线性代数课件第四章

合集下载

《线性代数》教学课件—第4章 向量线性相关 第二节 向量组的线性相关性

《线性代数》教学课件—第4章 向量线性相关 第二节 向量组的线性相关性

9 6
,
有 3 = 21 - 2 , 4 = 1 + 22 , 所以向量组 1,
2 , 3 , 4 线性相关, 其几何意义为: 该向量组所
对应的非齐次线性方程组中的四个方程所表示的
四个平面交于同一条直线. 如图 4.3 .
2x+3y+z=4 3x+8y-2z=13 x-2y+4z=-5 4x-y+9z=-6
x
O M1
图 4.2
M3 a3 RM3 (0,2,2) ,
3y
向量组 a1 , a2 , a3
线性相关,因为
2a1 - a2 - a3 = 0.
(3) 4 维向量组线性相关的几何意义 设有 4 维向量组
2
1
3
4
1T
3
1 4
, 2T
2
45
,
T 3
8
132
, 4T
1
在直线 y =2x 上取三点M1, M2 , M3 , 作三个向量:
6y
5
M3(3,6)
4 3
M2(2,4)
2 1
M1(1,2)
O 123456 x
图 4.1
a1 OM1 (1,2) ,
a2 OM2 (2,4) ,
a3 OM3 (3,6) ,
显然, 这三个向量中的 任意两个向量构成的向 量组都是线性相关的.
证明 向量证组明A 线向性量相组关A, 线等性价相于关齐,次等线价性于齐次线
方程组 方程组 x1a1 + x2a2 x+1a··1·+ x2maa2m+=··0·,+即xmAaxm = 0, 即 Ax = 0

高等数学线性代数线性方程组教学ppt(4)

高等数学线性代数线性方程组教学ppt(4)

1.2 高斯消元法
对线性方程组消元的三种变换(统称为线性方程组 的初等变换):
(1)交换方程组中某两个方程的位置; (2)以非零常数k乘以方程组中某个方程; (3)用数k乘以方程组中某个方程后加到另一个方程 上去.
定理1 线性方程组经过初等变换后得到的新方程组 与原方程组同解.
例1
解线性方程组
R( A) n;
(2)若R(A) n 1,则 A 0, AA* A E O,
由例5知:R( A) R( A*) n, R( A*) n R( A) n (n 1) 1, 即R( A*) 1.
另一方面,由于R(A) n 1, 因此A存在n 1阶非零子式,即A* O, 从而R( A*) 1.
R( A*) 1;
任一解都可以表示为
x 0 k11 knrnr ,
其中k1, , knr R. 即,当R(A) R(A | b)时,有
Ax b的通解
Ax b的一个特解 Ax 0的通解.
行阶梯形矩阵对应的方程组,叫行阶梯 形方程组;
行阶梯形方程组中,每个方程的第一个 未知量称为主未知量(主变量),其余变量叫 自由未知量(自由变量);
用消元法解线性方程组,就是用初等行 变换将方程组的增广矩阵化为行阶最简形, 得到的行阶梯方程组与原方程组同解.
例2 求解非齐次方程组的通解
x1 x1
3.设0是Ax b的某个解(称为特解),则Ax b 的任一个解向量都可表示成0与对应的 Ax 0的解之和,即有
0 .
证 :由于 0 ( 0 ),记 0,由性质1知 是导出组Ax 0的解,则 0 .
故只要 取遍Ax 0的全部解, 0 就取遍了 Ax b的所有解.
三、Ax b解的结构定理 定理4 若Ax b有解,1, ,nr是对应的Ax 0 的基础解系,0是Ax b的一个特解,则Ax b的

