数学线性代数n维向量空间
合集下载
3.2 n维向量空间
2.表示方法 2.表示方法
n维向量一般用小写黑体的希腊字母 α, β, γ 等表示； 有时也用黑体的拉丁字母 a, b, c, o, u, v, x, y来表示.
例如, n维向量 α = (a1 , a2 , L , an ).
n维向量 α = ( a1 , a2 , L , an ).
n 维向量写成一行，称为 n 维行向量， 维向量写成一行， 行向量，
3．向量的相等 ． 如果n维向量 如果 维向量 α = ( a1 , a2 ,L , an ) ,β = (b1 , b2 ,L , bn ) 的对应分量皆相等， 的对应分量皆相等，即
ai = bi ,
i = 1, 2,L , n
相等， 则称向量 α 与 β 相等，记作 α = β ．
4．特殊的向量 ． 零向量： 分量全为零的向量称为零向量 零向量， 零向量 分量全为零的向量称为零向量，记作 0． 即, 0 = (0,0,L ,0) .
n 维向量还可以写成一列，称为 n 维列向量， 维向量还可以写成一列， 维列向量，
a1 a2 β = = (a1 , a2 , L , an )T . M a n
n 维行向量就是一行 列的矩阵； × n 的矩阵 维行向量就是一行n列的矩阵 1 列的矩阵； n 维列向量就是 行一列的矩阵 n × 1 的矩阵 维列向量就是n行 列的矩阵.
为向量α 与 β 的和； 称向量
kα = ( ka1 , ka2 ,L , kan )
数量乘积． 为向量 α 与数 k 的数量乘积．称向量
α − β = α + (− β ) = (a1 − b1 , a2 − b2 ,L , an − bn )
为向量α 与 β 的差；
n维向量一般用小写黑体的希腊字母 α, β, γ 等表示； 有时也用黑体的拉丁字母 a, b, c, o, u, v, x, y来表示.
例如, n维向量 α = (a1 , a2 , L , an ).
n维向量 α = ( a1 , a2 , L , an ).
n 维向量写成一行，称为 n 维行向量， 维向量写成一行， 行向量，
3．向量的相等 ． 如果n维向量 如果 维向量 α = ( a1 , a2 ,L , an ) ,β = (b1 , b2 ,L , bn ) 的对应分量皆相等， 的对应分量皆相等，即
ai = bi ,
i = 1, 2,L , n
相等， 则称向量 α 与 β 相等，记作 α = β ．
4．特殊的向量 ． 零向量： 分量全为零的向量称为零向量 零向量， 零向量 分量全为零的向量称为零向量，记作 0． 即, 0 = (0,0,L ,0) .
n 维向量还可以写成一列，称为 n 维列向量， 维向量还可以写成一列， 维列向量，
a1 a2 β = = (a1 , a2 , L , an )T . M a n
n 维行向量就是一行 列的矩阵； × n 的矩阵 维行向量就是一行n列的矩阵 1 列的矩阵； n 维列向量就是 行一列的矩阵 n × 1 的矩阵 维列向量就是n行 列的矩阵.
为向量α 与 β 的和； 称向量
kα = ( ka1 , ka2 ,L , kan )
数量乘积． 为向量 α 与数 k 的数量乘积．称向量
α − β = α + (− β ) = (a1 − b1 , a2 − b2 ,L , an − bn )
为向量α 与 β 的差；
北京工业大学线性代数第四章第一节 n 维向量空间
n
向量组 1 , 2 , , n 称为矩阵A 的列向量组．
10
类似地, 矩阵A (aij )mn 又有m个n维行向量
a11 a12 a 21 a 22 A ai1 ai 2 a m1 am 2 a1n 1 1 a 2 n 2 2 ， a in i m a mn m
23
例4 已知
1 1, 4, 0, 2，2 2, 7, 1, 3， 3 0, 1, 1, a , 3, 10, b, 4 , 不能由1 ,2 ,3 线性表出? ⑴ a , b为何值时， 能由1 ,2 ,3 线性表出且表示法 ⑵ a , b 为何值时，
, n
n xn 是否有解。
n xn
,n 线 性表出.
19
＊若方程组 1 x1 2 x2
有解，则 可以由1 ,2 ,
n xn
,n 线 性表出.
