向量的概念、向量组的概念

向量

定义 nn 个数 a1,a2,,ana_1,a_2 ,…,a_n 所组成的有序数组:

α=(a1,a2,,an)α=(a1,a2,,an)T\alpha=(a_1,a_2 , …,a_n)或 \alpha=(a_1,a_2 ,…,a_n)^T

叫做 nn 维向量,其中 a1,a2,,ana_1,a_2,…,a_n 叫做向量 α\alpha分量(或坐标),前一个表示式称为列向量,后者称为行向量

向量的基本运算
α+β=(a1+b1,a2+b2,....,an+bn)\alpha+\beta=(a_1+b_1,a_2+b_2,....,a_n+b_n)
kα=(ka1,ka2,...,kan)k\alpha=(ka_1,ka_2,...,ka_n)

向量组

若干个相同维数的行向量(或者列向量)所组成的全部集合叫做向量组

α1,α2,,αs\alpha_1,\alpha_2 ,…,\alpha_sα1,α2,,αr\alpha_1,\alpha_2 ,…,\alpha_r ,其中 srs \leqq r ,则称α1,α2,,αs\alpha_1,\alpha_2 ,…,\alpha_sα1,α2,,αr\alpha_1,\alpha_2 ,…,\alpha_r 的部分组,α1,α2,,αr\alpha_1,\alpha_2 ,…,\alpha_r 是整体组。

线性表出、线性相关

线性表出

mmnn 维向量 α1,α2,,αmα_1,α_2 , …,α_mmm 个数 k1,k2,,kmk_1,k_2 ,… ,k_m ,则向量

k1α1+k2α2++kmαmk_1α_1+k_2α_2+…+k_mα_m

称为向量 α1,α2,,αmα_1,α_2 , …,α_m 的一个线性组合k1,k2,,kmk_1,k_2 ,… ,k_m称为这个线性组合的系数
β\beta 能表示成α1,α2,,αmα_1,α_2 , …,α_m的线性组合,即

β=k1α1+k2α2++kmαm\beta=k_1α_1+k_2α_2+…+k_mα_m

则称 β\beta 能由 α1,α2,,αmα_1,α_2 , …,α_m 线性表出。

Notes:
线性表出具有可传递性,例如:
已知α,β1,β2,β3,γ1,γ2α,\beta_1,\beta_2,\beta_3,\gamma_1,\gamma_2都是n维向量,如果αα可由β1,β2,β3\beta_1,\beta_2,\beta_3线性表出,β1,β2,β3\beta_1,\beta_2,\beta_3可由γ1,γ2\gamma_1,\gamma_2线性表出,则αα可由γ1,γ2\gamma_1,\gamma_2线性表出.

线性相关

定义对 mmnn 维向量 α1,α2,,αmα_1,α_2 , …,α_m ,若存在不全为零的数 k1,k2,,kmk_1,k_2 ,… ,k_m ,使得

k1α1+k2α2++kmαm=0k_1α_1+k_2α_2+…+k_mα_m=0

成立,则称向量组 α1,α2,,αmα_1,α_2 , …,α_m 线性相关,否则称它们线性无关

Notes:
α1,α2,,αmα_1,α_2 , …,α_m线性无关\Leftrightarrowr(α1,α2,,αm)=mr(α_1,α_2 , …,α_m)=m\Leftrightarrow方程组k1α1+k2α2++kmαm=0k_1α_1+k_2α_2+…+k_mα_m=0只有零解

nnnn维向量α1,α2,,αnα_1,α_2 , …,α_n线性无关\Leftrightarrowα1,α2,,αm0|α_1,α_2 , …,α_m|\ne0

  1. 显然含有零向量,相等向量或成比例向量的向量组是线性相关的;单个向量时,零向量是线性相关的。
  2. 线性表出对系数无要求、线性相关有要求(不全为0)

定理与推论

定理一

向量 ββ 可由 α1,α2,,αmα_1,α_2 , …,α_m 线性表出
\Leftrightarrow \exists 实数 k1,k2,,kmk_1,k_2 , …,k_m使β=k1α1+k2α2++kmαm\beta=k_1α_1+k_2α_2+…+k_mα_m

\Leftrightarrow 方程组 [a1a2am][x1x2xm]=β\begin{bmatrix} a_{1} & a_{2} & \cdots & a_{m} \\ \end{bmatrix} \begin{bmatrix} x_{1} \\ x_{2} \\ \vdots \\ x_{m} \\ \end{bmatrix}= \beta 有解

\Leftrightarrowr(α1,α2,,αm)=r(α1,α2,,αm,β)r(\alpha_1,\alpha_2 ,…,\alpha_m)=r(\alpha_1,\alpha_2 ,…,\alpha_m,\beta)

对于Ax=b来说就是r(A)=r(A)Ax=b来说就是r(A)=r(\overline{A})