线性代数第四章线性方程组课件

线性代数第四章线性方程组课件
方程组 AX 0 的两个基础解系, 则由这两个基础解
系分别确定的解集合
S {k11 k22 ktt | k1, k2, 与 T {l11 l22 lt t | l1,l2,
是相等的,即 S T.
, kt是任意常数} , lt是任意常数}
定理5 设 A 是一个 m n矩阵,若齐次线性方程组
一个解.
定理8 设 1,2 是方程组 AX 的两个解,则 1 2 是 AX 导出组 AX 0 的一个解.
由这两个结果, 我们能够得到非齐次线性方程 组解的结构定理.
定理9 设矩阵 A 是一个 mn矩阵.若非齐次线性
方程组 AX 有解, 令 0是 AX 的某一个解
(通常称为特解).
k1, k2, , ks 是任意常数, 则
k11 k22 kss
也是方程组的解. 即齐次线性方程组解的线性组合
还是方程组的解.
记齐次线性方程组 AX 0的解集合为 S , 即
S { (c1,c2, ,cn)T | A 0}.
那么,上面的定理 3 就可以表述为:
对于任意的 1, 2 S , k1, k2是两个任意常数,有
1)当 R(A) R(A) n 时,0是 AX 唯一的解; 2)当 R(A) R(A) n 时,AX 的导出组 AX 0 存在无穷多解, 则 AX 的解集合为 S {0 k11 k22 kss | k1, k2, , ks是任意常数}, 其中 1,2, ,s是 AX 0 的一个基础解系.
是线性无关的.
1, 2, , n
定理2(齐次线性方程组有非零解的判别定理) 齐
次线性方程组 AX 0 有非零解的充分必要条件是
它的系数矩阵 A 的秩 R(A) n .
推论1 如果齐次线性方程组 AX 0 中的方程个数

线性代数课件(高教版)4-2

线性代数课件(高教版)4-2
T
a 1n a 2n a in a mn

T 1 T 2
T i
T m

向量组 , , …, m称为矩阵A的行向量组.
反之,由有限个向量所组成的向量组可以构 成一个矩阵.
m 个 n 维列向量所组成的向量 组 , , , , 1 2 m 构成一个 n m 矩阵
即线性方程组 x x x b 1 1 2 2 m m 有解 .
向量组的等价 定义2.2 设有两个向量组
A: ,m及 B: 1, 2, , s. 1, 2, 称 A 与向 向量组B 能由向量组A 线性表示 .若向量组 量组 B 能相互线性表示,则称 这两个 向量组等价.
向量组 a1 , a2 ,…… , am线性无关的充分必要条件是
R(A)=m.
例2 已知向量组a1 a2 a3线性无关 b1a1a2 b2a2a3 b3a3a1 试证向量组b1 b2 b3线性无关 证法二 把已知的三个向量等式写成一个矩阵等式
1 0 1 ( b , b , b ) ( a , a , a ) 1 1 0 1 2 3 1 2 3 0 1 1 记作BAK 因为|K|20 知K可逆 所以R(B)R(A)
a 1, a2 , a n 称为矩 向量组 , A 的列 .
( a ) 又有 类似地 , 矩阵 A m 个 n 维行 ij m n
a 11 a 12 a 21 a 22 A a i1 a i 2 am1 am2
T 1 T 2

a a a 0
1 1 2 2 m m
于是
a a a 1 a 0

线性代数第四章4-5节课件

线性代数第四章4-5节课件

后n-r列
x1 - b11 xr +1 - b12 xr + 2 x -b x - b x 2 21 r + 1 22 r + 2 xr - br 1 xr +1 - br 2 xr + 2 -
- b1,n- r xn , - b2,n- r xn , - br ,n - r xn .
方法1:先求出通解,再从通解求得基础解系.
1 -2 1 0 -3 4 1 2 r A 2 3 0 -1 ~ 0 1 2 -3 1 -1 -5 7 0 0 0 0
x1 - 3 x3 + 4 x4 0 x 2 + 2 x 3 - 3 x4 0
:线性方程组的解的判定
1. 包含 n 个未知数的齐次线性方程组 Ax = 0 有非零解的充 分必要条件是系数矩阵的秩 R(A) < n . 2. 包含 n 个未知数的非齐次线性方程组 Ax = b 有解的充分 必要条件是系数矩阵的秩 R(A) = R(A, b),并且 当R(A) = R(A, b) = n时,方程组有唯一解;
因为
方程组的任意一个解都可以表示为x1, x2 的线性组合.
x1, x2 的四个分量不成比例,所以 x1, x2 线性无关. 所以x1, x2 是原方程组的基础解系.
方法2:先求出基础解系,再写出通解.
1 -2 1 0 -3 4 1 2 r A 2 3 0 -1 ~ 0 1 2 -3 1 -1 -5 7 0 0 0 0

把 Ax = 0 的全体解组成的集合记作 S,若求得 S 的一个 最大无关组S0:x = x1, x = x2, ...,, x = xt ,那么Ax = 0 的