且方程组的一组解就是表出系数． ① 若方程组有唯一解，则 可以由1 ,2 , ,n 线性表出且表示法唯一. ② 若方程组有无穷多解，则
1
第一节 n 维向量空间
一． n 维向量空间的概念 二．向量与矩阵的关系 三．向量的线性组合与线性表出
2
一． n 维向量空间的概念 一个mn矩阵的每一行都是由n个数组成 的有序数组,其每一列都是由m个数组成的有序 数组。 n元线性方程组的一个解也是由n个数 组成的有序数组。所以研究线性方程组解的结 构离不开有序数组。 1.定义:由数域P 中n 个数组成的有序数组称为 数域P 上的一个n 维向量，用小写的希腊字母 , , …表示．
线性代数-n维向量
第三章 n维向量
一. n维向量及其线性运算 二. 线性相关性 三. 向量组的秩 四. 向量空间
五. 内积与正交化
第Байду номын сангаас节 n维向量及其线性运算
(一) n维向量的概念
定义
由n 个有数 a1 , a2 ,
, an 组成的有序数组 a1 , a2 ,
, an
称为一个n 维向量。 这 n 个数称为该向量的 n 个分量，第 i 个数 a i 称为第i个分量。 分量全为实数的向量称为实向量， 分量全为复数的向量称为复向量.
2
0
0 3 1 2 0 3 1 2 2 0 1 1 2 0 1 1 0 1 1 b 0 0 0 b 2 0 0 a 1 0 1 a 2 0
1 0 0 0
T T T (2, 5,1) , (10,1, 5) , (4,1, 1) , 求 . 其中 1 2 3
解 3 1 3 2 2 2 5 3 5 ,
6 3 1 2 2 5 3 ,
1 ( 3 1 2 2 5 3 ) (1, 2, 3)T . 6
一般用希腊字母 , , 等表示 n 维向量。
a1 , a2 , 向量通常写成一行：
, an 称为行向量。
a1 a 2 有时也写成一列： 称为 列向量 。它们的区别只是 写法上的不同。 an
分量全为零的向量 0,0,
,0 称为零向量，记为 0。
, km称为这个线性组合的系数。 , m ,和向量 ， 如果存在
m m
定义2：给定向量组 A : 1 , 2 , 一组实数 1 , 2 , m , 使得 1 1 2 2
一. n维向量及其线性运算 二. 线性相关性 三. 向量组的秩 四. 向量空间
五. 内积与正交化
第Байду номын сангаас节 n维向量及其线性运算
(一) n维向量的概念
定义
由n 个有数 a1 , a2 ,
, an 组成的有序数组 a1 , a2 ,
, an
称为一个n 维向量。 这 n 个数称为该向量的 n 个分量，第 i 个数 a i 称为第i个分量。 分量全为实数的向量称为实向量， 分量全为复数的向量称为复向量.
2
0
0 3 1 2 0 3 1 2 2 0 1 1 2 0 1 1 0 1 1 b 0 0 0 b 2 0 0 a 1 0 1 a 2 0
1 0 0 0
T T T (2, 5,1) , (10,1, 5) , (4,1, 1) , 求 . 其中 1 2 3
解 3 1 3 2 2 2 5 3 5 ,
6 3 1 2 2 5 3 ,
1 ( 3 1 2 2 5 3 ) (1, 2, 3)T . 6
一般用希腊字母 , , 等表示 n 维向量。
a1 , a2 , 向量通常写成一行：
, an 称为行向量。
a1 a 2 有时也写成一列： 称为 列向量 。它们的区别只是 写法上的不同。 an
分量全为零的向量 0,0,
,0 称为零向量，记为 0。
, km称为这个线性组合的系数。 , m ,和向量 ， 如果存在
m m
定义2：给定向量组 A : 1 , 2 , 一组实数 1 , 2 , m , 使得 1 1 2 2
线性代数--向量空间
dx4 0 d 2 x4
0
a 3 x1 b3 x2 c 3 x3 d 3 x4 0
该方程组的系数行列式
1111 abcd a2 b2 c2 d 2 (b a)(c a)(c b)(d a)(d b)(d c) a3 b3 c3 d 3
由于a，b，c，d各不相同.，所以行列式不等于零
a11 x1 a12 x2 a1n xn b1 a21 x1 a22 x2 a2n xn b2 am1 x1 am2 x2 amn xn bm
含n个未知量m个方程的线性非齐次方程组可写成矩阵形式
a11 a12 a1n
x1 b1
AX
b
其中
A
a21
a22
a2n
,
a a 3 = (1,c,c2 , c3 , )T , 4 = (1,d, d2 , d3 )T
（其中a，b，c，d各不相同）
解 考察 x1a1 x2a2 x3a3 x4a4 0
x1 x2 x3 x4 0
按分量写出来，即为
a
2
ax1 x1
b
bx2 2 x2
cx3 c2 x
3
线性相关的充要条件是其中至少有一个向量可由 其余向量线性表示。
k1a1 k2a2 ksas 0 (1) 则称向量组a1,a2, as 线性相关；
否则称之为线性无关。
即当且仅当 k1 k2 ks 0 时，(1)式才成立，
则称向量组 a1,a2 , as , 线性无关。
注意
(1) 任何含有零向量的向量组都线性相关. （2） 仅含两个向量的向量组，它线性相关的充分
X
x2
,
b
b2
am1
am2
线性代数N维向量空间基与维数
§ 4.4 向量空间
12 解: 0 1
1 0
1 1 1
1 1 1
初等 行变换
1 0 0
2 1 0
1 1 0
1 1 0
可见dim L(A1, A2, A3, A4) = 2, A1, A2是L(A1, A2, A3, A4)的一组基.
