线性代数复习 第三章 向量

第三章 向量

3.1 向量

基本概念和运算法则

行向量通常用小括号表示,列向量通常用中括号表示,统称向量,用小写黑体字体代表。

线性组合

对于向量 β 和向量组 α1,α2,...,αn ,若存在一组常数 k1,k2,...,ks 使得

β=k1α1+k2α2++ksαs

那么就可以称向量 β αi 的线性组合,或者由其线性表示出来。

  1. 零向量是任意组向量的线性组合,取 ki=0 即可
  2. 向量组中的任意向量都是此向量组的线性组合
  3. 任意一个 n 维向量 α=[a1,a2,...,an] 都是 n 维基本单位向量组
    ϵ1=(1,0,,0),ϵ2=(0,1,,0),,ϵn=(0,0,,1)
    的线性组合,即
    α=a1ϵ1+a2ϵ2++anϵn

线性相关和线性无关

对于一组向量 α1,α2,,αs ,设 k1α1+k2α2++ksαs=0 ,若当且仅当 k1==ks=0 上式才成立,那么称这组向量组是线性无关的,否则则是线性相关

  • 单个非零向量线性无关
  • 含有零向量的向量组一定线性相关
  • 基本单位向量组线性无关
  • n+1 n 维的向量必定线性相关
  • 向量组线性无关,其组成的矩阵行列式为零。

若一个向量组中的所有向量都可以用另一组向量线性表示出来,那么可以说这两个向量组是等价的。当然,两个向量组的向量个数可以不相同。

3.2 向量组的秩

极大线性无关组

从向量组 α1,α2,,αs 中的 r 个向量组成的部分组 αj1,αj2,,αjr 线性无关,且可以线性表示原向量组中的所有向量,那么这个 r 个向量就是原向量组的极大线性无关组,简称极大无关组。

  • 极大无关组是不唯一的,但是向量的个数唯一
  • 任一个向量组和其所有极大线性无关组等价

向量组的秩

向量组 α1,α2,,αs 的极大线性无关组中所含向量的个数,称为向量组的秩,记作 r(α1,α2,,αs)

注意下面的结论是充分而非必要的:

α1,,αsβ1,,βtr(α1,,αs)=r(β1,,βt)

我猜想,可能是虽然两个向量组的秩相同,但是两组基底描述的不是同一个向量空间。

矩阵和向量组是等价的,只要把矩阵的行元素看成是向量组的行向量(列也同理)就可以了。所以向量组的秩,也是相应矩阵的秩。

3.3 向量空间

向量空间的概念

S 为实数域上的向量的集合,对于任意 x,yS ,必有 x+yS 的话,就认为 S 构成一个向量空间

  • 基:就是向量空间 S 的极大线性无关组
  • 维数:和极大线性无关组的秩是一样的,即基中向量的个数
  • 坐标:设 αRn ,而 Rn 的一组基为 α1,α2,,αs ,若 α=x1α1,,xnαn=[α1,,αs]x ,则 x=(x1,,xn)T 就是向量 α 在上述基下的坐标。

两组基可以通过一个可逆矩阵 P 来转换,又叫两组基之间的过渡矩阵


有两个列向量 α=(a1,a2,,an)T β=(b1,b2,,bn)T ,定义内积操作为:

(α,β)=αTβ=a1b1++anbn

(α,β)=αTβ=0 ,则称 α β 正交。

向量长度定义为 |α|=(α,α)=a21++a2n

假设有一组基 α1,α2,,αs ,可以按照下面的 Schmidt 正交化方法,得到一组正交基。

β1β2βn=α1=α2α2,β1β1,β1β1=αnαn,β1β1,β1β1αn,βn1βn1,βn1βn1

那么得到的一组基 β1,,βn 线性无关,且两两正交,即 (βi,βj)=0


正交矩阵

设实数域 R 上的 n 阶矩阵 Q 满足 QQT=QTQ=E ,那么 Q 就可以称作是正交矩阵

正交矩阵有很多的性质,

  • Q 为正交矩阵 Q1=QT
  • Q 为正交矩阵,则 Q 可逆,且 Q1=QT
  • Q 为正交矩阵,那么 QT,Q1,Q 均为正交矩阵。
  • Q 为正交矩阵, |Q|=±1 ,只能取正负 1
  • P Q 为正交矩阵,那么 PQ 为也是正交矩阵

Rn 中的一组的 n 个向量 η1,η2,,ηn 两两正交,且都是单位向量,那么这 n 个向量就叫做是 Rn 的一组标准正交基

一般标准正交基可以通过一组线性无关向量组,先进行Schmidt 正交化后得到正交基,再除以各自的行列式单位化得到。

你可能感兴趣的:(线性代数)