线性代?/p>
第四?/p>
向量组的相关?/p>
1
第四?/p>
向量组的线性相关?/p>
本章不仅要讨论向量组的有关理论,
建立向量组秩的概念,
还要沟通矩阵的秩与向量组的秩之?/p>
的关系,并抽象出向量空间的概念,最后以此为背景完整的处理线性方程组的解的结构理论?/p>
本章中线性相关性是一个较难理解和掌握的概念,学习中应注意其在二、三维向量的几何解释?/p>
§
1
n
维向?/p>
在高等数学中曾介绍了二、三维向量的概念,即用二、三元数组描述了一系列物理现象,如力所
作的功,
刚体旋转运动中的线速度问题等?/p>
但要更广泛的应用向量这个工具只考虑二三维空间就不够
了。如研究卫星在太空中的运行状态时,不仅要关注它的几何位置,还需知道它的表面温度、压力等
物理参数,即至少要用六数组(
t
,
x
,
y
,
z
,
τ
,
p
?/p>
。因此有必要拓广向量的概念,引入?/p>
n
元数组构成的
n
维向量,并抽象出向量空间的概念?/p>
定义
1
n
个有次序的数
a
1
,
a
2
,
?/p>
,
a
n
所组成的数组成?/p>
n
维向?/p>
?/p>
?/p>
n
个数称为该向量的
n
?/p>
?/p>
?/p>
,第
i
个数
i
a
称为
?/p>
i
个分?/p>
.
?/p>
?/p>
分量全为实数的向量称?/p>
实向?/p>
?/p>
分量不全为实数的向量称为
复向?/p>
?/p>
我们只研究实向量?/p>
?/p>
n
维向量分为行向量和列向量两大类,前面也说过这两类分别就是行矩阵和列矩阵,因此?/p>
们之间的运算就是矩阵之间的运算,从而符合矩阵运算的一切性质。在本章中,向量之间的运算只?/p>
及到线性运算和转置运算。为叙述方便,我们约定:在不特别声明时我们说到的向量均为列向量?/p>
?/p>
同于分块阵中所述,我们仍用小写黑体字母
a
,
b
,
?/p>
,
?/p>
等表示列向量,用
T
T
T
T
b
a
?/p>
?/p>
,
,
,
表示?/p>
向量。例如,
T
e
)
0
,
,
0
,
1
(
1
?/p>
?/p>
?/p>
T
e
)
0
,
,
0
,
1
,
0
(
1
?/p>
?/p>
,„,
T
e
)
1
,
0
,
,
0
(
1
?/p>
?/p>
统称?/p>
n
维单位向?/p>
?/p>
?/p>
?/p>
n
= 2
时的二维向量就是平面解析几何中的向量
—?/p>
即有大小又有方向的量,并且平?/p>
解析几何中是以可随意平行移动的有向线段作为向量的几何形象?/p>
即大小相等、方向一致的向量认为是同一个向量,如右图中
P
O
P
P
?
?/p>
2
1
.
O
引入一平面坐标系:
)
,
(
),
,
(
),
,
(
2
2
2
2
1
1
y
x
P
y
x
P
y
x
P
,因?/p>
1
2
1
2
,
y
y
y
x
x
x
?/p>
?/p>
?/p>
?/p>
?/p>
这种自由向量
OP
与平面上的点
P
(
x
,
y
)
构成一一对应,称之为向量
OP
的坐标,?/p>
T
y
x
P
O
)
,
(
?/p>
?
,这
种二维向量的全体构成的集?/p>
?/p>
2
R
{
r
=
(
x
,
y
)
T
?/p>
x
,
y
?/p>
R
}
称为二维向量空间?/p>
完全类似地,可将二维向量推广到三维空间中去?/p>
?/p>
n
= 3
时,由于空间中可随意平行移动的有
向线?/p>
OP
与空间中的点
P
)
,
,
(
z
y
x
构成一一对应,故我们也称?/p>
P
的坐?/p>
)
,
,
(
z
y
x
为向?/p>
OP
坐标?
?/p>
T
z
y
x
P
O
)
,
,
(
?/p>
?
,这种三维向量的全体构成的集?/p>
?/p>
3
R
{
r
=
(
x
,
y
,
z
)
T
?/p>
x
,
y
,
z
?/p>
R
}
称为三维向量?/p>
间。由于三维向?/p>
r
=
T
z
y
x
)
,
,
(
与空间中的点
)
,
,
(
z
y
x
P
是一一对应的,三维向量的集合常常就类比
成点的集合,例如我们知道
ax+by+cz
=
d
在空间中表示一个平面,故我们也称三维向量的集合
?/p>
= {
r
=
(
x
,
y
,
z
)
T
?/p>
ax+by+cz
=
d
}
为三维向量空?/p>
R
3
中的平面?/p>
?/p>
n
> 3
时,虽然
n
维向量就不再具有这种几何形象了,但我们仍沿用这些说法和记号,全体
n
维向量构成的集合
?/p>
n
R
{
r
=
T
n
x
x
x
)
,
,
,
(
2
1
?/p>
?/p>
n
x
x
x
,
,
,
2
1
?/p>
?/p>
R
}
称为
n
维向量空间,
n
维向量的集合