注: 此外A1, A3也是L(A1, A2, A3, A4)的一组基. 还有A1, A4.
分别为x, y, 则
x = Py, y = P1x.
证明: = (1, 2, …, r)x = (1, 2, …, r)y = (1, 2, …, r)Py
(1, 2, …, r)(x Py) = 0. 又因为1, 2, …, r线性无关,
所以x Py = 0, 即x = Py, 进而y = P1x.
L(A1, A2, …, As)——A的列空间(column space) dimL(A1, A2, …, As) = 秩(A).
1 2 1 1Biblioteka 例3. 设A = [A1, A2, A3, A4] = 0 1 1 1 ,
1 0 1 1
求L(A1, A2, A3, A4)的一组基和维数.
第四章 n维列向量空间
事实上, 对于这个例子, 除了A3, A4以外, A1, A2, A3, A4中任意两个向量都构成 L(A1, A2, A3, A4)的一组基.
第四章 n维列向量空间
三. 向量在基下的坐标
1, 2, …, r——V 的一组基,
§ 4.4 向量空间
由定义, 对V, 唯一的一组有序实数 k1, k2, …, kr使得 = k11+k22+…+krr .
则称V是Rn的一个子空间(subspace), 或直接 称为一个(实)向量空间(real vector space). 仅含有零向量0的集合{0}关于向量的线性运 算也构成一个向量空间.
线性代数-N维向量空间-第5节-标准正交基
n
[, ] = i=1aibi = T.
第四章 n维列向量空间
2. 内积的基本性质
(1) 对称性: [, ] = [, ];
§ 4.5 内积与正交矩阵
(2) 线性性: [k11+k22,] = k1[1, ]+k2[2,];
(3) [, ] 0; 且[, ] = 0 = 0 .
(3) 三角不等式(Triangle Inequality):
| +| |||| + ||||.
第四章 n维列向量空间
§ 4.5 内积与正交矩阵
5. 长度为1的向量称为单位向量(unit vector).
对于非零向量, ||||1是一个单位向量.
——单位化/标准化(normalize).
(i,j1,2,
i j
,n),
故Ae1，Ae2，…，Aen也是一个标准正交组.
第四章 n维列向量空间
§4.5 内积与正交矩阵
§4.5 内积与正交矩阵
一. Rn中向量的内积, 长度和夹角
1. 设 =(a1, a2, …, an)T, =(b1, b2, …, bn)T,
则称实数
n
i=1aibi
为向量
与
的内积
(inner/dot/scalar product).
记为[, ], 即
(4) (Cauchy-Schwartz Inequality) |[, ]| [, ] [, ].