定理二

向量组线性相关 \Leftrightarrow 对应的齐次线性方程组有非零解 \Leftrightarrowr(α1,α2,,αm)<mr(\alpha_1,\alpha_2 ,…,\alpha_m)<m

推论

  1. nnnn维向量α1,α2,,αnα_1,α_2 , …,α_n线性无关\Leftrightarrowα1,α2,,αn0|α_1,α_2 , …,α_n|\ne0

    该推论可以根据克拉默法则得出,克拉默法则强调系数行列式不为0则n个方程n个未知量的齐次方程组有唯一零解。

  2. n+1n+1nn维向量必线性相关。

定理三

如果 nn 维向量 α1,α2,,αs\alpha_1,\alpha_2,…,\alpha_s 线性无关,α1,α2,,αs,β\alpha_1,\alpha_2,…,\alpha_s,\beta 线性相关,则向量 β\beta 可由 α1,α2,,αs\alpha_1,\alpha_2,…,\alpha_s 线性表出且表示法唯一。

可以参考克拉默法则

定理四

向量组 α1,α2,,αs(s2)\alpha_1,\alpha_2,\cdots,\alpha_s(s \geqslant 2) 线性相关的充分必要条件是至少有一个向量 αi\alpha_i 可由其余的向量 α1,αi1,αi+1,,αs\alpha_1,\alpha_i-1,\alpha_i+1,\cdots,\alpha_s 线性表出。

定理五

如果 α1,α2,,αs\alpha_1,\alpha_2,\cdots,\alpha_s 可由 β1,β2,,βt\beta_1,\beta_2,\cdots,\beta_t 线性表出且 s>ts>t ,则 α1,α2,,αs\alpha_1,\alpha_2,\cdots,\alpha_s 必线性相关。
如果 α1,α2,,αs\alpha_1,\alpha_2,\cdots,\alpha_s 可由 β1,β2,,βt\beta_1,\beta_2,…,\beta_t 线性表出且 α1,α2,,αs\alpha_1,\alpha_2,…,\alpha_s 线性无关,则 sts\leqslant t

定义设向量组

(1)α1,α2,,αs;(2)β1,β2,,βs(1) α_1,α_2 ,… ,\alpha_s;(2)\beta_1,\beta_2 ,…, \beta_s

若(1)中的每个向量αi,i=1,2,,sα_i,i=1,2,…,s,均可由(2)线性表出,则称(1)可由(2)线性表出;若向量组(1)、(2)可以相互表出,则称向量组(1)、(2)是等价向量组,记成(1)(2)(1)\cong(2)

定理
如果向量组(1)可由向量组(2)线性表出,则r(1)r(2)r(1)\le r(2)
推论
如果向量组(1)可由向量组(2)等价,则r(1)=r(2)r(1)=r(2)

向量组的秩、矩阵的秩

向量组的秩

定义
向量组 αi1,αi2,,αir(1irs)\alpha_{i_1},\alpha_{i_2},\cdots,\alpha_{i_r} (1≤i_r≤s) 是向量组 α1,α2,,αs\alpha_1,\alpha_2,\cdots,\alpha_s 的部分组,满足条件

  1. αi1,αi2,,αir\alpha_{i_1},\alpha_{i_2},\cdots,\alpha_{i_r} 线性无关;

  2. 向量组中任一向量 αi(1is)α_i(1≤i≤s) 均可由 αi1,αi2,,αir\alpha_{i_1},\alpha_{i_2},\cdots,\alpha_{i_r} 线性表出,则称向量组 αi1,αi2,,αir\alpha_{i_1},\alpha_{i_2},\cdots,\alpha_{i_r} 是向量组 α1,α2,,αs\alpha_1,\alpha_2,\cdots,\alpha_s 的极大线性无关组。
    条件(2)的等价说法是: αi1,αi2,,αir\alpha_{i_1},\alpha_{i_2},\cdots,\alpha_{i_r} 中加入任一向量 αi(1is)α_i(1≤i≤s) , 则向量组 αi1,αi2,,αir,αi\alpha_{i_1},\alpha_{i_2},\cdots,\alpha_{i_r},α_i 线性相关。

    是因为借助 αi1,αi2,,αir\alpha_{i_1},\alpha_{i_2},\cdots,\alpha_{i_r} 可以构建出 αi\alpha_i ,那么 αi+αi=0-\alpha_i+\alpha_i=0

向量组的极大无关组一般不唯一,但极大无关组的向量个数是一样的。 只有一个零向量组成的向量组没有极大线性无关组,一个线性无关向量组的极大线性无关组就是该向量组本身。
向量组的极大线性无关组的向量个数称为向量组的秩,记为 r(α1,α2,,αs)r(\alpha_1,\alpha_2,…,\alpha_s)

秩也是行最简矩阵的非零行数目

向量组和它的极大线性无关组是等价向量组。
一个向量组中各极大无关组之间是等价向量组,且向量个数相同。

矩阵的秩

定义
m×nm×n 矩阵 AA 中,任取 kk 行与 kk(km,kn)(k \leqq m,k \leqq n),位于这些行与列的交叉点上的 k2k^2 个元素按其在原来矩阵 AA 中的次序可构成一个 kk 阶行列式,称其为矩阵 AA 的一个 kk子式