同济大学线性代数第四章PPT课件

同济大学线性代数第四章PPT课件
讨论它们的线性相关性.
解: Ee1,e2, ,en
结论: 线性无关
问题: n=3时, e1,e2,e3 分别是什么?
上述向量组又称基本向量组或单位坐标向量组.
一些结论:
(1) 一个零向量线性相关, 一个非零向量线性无关;
(2) 两个向量线性相关当且仅当 它们的对应分量成比例;
(3) 一个向量组线性无关,则增加其中每个向 量的分量所得新向量组仍线性无关。
例如: 2 1 1 0 a11 1,a212,a312,b33
则 b 能由 a1, a2, a3线性表示.
解方程组 x 1 a 1 x 2 a 2 x 3 a 3 b
既解方程组
2x1x12xx22
x3 x3
0 3
x1 x2 2x3 3

x1 1 1
x2 x3
c
1 1
线性表示
AXB有解,其中 A (1 ,2, ,m )
B (1,2, ,l)
R (A )R (A ,B )
定理3: 向量组 B :1,2, ,l能由 A :1,2, ,m
线性表示,则 R(B) ≤ R(A) 。
其中 A ( 1 ,2 ,,m ) , B ( 1 ,2 ,,l )
证:根据定理 2 有 R(A) = R(A, B) 而 R(B) ≤ R(A, B),因此 R(B) ≤ R(A)。
定义4:设向量组 A : 1 , 2 , , m , 若存在不全为零实数 1 , 2 , , m , 使得 11 2 2 m m 0
则称向量组 A线性相关. 否则称向量组A线性无关.
定理4: n 维向Ax 量 组0 1有 ,非 2, 零 ,解 m,线其 性相A 关 中 1 ,2 , ,m R(A)m

大学线性代数课件第四章第四节矩阵的秩

大学线性代数课件第四章第四节矩阵的秩

答案2
3
添加标题
答案3
4
添加标题
矩阵$A$的秩为3。
5
添加标题
矩阵$B$的秩为3。
6
添加标题
矩阵$C$的秩为3。
THANK YOU
感谢聆听
第矩 阵 秩
三的 应 用

在线性方程组中的应用
线性方程组的解
矩阵的秩可以用来判断线性方程组是否有 解,以及解的个数。如果系数矩阵的秩小 于增广矩阵的秩,则线性方程组无解;如 果系数矩阵的秩等于增广矩阵的秩,则线 性方程组有唯一解;如果系数矩阵的秩小 于增广矩阵的秩,则线性方程组有无穷多 解。
VS
向量空间的维数
矩阵的秩还可以用来确定向量空间的维 数。一个向量空间的维数等于该空间的 一组基所含向量的个数,而这个个数与 构成这组基的矩阵的秩相等。
在矩阵分解中的应用
矩阵的LU分解
矩阵的秩可以用于LU分解中。如果一个矩阵可以进行LU分解,那么这个矩阵一定是一个 满秩矩阵,即其秩等于其阶数。
矩阵的QR分解
第 量 点
言击

四 简 此
意处

节 赅 添
的加
线
矩 阐 正
述文

观, 点文 。字


的 提

炼 ,

请 尽





目录

引 言

矩 阵 秩 的 计 算 方 法

矩 阵 秩 的 应 用

矩 阵 秩 的 定 理 和 推 论
第引 言
一 章
矩阵秩的定 义
矩阵的秩也可以通过行或列的初等变换得到,即通过行或 列的线性组合来消除其他行或列中的元素,得到的行或列 中非零元素的个数即为矩阵的秩。

西北工业大学《线性代数》课件-第四章 向量组的线性相关性

西北工业大学《线性代数》课件-第四章 向量组的线性相关性

b
b2
bm
三、两向量相等
设向量
α (a1, a2 ,, ak )
β (b1, b2 ,, bl )