考察y = [, ]x2 + 2[, ]x + [, ].
n
=
i=1
(xai
+
bi)2
0
线性代数第三章(一二节向量与线性相关性)
组中至少有一个向量可由其余向量线性表示。
证明
必要性 设向量组 A: a1 , a2 , ... , am 线
性相关, 则有 m 个不全为零的实数 k1 , k2 , ... , km 使 k1a1 + k2a2 + ... + kmam = 0 . 因 k1 , k2 , ... , km 不全为 0 , 不妨设 k1 0 , 于是便 有
（9） 若a1 , a2 , ... , an是n维向量组，则 a1 , a2 , ... , an线性相关的充要条件是其 构造的行列式值为0. 若a1 , a2 , ... , an是n维向量组，则
a1 , a2 , ... , an线性无关的充要条件是其
构造的行列式值非0. （10） 若a1 , a2 , ... , am是n维向量组，且 m>n,则 a1 , a2 , ... , am线性相关。 特别地，n+1个n维向量必线性相关。
第 三 章 向量组的线性相关性与n 维向量空间
第一节
1. 向量的定义 定义1 n 个有次序的数 a1 , a2 , ... , an 所组成的
数组称为 n 维向量,其中第 i 个数 ai 称为第i 个分量，n称为向量的维数.
n维向量
n 维向量可写成一行, 也可写成一列. 分别
称为行向量和列向量, 也就是行矩阵和列矩阵。
引例1：非齐次线性方程组（Ⅰ）有解<=>
存在一组数x1, x2, ... , xn, 满足
x1a1 + x2a2 + ... + xnan = b。 引例2：齐次线性方程组（Ⅱ）有非零解<=> 存在一组不全为零的数x1, x2, ... , xn, 满足 x1a1 + x2a2 + ... + xnan = 0。 从这两个引例中我们可以提炼出向量组两个
证明
必要性 设向量组 A: a1 , a2 , ... , am 线
性相关, 则有 m 个不全为零的实数 k1 , k2 , ... , km 使 k1a1 + k2a2 + ... + kmam = 0 . 因 k1 , k2 , ... , km 不全为 0 , 不妨设 k1 0 , 于是便 有
（9） 若a1 , a2 , ... , an是n维向量组，则 a1 , a2 , ... , an线性相关的充要条件是其 构造的行列式值为0. 若a1 , a2 , ... , an是n维向量组，则
a1 , a2 , ... , an线性无关的充要条件是其
构造的行列式值非0. （10） 若a1 , a2 , ... , am是n维向量组，且 m>n,则 a1 , a2 , ... , am线性相关。 特别地，n+1个n维向量必线性相关。
第 三 章 向量组的线性相关性与n 维向量空间
第一节
1. 向量的定义 定义1 n 个有次序的数 a1 , a2 , ... , an 所组成的
数组称为 n 维向量,其中第 i 个数 ai 称为第i 个分量，n称为向量的维数.
n维向量
n 维向量可写成一行, 也可写成一列. 分别
称为行向量和列向量, 也就是行矩阵和列矩阵。
引例1：非齐次线性方程组（Ⅰ）有解<=>
存在一组数x1, x2, ... , xn, 满足
x1a1 + x2a2 + ... + xnan = b。 引例2：齐次线性方程组（Ⅱ）有非零解<=> 存在一组不全为零的数x1, x2, ... , xn, 满足 x1a1 + x2a2 + ... + xnan = 0。 从这两个引例中我们可以提炼出向量组两个
线性代数_第六章
a x1a1 + x2a2 + … + xnan
成立, 则称这组有序数x1, x2, …, xn 为元素a 在 基a1, a2, …, an下的坐标,记作(x1, x2, …, xn )T , 称
为坐标向量.
例4 求四维线性空间R2╳2中矩阵a在基{E11,
E12, E21, E22}下的坐标。
试求P[x]2中向量在这两个基下的坐标变换公式。
§6.3 欧氏空间
线性空间中，只定义了加法与数乘两种 运算；
在线性空间中引入度量的概念后，成为 欧几里德空间；
6.3.1 内积的概念与性质
定义1 设V是实数域R上的线性空间,若在V上定义了一个二元
实函数(a, b),它满足以下条件: 1)对称性 (a, b) (b, a) 2)齐次性 (ka, b) k(a, b) 3)可加性 (ab,g)(a, b)(a, g) 4)非负性 (a, a)≥0, 当且仅当a0时(a, a)0 其中, a,b,g为V中任意元素,则称此二元实函数(a, b)为元素a与 b的内积;定义了内积的线性空间称为内积空间.
例7 齐次线性方程组
AX=0 的全部解向量构成线性空间Rn的一个子 空间,称为(1)的解空间.
