线性无关是研究向量空间的重要性质,它在许多应用中扮演着重要角色。
下面介绍几个典型的应用。
1. 线性方程组的解唯一性对于一个由线性方程组组成的问题,如果该线性方程组的系数矩阵的列向量是线性无关的,那么该线性方程组的解是唯一的。
否则,如果系数矩阵的列向量是线性相关的,那么解的个数将大于1。
2. 子空间的维度在研究向量空间的子空间时,线性无关的向量个数决定了子空间的维度。
具体来说,如果一个子空间由n个线性无关的向量生成,那么该子空间的维度为n。
3. 矩阵的秩矩阵的秩是矩阵的线性无关列向量的最大个数。
它是矩阵理论中的一个重要概念,被广泛应用于线性代数、概率论、图论等各个领域。
空间向量的线性相关性

空间向量的线性相关性在线性代数中,空间向量的线性相关性是一个基本概念,它描述了多个向量之间是否存在线性关系。
了解空间向量的线性相关性对于理解向量空间的性质以及相关问题的研究具有重要意义。
本文将从理论和实际应用两个方面来探讨空间向量的线性相关性。
一、空间向量的线性相关性的定义和表示空间向量的线性相关性是指在一个向量集合中,是否存在不全为零的系数,使得这些向量的线性组合等于零向量。
如果存在这样的非零系数,那么这些向量就被称为线性相关的,否则它们被称为线性无关的。
在向量集合中,假设有n个向量,分别为其中,向量是维向量,是维向量。
若存在一组不全为零的实数使得向量方程组有解,那么向量组是线性相关的;否则,向量组是线性无关的。
线性相关与线性无关的概念可用矩阵的行列式来形式化表示。
设向量组中的向量均为维向量,可以将这些向量按列排成一个矩阵,则矩阵为若行列式等于零,则向量组线性相关;否则,向量组线性无关。
二、线性相关性的几何意义在几何空间中,空间向量的线性相关性也有一定的几何意义。
具体而言,假设向量集合中的向量个数为,若向量组中至少存在一个向量可以表示为其他向量的线性组合,则这些向量是线性相关的。
换言之,可以找到一条直线或一个平面将这些向量围起来。
相反,如果向量组中的所有向量都不能表示为其他向量的线性组合,那么这些向量就是线性无关的。
这意味着在几何空间中,这些向量没有共线或共面的关系,它们是空间中独立的。
三、空间向量的线性相关性与线性无关性之间的关系线性相关与线性无关是两个相对的概念,它们之间存在着明确的关系。
具体而言,对于一个向量组,如果它们是线性无关的,那么它们一定是线性相关的。
但是反过来不一定成立,即线性相关的向量组不一定是线性无关的。
在线性代数中,我们可以通过计算向量组的秩来确定它们的线性相关性。
若向量组的秩等于向量的个数,那么向量组是线性无关的;若秩小于,则向量组是线性相关的。
四、空间向量的线性相关性的应用空间向量的线性相关性在实际问题中有广泛的应用。
高中数学中的向量线性相关与线性无关

高中数学中的向量线性相关与线性无关在高中数学学习中,向量是一个非常重要的概念。
而在向量的研究中,线性相关与线性无关是一个基础而又关键的概念。
本文将探讨高中数学中的向量线性相关与线性无关的概念及其应用。
一、向量的线性相关与线性无关的定义在向量的研究中,我们经常会遇到多个向量同时出现的情况。
而这些向量之间的关系可以分为线性相关和线性无关两种情况。
1. 线性相关如果存在一组不全为零的实数$k_1,k_2,…,k_n$,使得向量$v_1,v_2,…,v_n$满足以下关系:$k_1v_1+k_2v_2+…+k_nv_n=0$其中,$0$表示零向量。
那么我们称向量$v_1,v_2,…,v_n$线性相关。
2. 线性无关如果不存在一组不全为零的实数$k_1,k_2,…,k_n$,使得向量$v_1,v_2,…,v_n$满足以上关系,那么我们称向量$v_1,v_2,…,v_n$线性无关。
二、线性相关与线性无关的几何意义线性相关与线性无关的概念在几何上有着重要的意义。
我们以二维向量为例进行说明。
假设有两个非零向量$\vec{v_1}$和$\vec{v_2}$,我们可以将它们画在二维平面上。
如果这两个向量共线,即它们的方向相同或相反,那么它们是线性相关的。
反之,如果这两个向量不共线,即它们的方向不同,那么它们是线性无关的。
同样地,对于三维向量,我们可以将它们画在三维空间中。
如果多个向量共面,那么它们是线性相关的。
反之,如果多个向量不共面,那么它们是线性无关的。
三、线性相关与线性无关的应用线性相关与线性无关的概念在向量的运算中有着广泛的应用。
以下是一些常见的应用场景:1. 向量的线性组合线性相关的向量可以通过调整系数的大小,通过线性组合的方式得到零向量。
而线性无关的向量则不能通过线性组合得到零向量。