α β k l 且 ai bi
(i 1,2,, k)
四、零向量
分量都是0的向量称为零向量,记做 0,即
0 (0,0,,0).
五、向量的线性运算
⒈ 加法 设
α (a1, a2 ,, an )
2 2 2 ( )2
几何解释:三角形两边 之和大于第三边
α
β
α β
⒊ 夹角 设 与 是n维非零向量,则其夹角定义为
arccos [ , ]
arccos
a1b1 a2b2 anbn
a12 a22 an2 b12 b22 bn2
(0 )
定义的合理性:由不等式 (5) α, β α β
2
➢ 非零向量单位化
设 0 ,单位化向量
0
则有 0 1且 0与 同向.
九、小结
1. n维向量的定义; 2. n维向量的运算规律;
§4.2 向量组的线性相关性
一、线性相关与线性无关
1. 线性组合 定义4.6 设 ,1,2,,m均为n维向量,若有一组 数 k1, k2 ,, km ,使得
⑶ 数量积:a b a b cos
bx
(a
x
,
a
y
,
az
)
by bz
axbx a yby azbz
向量内积及 与模,夹角关系
矩阵乘积表示
可用作内积定义
⑷ 模: a aa
模的定义
三维向量全体构成的集合,称为三维向量空间.记做 R3
解析几何
向量
  1. 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. 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. 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)。

a21 x1 a22 x2 a2n xn b2 ,
am1 x1 am2 x2 amn xn bm .
a1 x1 a2 x2 an xn b
方程组与增广矩阵的列向量组之间一一对应.
14
2020/10/21
定义1 给定向量组A :1,2 ,,m,对于任何一
组实数k1,k2,, km,向量
30
2020/10/21
故 11 22 m1 m1 1am 0 因 1 , 2 ,, m1 , 1 这 m 个数不全为0,
故 1 ,2 ,,m线性相关. 必要性 设 1 ,2 ,,m 线性相关,
则有不全为0的数 k1 , k2 ,, km , 使
k11 k22 kmm 0.
17
2020/10/21
若记A (1 , 2 ,, m )和B ( b1 ,b2 ,,bs ).B
能由A线性表示,即对每个向量bj ( j 1,2,, s)存 在数k1 j , k2 j ,kmj ,使
bj k1 j1 k2 j 2 kmj m
k1 j

1
,
2
,,
m
)
k2
j
,
kmj
k11 k2 2 km m
称为向量组的一个线性组合,k1,k2,, km称为这 个线性组合的系数.
15
2020/10/21
给定向量组A : 1 , 2 ,, m和向量b,如果存在

组数1,2,,
,使
m
b 11 2 2 m m
则向量b是向量组A的线性组合,这时称向量 b 能 由向量组 A 线性表示.
1 n 0时,才有
11 2 2 n n 0成立 .
2. 对于任一向量组,不是线性无关就是
线性相关 .
28
2020/10/21
3.向量组只包含一个向量 时,若 0则说 线性相关,若 0,则说 线性无关 .
4.包含零向量的任何向量 组是线性相关的.
5.对 于 含 有 两 个 向 量 的 向量 组, 它 线 性 相 关 的 充要条件是两向量的分量对应成比例,几何意义 是两向量共线;三个向量相关的几何意义是三向 量共面.
26
2020/10/21
§2 向量组的线性相关性
27
2020/10/21
一、线性相关性的概念
定义3 给定向量组A :1,2 ,,m ,如果存在不
全为零的数k1, k2 ,, km使
k11 k2 2 km m 0
则称向量组A是线性相关的,否则称它线性无关.
注意
1. 若 1 , 2 ,, n线性无关,则只有当
3.当没有明确说明是行向量还是列向量时, 都当作列向量.
6
2020/10/21
三、向量空间
解析几何
向量 (n 3)
线性代数
既有大小又有方向的量

有次序的实数组成的数组
几何形象: 可随意 平行移动的有向线段

代数形象: 向量的 坐标表示式
系 aT (a1 ,a2 ,,an )
7
2020/10/21
31
2020/10/21
因k1 , k2 ,, km 中至少有一个不为0,
不妨设 k1 0,则有
1
k2 k1
2
k3 k1
3
km k1
m .
即 1 能由其余向量线性表示.
证毕.
32
2020/10/21
线性相关性在线性方程组中的应用
若方程组中有某个方程是其余方程的线性组 合时,这个方程就是多余的,这时称方程组(各 个方程)是线性相关的;当方程组中没有多余方 程,就称该方程组(各个方程)线性无关(或线 性独立).
确定飞机的状态,需
要以下6个参数:
机身的仰角 机翼的转角
( ) (2 2 )
机身的水平转角 (0 2 )
飞机重心在空间的位置参数P(x,y,z)
所以,确定飞机的状态,需用6维向量
a ( x, y, z, , , )
10
2020/10/21
四、向量、向量组与矩阵
若干个同维数的列向量(或同维数的行向量)
36
2020/10/21
1 0 2
(1 , 2 , 3 ) 1 2 4
1 5 7
r2 ~ r1
r3 r1
11 00 10
00 22 55
22 22 75
r3
5 2
r2
~
1 0 0
0 2 0
2 2