例8 设C[a,b]是闭区间[a,b]上所有连续实函 数组成的线性空间，P[x][a,b]是 [a,b]上所有的 实系数多项式集合；
则C[a,b]中的定义加法与数乘， P[x][a,b]构成 C[a,b]的一个子空间.
R, R2, Rn 都是有限维线性空间; P[x]是无限维线性空间;
例1 求齐次线性方程组的解空间N(A)的维数.
x1 x1
2x2 3x2
3x3 x4 10x3 5x4
0
成立, 则称这组有序数x1, x2, …, xn 为元素a 在 基a1, a2, …, an下的坐标,记作(x1, x2, …, xn )T , 称
为坐标向量.
例4 求四维线性空间R2╳2中矩阵a在基{E11,
E12, E21, E22}下的坐标。
试求P[x]2中向量在这两个基下的坐标变换公式。
§6.3 欧氏空间
线性空间中，只定义了加法与数乘两种 运算；
在线性空间中引入度量的概念后，成为 欧几里德空间；
6.3.1 内积的概念与性质
定义1 设V是实数域R上的线性空间,若在V上定义了一个二元
实函数(a, b),它满足以下条件: 1)对称性 (a, b) (b, a) 2)齐次性 (ka, b) k(a, b) 3)可加性 (ab,g)(a, b)(a, g) 4)非负性 (a, a)≥0, 当且仅当a0时(a, a)0 其中, a,b,g为V中任意元素,则称此二元实函数(a, b)为元素a与 b的内积;定义了内积的线性空间称为内积空间.
例7 齐次线性方程组
AX=0 的全部解向量构成线性空间Rn的一个子 空间,称为(1)的解空间.
例8 设C[a,b]是闭区间[a,b]上所有连续实函 数组成的线性空间，P[x][a,b]是 [a,b]上所有的 实系数多项式集合；
则C[a,b]中的定义加法与数乘， P[x][a,b]构成 C[a,b]的一个子空间.
R, R2, Rn 都是有限维线性空间; P[x]是无限维线性空间;
例1 求齐次线性方程组的解空间N(A)的维数.
x1 x1
2x2 3x2
3x3 x4 10x3 5x4
0
- 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)。
A = (α1, α2 ,L , αm )，°A = (α1, α2 ,L , αm , β)。
线性方程组(4.2)可表示为两种矩阵方程：
(1). 将所有系数构成一个系数矩阵A
a11 a12 L
a21 M
a22 M
L M
an1 an2 L
即：AX B
a1m x1 b1
a2m M
# 向量加法和向量的数乘满足的运算规律:
1 加法交换律: α + β = β + α； 2 加法结合律 : α β γ α β γ ; 3 α Ο α; 4 α α O; 51 α α; 6 k(lα) (kl)α; 7 k(α β) kα kβ 8 (k l)α kα lα
# 向量α和β的差为 α - β = α + (- β) = (a1 - b1, a2 - b2 ,L , an - bn )T
# 实向量a :向量a的分量都是实数; # 复向量b :向量b的分量都是复数。 定义4.1 所有n维实向量(real vector)的集合称为, n维实向量空间，记为R n，即
第四章 n维向量空间
第一节 n维向量的概念 第二节 向量的线性表示与线性相关 第三节 等价向量组 第四节 线性方程组的结构 第五节 向量空间的子空间
4.1 n维向量的概念
由第一章知道
行向量(1 n矩阵) 列向量(n 1矩阵)
通称：n维向量
n个数构成的有序数组
a1
本章所称的n维向量指n维列向量：a= a1, a2 ,L
证(1) β可由向量α1 ,α2 ,L ,αm线性表示
存在m个数x1, x2 ,L , xm，使得
x1α1 x2α2 L xmαm β
方程组 AX β 有解
其中A (α1,α2,L ,αm ), X (x1,x2,L ,xm )T
, an T
a2
aMn
其中ai(i=1,L ,n)为a的第i个分量。
复习若干概念：
# 向量α a1, a2 ,L , an T 和β b1, b2 ,L , bn T 相等
对应分量都相等
ai bi 1 i n # 向量α, β的和: α β a1 b2 , a2 b2 ,L , an bn T # 向量 0,0,L , 0T 称为零向量，用O表示。 # α的负向量 α a1, a2 ,L , an T # 向量α与数k的数量乘积 kα ka1, ka2 ,L kan T