2. 坐标系的建立在坐标系的建立中,我们通常会选择线性无关的向量作为坐标轴。
这样可以保证坐标系的唯一性和准确性。
3. 向量的基与维数如果向量组中的向量线性无关,并且能够通过线性组合得到其他向量,那么我们称这组向量为基。
空间向量的线性关系与应用

空间向量的线性关系与应用在线性代数中,空间向量的线性关系及其应用是一项重要的研究内容。
本文将介绍空间向量的线性关系,分析其应用,并探讨其在实际问题中的应用案例。
一、空间向量的线性关系在三维空间中,向量是由坐标表示的,可以表示为(A1, A2, A3),其中A1、A2、A3分别代表向量在X、Y、Z轴上的分量。
当多个向量之间存在线性关系时,我们可以通过线性组合的方式来表达这种关系。
具体来说,假设有n个向量v1、v2、v3......vn,每个向量都可以表示为(v1, v2, v3)、(v4, v5, v6)......(vn-2, vn-1, vn)。
如果存在一组实数k1、k2、k3......kn,使得k1v1 + k2v2 + k3v3 + ......+ knvn = 0,则称这些向量之间存在线性关系。
二、空间向量的应用空间向量的线性关系有很多实际应用,下面将介绍其中几个常见的应用。
1. 平面几何在平面几何中,通过空间向量的线性关系可以进行平面求交、相交线的夹角等计算。
通过求解线性方程组,可以确定平面的位置关系,帮助我们更好地理解和解决平面几何问题。
2. 向量运算空间向量的线性关系在向量运算中起着重要作用。
通过对向量的线性组合,我们可以进行向量的加法、减法、数量积、向量积等运算,进一步拓展了向量的应用领域。
3. 物理学空间向量的线性关系在物理学中也有广泛的应用。
以力学为例,我们可以通过空间向量的线性关系来描述物体所受到的力的合成和分解,进而求解物体的运动状态和受力分析。
三、空间向量线性关系的应用案例下面将通过一个实际问题案例来说明空间向量线性关系的应用。
案例:假设有一辆汽车在平面上行驶,其行驶速度可以表达为一个向量v1。
另外,还有两个力F1和F2作用在汽车上,分别表示汽车所受到的推力和阻力,它们也可以用向量表示。
根据牛顿第二定律,我们知道力的合成可以通过向量的线性组合来表示。
假设F1的大小为a,方向与行驶方向相同,F2的大小为b,方向与行驶方向相反。
空间向量的线性相关与线性无关

空间向量的线性相关与线性无关在线性代数中,空间向量的线性相关性和线性无关性是非常重要的概念。
线性相关和线性无关是用来描述多个向量之间的关系,它们在向量的线性组合中起着至关重要的作用。
本文将详细解释空间向量的线性相关和线性无关的概念,以及它们在实际问题中的应用。
一、线性相关和线性无关的定义在讨论线性相关和线性无关之前,我们首先需要了解向量的线性组合的概念。
对于给定的向量集合{v₁,v₂,...,vₙ},它们的线性组合可以表示为:a₁v₁ + a₂v₂ + ... + aₙvₙ其中a₁,a₂,...,aₙ为标量。
如果存在一组不全为零的标量a₁,a₂,...,aₙ使得上述线性组合等于零向量,即:a₁v₁ + a₂v₂ + ... + aₙvₙ = 0那么我们说这组向量是线性相关的。
反之,如果只有当所有的标量a₁,a₂,...,aₙ都等于零时,上述线性组合才能等于零向量,那么我们说这组向量是线性无关的。
二、线性相关和线性无关的判断方法对于一组给定的向量,我们如何判断它们是线性相关还是线性无关的呢?一个常用的方法是使用行列式。
假设我们有n个n维向量组成的矩阵A=[v₁,v₂,...,vₙ],其中v₁,v₂,...,vₙ为这组向量。
如果矩阵A的行列式det(A)=0,则这组向量是线性相关的;否则,它们是线性无关的。
这是由于线性相关性的定义中,线性组合等于零向量相当于系数矩阵的行列式等于零。
三、线性相关和线性无关的性质线性相关和线性无关具有一些重要的性质。
首先,如果一组向量中存在一个零向量,那么这组向量一定是线性相关的,因为只需将对应的标量取为1,其余标量取为零,线性组合就等于零向量。
其次,如果一组向量中包含的向量个数大于向量的维数,那么这组向量一定是线性相关的。
这是因为如果向量的个数大于维数,则存在自由变量,可以通过系数的选择使得线性组合等于零向量。
最后,如果一组向量中没有零向量,并且向量的个数小于等于向量的维数,那么这组向量可能是线性相关的也可能是线性无关的,需要进一步判断。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
在基1,x,x2,…,xn-1下的坐标就是
(a0,a1,L,an1)
(2)1,x-a,(x-a)2,…,(x-a)n-1是线性无关的.