0
可 见R( 1
, 2
, 3
)
2,向量组1 , 2
,
线
3
性相
关;
R(1 , 2 ) 2,向量组1 , 2线性无关.
T 1
T 2
ams
sT
21
2020/10/21
设矩阵A经初等行变换变成B,则B的每个行 向量都是A的行向量组的线性组合,即B的行向量 组能由A的行向量组线性表示. 由初等变换可逆性 可知,A的行向量组能由B的行向量组线性表示, 于是A的行向量组与B的行向量组等价.
类似,若矩阵A经初等列变换变成B,则A的 列向量组与B的列向量组等价.
22
2020/10/21
对方程组A的各个方程做线性运算所得到的 一个方程就称为方程组A的一个线性组合;若方 程组B的每个方程都是方程组A的线性组合,就 称方程组B能由方程组A线性表示,这时方程组 A的解一定是方程组B的解;若方程组A与方程组 B能相互线性表示,就称这两个方程组等价,等 价的方程组一定同解.
证明 (略)
下面举例说明定理的应用.
34
2020/10/21
例1 n 维向量组
e1 1,0,,0T ,e2 0,1,,0T ,,en 0,0,,1T
称为n维单位坐标向量组,讨论其线性相关性 .
解 n维单位坐标向量组构成的矩阵 E (e1, e2 ,, en )
是n阶单位矩阵. 由 E 1 0,知R(E ) n.
A
:
1,

2
, m等价的充分必要条件
R(A) R(B) R(A B)
24
2020/10/21
定理3 向量组 B : b1,b2, , bl 能由向量组
A
:
1,

2
, m线性表示,则
R(b1,b2,
, bl )
R(1,

2
,m )
向量组与矩阵的对应关

向量组B : b1,b2,
, bl
能由向量组A
矩阵A
(aij
) mn
又有m个n维行向量
a11 a21
a12 a22
a1n a2n
T 1
T 2
A ai1
ai2
ain
T i
am1 am2 amn
T m
向量组
T 1
,
T 2
,
…,
T m
称为矩阵A的行向量组.
12
2020/10/21
反之,由有限个向量所组成的向量组可以构 成一个矩阵.
b11

c1
,
c2
,, cn
)

1
,
2
,,
s
)
b21
b12
b22
b1n b2n
bs1 ks2 ksn
20
2020/10/21
同时,C的行向量组能由B的行向量组线性表示, A 为这一表示的系数矩阵:
T 1
T 2
m
T
a11 a21
am1
a12 a22
am2
a1s a2s
23
2020/10/21
定理2 向量组 B : b1,b2, , bl 能由向量组
A
:
1,

2
, m线性表示的充分必要条件
是矩阵
A
(1,

2
,m ) 的秩等于矩阵
A B (1,2, ,m,b1,b2, ,bl ) 的秩,即
R(A) R(A B)
推论 向量组 B : b1,b2, , bl 与向量组
解析几何
空间
(n 3)
线性代数
点空间:点的集合
几何形象: 空间 直线、曲线、空间 平面或曲面

向量空间:向量的集合

代数形象:向量空

间中的平面
( x, y,z) axbyczd r ( x, y,z)T axbyczd
P(x, y,z)
一一对应
r ( x, y, z)T
8
2020/10/21
即R(E)等于向量组中向量个数,故由定理知此 向量组是线性无关的.
35
2020/10/21
例2 已知
1
0
2
1
1

2
2

3
4

1
5
7
试讨论向量组1, 2, 3及1, 2的线性相关性.

分析
对矩阵(1,
2,
),施行初等行变换变
3
成行阶梯形矩阵,
可同时看出矩阵(1,
2,

3
及(1,2)的秩,利用定理4即可得出结论.
第四章 向量组的线性相关性
§ 1 向量组及其线性组合 § 2 向量组的线性相关性 § 3 向量组的秩 § 4 线性方程组的解的结构 § 5 向量空间
1
2020/10/21
§1 向量组及其线性组合
2
2020/10/21
一、 n维向量的概念
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,这n个数称为该向量的n个分量, 第i个数ai 称为第i个分量 .
相关文档
最新文档