R n a1, a2 ,L , an T a1, a2 ,L , an为实数 。
所有n维复向量(complex vector)的集合称为 n维复向量空间，记为C n，即
C n z1, z2 ,L ,zn T z1, z2 ,L ,zn 为复数 。
注意：在R n中，向量只能与实数相乘，而在Cn中，向量 可以乘任意复数。
本章只研究实向量空间R n，但结论对Cn也成立。
4.2 向量的线性表示与线性相关
4.2.1 向量的线性表示
定义4.2 设α1 ,α2 ,L ,αm ,β都是n维向量，若存在数 k1 ,k2 ,L ,km ,使得
m
β=k1α1 +k2α2 +L +kmαm = kiαi， i=1
称β可由α1,α2 ,L ,αm线性表示，或称β是α1,α2 ,L ,αm 的线性组合。
定理4.1
(1)向量β可由向量α1 ,α2 ,L ,αm线性表示的充要条件是： rank(α1 ,α2 ,L ,αm ) rank(α1 ,α2 ,L ,αm , β)
(2)向量β可由向量α1 ,α2 ,L ,αm惟一线性表示的充要条件是： rank(α1 ,α2 ,L ,αm ) rank(α1 ,α2 ,L ,αm , β) m。
例 设有向量α1 =(1,3,1)T ,α2 =(-1,-1,3)T ,α3 =(-5,-11,3)T， 因α3 =-3α1 +2α2，故α3可由α1和α2线性表示。
例4.1 判断向量β= -3, 2, 0,5T 是否可由向量,
e1 (1, 0, 0, 0)T , e2 (0,1, 0, 0)T , e3 (0, 0,1, 0)T , e4 (0, 0, 0,1)T 线性表示。
解 因 =-3e1 2e2 0e3 5e4，所以β可由e1, e2 , e3 , e4
线性表示。 一般地，在n维向量空间中，向量
e1 (1, 0,L , 0)T , e2 (0,1,L , 0)T ,L , en (0, 0,L ,1)T 称为n维向量空间的基本单位向量。R n中任意n维向量
xM2
bM2
anm xm bn
(2). 将所有系数分成m个列向量αi (1 i m)
a11
a12
a1m b1
x1
aM21
x2
aM22
L
xm
a2m M
bM2
an1
an2
anm bn
即：x1α1 x2α2 L ，都可以用基本单位向量线性表示：
α x1e1 x2e2 L xnen。
4. 2. 2 向量的线性表示与线性方程组的关系 给定具有m个变量和n个线性方程组成的方程组
a11x1 a12 x2 L a1m xm b1
a21 x1
a22 x2
L a2m xm M
b2
an1x1 an2 x2 L anm xm bn
方程改写成：
(4.2)
a11x1 a12 x2 L a1m xm b1
a21
x1
a22 x2
L
a2m
xm
b2
M
M
an1
x1
an2 x2
L
anm
xm
bn
a11
a12
a1m b1
x1
a21
aMn1
x2
a22
M an 2
L
xm
a2m M
anm
b2
bMn
记
a11
a12
a1m
b1
α1
a21
M
,α2
a22
,L
M
, αm
a2m
,
β
M
b2
M
an1
anm
anm
bn
则线性方程组(4.2)可写成向量方程的形式：
x1α1 x2α2 L xmαm β 方程组(4.2)的系数矩阵和增广矩阵分别是
线性方程组(4.2)可表示为两种矩阵方程：
(1). 将所有系数构成一个系数矩阵A
a11 a12 L
a21 M
a22 M
L M
an1 an2 L
即：AX B
a1m x1 b1
a2m M
# 向量加法和向量的数乘满足的运算规律:
1 加法交换律: α + β = β + α； 2 加法结合律 : α β γ α β γ ; 3 α Ο α; 4 α α O; 51 α α; 6 k(lα) (kl)α; 7 k(α β) kα kβ 8 (k l)α kα lα
# 向量α和β的差为 α - β = α + (- β) = (a1 - b1, a2 - b2 ,L , an - bn )T
# 实向量a :向量a的分量都是实数; # 复向量b :向量b的分量都是复数。 定义4.1 所有n维实向量(real vector)的集合称为, n维实向量空间，记为R n，即
第四章 n维向量空间
第一节 n维向量的概念 第二节 向量的线性表示与线性相关 第三节 等价向量组 第四节 线性方程组的结构 第五节 向量空间的子空间