又对 f(x)P[x]n,按泰勒展开公式有 f(x ) f(a ) f(a )(x a ) L f(n 1 )(a )(x a )n 1
使 k 11 k 22 L k rr
则称向量 可经向量组 1,2,L,r 线性表出;
若向量组 1,2,L,s 中每一向量皆可经向量组
1,2,L,r线性表出,则称向量组 1,2,L,s
可经向量组 ห้องสมุดไป่ตู้,2,L,r线性表出;
若两向量组可以互相线性表出,则称这两个向量组 为等价的.
(3)1,2,L,r V,若存在不全为零的数
2、有关结论
(1)单个向量 线性相关 0. 单个向量 线性无关 0
向量组 1,2,L,r线性相关 1, 2,L, r中有一个向量可经其余向量线性表出.
(2)若向量组1,2,L,r 线性无关,且可被
向量组 1,2,L,s 线性表出,则 r s ;
若 1,2,L,r与 1,2,L,s为两线性无关的 等价向量组,则 rs.
a1,a2,L,an线性表出.
若 1 , 2 ,L , n , n 1 是线性无关的,则n+1≤n,矛盾.
∴V中任意n+1个向量 1 , 2,L, n, n 1是线性相关的.
故,V是n 维的,1,2,L,n就是V的一组基.
例2 3 维几何空间R3= {(x,y,z)x,y,z R }
1 ( 1 , 0 , 0 ) ,2 ( 0 , 1 , 0 ) ,3 ( 0 , 0 , 1 ) 是R3的一组基;
就是 Pn 的一组基.称为Pn的标准基.
注意:
① n维线性空间 V的基不是唯一的,V中任意 n个 线性无关的向量都是V的一组基.
② 任意两组基向量是等价的.
例3(1)证明:线性空间P[x]n是n 维的,且 1,x,x2,…,xn-1 为 P[x]n 的一组基.
(2)证明:1,x-a,(x-a)2,…,(x-a)n-1 也为P[x]n的一组基.
怎样才能便于运算?
一、线性空间中向量之间的线性关系
1、有关定义
设V 是数域 P 上的一个线性空间
(1) 1 ,2 , L ,r V ( r 1 ) ,k 1 , k 2 , L , k r P ,和式
k 11 k 22 L k rr
称为向量组 1,2,L,r的一个线性组合.
(2)1 ,2 ,L,r, V ,若存在 k1,k2,L,kr P
下的坐标,记为 (a1,a2,L,an).
a1
有时也形式地记作
( 1 , 2 ,L
,
n
)
a
2
M
a
n
注意:
向量 的坐标(a1,a2,L,an)是被向量 和基1,2,L,n
唯一确定的.即向量 在基 1,2,L,n 下的坐标唯一的.
但是,在不同基下 的坐标一般是不同的.
3、线性空间的基与维数的确定
dimV= 0 V={0}
(2)基 在 n 维线性空间 V 中,n 个线性无关的向量
1,2,L,n,称为 V 的一组基;
(3)坐标
设 1,2,L,n 为线性空间 V 的一组基, V,
若 a 1 1 a 2 2 L a n n , a 1 , a 2 , L , a n P
则数组 a1,a2,L,an,就称为 在基1,2,L,n
a11 a21
a12 a22
在基
E 11,E 12,E 21,E 22下的
坐标就是 (a11,a12,a21,a22).
一般地,数域P上的全体 mn矩阵构成的线性空间
P mn 为 mn维的,
矩阵单位
0
0
O
E ij
01 O 0
第 i行 i 1,2,L ,m
j 1,2,L ,n
0
O 0 就是 P mn 的一组基.
定理:若线性空间V中的向量组1,2,L,n满足 ⅰ) 1,2,L,n线性无关; ⅱ) V, 可经 1,2,L,n线性表出 ,
则V为n 维线性空间,1,2,L,n为V的一组基.
证明:∵ a1,a2,L,an线性无关,
∴V的维数至少为 n.