定义(矩阵的秩)
AAm×nm×n 矩阵,若 AA 中存在 rr 阶子式不等于零,rr 阶以上子式均等于零,则称矩阵 AA 的秩为 rr,记成 r(A)r(A) ,零矩阵的秩规定为0。
r(A)=rr(A)=r \Leftrightarrow 矩阵 AA 中非零子式的最高阶数是 r(A)=rr(A)=r
r(A)<rr(A)<r A\Leftrightarrow A每一个r阶子式全为0
r(A)rr(A)≥r A\Leftrightarrow A 中有r阶子式不为0
特别地,r(A)=0A=0r(A)=0 \Leftrightarrow A = 0
A0r(A)1A≠0 \Leftrightarrow r(A)≥1
AAnn 阶矩阵,r(A)=nA0A可逆r(A)=n \Leftrightarrow |A|≠0 \Leftrightarrow A可逆
r(A)=nA=0A不可逆r(A)=n \Leftrightarrow |A|=0 \Leftrightarrow A不可逆
AAm×nm×n 矩阵,则 r(A)min(m,n)r(A)\le min(m ,n)
经初等变换矩阵的秩不变。

正交规范化、正交矩阵

内积

  1. 定义
    设有 nn 维向量 α=(α1,α2,,αn)T\alpha=(\alpha_1,\alpha_2, \cdots ,\alpha_n)^Tβ=(β1,β2,,βn)T\beta=(\beta_1,\beta_2, \cdots ,\beta_n)^T,令

    (α,β)=αTβ=αβT=i=1nαiβi(\alpha,\beta)=\alpha^T\beta=\alpha\beta^T=\sum_{i=1}^n \alpha_i\beta_i

    (α,β)(\alpha,\beta)为向量α\alphaβ\beta的内积。

  2. 性质

    1. (α,β)=(β,α)(α,\beta)=(\beta,α)(对称性)
    2. λ(α,β)=(λα,β)=(α,λβ)\lambda(α,β)= (\lambdaα , β)= (α ,\lambdaβ)(线性性)
    3. (α+β,γ)=(α,γ)(β,γ)(α+β,\gamma)= (α,\gamma)+(β,\gamma)(线性性)
    4. (α,α)0(α ,α)≥0,等号成立当且仅当α=0α=0(正定性)

单位向量

定义
α=(α,α)=α12+α22,++αn2||α||=\sqrt{(\alpha,\alpha)}=\sqrt{\alpha_1^2+\alpha_2^2,+\cdots+\alpha_n^2} 称为向量 α=(α1,α2,,αn)T\alpha=(\alpha_1,\alpha_2, \cdots ,\alpha_n)^T 的模(长度), α=1||α||=1 时称α为单位向量

正交

定义
两个向量 α,β\alpha,\beta 夹角的余弦为:

cos(α,β^)=(α,β)αβcos(\widehat{\alpha,\beta})=\frac{(\alpha,\beta)}{||\alpha||*||\beta||}

(α,β)=0(\alpha,\beta)=0时,则cos(α,β^)=cos(β,α^)=π2cos(\widehat{\alpha,\beta})=cos(\widehat{\beta,\alpha})=\frac{\pi}{2},则称向量α,β\alpha,\beta正交

施密特正交化

施密特(Schmidt)标准正交化方法
设向量组 α1,α2,α3\alpha_1,\alpha_2,\alpha_3 线性无关,其标准正交化的方法如下(又称正交规范化):
先正交化,取

β1=α1\beta_1=\alpha_1

β2=α2(α2,β1)(β1,β1)β1\beta_2=\alpha_2-\frac{(\alpha_2,\beta_1)} {(\beta_1,\beta_1)} \beta_1

β3=α3(α3,β1)(β1,β1)β1(α3,β2)(β2,β2)β2\beta_3=\alpha_3-\frac{(\alpha_3,\beta_1)} {(\beta_1,\beta_1)} \beta_1-\frac{(\alpha_3,\beta_2)} {(\beta_2,\beta_2)} \beta_2

β1,β2,β3β_1,β_2 ,β_3 是正交向量组.
再将 β1,β2,β3β_1,β_2 ,β_3 单位化.取

η1=β1β1η2=β2β2η3=β3β3\eta_1=\frac{\beta_1}{|\beta_1|} \qquad \eta_2=\frac{\beta_2}{|\beta_2|} \qquad \eta_3=\frac{\beta_3}{|\beta_3|}

η1,η2,η3\eta_1,\eta_2,\eta_3 是标准正交向量组,即有 (ηi,ηj)={0ij1i=j(\eta_i,\eta_j)=\begin{cases} 0 \qquad i \ne j \\\\ 1 \qquad i = j \end{cases}