4.1 n维向量的概念
由第一章知道
行向量(1 n矩阵) 列向量(n 1矩阵)
通称：n维向量
n个数构成的有序数组
a1
本章所称的n维向量指n维列向量：a= a1, a2 ,L
证(1) β可由向量α1 ,α2 ,L ,αm线性表示
存在m个数x1, x2 ,L , xm，使得
x1α1 x2α2 L xmαm β
方程组 AX β 有解
其中A (α1,α2,L ,αm ), X (x1,x2,L ,xm )T
, an T
a2
aMn
其中ai(i=1,L ,n)为a的第i个分量。
复习若干概念：
# 向量α a1, a2 ,L , an T 和β b1, b2 ,L , bn T 相等
对应分量都相等
ai bi 1 i n # 向量α, β的和: α β a1 b2 , a2 b2 ,L , an bn T # 向量 0,0,L , 0T 称为零向量，用O表示。 # α的负向量 α a1, a2 ,L , an T # 向量α与数k的数量乘积 kα ka1, ka2 ,L kan T
R n a1, a2 ,L , an T a1, a2 ,L , an为实数 。
所有n维复向量(complex vector)的集合称为 n维复向量空间，记为C n，即
C n z1, z2 ,L ,zn T z1, z2 ,L ,zn 为复数 。
注意：在R n中，向量只能与实数相乘，而在Cn中，向量 可以乘任意复数。
本章只研究实向量空间R n，但结论对Cn也成立。
4.2 向量的线性表示与线性相关
4.2.1 向量的线性表示
定义4.2 设α1 ,α2 ,L ,αm ,β都是n维向量，若存在数 k1 ,k2 ,L ,km ,使得
m
β=k1α1 +k2α2 +L +kmαm = kiαi， i=1
称β可由α1,α2 ,L ,αm线性表示，或称β是α1,α2 ,L ,αm 的线性组合。
定理4.1
(1)向量β可由向量α1 ,α2 ,L ,αm线性表示的充要条件是： rank(α1 ,α2 ,L ,αm ) rank(α1 ,α2 ,L ,αm , β)
(2)向量β可由向量α1 ,α2 ,L ,αm惟一线性表示的充要条件是： rank(α1 ,α2 ,L ,αm ) rank(α1 ,α2 ,L ,αm , β) m。
例 设有向量α1 =(1,3,1)T ,α2 =(-1,-1,3)T ,α3 =(-5,-11,3)T， 因α3 =-3α1 +2α2，故α3可由α1和α2线性表示。
例4.1 判断向量β= -3, 2, 0,5T 是否可由向量,
e1 (1, 0, 0, 0)T , e2 (0,1, 0, 0)T , e3 (0, 0,1, 0)T , e4 (0, 0, 0,1)T 线性表示。
解 因 =-3e1 2e2 0e3 5e4，所以β可由e1, e2 , e3 , e4
线性表示。 一般地，在n维向量空间中，向量
e1 (1, 0,L , 0)T , e2 (0,1,L , 0)T ,L , en (0, 0,L ,1)T 称为n维向量空间的基本单位向量。R n中任意n维向量
xM2
bM2
anm xm bn
(2). 将所有系数分成m个列向量αi (1 i m)
a11
a12
a1m b1
x1
aM21
x2
aM22
L
xm
a2m M
bM2
an1
an2
anm bn
即：x1α1 x2α2 L ，都可以用基本单位向量线性表示：
α x1e1 x2e2 L xnen。
4. 2. 2 向量的线性表示与线性方程组的关系 给定具有m个变量和n个线性方程组成的方程组
a11x1 a12 x2 L a1m xm b1
a21 x1
a22 x2
L a2m xm M
b2
an1x1 an2 x2 L anm xm bn
方程改写成：
(4.2)
a11x1 a12 x2 L a1m xm b1
a21
x1
a22 x2
L
a2m
xm
b2
M
M
an1
x1
an2 x2
L
anm
xm
bn
a11
a12
a1m b1
x1
a21
aMn1
x2
a22
M an 2
L
xm
a2m M
anm
b2
bMn
记
a11
a12
a1m
b1
α1
a21
M
,α2
a22
,L
M
, αm
a2m
,
β
M
b2
M
an1
anm
anm
bn
则线性方程组(4.2)可写成向量方程的形式：
x1α1 x2α2 L xmαm β 方程组(4.2)的系数矩阵和增广矩阵分别是