任取V中 n+1个向量 1 , 2 ,L , n , n 1 , 由ⅱ),向量组 1 , 2 ,L , n , n 1可用向量组
2 解: Q21i 3, 31,
2
1 n3k
n n3k1 kZ 2 n3k2
1 0 0
A20 0
2
0
0,
1 0 0
A30 0
1 0
1 0E,
E n3k
An A n3k1 kZ
①
A2 n3k2
下证 E, A, A2 线性无关. 设 k 1 E k 2A k 3A 20 , 得齐次线性方程组
证:(1)首先,1,x,x2,…,xn-1是线性无关的. 其次, f ( x ) a 0 a 1 x L a n 1 x n 1 P [ x ] n f ( x ) 可经 1,x,x2,…,xn-1线性表出.
∴ 1,x,x2,…,xn-1 为P[x]n的一组基, 从而,P[x]n是n维的.
§6.3 维数 · 基与坐标
一、线性空间中向量之间的线性关系 二、线性空间的维数、基与坐标
引 问题Ⅰ (基的问题) 入 如何把线性空间的全体元素表示出来?
这些元素之间的关系又如何呢? 即线性空间的构造如何?
问题Ⅱ (坐标问题)
线性空间是抽象的,如何使其元素与具体的东西 —数发生联系,使其能用比较具体的数学式子来表达?
第 j列
mn
A (a ij) P m n , 有 A a ijE ij
i 1i 1
例6 在线性空间P 4 中求向量 (1,2,1,1) 在基
1,2,3,4下的坐标,其中
1 ( 1 , 1 , 1 , 1 ) , 2 ( 1 , 1 , 1 , 1 ) , 3 ( 1 , 1 , 1 , 1 ) , 4 ( 1 , 1 , 1 , 1 )
无限维的.
因为,对任意的正整数 n,都有 n 个线性无关的
向量
1,x,x2,…,xn-1
2、有限维线性空间
(1)n 维线性空间: 若在线性空间 V 中有 n 个线性无关的向量,但是
任意 n+1 个向量都是线性相关的,则称 V 是一个 n 维线性空间;常记作 dimV= n .
注:零空间的维数定义为0.
数1就是它的一组基.
例5 求数域P上的线性空间P 22 的维数和一组基.
解:令
E11
1 0
0 0
,
E12
0 0
1 0
,
E21
0 1
0 0
,
E22
0 0
0 1
则 E 11,E 12,E 21,E 22是线性无关的.
事实上,由 a E 1 1 b E 1 2 c E 2 1 d E 2 2 0 ,即
1 ( 1 , 1 , 1 ) ,2 ( 1 , 1 , 0 ) ,3 ( 1 , 0 , 0 ) 也是R3的一组基.
一般地,向量空间
P n { ( a 1 ,a 2 , L ,a n ) a i P ,i 1 ,2 ,L ,n } 为n维的,
1 ( 1 , 0 , L , 0 ) , 2 ( 0 , 1 , L , 0 ) , L , n ( 0 , L , 0 , 1 )
练习
1.已知全体正实数R+对于加法与数量乘法:
a b a b , k o a a k a ,b R , k R
构成实数域R上的线性空间,求R+的维数与一组基.
2.求实数域R上的线性空间V的维数与一组基.这里
1 0 0
Vf(A)
f(x)R[x],A0 0
0
02,
1 i 3
2
解:设 x 1 1 x 2 2 x 3 3 x 4 4 ,则有线性方程组
x1 x2 x3 x4 1
x1 x1 x1
x2 x2 x2
x3 x3 x3
x4 x4 x4
2 1 1
∴解ξ之在得基,x1 1 ,5 4 2,,x2 3, 41 4 下,的x3坐 标1 4 为,x4 (54 , 141 4 ,.14,14) .
(3)若向量组 1,2,L,r 线性无关,但向量组
1,2,L,r,线性相关,则 可被向量组
1,2,L,r线性表出,且表法是唯一的.
二、线性空间的维数、基与坐标
1、无限维线性空间
若线性空间 V 中可以找到任意多个线性无关的向量, 则称 V 是无限维线性空间.
例1 所有实系数多项式所成的线性空间 R[x] 是
k1,k2,L,kr P,使得
k 1 1 k 22 L k rr 0
则称向量组 1,2,L,r 为线性相关的;
(4)如果向量组 1,2,L,r不是线性相关的,即
k 1 1 k 22 L k rr 0
只有在 k 1 k 2 L k r 0时才成立,
则称 1,2,L,r 为线性无关的.
(f(a),
f(a),L,
f(n1)(a) )
(n1)!
例4 求全体复数的集合C看成复数域C上的线性
空间的维数与一组基;
若把C看成是实数域R上的线性空间呢?
解:复数域C上的线性空间C是1维的,数1就是它的
一组基; 而实数域R上的线性空间C为2维的,数1,i 就为 它的一组基.
注:任意数域P看成是它自身上的线性空间是一维的,
a c
b d
0
有 a b c d 0 .
又对 Aaa1211 aa1222P22,有